TikTok Data Skill

UnifAPI를 통한 공개 TikTok 데이터의 결정론적 읽기 경로. 이것은 데이터 스킬입니다: 자체적으로 마케팅 작업을 실행하지 않습니다 — 구체적인 tiktok/... 작업, 응답 형태, 함정을 명시하여, 어떤 크리에이터 또는 트렌드 우선 워크플로(후보 선정, 청중 적합성, 수요 레이더, 로컬 버즈)든 매번 표면을 다시 발견하는 대신 하나의 알려진 레시피에서 읽도록 합니다.

읽기 전용 — 손이 아니라 눈. 공개 TikTok 데이터를 리서치하고 인용된 record를 반환합니다; 절대 게시하거나, 댓글을 달거나, 팔로우하지 않으며, UnifAPI는 TikTok 자격 증명을 절대 보유하지 않습니다.

실시간 근거를 위해 unifapi 스킬을 사용하세요

공유 unifapi 스킬을 통해 한 번 연결(OAuth MCP)한 다음, 아래 작업들을 호출하세요. TikTok 사용자와 동영상은 숫자 id로 키가 매겨집니다 — @handle이나 동영상 URL을 먼저 그 id로 해석하세요(함정 참조). 출력이 record 비용을 명시할 수 있도록 모든 billing 메타데이터를 보관하세요.

응답 계약

단일 엔티티 엔드포인트는 객체를 data에 반환합니다:

{
  "request_id": "unif_...",
  "data": {},
  "billing": { "records_charged": 1, "balance_remaining": 99 }
}

리스트 엔드포인트는 배열을 data에 더하여 pagination을 반환합니다:

{
  "request_id": "unif_...",
  "data": [],
  "pagination": { "has_more": false, "next_cursor": null },
  "billing": { "records_charged": 1 }
}

pagination.has_more가 true일 때, pagination.next_cursor를 다음 요청의 cursor로 전달하세요(limit이 페이지 크기를 설정). 항상 billing을 보존하세요.

핵심 작업

여기 나열되지 않은 필드가 필요한가요? 호출하기 전에 unifapi 스킬의 get_operation을 사용해 정확한 스키마를 읽으세요 — 하지만 작업은 이 표에서 고르고, 맹목적으로 발견하지 마세요.

워크플로

결정론적 레시피입니다. 작업에 맞는 것을 고르세요; 각각이 정확히 무엇을 호출할지 명시합니다.

1. 주제로 발견하기. 틈새에 대해 tiktok/search/videos?q=..., tiktok/search/users?q=..., 또는 tiktok/search/hashtags?q=...를 호출하세요; 혼합 결과는 tiktok/search?q=...를 사용하세요.
2. 크리에이터 해석하기. tiktok/users/resolve?username=...를 호출해 숫자 id를 얻은 다음, tiktok/users/{id}로 follower_count, like_count, video_count를 얻으세요.
3. 참여도 읽기. tiktok/users/{id}/videos를 호출하세요; 각 Video는 view_count, like_count, comment_count, share_count를 담고 있습니다 — 동영상당 참여도를 계산하세요. next_cursor로 페이지를 넘기세요.
4. 동영상과 그 반응 읽기. tiktok/videos/{id}를 호출하세요(URL은 tiktok/videos/resolve?url=...로 먼저 해석), 그다음 감정을 위해 tiktok/videos/{id}/comments.
5. 트렌드 추적. video_count/view_count는 tiktok/hashtags/{id}를, 태그나 사운드에서 무엇이 퍼지고 있는지는 tiktok/hashtags/{id}/videos(또는 tiktok/music/{id}/videos)를 호출하세요.
6. 네트워크 매핑. 리치와 친화도 작업을 위해 tiktok/users/{id}/followers, .../following, 또는 .../likes를 호출하세요.
7. 모든 것을 인용. 모든 수치는 그것이 나온 동영상이나 프로필로 거슬러 올라갑니다; billing.records_charged를 보고하세요(billing 메타데이터가 없으면 추정).

형태 노트

• User — username, display_name, follower_count, following_count, like_count, video_count, is_verified, is_private, region.
• Video — video_description, view_count, like_count, comment_count, share_count, duration, author, music, hashtags, create_time.
• Hashtag — name, video_count, view_count, is_commerce.
• Music — title, author, is_original.

함정

• TikTok 사용자와 동영상은 숫자 id로 키가 매겨집니다. 어떤 tiktok/users/{id}/... 또는 tiktok/videos/{id}/... 호출 전에 @handle을 tiktok/users/resolve?username=...로, 동영상 URL을 tiktok/videos/resolve?url=...로 해석하세요.
• tiktok/videos/batch는 GET이 아니라 POST입니다(id를 본문에) — 많은 동영상 id를 한 번에 하이드레이트하는 데 사용하세요.
• 비공개 크리에이터(is_private)는 읽을 수 있는 것을 제한합니다 — 이를 드러내세요.
• 잔액이 낮으면 리스트 페이지가 조용히 잘릴 수 있습니다: billing.truncated_due_to_balance를 확인하세요 — true일 때 페이지는 부분적이므로, 어떤 개수든 신뢰하기 전에 충전하세요.

출력

호출 워크플로가 필요로 하는 record를, 각각을 그 동영상이나 프로필에 인용하여 반환하고, 한 줄짜리 비용 노트(records_charged)를 더하세요. 이 스킬이 직접 사용될 때는, 간결한 크리에이터 요약이 기본값입니다:

**@handle** — {followers} followers, {videos} videos. Recent videos: avg {views} views / {likes} likes / {comments} comments. Rising tags: {#hashtags}. Evidence: {video URLs}. Records: ~{N}.

관련 스킬

• creator-shortlist, audience-fit-check (Influencer Marketing) — 이 읽기 경로 위에서 TikTok 크리에이터를 후보 선정하고 검증합니다.
• social-listening-brief (Social Listening), treatment-demand-radar, menu-demand-radar, restaurant-local-buzz (버티컬) — TikTok을 먼저 읽는 트렌드와 수요 작업.
• unifapi — 공유 데이터 스킬: MCP를 연결하고 get_operation으로 정확한 스키마를 조회합니다.