Chronometrica 与 Streamers：为数量受限的视频列表选择 YouTube 搜索 Actor

先确定每行代表什么，再选择 Actor

比较控制选项之前，先确定每行数据必须代表什么。

去重视频表中的每行代表一个不同的视频 ID。如果同一个视频出现在 2 个查询的结果中，去重视频表只为该视频保存 1 行。

一条查询/视频出现记录，代表某个视频出现在某个特定查询的结果中。同一个视频出现在不同查询的结果中时，可以分别形成多条出现记录。

这些计数单位回答不同的问题。去重视频表回答：“这个搜索组采集了哪些不同的视频？”出现记录表可以帮助回答：“每个查询的结果中出现了哪些视频？”不能假定一张表就能完整回答这 2 个问题。

Chronometrica 通过 `maxResults` 限制所有查询合计保存的去重视频数量。它会移除重复的视频 ID。输出通过 `rootQuery`、`query` 和 `querySource` 等字段提供查询上下文。输出和摘要也会保留查询统计。如果你需要一份数量受限的来源列表，并为每个保存的视频记录来源查询，这些功能就很有用。Chronometrica 公开功能规范

去重会带来一个直接结果：保留下来的一行无法保存该视频在各个查询中重复出现的全部记录。查询上下文有助于解释这一行，但记录一个来源查询，并不等于完整列出了找到该视频的所有查询。

如果你需要的正是这份去重来源列表，可以放心选择 Chronometrica。如果你需要完整的出现记录表，应先确认如何保留这些记录。不要假定去重后的导出数据包含这些记录。

比较会影响选择的控制选项

这 2 个 Actor 都能采集 YouTube 搜索结果，并设置结果数量上限。真正有用的区别在于，你的项目需要哪种采集规则。

来源：Chronometrica 输入结构、Streamers 输入结构。

假设你的研究需要原生的“过去 1 个月”筛选条件或时长筛选条件。可以考虑 Streamers 文档中列出的控制选项。不要假定 Chronometrica 有对应的输入选项。采集后再筛选，只会改变你保留哪些已保存的行。它不会在来源搜索中应用同样的规则。Streamers 输入结构

本次比较并未证实 Streamers 缺少查询上下文。选择 Chronometrica 的理由，是它对搜索组行为有明确的功能规范。应按你需要执行的规则来选择，而不是按列出的功能数量来选择。

用明确设置定义一个小型搜索组

先提出一个采集到的视频可以帮助回答的问题。例如：“要了解创作者如何讲解 2 项入门制作技能，我应该审阅哪些公开视频？”

然后写下原始查询。将它们与后续添加的标签或主题分组分开保存。这样，其他读者就能看到你要求来源返回什么。

下面的教学输入使用了 2 个拟定的查询。它们不是经过测量的搜索词，也不能证明存在买方需求。

{
  "queries": [
    "video lighting basics",
    "home audio recording"
  ],
  "maxResults": 6,
  "maxPagesPerQuery": 1,
  "searchDistribution": "balanced",
  "enableQueryExpansion": false
}

这份输入要求最多保存 6 个去重视频。每个查询允许读取 1 个后续结果页，并采用均衡轮询。查询扩展已关闭，因此声明的搜索组包含 2 个原始查询。这份输入已按公开输入结构完成校验，但并未实际运行。6 是数量上限，不是保证采集到的数量。Chronometrica 输入结构

视频形式规则也很重要。`includeShorts` 的默认值为 `true`。因此，除非你明确更改该设置，否则这个搜索组可能同时包含普通视频和 Shorts。输入结构中的其他默认设置也仍然生效，包括补充视频指标。应将这些默认设置与搜索组定义一起记录。否则，只阅读查询列表的人可能会误解你纳入了哪些内容。Chronometrica 输入结构

Task 是保存下来的输入预设。公开的导出 YouTube 搜索结果 Task可以作为起点。采集前，应核对其设置是否符合你写下的规则。预设能帮助你开始，但正确的输入仍由你声明的问题决定。

理解均衡轮询与顺序采集

Chronometrica 为 `searchDistribution` 提供 2 个值：`balanced` 和 `sequential`。均衡轮询会轮流处理各个查询，直到达到全局上限，或因来源限制、页数上限而停止。顺序采集则先从排在前面的查询采集结果。Chronometrica 输入结构

如果你希望在达到共享上限、结束采集之前，每个查询都有机会提供结果，就选择均衡轮询。当查询列表代表同一个研究问题的多个部分时，这种方式很有用。

均衡不代表保存数量相等。各查询返回的可用候选视频数量可能不同。它们也可能找到同一个视频。即使有 2 个查询、总上限为 6，也不能保证每个查询各保存 3 个视频。

如果查询优先级本就是研究设计的一部分，就选择顺序采集。将最重要的查询放在最前面。你需要接受：在后面的查询提供结果之前，前面的查询可能已经用掉更多共享额度。

`resultsPerQuery` 是顺序模式下每个查询的数量上限。不要用它来表示均衡模式下的固定配额。将它加入输入之前，应查看当前输入结构。Chronometrica 输入结构

这些选择会影响你如何解读保存的视频列表。某个查询提供的结果较少，可能源于采集规则、结果重叠或来源限制。单凭这一点，不能证明该主题的相关视频很少。

用虚构示例理解结果重叠

下面是供读者理解候选视频关系的虚构示例。它不是 Actor 的原生输出，不是实际观察到的采集顺序，也不是测试结果。

查询 A 的候选视频 ID 为 V1、V2 和 V3。查询 B 的候选视频 ID 为 V3、V4 和 V5。

每个查询都有 3 个候选视频，因此共有 6 条查询/视频出现记录。由于 V3 同时出现在 2 份列表中，不同的视频 ID 共有 5 个。

重复出现记录的数量为：

`6 encounters − 5 unique video IDs = 1 duplicate encounter`

重叠部分包含 1 个 ID：V3。全局上限为 6，并不能证明这些候选列表中存在 6 个不同的视频。列表中只有 5 个。

现在假设保留的 V3 数据行将查询 A 记录为来源查询。这一行有助于说明 V3 为什么出现在保存的来源列表中。但它没有保留 V3 在查询 B 中单独出现的那条记录。

除非你有证据支持那次出现，否则不要再添加一行 V3。在这个虚构示例中，我们提供了 2 份候选列表，以便看清区别。真实的去重导出数据本身未必能提供这种证据。

统计各查询提供的结果数量时，这个区别很重要。按记录的来源查询统计已保存的行，描述的是这些行。它不一定能统计出每个查询中出现过的所有候选视频。

研究结果重叠时，这个区别也很重要。仅凭去重导出数据，无法还原来源中 2 个完整结果集的精确重叠情况。应只说明现有数据能够支持的内容：保存了哪些不同的视频、记录了哪些上下文，以及已知的采集限制。

对于来源审阅列表，这些可能正是合适的统计单位。对于重叠研究，你需要能分别保留各次出现记录的证据。

采用 8 步采集方法

1. 写下问题、查询和视频形式。说明这份列表将帮助你作出什么判断。将准确的原始查询字符串复制到研究记录中。明确搜索组包含普通视频、Shorts，还是两者都包含。看到结果后，如果要更改问题，必须记录这项更改。
2. 设置采集限制。选择全局去重视频数量上限、页数上限和查询分配规则。首次建立受控搜索组时，保持查询扩展关闭。解释为什么这个上限适合你能完成的审阅工作。较小的上限便于你检查每一行已保存的数据，并在扩大采集前修正效果不佳的查询。
3. 核对 Actor 的原生输入结构。确认 Actor 能接受你需要的规则。不要凭空假定存在均衡模式下的单查询配额、原生日期筛选条件或自动历史排名跟踪功能。如果某项必要规则没有文档说明的输入选项，应先解决这一缺口，再将该搜索组视为合适的证据。
4. 采集一个小样本，并保留其上下文。保留运行记录的引用、声明的设置、视频 ID、公开 URL 和来源查询。Chronometrica 的文档除查询字段外，还列出了 `postId` 和 `postUrl`。用 ID 识别视频，用 URL 打开公开来源进行审阅。Chronometrica 公开功能规范
5. 阅读查询统计和停止条件。查看每个查询提供了哪些结果，以及采集为何结束。一次已完成的运行仍可能受到数量上限或来源限制。将保存数量与声明的上限比较，但不要把数量较少视为已完整覆盖的证据。将停止原因与结果一起保存。
6. 区分出现记录与保存的去重视频。使用实际单位描述每个数量。在笔记中保留没有明确贡献结果的查询。不要悄悄将它们从声明的搜索组中移除。缺失值应保持缺失；不要用 0 替代未知的数量或指标。
7. 分析前先检查相关性。打开保存的公开 URL，核实视频是否能回答你的问题。使用同一套规则记录纳入决定。如果某个查询返回的主要是无关内容，应明确记录修改，并建立新的搜索组定义。不要在查询已更改的情况下，仍用同一份未更改的描述混合呈现结果。
8. 重复观察时保持设置不变。如果再次采集，应分别保存每次运行及其日期和设置。这样更容易检查变化。单次采集无法确立趋势。保存的视频发生变化时，还需要结合数量上限、结果重叠、查询轮次和来源限制来解释。

这套方法带来的不只是一份链接列表。它还提供采集规则、可识别的来源，以及每行数据含义的清楚说明。这些已足以让首次审阅有用，而无需声称已完整覆盖搜索结果。

在适用范围内解读位置字段

Chronometrica 文档列出的输出字段包括 `pageIndex` 和 `pageRank`。`pageRank` 仅表示视频在所在结果页内的位置。它不是该查询全部结果中的稳定位置。Chronometrica 公开功能规范

当这些字段有助于解释返回的数据时，应保留它们。不要将页内位置改称为已证实的整体排名。重复采集也无法消除这一限制。

对可获取的视频和频道信息，也应同样谨慎。保留来源提供的值，并让未知值保持未知。指标为空，并不表示该视频没有获得播放或互动。

检查相关性之后，你可以用这份来源列表研究进一步的问题。例如，比较选定视频分别提供了哪些解释。我们的 YouTube 主题缺口分析方法介绍了下一阶段。应将采集工具的选择与内容判断分开：先明确采集了什么，再判断内容说明了什么。