Gemini की मदद से, मार्केटिंग के लिए YouTube वीडियो का विश्लेषण करना

1. परिचय

पिछले अपडेट की तारीख: 12-03-2025

डिसक्लेमर देना (Disclaimer)

यह एक सैंपल कोड है, जो YouTube Data API और Gemini का इस्तेमाल करके वीडियो का विश्लेषण करता है. इसका इस्तेमाल करने की ज़िम्मेदारी उपयोगकर्ता की है. असल दुनिया के माहौल में इस्तेमाल किए जाने वाले इस कोड को ध्यान से इस्तेमाल करना चाहिए. इस कोड के इस्तेमाल से होने वाली किसी भी समस्या के लिए, लेखक ज़िम्मेदार नहीं है. इसके अलावा, आर्टिफ़िशियल इंटेलिजेंस की वजह से, इस बात की हमेशा संभावना रहती है कि नतीजे असल तथ्यों से अलग हो सकते हैं. इसलिए, इन नतीजों पर बिना सोचे-समझे भरोसा नहीं किया जाना चाहिए. इनकी ध्यान से समीक्षा की जानी चाहिए.

इस प्रोजेक्ट का लक्ष्य

इसका मुख्य मकसद, वीडियो कॉन्टेंट और सेंटीमेंट का विश्लेषण करके, ब्रैंड प्रमोशन के लिए सही YouTube वीडियो और क्रिएटर्स की पहचान करना है.

खास जानकारी

यह प्रोजेक्ट, वीडियो की जानकारी पाने के लिए YouTube Data API का इस्तेमाल करता है. साथ ही, वीडियो कॉन्टेंट का विश्लेषण करने के लिए, Gemini मॉडल के साथ GCP Vertex AI API का इस्तेमाल करता है. यह Google Colab पर काम करता है.

आने वाले समय में उपलब्ध होने वाले कोड, Colab में चिपकाए जा सकते हैं और उन्हें एक-एक करके चलाया जा सकता है.

आपको क्या सीखने को मिलेगा

• वीडियो की जानकारी पाने के लिए, YouTube Data API का इस्तेमाल करने का तरीका.
• वीडियो कॉन्टेंट का विश्लेषण करने के लिए, Gemini मॉडल के साथ GCP Vertex AI API का इस्तेमाल करने का तरीका.
• कोड चलाने के लिए, Google Colab का इस्तेमाल करने का तरीका.
• विश्लेषण किए गए डेटा से स्प्रेडशीट बनाने का तरीका.

आपको किन चीज़ों की ज़रूरत होगी

इस तरीके को लागू करने के लिए, आपको इन चीज़ों की ज़रूरत होगी:

• Google Cloud Platform प्रोजेक्ट.
• प्रोजेक्ट में YouTube Data API v3, Vertex AI API, जनरेटिव लैंग्वेज एपीआई, Google Drive API, और Google Sheets API चालू करें.
• क्रेडेंशियल टैब में, YouTube Data API v3 के लिए अनुमति के साथ एपीआई पासकोड बनाएं.

इस सलूशन में, YouTube Data API और GCP Vertex AI API का इस्तेमाल किया जाता है.

2. कोड और उसके बारे में जानकारी

सबसे पहले, हमें उन लाइब्रेरी को इंपोर्ट करना होगा जिनका इस्तेमाल करना है. इसके बाद, अपने Google खाते से साइन इन करें और Google Drive को ऐक्सेस करने की अनुमति दें.

# 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()

[कार्रवाई ज़रूरी है]

आम तौर पर, GCP के एपीआई पासकोड और प्रोजेक्ट आईडी की वैल्यू बदलनी पड़ती हैं. यहां दी गई सेल, GCP सेटिंग की वैल्यू के लिए हैं.

# 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"}

[कार्रवाई ज़रूरी है]

इनपुट के नीचे दिए गए कोड की जांच करते समय, कृपया वैरिएबल की वैल्यू बदलें.

इस लेख में, "Google" ब्रैंड का उदाहरण देकर बताया गया है कि YouTube पर किसी खास विषय (जैसे, "Google एआई") के वीडियो कैसे खोजे जा सकते हैं. साथ ही, ब्रैंड के चैनल के वीडियो को खोज के नतीजों से बाहर रखने का तरीका भी बताया गया है.

YouTube वीडियो के विश्लेषण के लिए इनपुट वैरिएबल

• BRAND_NAME (ज़रूरी है): विश्लेषण के लिए ब्रैंड का नाम (उदाहरण के लिए, Google).
• MY_COMPANY_INFO (ज़रूरी है): ब्रैंड के बारे में कम शब्दों में जानकारी और संदर्भ.
• SEARCH_QUERY (ज़रूरी है): YouTube वीडियो के लिए खोज के लिए इस्तेमाल हुए शब्द (उदाहरण के लिए, Google का एआई).
• VIEWER_COUNTRY: दर्शक के देश का कोड (दो अक्षर का देश कोड: ISO 3166-1 alpha-2) (उदाहरण के लिए, KR).
• GENERATION_LANGUAGE (ज़रूरी है): Gemini के नतीजों के लिए भाषा (उदाहरण के लिए, कोरियन).
• EXCEPT_CHANNEL_IDS: कॉमा लगाकर अलग किए गए वे चैनल आईडी जिन्हें बाहर रखना है.

आपको YouTube चैनल पर चैनल आईडी दिखेगा.

• VIDEO_TOPIC: वीडियो के विषय से जुड़ा YouTube आईडी. इससे वीडियो को बेहतर बनाने में मदद मिलती है.

वीडियो के विषय की वैल्यू, Search: list | YouTube Data API | Google for Developers में देखी जा सकती है.

• DATE_INPUT (ज़रूरी है): पब्लिश किए गए वीडियो के शुरू होने की तारीख (DD-MM-YYYY).

# 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(',')]

दिए गए टेक्स्ट में, YouTube Data API के साथ इंटरैक्ट करने से जुड़े मुख्य फ़ंक्शन की सूची दी गई है.

# 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

टेक्स्ट में प्रॉम्प्ट टेंप्लेट दिया जाता है, जिसे ज़रूरत के हिसाब से अडजस्ट किया जा सकता है. साथ ही, इसमें GCP Vertex AI API के साथ इंटरैक्ट करने के लिए मुख्य फ़ंक्शन भी दिए जाते हैं.

# 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

यह कोड ब्लॉक तीन मुख्य फ़ंक्शन के लिए ज़िम्मेदार है: डेटाफ़्रेम बनाना, Gemini का विश्लेषण करना, और इसके बाद डेटाफ़्रेम को अपडेट करना.

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

यह एक कोड ब्लॉक है, जो अब तक लिखे गए सभी कोड को एक साथ चलाता है. यह YouTube से डेटा फ़ेच करता है, Gemini का इस्तेमाल करके उसका विश्लेषण करता है, और आखिर में डेटाफ़्रेम बनाता है.

# 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

आखिरी चरण में, डेटाफ़्रेम से स्प्रेडशीट बनाना है. अपनी प्रोग्रेस देखने के लिए, आउटपुट यूआरएल का इस्तेमाल करें.

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. रेफ़रंस

कोड लिखने के लिए, मैंने इनका रेफ़रंस दिया है. अगर आपको कोड में बदलाव करना है या इसके इस्तेमाल के बारे में ज़्यादा जानकारी चाहिए, तो कृपया नीचे दिए गए लिंक पर जाएं.

• Search: list | YouTube Data API | Google for Developers
• YouTube वीडियो का खास हिस्सा पाने के लिए, Gemini का इस्तेमाल करना | जनरेटिव एआई | Google Cloud
• main में generative-ai/gemini/use-cases/video-analysis/youtube_video_analysis.ipynb