YouTubeコメントの人気順・新着順サンプル：ChronometricaとStreamersの比較

まず、サンプルで答える問いを決める

Redditの公開投稿には、「動画のYouTubeコメントをすべてまとめるにはどうすればよいですか？」という質問があります。その投稿では、約1,000件のコメントがあるチュートリアル動画が取り上げられています。これは、出発点となる具体的な要望を示しています。制作者は、最初に表示されるコメントだけを読むのではなく、大きな議論の内容を確認したいのです。「すべて」という言葉は目標を表します。ただし、どちらのツールが何を収集できるかを示すものではありません。公開された質問

この比較では、その目標を実用的な問いに絞ります。注目コメントと最近のコメントを少量ずつ集めたサンプルから、チュートリアルについて何が分かるでしょうか。

分かりにくい手順、繰り返される質問、次のレッスンで扱う題材を見つけたい場合もあるでしょう。いずれも、コメントを調べる有用な目的です。そのために、サンプルがすべてのコメントを含む、あるいはすべての視聴者を代表すると主張する必要はありません。

設定を選ぶ前に、数える単位を決めます。トップレベルコメントとは、動画の直下にあるコメントです。返信とは、コメントの下にある投稿です。このガイドでは、まずトップレベルコメントを対象にし、返信の収集はオフにします。これにより、収集件数の上限と確認する問いを説明しやすくなります。

収集設定を比較する

確認済みの公開仕様が、この選択の根拠です。出典は2026年10月20日に確認しました。

出典：Chronometricaの入力スキーマ、Streamersの入力スキーマ。

確認できたChronometricaの強みは明確です。統合モードの中に、件数上限の配分と重複処理が用意されています。この用途では、それらを別の収集手順として計画する必要がありません。2つのリストに共通の件数上限を設けて確認したい場合に適しています。Chronometrica Actor

Streamersは、`replyToCid`による返信へのリンクにも対応しています。返信は、この最初の例の対象外です。Streamersの入力スキーマ

収集ごとの記録が必要な場合は、別々に実行する方法が役立ちます。統合前に2つのリストを比較したい場合や、各グループの収集時刻を保持したい場合があるためです。収集を実行する前に決めてください。統合したファイルだけでは、確認に必要な違いが残らない可能性があります。

共通の件数上限の意味を理解する

Chronometricaでは、`maxCommentsPerVideo`に動画ごとのトップレベルコメント数として1〜1,000を設定できます。`both`モードでは、その上限を人気順と新着順のリストに配分します。各リストに上限件数のすべてを割り当てるわけではありません。返信には、別の切り替え設定と、親コメントごとの件数上限があります。Chronometricaの入力スキーマ

上限は最大件数であり、最終的な行数の保証ではありません。両方のリストに同じコメントが含まれる場合があります。また、元のコメントの一部を取得できない場合もあります。どちらの場合も、取得できる重複のないコメント数が減る可能性があります。

重複除去とは、同じ項目について繰り返し記録されたレコードを取り除くことです。ここでは、コメントを識別するコメントIDを使います。本文だけで判断しないでください。2人が同じ短い回答を書くこともあります。本文が一致していても、それらは別のコメントです。

記録では、次の3つの件数を区別します。

• 上限件数：指定したトップレベルコメントの最大件数。
• 延べ出現件数：重複除去前に、収集した各リストで確認されたコメントの合計件数。その情報が得られる場合に記録する。
• 一意のコメント数：最終的な収集結果に含まれる、異なるコメントIDの数。

どの結果でも3つの件数がすべて得られるとは限りません。利用できる情報を確認してください。重複除去前のリストを確認できない場合は、延べ出現件数と重複件数を不明のままにします。

動画に表示されるコメント数は、別の数値です。その数と同じ行数をエクスポートできる証拠にはなりません。取得元での利用可否、削除、並び順、設定した件数上限によって、収集が制限されることがあります。表示件数を、すべて取得できた証拠として使わないでください。

現行スキーマに沿った入力設定で、小規模なサンプル収集から始める

Chronometricaでは、次の入力で、返信を含めない少量の統合サンプルを指定します。公開スキーマに記載されたフィールドを使っています。これは入力例であり、完了した実行や、検証済みの実際の出力ではありません。Chronometricaの入力スキーマ

{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "maxCommentsPerVideo": 6,
  "commentSortMode": "both",
  "includeReplies": false
}

URLを、目的に合う公開動画のURLに置き換えてください。例のURLは、入力形式を示すものです。その取得元で現在コメントを取得できることを示すものではありません。

件数上限を小さくすると、最初の結果を確認しやすくなります。収集範囲を広げる前に、確認に必要なコメントIDと本文が結果に含まれているかを調べてください。利用する予定の時刻フィールドや取得元フィールドも確認します。分析に役立つからという理由で、そのフィールドが存在すると思い込まないでください。

Chronometricaには、公開のYouTube視聴者コメント調査Taskもあります。Taskは、保存済みの入力プリセットです。これを出発点として使い、設定が自分の問いに合うかを確認してください。

使用した入力のコピーを保存します。設定が付いていない結果ファイルだけでは、基本的な問いに答えられません。どの動画を指定したのか、どの並び順を選んだのか、どの件数上限を設定したのかが分からないためです。最終的な行数が予想より少なくても、入力があれば、その条件を把握できます。

架空の例で重複を確認する

これは説明用の架空の例です。実際の収集結果、ベンチマーク、顧客の成果ではありません。

トップレベルコメントの上限を6件とします。この例では、人気順に3枠、新着順に3枠を割り当てます。

• 人気順には、コメントID A、B、Cが含まれます。
• 新着順には、コメントID C、D、Eが含まれます。

2つのリストを合わせた延べ出現件数は6件です。コメントCは2回出現します。重複除去後には、A、B、C、D、Eという5つの一意のIDが残ります。

この架空の例での重複出現率は、次のとおりです。

`1 duplicate sighting / 6 sightings × 100 = 16.67%`

この割合は、例の中での重複を示しています。すべてのコメントのうち、どれだけを収集したかを示すものではありません。取得可能なコメント全体の件数は不明です。

役立つ報告は簡潔です。指定した上限は6件、予定した配分は各リスト3枠、統合した収集結果には5件の一意のコメントが含まれていた、と記します。この設定で6行の一意の結果が得られると約束しないでください。

次に、人気順リストと新着順リストを別々の根拠として扱う必要がある場合を考えます。両方のリストと、それぞれの収集記録を保存してください。統合した表示を作ることはできますが、各コメントがどこに出現したかを説明するための情報は保持します。

最終的な一意の行だけを受け取った場合は、分かることを報告します。その行数は数えられます。ただし、上限に対して件数が不足しているというだけでは、正確な重複状況を再現できません。元のコメントを取得できなかったために、行数が少なくなった可能性もあります。

後で説明できる簡潔な手順を使う

1. 確認したい問いを書く

注目コメント、最近のコメント、またはその両方を選びます。その並び順が問いに合う理由を示します。

チュートリアルの確認では、統合サンプルを使うと、両方のリストのコメントを1つの収集結果で調べられます。サンプルを読んで答えられる範囲に問いを絞ってください。「これらのコメントでは、どの手順について質問が出たか？」という問いは、「視聴者全体はどう考えているか？」よりも根拠を示しやすくなります。

人気順と新着順を、独立した2つの人の集団として扱わないでください。同じコメントが両方のリストに出現することがあります。この区分は収集時の並び順であり、別々の視聴者層ではありません。

2. トップレベルコメントの上限と返信の範囲を設定する

丁寧に確認できる件数を上限に選びます。収集前に記録してください。動画直下のコメントについての問いであれば、返信の収集はオフにします。

返信が重要な場合は、計画を見直します。返信は、親コメントの背景を補うことがあります。同時に、数える単位も変わります。合計の意味を明確にするため、親コメントと返信を区別してください。

動画の表示件数に合わせるためだけに、上限を増やさないでください。まず、最初の収集で有用なレコードが得られるかを確認します。さらに多くのコメントを確認する時間があるかも確認してください。

3. 収集手順を選ぶ

共通の件数上限を配分する方法が計画に合う場合は、Chronometricaの`both`モードを使います。各並び順と収集時刻を別々の根拠として扱う必要がある場合は、並び順を明示して別々に実行します。

観測時刻と指定した並び順を記録します。観測時刻とは、サンプルを収集した時刻です。コメントが投稿された時刻とは異なります。記録では、この2つの意味を区別してください。

別々の実行を異なる時刻に行った場合は、両方の時刻を記録します。同じ時点の議論を示す1つの結果として説明しないでください。

4. 行を統合する前にIDを確認する

コメントIDを使って、重複するコメントを見つけます。本文が一致していても、IDが異なれば残します。統合後の一意のコメント数からは、同じIDの繰り返し出現を除きます。

必要なIDが欠損している場合は、欠損値のまま保持します。0に置き換えたり、0を共通のIDとして使ったりしないでください。そうすると、無関係な行が1つのコメントのように扱われてしまいます。

一意のコメント数が正確だと述べる前に、IDの欠損を解決してください。確認した行について説明することはできますが、重複確認に限界があることを明記します。

5. 収集内容を分かりやすく報告する

動画URL、観測時刻、指定した並び順、件数上限、返信の設定を記録します。一意のコメント数は、検証できた場合に記録します。重複については、根拠がある場合だけ記載します。

多くの場合、短い収集メモで十分です。別の読者が、ファイル名から推測しなくても、コメントの選び方を理解できる内容にします。

指定した設定と、実際に得られた結果を分けます。上限件数は指定した条件です。一意のコメント数は結果です。両者に差があれば、調べる必要があります。ただし、その差だけでは、収集の失敗も、取得元をすべて網羅したことも証明できません。

6. サンプル内のテーマを確認する

各コメントを読み、内容に合う短いテーマを付けます。ラベルの付け方を統一してください。チュートリアルへの質問を、対象の手順ごとに分けたり、求められている説明ごとに分けたりできます。

後でラベルを確認できるように、必要な文脈を残します。1つのコメントに複数のテーマがある場合は、複数のラベルを認めるかを決めてください。テーマごとの件数を比較する前に、そのルールを明記します。

結果は、収集したサンプル内のテーマとして説明します。コメントのサンプルは、視聴者アンケートではありません。視聴してもコメントしなかった人は、収集対象に含まれません。コメントした人は、別々のコメントを通じて複数回含まれることがあります。

結果を使って、次の確認で扱う問いを作ります。テーマの件数を、すべての視聴者についての主張に置き換えないでください。

選択を変える主な条件を明確にする

`oldestCommentDate`が必要な場合は、Streamersを選びます。このフィルターを使うと、新着順に固定されます。Streamersの入力スキーマ

必要な収集手順が、人気順と新着順をまとめ、共通の件数上限を設け、IDの重複を除去するものであれば、Chronometricaを安心して選べます。それが、この比較で確認できた適合条件です。Chronometrica Actor

どちらを選んでも、サンプルが無作為になるわけではなく、全件を含むわけでもありません。無作為標本では、確率に基づく明確な選択手順を使います。全数調査では、定義した母集団のすべての項目を含めることを目指します。この統合収集は、そのどちらの条件も満たすと確認されたものではありません。

2つの並び順が、表示されるコメントにどう影響するかを詳しく知りたい場合は、YouTubeコメントの人気順と新着順によるサンプリングをお読みください。今回の選択で重要なのは、用意された統合モードが自分の収集計画に合うかどうかです。