3 块独立的半透明面板分别显示播放符号、循环箭头和一组账号图形。

本文对比的 Facebook Metrics Scraper Actor 由 Chronometrica 发布。Actor 是一种托管式数据采集程序。本文是对自有产品与其他产品的比较。推荐依据是它对特定需求的适用性:公开规范声明的指标行包含独立计数字段,以及帮助你判断是否采用这些计数的信息。

因此,主要选择依据是你需要什么输出。你需要报告可以直接接收的指标行,还是需要足够多的其他帖子数据,值得为此关联数据集?

公开规范支持哪些功能

Chronometrica 明确公布了独立的 `views` 和 `plays` 字段。其 `contentMetricStatus` 信息记录指标状态、精度和来源。你可以在同一内容行中评估每项计数。即使只有 1 项计数可用,这一行仍可能有用。但规范不会让这种不完整的数据行变成包含完整双计数的数据行。Chronometrica Facebook Metrics Scraper

Apify Facebook Posts Scraper 公布了 `viewsCount` 字段。在一个历史问题中,其维护者介绍了如何使用独立的 Reels 数据集,并关联结果来获取另一项计数。当前的 Reels README 文档说明,直接输入 Reel 时可获取精确播放次数。因此,不能把过去对输出仅含舍入计数的担忧,当作其当前规范的描述。Posts 规范、历史问题、Reels 规范

这个公开问题已关闭。它记录了读者希望通过 1 次运行获得这 2 项数值的需求,不能证明目前仍有故障。本文使用的是于 2026 年 10 月 20 日检查的公开规范。本文没有进行新的采集运行,也没有检查匹配结果。

有依据的区别在于规范声明的输出格式。本文并未断言未记录在文档中的响应可能包含哪些字段。

根据报告需求作出选择

先考虑将使用这些数据的报告。仅凭字段名称,无法判断数值是否符合该报告的需求。

例如,报告在概括内容表现时,可能接受经过舍入的观看次数。同一份报告在另一项计算中,可能要求精确的播放次数。即使这 2 项数值属于同一个视频,它们仍是 2 项独立要求。

采集数据前,先使用这份简明决策表:

根据报告需求作出选择
决策项需要定义或检查的内容
所需输入计划采集的公开内容 URL,必要时包括直达 Reel 的 URL。
输出单位1 行内容数据,或需要根据内容标识进行关联的独立数据集。
验收规则每项必需计数都必须有值,且精度符合报告要求。
缺失值规则未知值保持为空,并保留其状态。不要用 0 替代。
切换条件如果所需的帖子详情值得进行数据关联,就使用关联方案;任何方案若不符合某项要求,都不要用于该项要求。

单行格式可以减少自行合并计数记录的工作,但仍需检查字段。采集步骤成功,不等于数据行符合报告要求。

同样,如果关联能够提供报告所需的数据,它也可能是合理的选择。它的价值取决于你最终能构建并验证什么记录,而不只取决于采集步骤的数量。

分别制定观看次数和播放次数的要求

观看次数和播放次数可能不同。在采集、审核和报告的整个过程中,都应将它们视为独立指标。任何一项计数都不应表述为独立观看人数或覆盖人数。在计算比率时,也不能将它们作为分母互换使用。

自有产品的规范将观看次数描述为公开视频观看次数,将播放次数描述为范围更广的公开计数。没有来源依据时,不要为它们设定 1 秒或 3 秒的观看时长门槛。有关这些名称的含义,请参阅 Facebook 视频观看次数、播放次数与覆盖人数。

为报告的每一列写下简短要求:

  1. 写明该列需要哪项计数。
  2. 说明该列是必需项还是可选项。
  3. 说明报告接受哪种精度。
  4. 说明数值不可用时如何处理。
  5. 说明是否有计算依赖该数值。

这些规则能让不完整的结果更容易处理。如果播放次数是可选项,只有观看次数的数据行仍可能符合报告要求。如果 2 项计数都必需,同一行就不符合双计数要求。

要区分这些结果。你不必因为缺少播放次数,就丢弃有用的观看次数。但你必须防止不完整的数据行进入需要这 2 项计数的计算。

检查结果前,先设定规则。否则,你可能因为某个现成数值方便使用而改变要求,却没有向报告读者说明这一变化。

从已知的公开内容 URL 开始

首次检查时,使用已知的公开内容 URL。这样可以专注于计数采集和验收。扩大帖子搜索范围会引入另一个问题:你是否找到了计划采集的内容。

公开的 Facebook Engagement Metrics Tracker Task 可以作为起始预设。Task 是为 Actor 保存的输入预设。检查来源时,该页面可以访问,但未读取其保存的输入。请应用下方设置,不要假定预设已经包含这些设置。

json
{
  "mode": "knownUrls",
  "startUrls": [
    "https://www.facebook.com/reel/3809524072644232/"
  ]
}
从已知的公开内容 URL 开始

这份最简输入已对照当前公开的输入模式进行检查,但未实际运行。示例 URL 不能证明那里目前公开提供这 2 项计数。请将其替换为报告所需的公开内容 URL。Chronometrica Actor 与输入规范

自行检查时,选择能够代表计划任务的内容。如果报告涵盖 Reels,公开 Reel 就是相关的检查对象。产品页面上的现成示例,不能证明你的实际内容是否符合要求。

将计划采集的 URL 与待检查的结果一起保存。你需要用该链接确认数据行描述的确实是你要采集的内容。

同时检查数值及其状态

获得结果后,先审核完整的指标信息,再将数值复制到报告中。Chronometrica 声明的字段支持在内容行内完成这项审核。公开输出规范

按以下顺序操作:

  1. 确认数据行对应的是计划采集的内容。
  2. 检查 `views` 及其关联的 `contentMetricStatus` 信息。
  3. 检查 `plays` 及其关联的 `contentMetricStatus` 信息。
  4. 将每项数值的精度与报告要求进行比较。
  5. 根据预定用途,将数据行标记为可接受、不完整或不适用。

最后提到的这 3 种标签是你在工作流程中可选的审核标签。本文并未将其表述为 Actor 的输出值。

导出或转换数值时,保留其精度信息。尤其是将缩写显示的计数展开为数值后,应保留 `compact_rounded`。展开只改变数值形式,不会让来源计数变得精确。

为便于阅读,你可以在报告的一列中显示主要计数,并在相邻列或辅助记录中保留其精度。关键是后续使用者能够查到这项限定信息。数值一旦脱离精度信息,看起来就可能比证据所能支持的更精确。

缺失值保持为空。0 是一个计数值。未知值表示缺少该项计数的证据。用其中一种替代另一种,会改变数据含义。

也不要用观看次数填充缺失的播放次数字段。这样会在没有第 2 项观测的情况下生成第 2 个数值。数据行看似完整,却不再反映采集到的证据。

包含 3 个 URL 的虚构验收检查

以下示例为虚构。它不是产品测试、客户结果,也不是实测采集率。

一名分析师为客户编制报告,分别设置观看次数和播放次数列。每项计数只有在精度符合对应列的规则时,才会被报告接受。报告中的双计数比较要求这 2 项计数都符合要求。

分析师检查了计划采集的 3 个公开内容 URL。其中 2 行都包含必需的 2 项计数,且精度符合要求。第 3 行的观看次数符合要求,但播放次数不可用。

在这项虚构检查中,符合双计数要求的比例为:

2 / 3 × 100 = 66.67%,即计划采集的 URL 中有 66.67% 符合要求。

分母包括计划采集的全部 3 个 URL,而非只包含碰巧同时有这 2 项数值的数据行。这一选择很重要,因为报告需要知道,计划涵盖的内容中有多大比例支持这项比较。

分析师保留第 3 行,用于只需要观看次数的用途。分析师将播放次数标记为不可用;如果仍需要该计数,就检查独立的 Reels 来源。分析师不会将观看次数复制到播放次数中。

现在假设同一份虚构报告还需要完整的帖子附件。这项要求可以成为选择更丰富的 Posts 方案并进行数据关联的理由。选择发生变化,是因为所需输出变了,而非因为这个虚构比例证明某个工具更好。

本例说明了如何应用验收规则。其中的 66.67% 不能说明任何一个 Actor 的实际采集表现。

当所需输出值得进行关联时,使用关联方案

主要切换条件是需要更丰富的帖子输出。如果这项需求比规范声明的单行指标格式更重要,就使用 Posts/Reels 方案,并规划数据关联。Apify Facebook Posts Scraper

关联是将描述同一内容的记录合并。合并前,先确认内容标识。不要仅因为 2 条记录的文字相似或计数接近,就将它们匹配。

如果可用输出提供稳定的内容标识符,就使用该标识符。如果使用 URL,要确认它们指向同一内容。不确定的匹配应保持分开,直到能够验证。

关联后,保留每项计数的来源。这有助于说明数值来自哪里,也方便日后审核。它还能防止合并记录掩盖各字段分别由哪个来源提供。

不要要求 2 项计数相等,来证明关联正确。它们衡量的是不同事物。先检查内容标识,再根据各自的验收规则评估每项计数。

关联后的记录仍需接受与单行采集结果相同的审核。合并数据集不能证明每项必需数值都存在、精确或适合用于计算。

选择前,检查计划采集的完整内容集

先用第 1 个 URL 学习如何检查输出。再将相同规则应用于计划采集的内容 URL 集合。1 行符合要求的数据,只能支持对该行作出判断,不能证明其余内容都能完整覆盖。

方法应简洁且可重复:

  1. 列出计划采集的内容 URL,并删除非预期的重复项。
  2. 记录必需计数和可接受精度。
  3. 通过正在评估的方案采集数据。
  4. 审核内容标识、数值、状态和精度。
  5. 统计符合各项既定要求的数据行数。
  6. 记录尚未解决的字段及各自的下一步操作。

统计符合要求的比例前,先确定统计单位。如果报告关注不同的视频,每个计划涵盖的视频只统计 1 次。重复出现的合格 URL 不应让符合要求的内容比例看起来更高。

用途不同时,分别报告结果。某一行可能符合仅报告观看次数的要求,却不符合双计数比较的要求。与笼统地标记为通过或不通过相比,这种区分能更有用地说明可用数据的情况。

如果每个 URL 都必须有 2 项精确计数,那么任何缺失或精度不足的计数,都表示要求未得到满足。已检查的 2 份规范均未承诺对每个 URL 达到这一严格结果。

这套方法无需虚构基准测试,也能支持决策。公开规范说明各方案声明提供什么。你自己的检查则确认,返回的数值是否符合报告对计划涵盖内容所设定的规则。

来源和延伸阅读

作者 Chronometrica · 更新日期

返回顶部 ↑