Case Study: Automating High-Frequency TikTok Discovery at Glinteco

クライアントは、単なる生データ以上のものを求めることがよくあります。彼らはアルゴリズム的モーメンタムを必要としています。フォロワーがいるTikTokerを見つけるのは簡単ですが、「For You Page」（FYP）で現在支持されているクリエイターを見つけるには、投稿頻度を調べる必要があります。

このケーススタディでは、PythonとApify SDKを使用して構築した、洗練された2段階の自動化を分解し、「マルチデイリー」ポスター、つまり最も一貫したブランドROIを促進する高出力クリエイターを見つけます。

課題：「クリエイターの1％」を見つける

最近のキャンペーンでは、クライアントは単に「有名」なだけでなく、非常に活発なTikTokクリエイターのリストを必要としていました。ターゲットの基準には、最低100,000人のフォロワーと、1日あたり1.5件以上の投稿（マルチデイリー）の投稿速度が含まれていました。クリエイターのプロフィールを手動で確認して「1日あたりの平均投稿数」を計算するには、1人あたり数分かかります。これを数千のプロファイルに拡張することは、自動化なしでは不可能です。

解決策：2段階のスクレイピングパイプライン

Apifyのclockworks/tiktok-scraperを利用して、コンテンツを検索し、フォロワーでフィルタリングし、投稿頻度を詳細に分析するPythonパイプラインを構築しました。

ステップ1：ニッチディスカバリーとフォロワーの審査

まず、特定のニッチ（例：#Tech、#Lifestyle）をスキャンして、すでに100kフォロワーの基準を満たすクリエイターを見つけます。ニッチ固有のクエリをスクリプトに渡すことで、候補のユーザー名のセットを生成します。

# Glintecoパイプラインの一部：候補者の検索 step_1_input = { "searchQueries": ["gadget reviews", "tech hacks"], "resultsPerPage": 10, "searchSection": "/video", }

run1 = client.actor("clockworks/tiktok-scraper").call(run_input=step_1_input) dataset1 = client.dataset(run1.get("defaultDatasetId")).list_items().items

# フィルタ：100,000人以上のファンがいるクリエイターのみを保持 candidates = {item['authorMeta']['name'] for item in dataset1 if item['authorMeta']['fans'] > 100000}

ステップ2：「マルチデイリー」速度チェック

候補が揃ったら、2回目のスクレイプを実行して、最近の動画履歴を取得します。次に、カスタムPython関数を適用して、1日あたりの平均投稿数を計算します。Glintecoロジックは、総投稿数をカウントするだけでなく、投稿を日付ごとにグループ化して、実際にアクティブな日に何本の動画を投稿しているかを確認します。平均1日あたり1.5本の動画の場合、彼らは高モーメンタムのリードです。

def is_multi_daily_poster(videos):

    daily_counts = defaultdict(int)

    for v in videos:

        date_str = v.get("createTimeISO").split("T")[0]

        daily_counts[date_str] += 1

    

    total_posts = sum(daily_counts.values())

    total_active_days = len(daily_counts)

    

    # 計算頻度：1.5以上である必要があります

    return (total_posts / total_active_days) >= 1.5

結果：データに基づいたアウトリーチ

手動でのスカウティングからこの自動化されたGlintecoワークフローに移行することで、結果は劇的でした。クリエイター1人あたり5分だったプロファイリング速度を約2秒に短縮しながら、100％のデータ検証を達成しました。これにより、すぐにアウトリーチできるクリーンで自動化されたCSVが生成されました。