「鲑鱼均，因为一场鲑鱼之乱被主管称为鲑鱼世代，广义来说以年龄和脸蛋分类的话这应该算是一种 KNN 的机器学习，不正经的数据分析师，毕业後把人生暂停了半年，在 Google 和 AWS 办过几场演讲，缓下脚步的同时找了份跨领域工作。偶而慢跑、爱跟小动物玩耍。曾立过很多志，最近是希望当一个有细节的人。」

Youtube Analytics API 教学 - 年轻人取暖小窝 'ageGroup' 维度

Youtube Analytics API 能找到的资料非常少，尤其在中文语系中更甚，相较於 Data API 的自由性，Analytics 的隐私注重较高设定也更为复杂，今天以影片资讯说明，抓取你在创作者工作室 Youtube Studio 中的资讯，他需要具有高度的验证与安全性，但也同时给予了影音串流和数位行销的工作者，有了更加多元的资料运用方式，更灵活的追踪每 Youtube 影片的影片资讯。这篇是 Python - 数位行销的 Youtube 分析教学系列文章的第 21 篇，也是我参加 2021 iThome 铁人赛中系列文章的第 21 天。另外因为 Youtube Analytics API 牵涉到私人资讯，所以我就直接拿我没什麽在经营的个人帐号来 demo 测试。

系列文章：Python — 数位行销分析与 Youtube API 教学
昨日回顾：Youtube Analytics API 教学 - 流量怎麽越来越差 'day' 维度

基本维度：ageGroup 你的频道年龄层

维度 (Dimension) 和指标 (metrics) 是今天所讲解的重点，当我们将 dimensions= 'ageGroup" 维度设定为年龄层分布的时候，可以怎麽去做使用和追踪。

• 依照年龄层 (viewer age) 来显示频道资讯
  dimensions= 'ageGroup' 对应到的 Youtube Studio 资讯即是 viewer age，当我们在 Youtube Studio 的後台资料抓取资料时，可以从 viewer age 看见目前的年龄层分布，以我个人这个频道来说， 18-24 岁即是占 50.2% 为大宗

• 你的指标设定 (Metrics)
  在 Youtube Studio 後台中点选 + 的符号後，我们能够看到我们有许多能够抓取的参数选项，可以根据自己的需求来设定想要什麽指标资料，在 ageGroup 的资料抓取下规范较为严格，能抓取的资料量也比较有限，包含了观看时间 (Watch time)、观看次数 (View)、平均观看时长 (duration) 和 平均观看比例 (percentage view)

年龄层追踪

• 年龄层表现追踪
  在 dimensions= 'ageGroup ' ，维度设定为年龄分层的时候，可以用以下方法来使用 Analytics API 抓取观看次数百分比 (viewerPercentage)

def main():
    request = youtube_analytics.reports().query(
        startDate='2011-09-28', 
        endDate='2021-09-28',
        dimensions="ageGroup",
        maxResults = 50,
        metrics='viewerPercentage',
        ids='channel==UCyRTbF-WQcgW9XV-B_kPpug'
    )
    response = request.execute()
    print(response)

if __name__ == "__main__":
    main()

• 利用频道资料做对照
  13–17 岁观看次数占比为 59.4%，18–24 岁观看次数占比为 18.1%，等等的资料与预期中符合，由此判断出我的个人频道以年轻族群为主要的大宗，整体年龄层皆偏年轻趋势。

今天说明了 ageGroup 以年龄层切分的方式抓取资料

什麽时候 (When)、你是谁(Who)，你要抓什麽资料 (What)，这些是我们使用 Analytics API 的主要方法，ageGroup 则是决定了维度应该以年龄层的方式呈现，如果有时间也欢迎看看我的夥伴们的文章：

lu23770127 — SASS 基础初学三十天
10u1 — 糟了！是世界奇观！
juck30808 — Python — 数位行销分析与 Youtube API 教学
HLD — 浅谈物件导向与Design Pattern介绍
SiQing47 — 前端？後端？你早晚都要全端的，何不从现在开始？

Jerry Chien

【鲑鱼均】 现职是 200 多万订阅 Youtuber 的数据分析师，专长在 Python 的开发与使用，大学虽然是资讯背景但总是斜杠跑到商管行销领域，以工作角度来说的话，待过 FMCG、通讯软件、社群影音产业，也算是个数位行销体系出生的资讯人。这 30 天铁人挑战赛会从数位行销角度去重新切入数据分析这件事情，期待这个社会中，每个人能在各个角力间不断冲突而渐能找到一个平衡点回归最初的统计建立最终的初心。

下一篇：Youtube Analytics API 教学 - 打破地理位置的界线 'country' 维度