تحليل فيديوهات YouTube لأغراض التسويق باستخدام Gemini
لمحة عن هذا الدرس التطبيقي حول الترميز
subjectتاريخ التعديل الأخير: أبريل 3, 2025
1. مقدمة
تاريخ آخر تعديل: 12/03/2025
إخلاء المسؤولية
في ما يلي نموذج تعليمات برمجية لتحليل الفيديوهات باستخدام YouTube Data API وGemini. ويتحمل المستخدم مسؤولية استخدامه. يجب مراعاة هذا الرمز المُستخدَم في البيئات الواقعية بعناية. لا يتحمّل المؤلف مسؤولية أي مشاكل ناتجة عن استخدام هذا الرمز. بالإضافة إلى ذلك، بسبب طبيعة الذكاء الاصطناعي، هناك احتمال دائم بأن تختلف النتائج عن الحقائق الفعلية. لذلك، يجب عدم الوثوق بالنتائج بشكل أعمى ويجب مراجعتها بعناية.
هدف هذا المشروع
يتمثل الهدف الأساسي في تحديد فيديوهات YouTube وصنّاع المحتوى المناسبين للترويج للعلامة التجارية من خلال تحليل محتوى الفيديو والانطباع عنه.
نظرة عامة
يستفيد المشروع من YouTube Data API لجلب معلومات الفيديو وواجهة برمجة التطبيقات GCP Vertex AI API مع نموذج Gemini لتحليل محتوى الفيديو. ويتم تشغيله على Colab من Google.
يمكنك لصق الرموز التي ستظهر في المستقبل في colab وتنفيذها واحدة تلو الأخرى.
المُعطيات
- كيفية استخدام YouTube Data API لعرض معلومات الفيديو
- كيفية استخدام واجهة برمجة التطبيقات GCP Vertex AI مع نموذج Gemini لتحليل محتوى الفيديو
- كيفية استخدام Google Colab لتشغيل الرمز
- كيفية إنشاء جدول بيانات من البيانات التي تم تحليلها
المتطلبات
لتنفيذ هذا الحل، ستحتاج إلى ما يلي:
- مشروع على Google Cloud Platform
- فعِّل الإصدار 3 من YouTube Data API وVertex AI API وGenerative Language API وGoogle Drive API وGoogle Sheets API في المشروع.
- أنشئ مفتاح واجهة برمجة التطبيقات في علامة التبويب "بيانات الاعتماد" مع تفويض لواجهة برمجة التطبيقات YouTube Data API الإصدار 3.
يستخدم هذا الحلّ YouTube Data API وواجهة برمجة التطبيقات GCP Vertex AI API.
2. الرمز البرمجي والشرح
أول ما علينا فعله هو استيراد المكتبات التي نريد استخدامها. بعد ذلك، سجِّل الدخول باستخدام حسابك على Google وامنح الإذن بالوصول إلى Google Drive.
# library
# colab
import ipywidgets as widgets
from IPython.display import display
from google.colab import auth
# cloud
from google import genai
from google.genai.types import Part, GenerateContentConfig
# function, util
import requests, os, re, time
from pandas import DataFrame
from datetime import datetime, timedelta
auth.authenticate_user()
[مطلوب اتّخاذ إجراء]
مفتاح واجهة برمجة التطبيقات ورقم تعريف المشروع من Google Cloud Platform هما القيمةان اللتان يجب تغييرهما عادةً. الخلايا أدناه مخصّصة لقيم إعدادات Google Cloud Platform.
# GCP Setting
LANGUAGE_MODEL = 'gemini-1.5-pro' # @param {type:"string"}
API_KEY = 'Please write your API_KEY' # @param {type:"string"}
PROJECT_ID = 'Please write your GCP_ID' # @param {type:"string"}
LOCATION = 'us-central1' # @param {type:"string"}
[مطلوب اتّخاذ إجراء]
يُرجى تغيير قيم المتغيّرات أثناء التحقّق من الرموز أدناه "الإدخال".
باستخدام العلامة التجارية "Google" كمثال، ستوضّح هذه المقالة كيفية البحث على YouTube عن فيديوهات حول موضوع معيّن (مثل "تكنولوجيات الذكاء الاصطناعي من Google") مع استبعاد الفيديوهات من قناة العلامة التجارية نفسها.
متغيّرات الإدخال لتحليل فيديوهات YouTube
- BRAND_NAME (سمة مطلوبة): اسم العلامة التجارية للتحليل (مثل Google).
- MY_COMPANY_INFO (سمة مطلوبة): وصف موجز للعلامة التجارية وسياقها
- SEARCH_QUERY (سمة مطلوبة): عبارة البحث عن فيديوهات YouTube (مثل تكنولوجيات الذكاء الاصطناعي من Google)
- VIEWER_COUNTRY: رمز بلد المشاهد (رمز البلد المكوّن من حرفَين: ISO 3166-1 alpha-2) (على سبيل المثال، النتيجة الرئيسية).
- GENERATION_LANGUAGE (مطلوبة): لغة نتائج Gemini (مثل الكورية).
- EXCEPT_CHANNEL_IDS: معرّفات القنوات المطلوب استبعادها مفصولة بفواصل
يمكنك العثور على معرّف القناة من قناة YouTube.
- VIDEO_TOPIC: معرّف موضوع YouTube لتحسين المحتوى
يمكنك العثور على قيمة موضوع الفيديو في البحث: قائمة | YouTube Data API | Google للمطوّرين.
- DATE_INPUT (مطلوبة): تاريخ بدء الفيديو المنشور (YYYY-MM-DD)
# Input
BRAND_NAME = "Google" # @param {type:"string"}
MY_COMPANY_INFO = "Google is a multinational technology company specializing in internet-related services and products." # @param {type:"string"}
SEARCH_QUERY = 'Google AI' # @param {type:"string"}
VIEWER_COUNTRY = 'KR' # @param {type:"string"}
GENERATION_LANGUAGE = 'Korean' # @param {type:"string"}
EXCEPT_CHANNEL_IDS = 'UCK8sQmJBp8GCxrOtXWBpyEA, UCdc_SRhKUlH3grljQXA0skw' # @param {type:"string"}
VIDEO_TOPIC = '/m/07c1v' # @param {type: "string"}
DATE_INPUT = '2025-01-01' # @param {type:"date"}
# Auth Scope
SCOPE = [
'https://www.googleapis.com/auth/youtube.readonly',
'https://www.googleapis.com/auth/spreadsheets',
'https://www.googleapis.com/auth/drive',
'https://www.googleapis.com/auth/cloud-platform'
]
# validation check
if not SEARCH_QUERY or not DATE_INPUT:
raise ValueError("Search query and date input are required.")
EXCEPT_CHANNEL_IDS = [id.strip() for id in EXCEPT_CHANNEL_IDS.split(',')]
يسرد النص المقدَّم الدوالّ الرئيسية ذات الصلة بالتفاعل مع YouTube Data API.
# YouTube API function
def get_youtube_videos(q, viewer_country_code, topic_str, start_period):
page_token_number = 1
next_page_token = ''
merged_array = []
published_after_date = f"{start_period}T00:00:00Z"
while page_token_number < 9 and len(merged_array) <= 75:
result = search_youtube(q, topic_str, published_after_date, viewer_country_code, '', next_page_token, 50)
merged_array = list(set(merged_array + result['items']))
next_page_token = result['nextPageToken']
page_token_number += 1
return merged_array
def search_youtube(query, topic_id, published_after, region_code, relevance_language, next_page_token, max_results=50):
if not query:
return None
q = query
url = f'https://www.googleapis.com/youtube/v3/search?key={API_KEY}&part=snippet&q={q}&publishedAfter={published_after}®ionCode={region_code}&type=video&topicId={topic_id}&maxResults={max_results}&pageToken={next_page_token}&gl={region_code.lower()}'
response = requests.get(url)
data = response.json()
results = data.get('items', [])
next_page_token = data.get('nextPageToken', '')
return_results = [item['id']['videoId'] for item in results]
print(url)
return {
"nextPageToken": next_page_token,
"items": return_results
}
def get_date_string(days_ago):
date = datetime.now() + timedelta(days=days_ago)
return date.strftime('%Y-%m-%dT00:00:00Z')
def get_video_details(video_id):
url = f'https://www.googleapis.com/youtube/v3/videos?part=snippet,contentDetails&id={video_id}&key={API_KEY}'
response = requests.get(url)
data = response.json()
if data.get('items'):
video = data['items'][0]
snippet = video['snippet']
content_details = video['contentDetails']
title = snippet.get('title', 'no title')
description = snippet.get('description', 'no description')
duration_iso = content_details.get('duration', None)
channel_id = snippet.get('channelId', 'no channel id')
channel_title = snippet.get('channelTitle', 'no channel title')
return {'title': title, 'description': description, 'duration': duration_to_seconds(duration_iso), 'channel_id': channel_id, 'channel_title': channel_title}
else:
return None
def duration_to_seconds(duration_str):
match = re.match(r'PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?', duration_str)
if not match:
return None
hours, minutes, seconds = match.groups()
total_seconds = 0
if hours:
total_seconds += int(hours) * 3600
if minutes:
total_seconds += int(minutes) * 60
if seconds:
total_seconds += int(seconds)
return total_seconds
يقدّم النص نموذجًا لطلب يمكن تعديله حسب الحاجة، بالإضافة إلى الدوال الرئيسية للتفاعل مع واجهة برمجة التطبيقات GCP Vertex AI API.
# GCP Vertex AI API
client = genai.Client(vertexai=True, project=PROJECT_ID, location=LOCATION)
model = client.models
def request_gemini(prompt, video_link):
video_extraction_json_generation_config = GenerateContentConfig(
temperature=0.0,
max_output_tokens=2048,
)
contents = [
Part.from_uri(
file_uri=video_link,
mime_type="video/mp4",
),
prompt
]
response = model.generate_content(
model=LANGUAGE_MODEL,
contents=contents,
config=video_extraction_json_generation_config
)
try:
return response.text
except:
return response.GenerateContentResponse
def create_prompt(yt_title, yt_description, yt_link):
return f"""### Task: You are a highly specialized marketer and YouTube expert working for the brand or company, {BRAND_NAME}.
Your boss is wondering which a video to use to promote their company's advertisements and which a YouTuber to promote their advertisements with in the future. You are the expert who can give your boss the most suitable suggestions.
Analyze the video according to the criteria below and solve your boss's worries.
### Criteria: Now you review the video.
If you evaluate it using the following criteria, you will be able to receive a better evaluation.
1. Whether the video mentions brand, {BRAND_NAME}.
2. Whether the video views {BRAND_NAME} positively or negatively.
3. Whether the video would be suitable for marketing purposes.
### Context and Contents:
Your Company Information:
- Company Description: {MY_COMPANY_INFO}
- Brand: {BRAND_NAME}
Analysis subject:
- YouTube title: {yt_title}
- YouTube description: {yt_description}
- YouTube link: {yt_link}
### Answer Format:
brand_relevance_score: (Integer between 0 and 100 - If this video is more relative about the {BRAND_NAME}, it will score higher)
brand_positive_score: (Integer between 0 and 100 - If this video is positive about the {BRAND_NAME}, it will score higher)
brand_negative_score: (Integer between 0 and 100 - If this video is negative about the {BRAND_NAME}, it will score higher)
video_content_summary: (Summarize the content of the video like overview)
video_brand_summary: (Summarize the content about your brand, {BRAND_NAME})
opinion: (Why this video is suitable for promoting your company or product)
### Examples:
brand_relevance_score: 100
brand_positive_score: 80
brand_negative_score: 0
video_content_summary: YouTubers introduce various electronic products in their videos.
video_brand_summary: The brand products mentioned in the video have their advantages well explained by the YouTuber.
opinion: Consumers are more likely to think positively about the advantages of the product.
### Caution:
DO NOT fabricate information.
DO NOT imagine things.
DO NOT Markdown format.
DO Analyze each video based on the criteria mentioned above.
DO Analyze after watching the whole video.
DO write the results for summary as {GENERATION_LANGUAGE}."""
def parse_response(response: str):
brand_relevance_score_pattern = r"brand_relevance_score:\s*(\d{1,3})"
brand_positive_score_pattern = r"brand_positive_score:\s*(\d{1,3})"
brand_negative_score_pattern = r"brand_negative_score:\s*(\d{1,3})"
video_content_summary_pattern = r"video_content_summary:\s*(.*)"
video_brand_summary_pattern = r"video_brand_summary:\s*(.*)"
opinion_pattern = r"opinion:\s*(.*)"
brand_relevance_score_match = re.search( brand_relevance_score_pattern, response )
brand_relevance_score = ( int(brand_relevance_score_match.group(1)) if brand_relevance_score_match else 0 )
brand_positive_score_match = re.search( brand_positive_score_pattern, response )
brand_positive_score = ( int(brand_positive_score_match.group(1)) if brand_positive_score_match else 0 )
brand_negative_score_match = re.search( brand_negative_score_pattern, response )
brand_negative_score = ( int(brand_negative_score_match.group(1)) if brand_negative_score_match else 0 )
video_content_score_match = re.search( video_content_summary_pattern, response )
video_content_summary = ( video_content_score_match.group(1) if video_content_score_match else '' )
video_brand_summary_match = re.search( video_brand_summary_pattern, response )
video_brand_summary = ( video_brand_summary_match.group(1) if video_brand_summary_match else '' )
opinion_match = re.search( opinion_pattern, response )
opinion = ( opinion_match.group(1) if opinion_match else '' )
return ( brand_relevance_score, brand_positive_score, brand_negative_score, video_content_summary, video_brand_summary, opinion)
def request_gemini_with_retry(prompt, youtube_link='', max_retries=1):
retries = 0
while retries <= max_retries:
try:
response = request_gemini(prompt, youtube_link)
( brand_relevance_score,
brand_positive_score,
brand_negative_score,
video_content_summary,
video_brand_summary,
opinion) = parse_response(response)
if ( validate_score(brand_relevance_score) and
validate_score(brand_positive_score) and
validate_score(brand_negative_score) and
validate_summary(video_content_summary) and
validate_summary(video_brand_summary) ):
return ( brand_relevance_score,
brand_positive_score,
brand_negative_score,
video_content_summary,
video_brand_summary,
opinion
)
else:
retries += 1
ValueError(
"The value may be incorrect, there may be a range issue, a parsing"
" issue, or a response issue with Gemini: score -"
f" {brand_relevance_score}, {brand_positive_score},"
f" {brand_negative_score} , summary - {video_content_summary},"
f" {video_brand_summary}" )
except Exception as e:
print(f"Request failed: {e}")
retries += 1
if retries <= max_retries:
print(f"retry ({retries}/{max_retries})...")
else:
print("Maximum number of retries exceeded")
return 0, 0, 0, "", "", ""
def validate_score(score):
return score >= 0 and score <= 100
def validate_summary(summary):
return len(summary) > 0
تتحمّل مجموعة الرموز البرمجية هذه ثلاث وظائف أساسية: إنشاء إطار بيانات وتنفيذ تحليل Gemini وتعديل إطار البيانات لاحقًا.
def df_youtube_videos():
youtube_video_list = get_youtube_videos(SEARCH_QUERY, VIEWER_COUNTRY, VIDEO_TOPIC, DATE_INPUT)
youtube_video_link_list = []
youtube_video_title_list = []
youtube_video_description_list = []
youtube_video_channel_title_list = []
youtube_video_duration_list = []
for video_id in youtube_video_list:
video_details = get_video_details(video_id)
# https://cloud.google.com/vertex-ai/generative-ai/docs/multimodal/video-understanding
if video_details['duration'] < 50*60 and not video_details['channel_id'] in EXCEPT_CHANNEL_IDS:
youtube_video_link_list.append(f'https://www.youtube.com/watch?v={video_id}')
if video_details:
youtube_video_title_list.append(video_details['title'])
youtube_video_description_list.append(video_details['description'])
youtube_video_channel_title_list.append(video_details['channel_title'])
duration_new_format = f"{video_details['duration'] // 3600:02d}:{(video_details['duration'] % 3600) // 60:02d}:{video_details['duration'] % 60:02d}" # HH:MM:SS
youtube_video_duration_list.append(duration_new_format)
else:
youtube_video_title_list.append('')
youtube_video_description_list.append('')
youtube_video_channel_title_list.append(video_details['channel_title'])
youtube_video_duration_list.append('')
df = DataFrame({
'video_id': youtube_video_link_list,
'title': youtube_video_title_list,
'description': youtube_video_description_list,
'channel_title': youtube_video_channel_title_list,
'length': youtube_video_duration_list
})
return df
def run_gemini(df):
for index, row in df.iterrows():
video_title = row['title']
video_description = row['description']
video_link = row['video_id']
prompt = create_prompt(video_title, video_description, video_link)
( brand_relevance_score,
brand_positive_score,
brand_negative_score,
video_content_summary,
video_brand_summary,
opinion) = request_gemini_with_retry(prompt, video_link)
df.at[index, 'gemini_brand_relevance_score'] = brand_relevance_score
df.at[index, 'gemini_brand_positive_score'] = brand_positive_score
df.at[index, 'gemini_brand_negative_score'] = brand_negative_score
df.at[index, 'gemini_video_content_summary'] = video_content_summary
df.at[index, 'gemini_video_brand_summary'] = video_brand_summary
df.at[index, 'gemini_opinion'] = opinion
# https://cloud.google.com/vertex-ai/generative-ai/docs/quotas
time.sleep(1)
print(f"Processing: {index}/{len(df)}")
print(f"video_title: {video_title}")
return df
هذه مجموعة رموز برمجية تنفِّذ كل الرموز البرمجية التي تم كتابتها حتى الآن. ويُستخدَم هذا الإجراء لجلب البيانات من YouTube وتحليلها باستخدام Gemini وإنشاء إطار بيانات في النهاية.
# main
df = df_youtube_videos()
run_gemini(df)
df['gemini_brand_positive_score'] = df[ 'gemini_brand_positive_score' ].astype('int64')
df['gemini_brand_relevance_score'] = df[ 'gemini_brand_relevance_score' ].astype('int64')
df['gemini_brand_negative_score'] = df[ 'gemini_brand_negative_score' ].astype('int64')
df = df.sort_values( 'gemini_brand_positive_score', ascending=False )
df
الخطوة الأخيرة هي إنشاء جدول بيانات من إطار البيانات. للتحقّق من مستوى تقدّمك، استخدِم عنوان URL الناتج.
import gspread
from google.auth import default
today_date = datetime.now().strftime('%Y-%m-%d')
my_spreadsheet_title = f"Partner's Video Finder, {BRAND_NAME}, {SEARCH_QUERY}, {VIEWER_COUNTRY} ({DATE_INPUT}~{today_date})"
creds, _ = default()
gc = gspread.authorize(creds)
sh = gc.create(my_spreadsheet_title)
worksheet = gc.open(my_spreadsheet_title).sheet1
cell_list = df.values.tolist()
worksheet.update([df.columns.values.tolist()] + cell_list)
print("URL: ", sh.url)
3. مراجع
لقد اطّلعت على ما يلي لكتابة الرمز. إذا كنت بحاجة إلى تعديل الرمز أو كنت تريد معرفة كيفية استخدامه بشكل أكثر تفصيلاً، يُرجى الرجوع إلى الرابط أدناه.