TikTok, günümüzde dünya genelinde milyonlarca kullanıcıya sahip ve içerik üreticilerinin popülerlik kazanabilmesi için oldukça güçlü bir platform. TikTok’ta en iyi içerikleri oluşturmak ve doğru stratejilerle popüler olmak için derin bir analiz yapmak önemli. Peki, TikTok’un analizini yapacak bir otomasyon scripti yazmak mümkün mü? Cevap kesinlikle evet!
Bu yazıda, TikTok’u analiz etmek amacıyla geliştirdiğim otomatik analiz scriptini ve bu sürecin nasıl işlediğini paylaşacağım.
1. Analiz Amacı: TikTok Verilerini Toplamak ve İncelemek
TikTok’u analiz etmek için başlangıçta belirlediğim temel hedef, içerik üreticilerinin ve trendlerin nasıl yayıldığını, hangi içerik türlerinin daha çok etkileşim aldığını, etkileşim oranlarını ve popüler hashtag’leri incelemekti. Analiz hedeflerimi şu şekilde sıraladım:
- Popüler Hashtag’ler: Hangi hashtag’ler daha fazla etkileşim alıyor? Trend olan etiketler neler?
- Etkileşim Oranı: Videoların beğeni, yorum ve paylaşım oranları nasıl? Videoların performansını değerlendirmek.
- İçerik Türleri: Hangi tür videolar (komedi, eğitim, şarkı, dans, vs.) daha fazla etkileşim alıyor?
- Kullanıcı Profilleri: En çok takipçi kazanan içerik üreticileri kimler?
Bu verileri toplamak için TikTok’un API‘sini veya web scraping tekniklerini kullanarak, platformdan veri çekmeye karar verdim.
2. Adım: Veri Toplama Süreci
Veri toplamak için TikTok’un sunduğu açık API’ler olmadığından, web scraping yöntemini kullandım. Bu yöntemi kullanarak TikTok’taki popüler videoların metadatasını topladım.
Kullanılan Teknolojiler:
- Python: Kodlama dili olarak Python tercih ettim çünkü web scraping ve veri analizi konusunda oldukça güçlü bir dil.
- BeautifulSoup & Requests: Web sayfalarını çekip analiz etmek için kullanıldı.
- Selenium: TikTok’un dinamik içeriğini almak için kullanıldı (özellikle JavaScript ile yüklenen veriler).
- Pandas: Veriyi analiz etmek ve görselleştirme için kullanıldı.
TikTok’tan Veri Çekme Kod Örneği:
import requests
from bs4 import BeautifulSoup
import pandas as pd
# TikTok'tan popüler videoları çekmek için URL
url = "https://www.tiktok.com/tr/trending"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
# TikTok sayfasındaki videoların URL'lerini çekme
video_links = []
for link in soup.find_all("a", {"href": True}):
if "/@/" in link['href']:
video_links.append("https://www.tiktok.com" + link['href'])
# Videoların metadatasını toplama
video_data = []
for video_link in video_links[:10]: # İlk 10 videoyu çekelim
video_response = requests.get(video_link)
video_soup = BeautifulSoup(video_response.text, 'html.parser')
# Videonun beğeni sayısını ve yorum sayısını bulma
likes = video_soup.find("strong", {"title": "beğen"})
comments = video_soup.find("strong", {"title": "yorum"})
if likes and comments:
video_data.append({
'Video Link': video_link,
'Likes': likes.text,
'Comments': comments.text
})
# Veriyi DataFrame'e dönüştürme
df = pd.DataFrame(video_data)
print(df)
Bu basit kod, TikTok’un popüler videolarını çekmek ve videoların etkileşim bilgilerini analiz etmek için ilk adım. Ancak gerçek hayatta, TikTok’un dinamik içeriği nedeniyle daha karmaşık teknikler ve araçlar gerekmektedir.
3. Adım: Veriyi İşlemek ve Analiz Etmek
Veri toplandıktan sonra, her video için etkileşim oranını hesaplayarak daha kapsamlı bir analiz yapmaya başladım. Beğeni sayısı ve yorum sayısı, videoların performansını analiz etmek için iyi göstergelerdir.
Etkileşim oranını şu şekilde hesapladım:
- Etkileşim Oranı = (Beğeniler + Yorumlar) / Takipçi Sayısı
Bu oran, videoların ne kadar etkileşim aldığını gösterir ve hangi içerik türlerinin daha çok popüler olduğunu anlamamı sağlar.
Veri analizi için Pandas ve Matplotlib kütüphanelerini kullanarak grafikler ve özetler oluşturulmuştur.
import matplotlib.pyplot as plt
# Veriyi işleyip etkileşim oranını hesapla
df['Likes'] = df['Likes'].astype(int)
df['Comments'] = df['Comments'].astype(int)
df['Engagement Rate'] = (df['Likes'] + df['Comments']) / 1000 # Örnek olarak, 1000 takipçi başına etkileşim oranı
# Grafiği çiz
plt.figure(figsize=(10,6))
plt.bar(df['Video Link'], df['Engagement Rate'], color='skyblue')
plt.xlabel('Video')
plt.ylabel('Etkileşim Oranı')
plt.title('TikTok Popüler Videoların Etkileşim Oranı')
plt.xticks(rotation=90)
plt.show()
Bu grafikte, en yüksek etkileşim oranına sahip videoları görselleştirerek hangi içerik türlerinin daha fazla etkileşim aldığını görebiliyorum.
4. Adım: TikTok Verilerini Anlamak ve İleri Seviye Analizler
Veri toplama ve etkileşim oranlarını hesapladıktan sonra, TikTok üzerindeki içerik stratejilerini daha iyi anlayabilmek için daha ayrıntılı analizler yapmaya başladım. Örneğin:
- Hashtag Analizi: En popüler hashtag’lerin videolar üzerindeki etkisini ölçtüm. Hangi hashtag’lerin daha fazla etkileşim sağladığını belirledim.
- İçerik Türü: Videoların içerik türlerini (örneğin, dans, komedi, eğitim) kategorilere ayırarak her bir türün aldığı etkileşim oranlarını inceledim.
Aşağıda, hashtag’lerin etkileşim oranları üzerine yapılan basit bir analiz örneği yer alıyor:
# Hashtag'leri gruplama ve etkileşim oranlarını inceleme
hashtags = ['#dance', '#funny', '#education'] # Örnek hashtag’ler
hashtag_engagement = {}
for hashtag in hashtags:
hashtag_videos = df[df['Video Link'].str.contains(hashtag)]
hashtag_engagement[hashtag] = hashtag_videos['Engagement Rate'].mean()
# Grafiği çiz
plt.bar(hashtag_engagement.keys(), hashtag_engagement.values(), color='lightgreen')
plt.xlabel('Hashtag')
plt.ylabel('Ortalama Etkileşim Oranı')
plt.title('Hashtag Bazlı Etkileşim Oranı')
plt.show()
5. Sonuçlar ve Öğrendiklerim
Yaptığım TikTok analiz scripti, platformu anlamak ve içerik stratejilerini oluşturmak için oldukça faydalı oldu. İşte öğrendiklerim:
- Veri Toplama: TikTok’tan veri toplamak bazen zorlu olabilir, çünkü platform dinamik bir yapıya sahip. Selenium gibi araçlar, bu tür zorlukları aşmak için kullanışlıdır.
- Etkileşim Oranı: İçerik türleri ve popüler hashtag’ler hakkında daha fazla bilgi edinmek, başarılı bir içerik stratejisi oluşturmak için kritik öneme sahiptir.
- Gelişmiş Analizler: TikTok gibi platformlarda başarılı olmak için yalnızca etkileşim oranlarını değil, içerik türlerini, zamanlamayı ve kullanıcı davranışlarını da analiz etmek gerekir.
Bu script, TikTok’u analiz etmek ve içerik stratejileri oluşturmak için harika bir araç oldu. Geliştirdiğim bu otomasyon sayesinde, platformdaki trendleri takip etmek ve doğru içerikleri üretmek daha kolay hale geldi.
News
