Chronometrica 与 Streamers Shorts：如何选择合适的 YouTube 频道数据集

先明确数据集必须回答的问题

用一句话写明你想了解什么。这句话应明确研究需要纳入哪些形式。

如果要建立近期公开内容清单，你可以问：在采集到的样本中，各频道发布了哪些受支持的内容形式？普通视频、Shorts 和直播回放都可能与这个问题有关。文档明确支持这些形式的采集工具适合这一范围。Chronometrica 的文档说明，它支持从频道中发现这 3 种形式的内容。Chronometrica 采集规范。

如果要研究 Shorts，你可以问：一组频道如何用短视频引入一个话题？研究可以有意排除其他形式。Streamers YouTube Shorts Scraper 专门用于采集指定频道的 Shorts。这种侧重点适合有意排除普通视频和直播回放的研究问题。Streamers 采集规范。

不要仅因为能获得更多种类的内容，就选择更广的范围。增加内容形式也会增加分析工作。只有能帮助回答问题时，这些形式才有用。同样，不要用 Shorts 样本来描述频道的全部发布活动。

形式选择也会影响你能得出什么结论。采集到的 Shorts 数量描述的是样本中的 Shorts。它不能说明频道发布所有形式内容的频率。多种形式的样本可以支持更广的内容清单，但仍需明确限制。

这是改变选择的主要条件：如果问题排除了其他形式，就使用专注于 Shorts 的工作流程。如果问题需要这些形式，就使用文档所述采集范围更广的工具。

比较采集规范

采集规范说明程序接受哪些输入，以及文档列出了哪些结果字段。用这份规范检查 Actor 能否提供研究所需的记录。

下列公开规范和结构定义已于 2026年10月20日核查。本次比较以这些经过核查的文档为依据，并非实际在线采集测试的报告。

来源：Chronometrica 采集规范、Chronometrica 输入结构定义、Streamers 采集规范、Streamers 输入结构定义。

Chronometrica 的适用之处在于：受支持的各种形式共用同一种扁平行结构。扁平结构将文档所述的字段放在每条记录中。这有助于保留多种形式的内容清单，再将其划分为适当的比较组。Chronometrica 采集规范。

这种适用性不能证明它在速度、价格或可靠性上有优势。本次比较也不会把竞争产品未在文档中说明的功能视为不存在。推荐依据是每款产品经过核查的范围，以及读者需要回答的问题。

设定明确的采集范围

采集前，记录频道、内容形式范围和观测时间。同时记录输入设置。这些信息说明最终样本代表什么。

先从 1 个相关的公开频道开始。首次进行小规模采集，得到的记录数量较易检查。检查后再增加输入。

这个输入示例采用 Chronometrica 当前文档所述的输入结构：

{
  "startUrls": [
    "https://www.youtube.com/@MrBeast"
  ],
  "maxItems": 6,
  "channelSort": "recent"
}

这个公开频道地址用于展示输入格式。请将它替换为相关的公开来源。此示例不是一次运行报告，也不保证该频道目前包含哪些内容。经过核查的公开 Task 提供了一个已保存的输入示例。Task 是已保存的输入预设。公开 Task。

`maxItems` 是保存记录总行数的上限，不是每个频道各自的配额。如果之后增加频道，不要将这个值乘以输入数量，就认定会保存这么多行。当前输入结构支持的 `channelSort` 值为 `recent`、`popular` 和 `oldest`。Chronometrica 输入结构定义。

如果按近期顺序排列符合你的研究问题，就使用 `recent`。但排序设置并不等于明确指定的日期范围。不同频道的发布规律不同，受行数上限限制的样本可能跨越不同长度的时间。

因此，采集后要检查发布日期。报告行数时，也要报告实际观测到的日期范围。如果问题涉及固定时段，应先确认现有证据足以覆盖该时段，再描述发布频率。

行数上限控制保存样本的大小。它不能证明样本完整覆盖了频道，也不能证明样本中的记录在各形式或各频道之间分布均衡。

为每项指标保留标识、形式和时间

指标需要相关背景信息。如果播放量没有对应的内容标识、形式或日期，就难以比较，也难以在之后核查。

Chronometrica 文档列出的相关字段包括 `postId`、`postType`、`isShort`、`isLive`、`publishedAt`、`views`、`likes`、`comments`、`postMetricStatus`、`channelMetricStatus` 和 `scrapedAt`。分析所用记录应保留这些文档所述字段。Chronometrica 采集规范。

通过内容标识，将每次观测与原始内容对应起来。保留形式字段，以便区分普通视频、Shorts 和直播回放。保留发布时间和采集时间，以便判断观测时内容已发布多久。

发布时长很重要，因为近期样本中的不同内容，累积活动数据的时间可能不同。新发布的内容和较早发布的内容，即使出现在同一份导出数据中，也不能直接视为条件相同的观测记录。

给内容排名前，先按发布时长合理分组。分组应符合研究问题和现有记录。如果某组内容太少，无法进行有用的比较，应说明这一限制，不要强行排名。

保留缺失值的缺失状态。无法获取点赞数，不等于点赞数为 0。此外，在把报告的数值视为精确值之前，应先核查文档所述的指标限制。存在某个指标字段，本身并不能证明该值可用或精确。

核查默认数据集之外的结果

使用 Chronometrica 时，应将结果保存位置纳入采集检查。只有 `ok` 结果进入默认的付费数据集。其他结果使用独立的 Unbilled results 数据集，行字段相同。请读取这 2 个数据集，以及 `OUTPUT` 中的覆盖情况计数和状态计数。`ok` 行并不保证每项指标都可用或精确。Chronometrica 采集规范。

这项检查回答的问题与形式计数不同。形式计数描述你观测到的内容。处理结果计数则有助于梳理并说明尚未解决的情况，也有助于理解采集结果。

不要只根据默认数据集建立样本集，就认为它说明了每项输入的情况。在工作记录中保留尚未解决的结果。说明这些结果如何影响你要回答的问题。

然后检查计划使用的指标字段。即使某条记录不能支持特定的指标比较，它仍可能对内容清单有用。例如，确认一条内容应计入其所属形式的已观测内容总数，并不意味着它的每项互动指标都可用。

将这 2 项判断分开：记录是否应纳入内容清单，以及它的可用指标是否支持比较。这样可以避免在未说明的情况下，把缺失指标变成 0，或据此给出缺乏依据的排名。

用一个包含 6 条内容的虚构示例练习决策

以下示例为虚构内容。它仅用于教学，不是采集运行、基准测试或客户结果。

假设一个范围已明确的观测样本集包含 6 条内容：3 条普通视频、2 条 Shorts 和 1 条直播回放。Shorts 在已观测记录中的占比为：

`2 / 6 × 100 = 33.33%`

这个计算描述的是这 6 条内容组成的样本集。它并未衡量 Shorts 在频道完整历史中的占比。

现在，考虑针对同一样本集的 2 个问题。

如果要建立公开内容清单，应保留全部 6 条内容及其形式标签。3 种形式的计数说明了观测样本中出现了什么。Chronometrica 文档所述的采集范围，符合用同一种行结构纳入这些受支持形式的需求。Chronometrica 采集规范。

如果研究 Shorts 的开头如何吸引观众，应保留 2 条 Shorts，作为研究指定的形式子集。其余 4 条内容不属于这个问题的范围。排除它们是研究设计的选择，不能证明 Actor 未能采集到它们。

这项计算不能为产品性能主张提供依据。它不能说明竞争产品在实际运行中漏采了 4 条内容，也不能说明哪种形式表现最好。

要分析表现，先将普通视频与适合比较的普通视频比较，将 Shorts 与适合比较的 Shorts 比较。检查每组内容的发布时长和指标可用情况。仅有的 1 条直播回放只能作为有限的观测记录，不能视为足以对这一形式作出广泛结论的证据。

最后，将受众相关主张与内容数量分开。这个样本集不能证明观众会从 Shorts 转向普通视频或直播回放。相同的频道名称不能提供这方面的证据。

扩大采集前，先用一套简短的决策方法

先对 1 个来源使用这套方法。目标是确认采集范围和可用记录能回答你的问题。

1. 说明研究类型。写明是要建立全形式内容清单，还是要研究 Shorts。列出研究应纳入的形式。这可以防止你在看到结果后改变研究范围。
2. 明确样本范围。记录频道来源、观测时间、排序方式和行数上限。将上限视为保存行数的限制。采集后，记录实际观测到的发布日期范围。
3. 保留记录的背景信息。为每项指标保留内容标识、形式、发布时间和采集时间。这些字段可以帮助你检查哪些内容属于各个比较组。
4. 检查采集结果。使用 Chronometrica 时，读取默认数据集、Unbilled results 和 `OUTPUT`。在描述样本集覆盖范围之前，先梳理并说明尚未解决的情况。Chronometrica 采集规范。
5. 统计已观测到的内容形式。报告采集记录中各形式的行数。将这些数量标明为观测计数。如果计算某种形式的占比，应明确说明分母是已观测样本集。
6. 检查每项比较。确认所需指标可用且适合比较。在相关的形式组和发布时长组内比较内容。保留缺失值，并说明影响结果的精度限制。
7. 确认 Actor 选择。如果问题需要受支持的普通视频、Shorts 和直播回放，就继续使用范围更广的采集工具。如果问题有意排除其他形式，就使用专注于 Shorts 的工作流程。

有用的交接资料应让另一位分析人员能够识别来源、设置、已观测内容和限制。它还应说明哪些记录支持各项结论。这样，样本集就更容易复核，也更容易按相同方法再次采集。

进入下一分析阶段时，请使用单独的 YouTube Shorts 与长视频审查指南。那篇指南讨论形式比较。本文讨论的是在此之前应完成的 Actor 选择和采集范围设定。