從人脈網絡看見影響力：如何抓取 TikTok 使用者的關注名單（Following List）資料？

2025-04-11

隨著 TikTok 成為全球最具影響力的社交媒體平台之一，對使用者行為的洞察不再只停留在影片瀏覽或留言分析層面。事實上，使用者所關注的帳號清單（Following List），才是真正揭露他們社交網絡、興趣喜好與潛在互動關係的「關鍵窗口」。本文將帶你深入了解如何透過 LuckData 提供的 API 介面，有效擷取特定 TikTok 使用者的關注名單，並透過實際的 Python 程式碼演示，展示如何處理並應用這些資料。

一、為什麼要分析 TikTok 的關注列表？

在內容數據日益爆炸的今天，我們不只需要知道「一個帳號發布了什麼」，更需要知道「這個帳號關注了誰、為什麼會關注」。以下是幾個應用場景：

1. 用戶興趣建模

透過關注名單中帳號的內容屬性，可大致判斷該使用者偏好的主題類型，例如搞笑、旅遊、教育還是寵物等。

2. 社群圖譜構建

若多位使用者共同關注某些帳號，即可推導出特定的社群關係與潛在的影響者中心。

3. 品牌與競品追蹤

品牌可觀察某位 KOL 關注的其他品牌或創作者，協助規劃合作或競爭策略。

二、LuckData API 介紹與接口說明

LuckData 提供一套穩定且簡單易用的 API 服務，無需處理 TikTok 的頁面結構或身份驗證問題，即可快速獲取各類資料。其中一個實用的接口便是：

Get User Following List API

API 地址：
https://luckdata.io/api/tiktok-api/pDEXtxVhqnzu
主要參數：
- user_id：TikTok 使用者數字 ID（非 @帳號）
- time：時間戳，用於分頁（初次可設為 0）
- count：每次請求返回的數量（建議設為 20~50）

三、Python 抓取關注列表：完整程式碼演示

以下是使用 Python 與 requests 模組，串接 LuckData TikTok API 並解析返回結果的完整範例：

import requests
# 設定你的 LuckData API Key
headers = {
'X-Luckdata-Api-Key': 'your_luckdata_key'
}
# 基本請求參數
user_id = 107955  # 替換成你要查詢的使用者 ID
count = 50
time = 0  # 初次請求設為 0
# 發送請求
response = requests.get(
f'https://luckdata.io/api/tiktok-api/pDEXtxVhqnzu?time={time}&count={count}&user_id={user_id}',
headers=headers
)
# 解析結果
data = response.json()
for user in data.get("data", []):
print(f"帳號：@{user.get('unique_id')}")
print(f"暱稱：{user.get('nickname')}")
print(f"粉絲數：{user.get('follower_count')}")
print(f"驗證帳號：{'是' if user.get('verified') else '否'}")
print(f"簡介：{user.get('signature')}")
print("---")

支援翻頁邏輯

若結果中有 has_more=True，你可以遞增 time 參數來抓取更多資料：

# 翻頁抓取所有關注者
def fetch_all_followings(user_id):
time = 0
all_users = []
while True:
url = f'https://luckdata.io/api/tiktok-api/pDEXtxVhqnzu?time={time}&count=50&user_id={user_id}'
response = requests.get(url, headers=headers)
result = response.json()
batch = result.get("data", [])
all_users.extend(batch)
if not result.get("has_more"):
break
time = result.get("time", time + 1)
return all_users

四、資料格式說明與欄位結構

LuckData 回傳的 JSON 結構中，每個關注帳號的資料通常包含以下欄位：

user_id: 帳號 ID
unique_id: 使用者 @帳號
nickname: 用戶暱稱
signature: 簡介
follower_count: 粉絲數
video_count: 上傳影片數
verified: 是否為認證帳號
avatar_thumb: 頭像縮圖連結

你可以依照業務需求，自由選擇需要儲存與顯示的欄位。

五、應用場景：從資料洞察到策略分析

1. 與粉絲重合度分析

抓取多位創作者的關注清單，比對其共同關注帳號，進行社群集群分析與粉絲相似度量化。

2. 興趣圖譜構建

透過 NLP 模型處理關注對象的簡介與主題分類，可快速構建該使用者的主題興趣圖譜。

3. 品牌對手觀測

觀察某位競爭者或意見領袖的關注帳號，洞察其潛在合作對象、競品互動與品牌偏好。

六、實務建議與合規注意事項

技術建議

若需大規模抓取，建議設置合理的延遲與異步請求結構（可改用 aiohttp 實現）。
結合資料庫做增量更新，避免重複請求浪費資源。

合規與道德

請尊重 TikTok 使用者的隱私與平台政策，避免將資料用於未授權的行銷或監控行為。
避免分析特定個人的社交關係圖，應優先用於群體層級的資料分析。

七、總結與延伸

本文透過 LuckData API，示範了如何擷取 TikTok 使用者的關注列表資料，並解析其結構與應用價值。作為 TikTok 用戶行為建模的重要一環，關注清單能揭示的資訊遠比表面看到的豐富許多。

下一步你可以搭配以下資料接口進行更多分析：

粉絲列表（Followers）
互動留言內容（Comments）（比影片還真實的聲音：如何利用 TikTok 留言回覆洞察用戶行為？）
影片清單與表現數據（Posts + Metrics）

將這些面向整合後，你將能打造出一套完整的 TikTok 用戶行為洞察系統，無論是做內容推薦、品牌策略或影響者行銷，皆能取得關鍵競爭優勢。