解讀 TikTok 分享與收藏，做出清晰的內容決定

收集設定

在 build 0.1.36 上，以 mode knownUrls 執行 TikTok Metrics Scraper。把整份 5 段影片的樣本清單，換成 startUrls 裡一條預定的已知公開影片，把 maxItems 設為 1，並把 includeProfileMetrics 設為 true，以透過 TikTok Engagement Metrics Tracker Task 盡力收集目前的公開個人檔案資料。

原生欄位是 inputUrl、postUrl、postId、profileId、profileHandle、profileUrl、publishedAt、videoDurationSeconds、views、likes、comments、shares、saves、reposts、profileFollowersCount、postMetricStatus、profileMetricStatus、status、statusReason 和 scrapedAt。缺少的指標回傳 null，而不是零。各項指標的可用性與精確度記錄在 postMetricStatus 內。

執行摘要統計存放在執行摘要中，與個別資料集列分開。其確切摘要欄位是 providedUrls、contentUrls、inputUrls、resolvedUrls、metricRows、noPublicMetricRows、blockedRows、failedRows 和 statusCounts。同時使用已儲存的原生資料集列和這份執行摘要，以核對你預定的來源目標。這項單一影片對照測試只驗證公開計數器與個人檔案 ID；其中 saves 與 reposts 回傳為精確值，另外數個計數器則以很可能已取整的形式回傳。這項對照不能證明衍生比率、私人結果或假粉絲篩選。

比較分享與收藏的 8 個步驟

1. 先寫明一個決定。你要透過比較判斷的問題是：實用教學收到的收藏動作，是否多於快速討論短片。挑選主題、片齡和觀察時間相近的已知影片。此比較是描述性的，不能證明內容因果。
2. 使用目前已儲存的互動 Task，以一條預定的已知影片，並把 maxItems 設為 1，做一次試行。檢查相符的 ID、status，以及 shares、saves 和 views 各自的精確數值，還有 postMetricStatus。保留 null 與零的分別。單片已知 URL 對照已成功，並有相符的貼文與個人檔案 ID、公開的 views、likes、comments、shares、saves、reposts、個人檔案粉絲人數，以及欄位精確度旗標。數個次數很可能已取整，而 saves 與 reposts 是精確值。這證明目前支援公開計數器，但不能證明留存、不重複觀看者或私人觸及。
3. 保留原始次數與精確度標籤。很可能已取整的 views 分母，會使衍生比率只是近似值。不要印出額外的小數位。把缺少的次數留在計算比率之外，並註明其可用性原因。
4. 清楚定義每個描述性比率。每 1,000 次公開觀看的分享動作，等於 shares 除以 views，再乘 1,000。每 1,000 次公開觀看的收藏動作，等於 saves 除以 views，再乘 1,000。只使用可用的正數 views。views 為零或未知時，比率是未定義，不是零。這些是相對平台次數的動作，不是不重複觀看者的百分比。
5. 把兩個動作分開。不要把 shares 與 saves 相加，然後把總和稱為不重複的已互動觀看者，因為同一人可以做兩個動作。reposts 是另一個已回傳的計數器。不要默默把它們等同於 shares。來源若有變更，一次次數修訂可以看起來像負向變化。
6. 建立一張小型比較表，包含片齡、主題、shares、saves、views、精確度、比率和收集時間。如果觀察時間不同，先說明這一點，再做排序。除非重複觀察已適當界定範圍，否則公開的累計總數不是固定的活動期報告。
7. 檢視實際內容，並寫下謹慎的下一步實驗。收藏偏多的教學，也許值得測試一份更清楚、可重用的核對清單。提出的實驗不能證明觀看者意圖，不能確立演算法規則，也不構成預測。轉換問題需要你自有的點擊與銷售資料。
8. 測試之後，收集可比較的觀察，並把你的假設與結果分開。不要宣稱某個動作普遍最重要。把它連到你已說明的決定和資料質素。

原創虛構精確例子

以下例子是原創虛構，不代表真實產品結果。

• 虛構影片 A 有 10,000 次觀看、80 次分享和 300 次收藏。每 1,000 次觀看有 8 次分享動作和 30 次收藏動作。
• 虛構影片 B 有 10,000 次觀看、200 次分享和 40 次收藏。每 1,000 次觀看有 20 次分享動作和 4 次收藏動作。
• 虛構影片 C 有 5,000 次觀看，shares 為 null，saves 為 0。其分享比率不可用，其收藏比率是每 1,000 次觀看 0 次動作。
• 虛構影片 D 有 0 次觀看、0 次分享和 0 次收藏。兩個比率都未定義，因為分母是零。

「精確」這個精確度標籤只適用於可用的虛構次數。影片 C 的 shares 是 null，意思是其精確度與狀態不可用。你必須就每項個別指標，分開檢查公開的 postMetricStatus。

在這張描述性表格下，影片 A 較偏收藏，影片 B 較偏分享。這不能證明影片 A 的觀看者打算購買，也不能證明影片 B 會爆紅。380 次動作的合計，並不等於 380 個不重複的人。如果影片 A 用了像 10K 這種已取整的觀看次數，比率便會是近似值。