El problema
Las secciones de comentarios de TikTok contienen comentarios sobre productos, solicitudes de funciones e inteligencia competitiva. Las marcas buscan manualmente los comentarios en algunos videos, pero pierden señales en cientos de videos relevantes.
La solucion de Scavio
Busque menciones de marca en TikTok, extraiga comentarios de videos de alta participación y clasifique los comentarios por tipo de señal: comentarios positivos, quejas, solicitudes de funciones, menciones de la competencia. Costo: $0.05-0.10 por video analizado.
Antes
Antes del análisis automatizado de comentarios, un equipo de producto leía manualmente los comentarios de entre 5 y 10 vídeos de TikTok por semana sobre su producto. Se perdieron una solicitud de función recurrente mencionada en más de 30 comentarios en 8 videos diferentes.
Después
Después de implementar la extracción de comentarios, el equipo analiza 50 vídeos semanalmente. La canalización extrae más de 500 comentarios, los clasifica por tipo de señal y muestra las solicitudes de funciones principales. La solicitud recurrente se detecta y prioriza. Costo semanal: $2.50.
Para quien es
Gerentes de producto, gerentes de marca, equipos de éxito del cliente y analistas de inteligencia competitiva que monitorean los comentarios de TikTok.
Beneficios clave
- Analiza más de 50 vídeos de TikTok por semana por $2,50
- Clasificar comentarios en comentarios, quejas y solicitudes de funciones
- Detectar temas recurrentes en varios vídeos
- Menciones de competidores de superficie en discusiones de comentarios
- Cuantificar la distribución de sentimientos por video
Ejemplo en Python
import requests, os
H = {'Authorization': f'Bearer {os.environ["SCAVIO_API_KEY"]}', 'Content-Type': 'application/json'}
def extract_signals(brand, pages=2):
vids = requests.post('https://api.scavio.dev/api/v1/tiktok/search/videos',
headers=H, json={'keyword': brand, 'count': 20}).json()
signals = []
for v in vids.get('data', {}).get('videos', [])[:10]:
if v['stats']['commentCount'] > 5:
comments = requests.post('https://api.scavio.dev/api/v1/tiktok/video/comments',
headers=H, json={'aweme_id': v['id'], 'count': 20, 'cursor': 0}).json()
for c in comments.get('data', {}).get('comments', []):
signals.append({'video': v['desc'][:40], 'comment': c['text'],
'likes': c['digg_count']})
return signals
signals = extract_signals('mybrand')
print(f'{len(signals)} comment signals extracted')Ejemplo en JavaScript
const H = {'Authorization': `Bearer ${process.env.SCAVIO_API_KEY}`, 'Content-Type': 'application/json'};
async function extractSignals(brand) {
const vids = await fetch('https://api.scavio.dev/api/v1/tiktok/search/videos', {
method: 'POST', headers: H, body: JSON.stringify({keyword: brand, count: 20})
}).then(r => r.json());
const signals = [];
for (const v of (vids.data?.videos || []).slice(0, 10)) {
if (v.stats.commentCount > 5) {
const c = await fetch('https://api.scavio.dev/api/v1/tiktok/video/comments', {
method: 'POST', headers: H, body: JSON.stringify({aweme_id: v.id, count: 20, cursor: 0})
}).then(r => r.json());
(c.data?.comments || []).forEach(cm => signals.push({comment: cm.text, likes: cm.digg_count}));
}
}
console.log(`${signals.length} signals`);
}
extractSignals('mybrand');Plataformas utilizadas
TikTok
Descubrimiento de videos, creadores y productos en tendencia