Analyze YouTube Affiliate Performance (Alpha)

您可以使用 Reports API 检索参与 YouTube 联属营销计划的商品的关键效果指标。本指南介绍了如何查询 YouTube 特有的联属营销数据，例如归因于不同创作者、视频内容和单个产品的销售额、佣金、订单、观看次数和点击次数。

您可以使用 MCQL 从专用的 YouTube 联属营销“视图”中选择指标和维度，这些视图在查询中充当表。

前提条件

在使用本指南之前，请确保：

查询 Alpha 版端点

请注意，由于此功能处于公开 Alpha 版阶段，因此端点有所不同。如需检索 YouTube 联属营销效果数据，您需要向 v1alpha 端点发送 POST 请求。以下是示例请求：

HTTP

POST https://merchantapi.googleapis.com/reports/v1alpha/accounts/{ACCOUNT_ID}/reports:search

cURL

  curl -X POST \
  'https://merchantapi.googleapis.com/reports/v1alpha/accounts/{ACCOUNT_ID}/reports:search?key=[YOUR_API_KEY]' \
  --header 'Authorization: Bearer [YOUR_ACCESS_TOKEN]' \
  --header 'Accept: application/json' \
  --compressed

按创作者查看效果

如需了解哪些 YouTube 创作者带来的互动和销售最多，您可以查询 youtube_creator_performance_view。 此视图按各个 YouTube 创作者汇总指标，并包含创作者标题和频道 ID。

以下是一个 MCQL SELECT 语句示例，可用于获取 2025 年 5 月 1 日至 5 月 2 日期间销售额排名前 3 的创作者。

SELECT
  title,
  channel_id,
  sales,
  commissions,
  orders,
  clicks,
  views
FROM youtube_creator_performance_view
WHERE date BETWEEN '2025-05-01' AND '2025-05-02'
ORDER BY sales DESC LIMIT 3

此查询会提取指定日期范围内按销售指标排名的前 3 名创作者的创作者名称、频道 ID 和关键效果指标。

按内容查看效果

如需了解哪些特定 YouTube 视频的效果最好，您可以查询 youtube_content_performance_view。此视图按各个 YouTube 视频汇总指标，并包含视频标题和 ID。

以下是一个 MCQL SELECT 语句示例，您可以使用该语句获取 2025 年 5 月 1 日至 5 月 2 日期间观看次数最多的前 3 个视频。

SELECT
  title,
  video_id,
  views,
  clicks,
  sales
FROM youtube_content_performance_view
WHERE date BETWEEN '2025-05-01' AND '2025-05-02'
ORDER BY views DESC LIMIT 3

此查询会检索指定日期范围内按 views 总数排名的前 3 个视频的视频标题、视频 ID 和关键指标。

按商品查看效果

如需分析 YouTube 联属营销计划中各个商品的表现，您可以查询 youtube_product_performance_view。 此视图按商品汇总指标，并包含商品名称和商品 ID。

以下是一个 MCQL SELECT 语句示例，可用于查找 2025 年 5 月 1 日至 5 月 2 日期间销售额排名前 3 的产品：

SELECT
  title,
  offer_id,
  sales,
  commissions,
  orders,
  clicks
FROM youtube_product_performance_view
WHERE date BETWEEN '2025-05-01' AND '2025-05-02'
ORDER BY sales DESC LIMIT 3

此查询会返回指定时间段内前 3 个商品（按 sales 指标排序）的商品标题、商品优惠 ID 和效果指标。

重要注意事项

  • 日期：始终使用 WHERE 子句按 date 过滤查询，以指定报告期。日期采用 YYYY-MM-DD 格式。
  • 延迟时间：查询的延迟时间取决于所请求的数据量。大型查询需要更长时间，并且可能会导致超时。