印度 TikTok 影响者洞察 API 是一个 RESTful 服务,旨在获取和提供关于印度最佳 TikTok 影响者的影响者数据。它允许用户检索顶级 TikTok 影响者账户的列表,通过用户名检查特定影响者的排名和粉丝数量,并访问额外的个人资料信息,如互动率、平均点赞数和细分领域。该 API 支持参数化查询,能够为营销工具、分析仪表板或社交媒体研究平台提供高度针对性的数据访问
[
{
"influencers": [
"@piyanka_mongia",
"@angelrai07",
"@yusufbmx",
"@anjimaxuofficially",
"@vivekkeshari1",
"@mdmotivation164",
"@lklogic",
"@rizxtarr",
"@siddharthnigam13",
"@imkavy",
"@nita_shilimkar",
"@ankit_dancer01",
"@saddu07dz_",
"@deepesh_zo",
"@razika_abaan",
"@tusharsilawat",
"@sachi_sahu",
"@usman_tz",
"@shailzaibu",
"@baraiyaom",
"@deepikapadukone",
"@tigershroff",
"@ulhaskamathe",
"@judwaabhai.26",
"@mr.mnv",
"@prachi256",
"@i.am.pragati",
"@viralbhayani8",
"@jassmanak",
"@kajalchandravanshi360",
"@superstardewasi99",
"@sarfaraz_tz",
"@piihu.official",
"@rahul.mampi",
"@mr.hobit",
"@ask_adlakha",
"@_rohittt_09",
"@sofia_ansari9__",
"@aqsadiary",
"@shezaadaakshukakk",
"@dream_girl666",
"@atul_bhoyar_",
"@daizyaizy",
"@nilujetavat",
"@dolldaundkar",
"@viplovemaster007",
"@shaili_chikara",
"@mr.tahir313",
"@chetann_monga",
"@riyaa1998",
"@vassundhara",
"@ammye1921",
"@ankushsaxena58",
"@chotanwab",
"@rup_nebu_indori_boys",
"@aman_soni_123",
"@filmykalakar",
"@hardiksharma18",
"@kangnasharma",
"@rehmanmalik99",
"@faisu_mars",
"@rits_badiani1",
"@samayranarula",
"@aasheerfalak143",
"@snehatomar97",
"@vishalbhattt",
"@yadit_07",
"@guru_rc143",
"@sonal_agrawal20",
"@i_gopi",
"@lokesh____",
"@iamfaizuu_69",
"@biswastannu",
"@upadhyay_tani",
"@avrpranktv",
"@vaibhav_y10_",
"@shiv_meena",
"@arbaaz___99",
"@rimparoy1",
"@adah.ki.adah",
"@sayyam27",
"@kunallancer_01",
"@paayaliah",
"@vishuvn007",
"@themustache_tatt",
"@dishapatani",
"@queen_sudhi",
"@azharkhan1434",
"@iamjaybhanushali",
"@imshwetakothari",
"@akrishhh",
"@aryanverma_001",
"@badshah",
"@anushka_srivastava771",
"@rashid.miftahi",
"@roshgupta_",
"@onepersentclub",
"@your.adarshanand",
"@anupamaparameswaran",
"@mdeepkur87"
]
}
]
curl --location --request POST 'https://zylalabs.com/api/9028/india+tiktok+influencers+insights+api/16222/obtain+top+influencers+list' --header 'Authorization: Bearer YOUR_API_KEY' --header 'Content-Type: application/json' --data-raw '{}'
[
{
"username": "@rizxtarr",
"followers_count": "8.8M",
"rank": 8
}
]
curl --location --request POST 'https://zylalabs.com/api/9028/india+tiktok+influencers+insights+api/16229/fetch+ranking+by+username' --header 'Authorization: Bearer YOUR_API_KEY' --header 'Content-Type: application/json' --data-raw '{"username":"Required"}'
[
{
"name": "yusufbmx",
"likes": "161.2M"
}
]
curl --location --request POST 'https://zylalabs.com/api/9028/india+tiktok+influencers+insights+api/16232/fetch+likes+by+username' --header 'Authorization: Bearer YOUR_API_KEY' --header 'Content-Type: application/json' --data-raw '{"username":"Required"}'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
营销人员可以使用印度TikTok影响者洞察API动态分析影响者指标识别潜在品牌大使跟踪参与趋势并根据影响者表现创建针对性的营销活动
API以结构化格式返回数据,通常是JSON,包括特定字段,如用户名、关注者数量、参与率和细分市场,便于集成到应用程序和分析仪表板中
印度TikTok网红洞察API提供访问多种数据类型的能力,包括网红资料 排名 粉丝数量 参与率 平均点赞和细分类别 可以通过用户名为特定网红检索这些数据或作为顶级网红列表
开发者可以利用印度 TikTok 网红洞察 API 来构建应用程序,以分析网红指标、创建针对性的营销工具和开发分析仪表板。通过访问详细的网红数据,市场营销人员可以识别潜在合作伙伴,跟踪绩效指标,优化他们的社交媒体策略
“获取顶级影响者列表”端点返回顶级TikTok影响者的用户名列表。“通过用户名获取排名”端点提供特定影响者的排名和粉丝数量。“通过用户名获取影响者详情”端点提供额外的个人资料信息,例如影响者的总赞数
关键字段包括来自顶级影响者端点的“影响者”(用户名列表)、来自排名端点的“用户名”、“粉丝数”和“排名”,以及来自影响者详细信息端点的“名称”和“点赞数”
每个端点以结构化的JSON格式返回数据。热门影响者端点返回用户名数组,而排名和详细信息端点返回包含与影响者的指标和个人资料相关的特定字段的对象
“按用户名获取排名”和“按用户名获取网红详情”端点需要一个“用户名”参数来指定要检索哪个网红的数据。此参数必须与从顶级网红列表中获取的用户名匹配
顶级网红接口提供了网红用户名的列表 排名接口提供了粉丝数量和排名 而详情接口包含了总点赞等额外指标 允许进行全面的网红分析
用户可以通过从顶级影响者列表中选择特定用户名来自定义请求,以获取详细的指标或排名。这种针对性的方式允许对特定感兴趣的影响者进行深入分析
典型用例包括识别潜在品牌大使分析参与趋势和优化营销策略市场营销人员可以利用这些数据根据影响者表现指标创建有针对性的活动
通过定期更新和对影响者指标的质量检查来保持数据的准确性 API从可靠来源汇总数据 确保提供的信息反映当前的关注者数量和参与率
服务级别:
100%
响应时间:
10,959ms
服务级别:
100%
响应时间:
15ms
服务级别:
100%
响应时间:
72ms
服务级别:
100%
响应时间:
53ms
服务级别:
100%
响应时间:
57ms
服务级别:
100%
响应时间:
15ms
服务级别:
100%
响应时间:
11,677ms
服务级别:
100%
响应时间:
13,346ms
服务级别:
100%
响应时间:
19,933ms
服务级别:
100%
响应时间:
16ms
服务级别:
100%
响应时间:
53ms
服务级别:
50%
响应时间:
1,971ms
服务级别:
100%
响应时间:
4,443ms
服务级别:
50%
响应时间:
9,443ms
服务级别:
100%
响应时间:
285ms
服务级别:
100%
响应时间:
17,960ms
服务级别:
100%
响应时间:
56ms
服务级别:
100%
响应时间:
4,377ms
服务级别:
100%
响应时间:
17ms
服务级别:
100%
响应时间:
8,745ms