SandBaseSandBase

获取作品观看趋势分析/Fetch item watch trend analysis

Douyinapi

About

获取作品观看趋势分析/Fetch item watch trend analysis

Documentation

获取作品观看趋势分析/Fetch item watch trend analysis

[中文]

用途:

  • 获取抖音作品的观看趋势分析数据
  • 了解用户在观看作品时的行为模式
  • 帮助创作者优化视频内容结构和节奏
  • 此接口需要用户提供有效的抖音创作者平台Cookie
  • 使用 POST 方法，Cookie 在请求体中传输，更安全

请求体参数:

  • cookie: 用户的抖音创作者平台Cookie（必填，在请求体中传输）
  • item_id: 作品ID（必填）
  • analysis_type: 分析类型（可选，默认为1）
    • 1: 留存分析 - 显示用户在各个时间点的留存情况
    • 2: 点赞分析 - 显示用户在各个时间点的点赞情况
    • 7: 跳出分析 - 显示用户在各个时间点的跳出情况

分析类型说明:

  • 留存分析 (analysis_type=1):

    • 展示观众在视频各时间点的留存比例
    • 留存率越高，说明该时间段内容越吸引人
    • 注意: 播放量超过200后，数据更准确
    • 适合分析：哪些片段吸引观众持续观看

  • 点赞分析 (analysis_type=2):

    • 展示观众在视频各时间点的点赞比例
    • 点赞率高的时间点说明该片段特别受欢迎
    • 适合分析：哪些片段最能引发用户互动

  • 跳出分析 (analysis_type=7):

    • 展示观众在视频各时间点的跳出比例
    • 跳出率高的时间点可能存在内容问题
    • 适合分析：哪些片段导致观众离开

返回数据说明:

  • analysis_trend: 趋势分析数据
    • current_item: 当前作品的数据点列表
      • key: 时间点（格式：mm:ss，如 "00:05" 表示第5秒）
      • value: 该时间点的比例值（0-1之间的小数）
    • similar_author: 同类作者的平均数据（用于对比）
      • key: 时间点
      • value: 同类作者在该时间点的平均比例

数据价值:

  • 内容优化: 识别观众流失的关键时间点
  • 节奏调整: 优化视频的起承转合节奏
  • 对比分析: 与同类作者对比，找出差距和优势
  • A/B测试: 测试不同版本的内容效果

Cookie 获取方式:

  1. 登录抖音创作者平台 (https://creator.douyin.com)
  2. 打开浏览器开发者工具（F12）
  3. 切换到 Network 标签
  4. 刷新页面或进行操作
  5. 找到任意请求，复制 Cookie 请求头的值

[English]

Purpose:

  • Get Douyin item watch trend analysis data
  • Understand user behavior patterns while watching the item
  • Help creators optimize video content structure and pacing
  • This API requires users to provide valid Douyin Creator Platform Cookie
  • Use POST method, Cookie is transmitted in request body, more secure

Request Body Parameters:

  • cookie: User's Douyin Creator Platform Cookie (required, transmitted in request body)
  • item_id: Item ID (required)
  • analysis_type: Analysis type (optional, default is 1)
    • 1: Retention Analysis - Shows user retention at each time point
    • 2: Like Analysis - Shows user like behavior at each time point
    • 7: Bounce Analysis - Shows user bounce rate at each time point

Analysis Type Description:

  • Retention Analysis (analysis_type=1):

    • Shows viewer retention rate at various video time points
    • Higher retention means more engaging content at that moment
    • Note: Data is more accurate when views exceed 200
    • Good for: Identifying which segments keep viewers watching

  • Like Analysis (analysis_type=2):

    • Shows viewer like rate at various video time points
    • Higher like rate indicates particularly popular segments
    • Good for: Identifying segments that drive user engagement

  • Bounce Analysis (analysis_type=7):

    • Shows viewer bounce rate at various video time points
    • High bounce rate indicates potential content issues
    • Good for: Identifying segments that cause viewers to leave

Return Data Description:

  • analysis_trend: Trend analysis data
    • current_item: Data points for current item
      • key: Time point (format: mm:ss, e.g., "00:05" for 5 seconds)
      • value: Proportion at this time point (decimal between 0-1)
    • similar_author: Average data from similar authors (for comparison)
      • key: Time point
      • value: Average proportion at this time point

Data Value:

  • Content Optimization: Identify key drop-off points
  • Pacing Adjustment: Optimize video rhythm and flow
  • Comparative Analysis: Compare with similar creators to find gaps
  • A/B Testing: Test different content versions

How to get Cookie:

  1. Login to Douyin Creator Platform (https://creator.douyin.com)
  2. Open browser developer tools (F12)
  3. Switch to Network tab
  4. Refresh page or perform operations
  5. Find any request and copy the Cookie header value

[示例/Example]

{
    "cookie": "Your_Cookie_Here",
    "item_id": "7559536212910853422",
    "analysis_type": 1
}

返回数据示例/Response Example:

{
    "analysis_trend": {
        "current_item": [
            {
                "key": "00:00",
                "value": 0.2653
            },
            {
                "key": "00:01",
                "value": 0.2653
            },
            {
                "key": "00:05",
                "value": 0.0272
            },
            {
                "key": "00:10",
                "value": 0.1429
            }
        ],
        "similar_author": [
            {
                "key": "00:00",
                "value": 0.1594
            },
            {
                "key": "00:01",
                "value": 0.2229
            }
        ]
    },
    "status_code": 0,
    "status_msg": ""
}

数据解读/Data Interpretation:

留存分析 (Retention):

  • value 值表示该时间点的留存比例
  • 数值越高表示越多观众看到这个时间点
  • 对比 current_item 和 similar_author 可以看出作品表现
  • 留存曲线下降陡峭说明内容吸引力不足

点赞分析 (Like):

  • value 值表示该时间点的点赞比例
  • 数值越高表示该时间段内容越能引发点赞
  • 点赞高峰通常出现在高潮、反转、笑点等位置
  • 可以帮助识别最有价值的内容片段

跳出分析 (Bounce):

  • value 值表示该时间点的跳出比例
  • 数值越高表示越多观众在此时离开
  • 跳出率高的时间点需要重点优化
  • 开头几秒的跳出率尤其重要

优化建议/Optimization Suggestions:

  1. 前3秒黄金法则: 确保开头吸引眼球，降低初期跳出
  2. 节奏把控: 在留存率下降前插入高潮或转折
  3. 时长优化: 根据留存曲线调整视频时长
  4. 点赞热点: 在点赞率高的时间段前后放置核心内容
  5. 对标学习: 参考 similar_author 数据优化内容
  6. 持续测试: 不同类型内容的最佳节奏不同

注意事项/Notes:

  • 播放量超过 200 后，留存分析数据更准确
  • 数据可能有延迟，建议作品发布一段时间后查看
  • 结合其他指标（完播率、互动率）综合分析

Imported from a validated TikHub OpenAPI document. Pricing must be reviewed before enabling.

Try 获取作品观看趋势分析/Fetch item watch trend analysis

Test this model in the Sandbase Playground with your own prompts.

Open in Playground

Related Models

获取创作者账号诊断/Fetch author diagnosisDouyinapi获取作品垂类标签/Fetch item analysis involved verticalDouyinapi获取投稿表现数据/Fetch item analysis item performanceDouyinapi获取投稿分析概览/Fetch item analysis overviewDouyinapi获取作品观众其他数据分析/Fetch item audience others analysisDouyinapi获取作品观众数据分析/Fetch item audience portraitDouyinapi获取作品弹幕分析/Fetch item bullet analysisDouyinapi获取投稿作品列表/Fetch item listDouyinapi