Case Study: Automating High-Frequency TikTok Discovery at Glinteco

Khách hàng của chúng tôi thường yêu cầu nhiều hơn chỉ là dữ liệu thô; họ cần động lượng thuật toán. Việc tìm kiếm một TikToker có người theo dõi là dễ dàng, nhưng việc tìm kiếm một người sáng tạo hiện đang được "For You Page" (FYP) ưu ái đòi hỏi phải xem xét tần suất đăng bài.

Nghiên cứu điển hình này phân tích một hệ thống tự động hóa hai bước tinh vi mà chúng tôi đã xây dựng bằng cách sử dụng Python và Apify SDK để tìm những người đăng "Nhiều bài đăng hàng ngày", những người sáng tạo có sản lượng cao, những người mang lại ROI thương hiệu nhất quán nhất.

Thử thách: Tìm những người sáng tạo "1%"

Đối với một chiến dịch gần đây, một khách hàng cần một danh sách những người sáng tạo TikTok không chỉ "nổi tiếng" mà còn siêu hoạt động. Các tiêu chí mục tiêu bao gồm tối thiểu 100.000 người theo dõi và tốc độ đăng bài với trung bình 1,5+ bài đăng mỗi ngày (Nhiều bài đăng hàng ngày). Việc kiểm tra thủ công hồ sơ của người sáng tạo để tính "số bài đăng trung bình mỗi ngày hoạt động" mất vài phút cho mỗi người. Việc mở rộng quy mô này lên hàng nghìn hồ sơ là không thể nếu không có tự động hóa.

Giải pháp: Quy trình thu thập dữ liệu hai bước

Chúng tôi đã sử dụng clockworks/tiktok-scraper trên Apify để xây dựng một quy trình Python tìm kiếm nội dung, lọc theo người theo dõi và sau đó thực hiện phân tích chuyên sâu về tần suất đăng bài.

Bước 1: Khám phá thị trường ngách & Kiểm tra người theo dõi

Đầu tiên, chúng tôi quét các thị trường ngách cụ thể (ví dụ: #Tech, #Lifestyle) để tìm những người sáng tạo đã đáp ứng mức tối thiểu 100k người theo dõi. Bằng cách chuyển các truy vấn cụ thể theo thị trường ngách vào tập lệnh, chúng tôi tạo ra một tập hợp các tên người dùng ứng viên.

# Một phần của quy trình Glinteco: Tìm kiếm ứng viên 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

# Lọc: Chỉ giữ những người sáng tạo có > 100.000 người hâm mộ candidates = {item['authorMeta']['name'] for item in dataset1 if item['authorMeta']['fans'] > 100000}

Bước 2: Kiểm tra tốc độ "Nhiều bài đăng hàng ngày"

Sau khi có các ứng viên, chúng tôi thực hiện quét thứ hai để kéo lịch sử video gần đây của họ. Sau đó, chúng tôi áp dụng một hàm Python tùy chỉnh để tính Số bài đăng trung bình mỗi ngày hoạt động của họ. Logic Glinteco không chỉ đếm tổng số bài đăng; chúng tôi nhóm các bài đăng theo ngày để xem họ đăng bao nhiêu video vào những ngày họ thực sự hoạt động. Nếu họ đăng trung bình 1,5 video/ngày, họ là một khách hàng tiềm năng có động lực cao.

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)

    

    # Tính tần suất: Phải từ 1,5 trở lên

    return (total_posts / total_active_days) >= 1.5

Kết quả: Tiếp cận được hỗ trợ bởi dữ liệu

Bằng cách chuyển từ việc tìm kiếm thủ công sang quy trình Glinteco tự động này, kết quả đã thay đổi. Chúng tôi đã đạt được 100% xác minh dữ liệu trong khi tăng tốc độ lập hồ sơ từ 5 phút cho mỗi người sáng tạo lên khoảng 2 giây. Điều này đã tạo ra một CSV sạch, tự động, sẵn sàng để tiếp cận ngay lập tức.

Tại sao "Nhiều bài đăng hàng ngày" lại quan trọng

Thuật toán TikTok thưởng cho số lượng. Bằng cách xác định những người sáng tạo đăng nhiều lần một ngày, chúng tôi đảm bảo rằng khách hàng của chúng tôi đang hợp tác với các tài khoản có "cơ hội đạt mục tiêu" cao nhất để lan truyền. Cách tiếp cận dựa trên dữ liệu này loại bỏ phỏng đoán khỏi việc tiếp thị người có ảnh hưởng.