মিথুনের সাথে বিপণনের জন্য YouTube ভিডিও বিশ্লেষণ

1. ভূমিকা

শেষ আপডেট: 2025-03-12

দাবিত্যাগ

এটি একটি নমুনা কোড যা YouTube ডেটা API এবং Gemini ব্যবহার করে ভিডিও বিশ্লেষণ করে৷ ব্যবহারকারী এর ব্যবহারের জন্য দায়ী। বাস্তব-বিশ্বের পরিবেশে ব্যবহৃত এই কোডটি সাবধানে বিবেচনা করা উচিত। এই কোডের ব্যবহার থেকে উদ্ভূত কোন সমস্যার জন্য লেখক দায়ী নয়। উপরন্তু, কৃত্রিম বুদ্ধিমত্তার প্রকৃতির কারণে, সর্বদা একটি সম্ভাবনা থাকে যে ফলাফল প্রকৃত ঘটনা থেকে ভিন্ন হতে পারে। অতএব, ফলাফলগুলি অন্ধভাবে বিশ্বাস করা উচিত নয় এবং সাবধানে পর্যালোচনা করা উচিত।

এই প্রকল্পের লক্ষ্য

প্রাথমিক উদ্দেশ্য হল ভিডিও সামগ্রী এবং অনুভূতি বিশ্লেষণ করে ব্র্যান্ড প্রচারের জন্য উপযুক্ত YouTube ভিডিও এবং YouTubers সনাক্ত করা।

ওভারভিউ

প্রজেক্টটি ভিডিও তথ্য আনতে YouTube Data API এবং ভিডিও বিষয়বস্তু বিশ্লেষণ করতে Gemini মডেলের সাথে GCP Vertex AI API ব্যবহার করে। এটি Google Colab- এ চলে।

আপনি কোলাবে ভবিষ্যতে যে কোডগুলি বের হবে সেগুলি পেস্ট করতে পারেন এবং সেগুলিকে এক এক করে চালাতে পারেন৷

আপনি কি শিখবেন

• ভিডিও তথ্য আনতে YouTube Data API কীভাবে ব্যবহার করবেন।
• ভিডিও বিষয়বস্তু বিশ্লেষণ করার জন্য Gemini মডেলের সাথে GCP Vertex AI API কীভাবে ব্যবহার করবেন।
• কোড চালানোর জন্য Google Colab কীভাবে ব্যবহার করবেন।
• বিশ্লেষণ করা ডেটা থেকে কীভাবে একটি স্প্রেডশীট তৈরি করবেন।

আপনি কি প্রয়োজন হবে

এই সমাধান বাস্তবায়ন করতে, আপনার নিম্নলিখিত প্রয়োজন হবে:

• একটি Google ক্লাউড প্ল্যাটফর্ম প্রকল্প।
• প্রকল্পে YouTube ডেটা API v3, Vertex AI API, Generative Language API, Google Drive API, এবং Google Sheets API সক্ষম করুন৷
• YouTube ডেটা API v3-এর অনুমোদন সহ শংসাপত্র ট্যাবে একটি API কী তৈরি করুন৷

এই সমাধানটি YouTube ডেটা API এবং GCP Vertex AI API ব্যবহার করে৷

2. কোড এবং ব্যাখ্যা

আমরা যে লাইব্রেরিগুলি ব্যবহার করতে চাই তা আমদানী করতে হবে। তারপর আপনার Google অ্যাকাউন্ট দিয়ে সাইন ইন করুন এবং আপনার Google ড্রাইভ অ্যাক্সেস করার অনুমতি দিন৷

# 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()

[কার্য প্রয়োজন]

GCP থেকে API KEY এবং PROJECT ID হল সেই মানগুলি যা সাধারণত পরিবর্তন করতে হবে৷ নীচের ঘরগুলি GCP সেটিং মানগুলির জন্য৷

# 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"}

[কার্য প্রয়োজন]

ইনপুট নীচের কোড চেক করার সময় পরিবর্তনশীল মান পরিবর্তন করুন.

একটি উদাহরণ হিসাবে ব্র্যান্ড "Google" ব্যবহার করে, এই নিবন্ধটি ব্র্যান্ডের নিজস্ব চ্যানেল থেকে ভিডিওগুলি বাদ দিয়ে একটি নির্দিষ্ট বিষয়ে (যেমন "Google AI") ভিডিওগুলির জন্য YouTube-এ কীভাবে অনুসন্ধান করতে হয় তা প্রদর্শন করবে৷

YouTube ভিডিও বিশ্লেষণের জন্য ইনপুট ভেরিয়েবল

• BRAND_NAME (প্রয়োজনীয়): বিশ্লেষণের জন্য ব্র্যান্ড নাম (যেমন, Google)।
• MY_COMPANY_INFO (প্রয়োজনীয়): ব্র্যান্ডের সংক্ষিপ্ত বিবরণ এবং প্রসঙ্গ।
• SEARCH_QUERY (প্রয়োজনীয়): YouTube ভিডিওগুলির জন্য অনুসন্ধান শব্দ (যেমন, Google AI)।
• VIEWER_COUNTRY: দর্শকের দেশের কোড (দুই-অক্ষরের দেশের কোড: ISO 3166-1 alpha-2 ) (যেমন, KR)।
• GENERATION_LANGUAGE (প্রয়োজনীয়): মিথুনের ফলাফলের জন্য ভাষা (যেমন, কোরিয়ান)।
• EXCEPT_CHANNEL_IDS: বাদ দিতে কমা-বিভক্ত চ্যানেল আইডি।

আপনি YouTube চ্যানেল থেকে চ্যানেল আইডি খুঁজে পেতে পারেন।

• VIDEO_TOPIC: পরিমার্জনের জন্য YouTube বিষয় আইডি।

আপনি অনুসন্ধানে ভিডিও বিষয়ের মান খুঁজে পেতে পারেন: তালিকা | YouTube ডেটা API | বিকাশকারীদের জন্য Google ।

• DATE_INPUT (প্রয়োজনীয়): প্রকাশিত ভিডিওর শুরুর তারিখ (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(',')]

প্রদত্ত পাঠ্য YouTube ডেটা API-এর সাথে ইন্টারঅ্যাক্ট করার সাথে সম্পর্কিত মূল ফাংশনগুলিকে তালিকাভুক্ত করে৷

# 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}&regionCode={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

পাঠ্যটি একটি প্রম্পট টেমপ্লেট সরবরাহ করে যা GCP Vertex AI API-এর সাথে ইন্টারঅ্যাক্ট করার জন্য মূল ফাংশনগুলির সাথে প্রয়োজন অনুসারে সামঞ্জস্য করা যেতে পারে।

# 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

এই কোড ব্লক তিনটি প্রাথমিক কাজের জন্য দায়ী: একটি ডেটাফ্রেম তৈরি করা, একটি মিথুন বিশ্লেষণ চালানো এবং পরবর্তীকালে ডেটাফ্রেম আপডেট করা।

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

এটি একটি কোড ব্লক যা এখন পর্যন্ত লেখা সমস্ত কোড কার্যকর করে। এটি YouTube থেকে ডেটা আনে, জেমিনি ব্যবহার করে এটি বিশ্লেষণ করে এবং অবশেষে একটি ডেটাফ্রেম তৈরি করে।

# 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

শেষ ধাপ হল ডেটাফ্রেম থেকে একটি স্প্রেডশীট তৈরি করা। আপনার অগ্রগতি পরীক্ষা করতে, আউটপুট URL ব্যবহার করুন.

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. রেফারেন্স

আমি কোড লেখার জন্য নিম্নলিখিত উল্লেখ করেছি। আপনি যদি কোডটি পরিবর্তন করতে চান বা আরও বিশদ ব্যবহার জানতে চান তবে অনুগ্রহ করে নীচের লিঙ্কটি পড়ুন।

• অনুসন্ধান করুন: তালিকা | YouTube ডেটা API | বিকাশকারীদের জন্য Google
• ইউটিউব ভিডিওর সারসংক্ষেপ করতে মিথুন ব্যবহার করুন | জেনারেটিভ এআই | গুগল ক্লাউড
• generative-ai/gemini/use-cases/video-analysis/youtube_video_analysis.ipynb প্রধান