TikTokのシェア数と保存数を読み解き、コンテンツの判断を明確にする

収集の設定

TikTok Metrics Scraperのビルド0.1.36を、モードknownUrlsで実行します。TikTok Engagement Metrics Tracker Taskで、startUrlsにある5本のサンプル動画のリスト全体を、対象とする既知の公開動画1本に置き換えます。maxItemsを1、includeProfileMetricsをtrueに設定すると、現時点で公開されているプロフィール情報を、取得できる範囲で収集します。

標準のフィールドは、inputUrl、postUrl、postId、profileId、profileHandle、profileUrl、publishedAt、videoDurationSeconds、views、likes、comments、shares、saves、reposts、profileFollowersCount、postMetricStatus、profileMetricStatus、status、statusReason、scrapedAtです。取得できない指標は、ゼロではなくnullを返します。各指標の取得可否と精度は、postMetricStatus内に記録されます。

実行全体の集計値は、個々のデータセット行とは別に、実行サマリーに保存されます。サマリーの正確なフィールド名は、providedUrls、contentUrls、inputUrls、resolvedUrls、metricRows、noPublicMetricRows、blockedRows、failedRows、statusCountsです。保存した標準形式のデータセット行と、この実行サマリーの両方を使って、意図した取得対象と収集結果を照合してください。動画1本を使った対照テストで確認したのは、公開カウントとプロフィールIDのみです。このテストでは、保存数とリポスト数は正確な値として返され、その他の複数のカウントは丸められている可能性が高い値として返されました。この対照テストは、算出した比率、非公開の成果、偽フォロワーの除外を実証するものではありません。

シェアと保存を比較する8つの手順

1. 判断することを1つ明確にします。実用的なチュートリアルが、短いディスカッション動画より多く保存されるかどうかを判断の対象にします。テーマ、公開からの経過日数、観測時刻が近い既知の動画を選びます。この比較は観測結果を記述するもので、コンテンツの因果効果を証明するものではありません。
2. 現在保存されているエンゲージメント計測用Taskに、対象とする既知の動画1本を指定し、maxItemsを1に設定して試験実行します。IDの一致、status、正確なシェア数、保存数、再生数、postMetricStatusを確認します。nullとゼロの区別を維持してください。既知のURLで指定した動画1本の対照テストは成功し、投稿IDとプロフィールIDの一致、公開されている再生数、いいね数、コメント数、シェア数、保存数、リポスト数、プロフィールのフォロワー数、各フィールドの精度フラグを確認できました。複数のカウントは丸められている可能性が高い一方、保存数とリポスト数は正確でした。これにより、現在の公開カウントの取得に対応していることは実証できました。ただし、視聴維持、重複を除いた視聴者数、非公開のリーチを実証したわけではありません。
3. 件数の生データと精度ラベルを保持します。分母となる再生数が丸められている可能性が高い場合、算出する比率も概算になります。必要以上に小数点以下の桁数を表示しないでください。欠損している件数は比率の計算から除外し、取得できなかった理由を記録します。
4. 記述的な比率をそれぞれ明確に定義します。公開再生数1,000回当たりのシェア回数は、シェア数を再生数で割り、1,000を掛けた値です。公開再生数1,000回当たりの保存回数は、保存数を再生数で割り、1,000を掛けた値です。取得できた再生数が正の値の場合にのみ使用します。再生数がゼロまたは不明の場合、比率はゼロではなく未定義です。これらはプラットフォーム上のカウントに対する行動回数であり、重複を除いた視聴者に占める割合ではありません。
5. 2つの行動は別々に扱います。1人が両方の行動を取ることがあるため、シェア数と保存数を足して、その合計を重複のないエンゲージメント視聴者数と呼んではいけません。リポスト数は、別のカウントとして返されます。説明せずにシェア数と同じものとして扱わないでください。取得元の変更によって、件数の修正が減少に見えることがあります。
6. 公開からの経過日数、テーマ、シェア数、保存数、再生数、精度、比率、収集時刻を含む小さな比較表を作ります。観測時刻が異なる場合は、順位を付ける前にその違いを明記します。繰り返し観測する期間や範囲を適切に設定しない限り、公開されている累計値を、一定のキャンペーン期間のレポートとして扱うことはできません。
7. 実際のコンテンツを確認し、慎重に次の実験案をまとめます。保存が多いチュートリアルなら、より分かりやすく、繰り返し使えるチェックリストを試す根拠になるかもしれません。実験案は、視聴者の意図、アルゴリズムの規則、予測を裏付ける証拠ではありません。コンバージョンに関する問いには、自社で保有するクリックと売上のデータが必要です。
8. テスト後は、比較可能な観測データを収集し、仮説と結果を分けて扱います。ある行動が常に最も重要だと断定してはいけません。明確にした判断事項とデータ品質に結び付けて評価します。

正確な値を使った独自の架空例

以下は独自に作成した架空の例であり、実際の製品の結果を示すものではありません。

• 架空の動画Aは、再生数10,000回、シェア数80回、保存数300回です。1,000再生当たり、シェアは8回、保存は30回です。
• 架空の動画Bは、再生数10,000回、シェア数200回、保存数40回です。1,000再生当たり、シェアは20回、保存は4回です。
• 架空の動画Cは、再生数5,000回、シェア数null、保存数0回です。シェアの比率は算出できず、保存の比率は1,000再生当たり0回です。
• 架空の動画Dは、再生数0回、シェア数0回、保存数0回です。分母がゼロのため、どちらの比率も未定義です。

精度ラベルexactは、値が得られている架空のカウントにのみ適用されます。動画Cのシェア数はnullであり、その精度と状態は確認できません。公開データのpostMetricStatusは、指標ごとに個別に確認する必要があります。

この記述的な比較表では、動画Aは保存が多く、動画Bはシェアが多い傾向にあります。これにより、動画Aの視聴者に購入意向があることや、動画Bが広く拡散することが証明されるわけではありません。行動回数の合計が380回でも、重複を除いた人数が380人という意味ではありません。動画Aの再生数に10Kのような丸められた値を使った場合、比率は概算になります。