跳到导航

怎样找出某个视频号讲过的新品内容,并选出值得拆解的案例?

要找出某个视频号讲过的新品内容,用 data:wechat_channels.v2.fetch_search_channel_videos 在已确认的账号内搜索:传入账号的 v2_…@finder username 和新品关键词。最多保存两页结果,整理一份逐条写明入选理由的案例清单,只为清单里的作品补读详情。号内搜索回答“这个账号讲过什么”,不用逐条翻看账号的整个作品目录。

1. 把要找的案例说具体

例如研究“新品首发”,先用“新品”查候选,再把命中结果分成发布会、使用教程、促销和无关同词内容。定下要比较的维度,例如每条作品开头怎么引入、突出什么卖点、适用谁、有没有明确行动入口。

可以这样交代给已接入 BeatAPI 的助手:

在这个视频号里搜“新品”,先看最多两页结果,挑出真正介绍新产品的作品。保留作品标识和返回文案,给每条写入选理由;选定后再读取详情,比较它们怎样介绍卖点和适用场景。

2. 确认是要研究的那个账号

准备账号 v2_…@finder 格式的 username。只有 sph… 短号或一条作品分享链接时,按标识流程取得并核对账号。已有规范的 v2_…@finder username 时直接复用。

data:wechat_channels.v2.fetch_search_channel_videos 接收账号和关键词,只搜索指定账号。要看账号整体发布节奏,改用作品目录。

3. 生成并发送第一页请求

把下面的脚本保存为 make_request.py。make_request.py 把账号、关键词和返回模式写进请求文件,首次游标为空;目标请求文件已存在时不覆盖原件。

import json, pathlib, re, sys
username, keyword, cursor, output = sys.argv[1:5]
keyword = keyword.strip()
if not re.fullmatch(r"v2_[0-9a-fA-F]+@finder", username) or not 10 <= len(username) <= 256:
raise ValueError("Expected finder username")
if not 1 <= len(keyword) <= 100 or len(cursor) > 4096:
raise ValueError("Invalid keyword or cursor length")
body = {"action":"wechat_channels.v2.fetch_search_channel_videos",
"params":{"username":username,"keyword":keyword,"cursor":cursor,"raw":True}}
with pathlib.Path(output).open("x", encoding="utf-8") as f:
json.dump(body, f, ensure_ascii=False, indent=2)

替换为实际账号,执行:

python3 make_request.py '<finder_username>' '新品' '' search-page-1-request.json
curl --fail-with-body -sS https://api.beatapi.io/v1/social-data/call \
-H "Authorization: Bearer $BEATAPI_API_KEY" \
-H 'Content-Type: application/json' \
--data-binary @search-page-1-request.json -o search-page-1-response.json

请求使用 raw:true,下一页继续用 raw:true。当前查询价格见价格页。账号解析、选中作品的详情和评论是各自独立的查询步骤,需要时才另行请求。

4. 看第一页,先判断是不是想找的内容

  1. 确认 HTTP 成功和业务成功,保存请求、响应、request_id 和采集时间。
  2. 逐条核对返回作品是否属于目标账号,把实际可用的作品标识、文案和来源位置记进案例表。
  3. 给每条作品写一句入选理由,例如“产品首发,介绍了适用人群”,或排除理由,例如“只是旧产品促销,本轮排除”。命中关键词只说明作品是候选,能否进入研究清单要看作品的上下文。

搜索响应没有固定的搜索卡片投影,也没有经过核对的解析器能把结果映射成标题和作品链接。直接核对返回对象;案例表由你或助手逐条审核整理。

例如同一个账号里,「新品」搜到发布会预告、首发演示和旧款清仓。要研究账号怎么讲卖点,优先选首发演示,记录首发演示的作品 ID 和入选理由。发布会预告可以留作「如何预热」的案例;旧款清仓另记排除原因。每条选片决定和对应的搜索页来源记在同一张表里。

5. 有需要再接第二页,并补选中详情

  1. 还需要更多候选时,把返回的 next_cursor 原样作为 make_request.py 的第三个参数,另存 search-page-2-request.json。账号、关键词和 raw:true 保持不变。
  2. 两页看完后记录这批数据的实际范围;是否继续翻页作为新的范围另行决定。
  3. 相同作品 ID 的重复结果在案例表里合并,保留每个来源。只拿到 exportId 时保存 exportId 原值,作为详情输入 export_id 定位作品,不按标题猜数字 ID。详情取回后,再核对作品和发布账号。
  4. next_cursor 为空或重复、或请求失败时,记下原因,保留已成功取得的第一页。未取回的页不计入已完成范围。

6. 交付案例与研究判断

案例表的列为:作品标识、实际返回文案、来源页、查询时间、入选理由、需要补读的问题。用选中作品的详情提炼卖点和表达方式;观众讨论按评论流程单独取得。

每个结论配上出处作品,区分视频实际说明的内容与你的推断。交付时写明检查了几页、选中多少条、哪些还待详情核对。以后换关键词时,已保存的搜索页仍可复用。

make_request.py 只生成请求。相关性判断和案例表需人工审阅整理;阅读已保存的搜索页不需要重新查询。

作品目录与搜索分页