YouTube Analytics API获取频道性别占比与Studio数据不符问题排查

核心原因分析 #

你遇到的API和Studio数据不一致，主要是以下几个因素导致的：

• 维度拆分未合并：代码使用了gender,subscribedStatus双维度，返回的是「性别+订阅状态」细分群体的观众占比（比如男性订阅用户、男性未订阅用户是分开的两行数据）。但你直接提取每一行结果，没有把同性别不同订阅状态的百分比相加，导致最终计算的是某一类订阅状态下的性别占比，而非所有观众的整体占比。
• 时间范围不匹配：代码中时间范围是从2005年到现在（全历史数据），而YouTube Studio默认展示的通常是最近28天的受众数据，时间范围不同自然结果有差异。
• 受众类型未过滤：YouTube Studio默认只统计「自然受众（ORGANIC）」的数据，而你的代码注释掉了filters: "audienceType==ORGANIC"，会包含广告、外部嵌入等非自然来源的观众，这部分受众的性别分布可能和自然受众差异较大。
• 数据采样差异：当数据量过大时，API可能采用采样数据返回，而Studio后台可能使用更精确的全量数据，也会导致误差。

代码修正建议 #

针对以上问题，修改代码如下：

try {
    // 对齐YouTube Studio默认时间范围：最近28天
    const endDate = new Date().toISOString().split("T")[0];
    const startDate = new Date(Date.now() - 28 * 24 * 60 * 60 * 1000).toISOString().split("T")[0];
    
    const analytics = google.youtubeAnalytics({
        version: "v2",
        auth: oauth2Client,
    });
    
    const analyticsResponse = await analytics.reports.query({
        ids: `channel==${channelId}`,
        startDate,
        endDate,
        dimensions: "gender", // 只按性别维度拆分，避免订阅状态干扰
        metrics: "viewerPercentage",
        filters: "audienceType==ORGANIC", // 启用自然受众过滤，和Studio对齐
    });

    // 直接整理结果（单维度下一行对应一个性别）
    demographicData.gender = analyticsResponse.data.rows.map((row) => ({
        gender: row[0],
        viewerPercentage: row[1],
    }));

    console.log("analyticsResponse: ", analyticsResponse.data);
    console.log("demographicData: ", demographicData.gender);
} catch (error) {
    console.error("Error fetching gender data:", error);
}

如果仍需保留订阅状态维度，需要手动合并同性别数据：

// 在获取rows后，合并同性别百分比
const genderTotal = {};
analyticsResponse.data.rows.forEach(row => {
    const gender = row[0];
    const percentage = parseFloat(row[1]);
    if (genderTotal[gender]) {
        genderTotal[gender] += percentage;
    } else {
        genderTotal[gender] = percentage;
    }
});

demographicData.gender = Object.entries(genderTotal).map(([gender, percentage]) => ({
    gender,
    viewerPercentage: percentage.toFixed(1) // 保留一位小数，和Studio格式对齐
}));

额外验证步骤 #

1. 确认Studio中查看的时间范围，将代码的startDate/endDate完全对齐
2. 检查Studio的受众筛选条件（是否包含非自然受众），确保API的filters参数与其一致
3. 若数据量极大，可在API请求中添加samplingLevel: "LARGE"参数，减少采样误差

内容的提问来源于stack exchange，提问作者Sharjeel