Chronometrica 与 CheapAPI：哪款 YouTube 评论采集工具适合你的回复采集需求？

选择分析所需的证据

顶层评论发起一个讨论串。回复是在该讨论串内作出的回应。父评论是某条回复所属的评论。

分析教程时，这 2 种数据行可以回答不同的问题。顶层评论正文可能显示观众最先提出的问题。回复正文可能显示其他观众如何回答这些问题。父评论关联可以将这些内容对应起来。

用 1 句话写出你的分析问题。例如：“我需要阅读观众针对本课相关问题给出的回答。”这个需求需要回复正文。“我需要按回应数量对最初提出的问题排序”则需要数量，但可能不需要回应本身。

不要仅仅因为工具能返回更多正文，就额外采集。更多数据行会增加阅读工作量。每条回复也需要足够的讨论串上下文，才能让人理解。像“这样就成功了”这样的简短回复，缺少父评论时可能很难理解。

如果分析需要这些上下文，Chronometrica 的文档说明，它会将回复作为独立数据行返回。相关字段包括 `parentCommentId`、`isReply`、`replyDepth` 和 `replyCount`。这些字段可以区分回复行与它所属的评论。Chronometrica 功能说明

Actor 是托管的数据采集程序。这里的选择取决于输出必须包含什么。先确定所需证据，再选择文档明确支持这些证据的 Actor。

对比文档说明的结果类型

下表重点列出会改变推荐选择的决策条件。

来源：Chronometrica 功能说明、Chronometrica 输入架构、CheapAPI 功能说明、CheapAPI 输入架构。

输入架构是可接受的输入字段及其规则的列表。准备输入时请查看它，因为产品的控制选项可能会变化。

上限不同，并不能证明价格或速度有优势。这些上限说明每种输入允许 Actor 采集多少内容。可获取的公开评论和所选控制选项仍会影响结果。

范围更小的结果类型也可能是正确选择。如果分析只使用最初提出的问题，加入回复正文可能只会增加阅读工作量，而不会改善决策。如果分析必须评估讨论串中的回答，回复数量就缺少了所需的文字内容。

请将这个区别与其他产品问题分开看待。本次对比不能证明采集速度、成本或完整性存在差异。

采集前分别设置上限

Chronometrica 使用 `maxCommentsPerVideo` 设置顶层评论上限，接受 1 至 1,000 的值。当 `includeReplies` 为 true 时，`maxRepliesPerComment` 接受 1 至 100 的值。顶层评论上限与回复上限分别设置。Chronometrica 输入架构

这个区别会改变导出规划方式。启用回复采集后，顶层评论上限并不等于总行数上限。每条选中的父评论都可能增加回复行，最多达到配置的回复上限。

对于 1 个视频，按以下公式计算允许的最大行数：

`top-level cap + (top-level cap × reply cap)`

使用这个公式，估算这 2 项设置所允许的最大结果规模。它是一个上界，即给定条件下的最大值。它不是对实际返回行数的预测。

合理的上限应符合你的分析能力。先确定能检查多少个最初提出的问题，再确定每个问题下需要阅读多少条回复。采集前记录这 2 个数字。这会让后续报告更容易解释。

如果扩大工作范围，请保存每次采集所用的设置。否则，更多结果可能看起来意味着更多讨论，实际却只是采集上限提高了。这些设置也是解释行数所需的证据。

从 1 个相关的公开视频开始

以下输入使用当前文档列出的字段。它启用回复采集，并分别设置较小的上限：

{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "maxCommentsPerVideo": 2,
  "includeReplies": true,
  "maxRepliesPerComment": 2
}

该 URL 用于演示输入格式。请将它替换为相关的公开视频。它出现在示例中，并不能证明目前能获取该视频的评论。Chronometrica 输入架构

Chronometrica 还提供一个公开的评论与回复采集 Task。Task 是保存好的输入预设。可以用它作为初始输入，再根据你的分析问题检查设置。评论与回复导出 Task

首次采集的目的很明确：确认返回的字段能支持你计划开展的分析。检查能否识别回复行，并将它们与各自的父评论关联。把关联的正文放在一起阅读，确认这种关联能否提供足够的上下文。

输入有效，并不能单独证明结果包含所需证据。添加更多视频之前，请先检查输出。首次采用小规模采集，会更容易完成这项检查，因为你可以手动逐条核对记录。

逐步分析一个虚构的 5 行结果

本示例为虚构示例，不是 Actor 运行结果、基准测试或客户结果。

本次分析选取了 2 条顶层评论。第 1 条采集到了 2 条回复。第 2 条采集到了 1 条回复。因此，导出结果包含：

• 2 条顶层评论行。
• 3 条回复行。
• 共 5 行。

为方便阅读，将父评论标为 A 和 B。把前 2 条回复放在 A 下方，把剩余 1 条回复放在 B 下方。这些标签只用于解释示例，并非建议增加的输出字段。

在这个虚构结果中，回复占全部数据行的 `3 / 5 × 100 = 60%`。这个百分比只描述已采集的数据行。它不表示独立作者、视频全部评论或全部观众的占比。1 个人可能写下多行内容。

顶层评论上限为 2 条，每条父评论的回复上限为 2 条时，按公式计算的上界为 `2 + (2 × 2) = 6` 行。这个虚构结果包含 5 行。上限允许采集 6 行，但不保证返回 6 行。

现在假设其中 1 条虚构回复纠正了教程中的某个答案。阅读这条回复可能改变分析结论。仅包含回复数量的父评论行，无法展示纠正内容的原文。这就是需要回复正文的实际原因。

如果分析只需要找出哪些最初提出的问题收到了回应，数量可能就足够了。同一个虚构讨论串，可以对应不同的采集选择，因为研究问题不同。

这个示例也说明了为什么采集总数需要清晰的标签。“采集到 5 行，其中 3 行为回复”准确描述了这个结果。“5 位观众”或“全部 5 条评论”则声称了示例无法证明的事实。

采用小规模采集与分析方法

使用以下方法，将工具选择转化为可以检查的结果。

1. 明确需要阅读的内容。写明你必须阅读回复，还是只需分析顶层问题。说明这些正文将支持哪项决策。如果回复的措辞可能改变这项决策，就将回复正文列入需求。
2. 声明采集上限。设置顶层评论上限，并在需要时设置回复上限。采集前计算允许的最大行数。在分析笔记中，将上限与视频 URL 一起记录，让其他读者能够理解结果。
3. 保留记录关联。在导出结果中保留评论 ID 和父评论关联。ID 用于识别一条记录。父评论关联将回复与其所属评论对应起来。删除这些字段后，即使正文仍可阅读，后续分组也可能变得困难。
4. 区分数据行类型。将顶层评论和回复作为不同类型的记录阅读。Chronometrica 文档列出的相关字段包括 `isReply` 和 `parentCommentId`。统计或分组前，请先检查返回结果中的这些字段。Chronometrica 功能说明
5. 将回复分组以便阅读。使用保留的关联，将每条回复放在其父评论下方。保留并明确标出未能匹配的关联。如果导出结果缺少所需的父评论，不要猜测应由哪条评论提供上下文。请标记该情况，以便复核。
6. 每条已采集的数据行只计数 1 次。报告顶层评论行数、回复行数及两者之和。将 `replyCount` 与这个计算分开。它是一个数量字段，不是另一组已采集的正文行。
7. 检查证据能否回答问题。扩大采集范围之前，先阅读小规模结果。确认所需正文和关联都已存在。如果分析只需要顶层评论正文，请重新判断采集回复是否会增加有用证据。

这些步骤能得到可供他人检查的结果，也能将采集选择与讨论分析结论区分开。父评论缺失是需要报告的上下文问题。行数较少是需要解释的采集结果。这两者都不能支持编造有关视频的答案。

将回复数量与已采集回复分开

一种常见的计数错误，是将父评论的 `replyCount` 加到导出结果中已有的回复行数上。这样可能会对同一部分讨论重复计数。

保留 2 项独立指标。第 1 项是实际采集到的回复行数。第 2 项是评论记录中存储的回复数量。请清楚标注每项指标。不要假定存储的数量等于导出结果中的回复行数。

采集上限允许返回的回复行数，可能少于讨论串实际包含的回复数。因此，结果必须区分可检查的正文与可报告的数量。只有已采集的正文，才能支持有关某条回复具体内容的陈述。

保留未知值。如果字段缺失，不要用 0 替代。0 对数量作出了明确断言。缺失值则表示无法从该字段得知数量。

同样谨慎处理父评论关联。将无法匹配父评论的回复放入明确可见的待复核分组。它的正文可能仍有价值，但导出结果尚未提供完整关联，无法让人可靠地理解整个讨论串。