GCPなしでライブ配信レポートを自動化する — YouTube AI集計の代替をPythonと1本のAPI鍵で組む

巻頭言

手作業とAIの自動化どっちが早いですかという問題が実は残っているものの、やっぱり手作業じゃなくて自動化することで記事を書くことに専念したいよね?という事でおバカなdeepseekに1日付き合ってやっとcanvaのテンプレートをカスタマイズしたアイキャッチ画面が出来上がりました。

GCPが使えない時の工夫は人手でCSVですよ

毎朝のライブ配信の振り返りは、これまでYouTube側のAI機能に集計と文章化をまとめて任せていた。ところが同じことを自分の環境で回そうとすると、最初にぶつかるのが「Google CloudのプロジェクトがないとAPI鍵が発行できない」という壁だった。ここで多くの人は諦める。だが、よく見るとGCPが要る理由はGemini APIの課金導線がGoogle Cloud前提という一点だけで、レポートの中身を作るのにBigQueryもVertex AIも使っていない。

データの供給元は2つしかない。YouTube Studioのライブ配信ダッシュボードから書き出せるZIP(CSV群)と、動画の公開ページだ。つまり集計はローカルのPythonで完結させ、文章化だけをAPI鍵1本のLLMに投げる構成にすれば、GCPに一切触れずに同等のレポートが出せる。実際に2026年10月13日と10月30日の2配信で運用し、毎朝の下書き生成まで自動化できた。以下はその構成と、作りながら踏んだ地雷の記録になる。

GCPを使わない場合のLLM鍵の選び方

文章化の部分は、いわゆるAPI従量課金のLLMであれば何でも成立する。今回はOpenRouter経由のモデルを使い、鍵は1本だけ .env に置いた。Google Cloudのプロジェクト作成も、サービスアカウントの発行も、請求先の紐付けも不要で、やることはAPI鍵を1つ取って環境変数に入れるだけだった。

選ぶときの判断軸は3つに絞った。日本語の文章力(レポート本文をそのまま読ませるので、翻訳調になると読めない)、長い入力を1回で受け取れること(集計JSONと配信メモを同時に渡す)、そして1回あたりの費用が見積もれること。1配信あたりの呼び出しは1回だけなので、毎日走らせても費用は無視できる水準に収まっている。逆に、画像解析や音声の文字起こしまで同じ鍵で済ませたいなら、入力の受け口が広いモデルを選んだほうが結果的に安い。

項目YouTube側のAI機能本構成(GCPなし)
集計の実行場所Google側の基盤ローカルのPython
指標の供給元Studio内部のデータStudioのエクスポートCSV(手作業で書き出し)
文章化専用のAI機能に委任API鍵1本のLLMにプロンプトで指示
カスタマイズほぼ不可プロンプトと出力形式を自由に変更できる
手間ZIP書き出し不要ZIP書き出しが毎回必要

全体構成は3層に分ける

役割を「取り込み・集計・文章化」で分離すると、どこで数字が狂ったのかを後から追える。1つのスクリプトで全部やると、記事の数字がおかしいときに原因の層を切り分けられなくなる。

層担当具体的な処理
取り込み手作業(数分)StudioのダッシュボードからZIPを書き出し、Obsidian vaultの raw_backup/ に置く
集計aggregate_studio_csv.pyZIPを展開してCSVを読み、metrics_<date>.json に正規化。前日比と過去5日平均もここで確定
文章化yt_live_report.py集計JSON+自分の振り返りメモをプロンプトに渡してLLMを1回呼ぶ → Markdown → Gutenbergブロック → WordPress下書き

全体の入り口は daily_job.py 1本で、取り込み済みのZIPを見つけたら集計・下書き作成・Obsidianノート化・ZIP削除までを一気に流す。cronで毎朝7時に起動するようにしてあるので、朝には下書きが出来ている状態になった。

一番効いた設計判断は「数字をLLMに計算させない」

最初は集計JSONをそのまま渡して「前日比も含めて分析して」と頼んでいた。返ってくる文章は立派だが、数字が合わない。前日比の符号が逆だったり、5日平均が微妙にずれていたりする。LLMは文章を作るのは上手いが、算術の正解を保証しない。

そこで増減率・前日比・5日平均はすべてPython側で確定させ、LLMには「確定した数表を読んで気づきを書く」仕事だけを渡すように変えた。プロンプトには数値を再計算しないよう明示し、参照できる値はJSONのキーとして固定した。これで記事に出る数字の誤りはなくなった。地味だが、レポートの信頼性はここで決まる。

もう一つ効いたのが、自分の配信メモを一緒に渡すことだ。数字だけ渡すと「視聴回数は増えました」で終わる。配信メモ(reflections_<date>.txt)を添えると、「なぜ途中でチャットが減ったのか」「どの話題で反応が戻ったのか」まで書ける。ここは外部のAI機能だけでは埋まらない、手元の材料で差が出る部分だった。

つまずいた点は5つ

  1. APIでは取れない指標がある。平均同時接続数・チャット件数・デバイス別の内訳はYouTube Data APIの範囲外で、StudioのエクスポートCSVが唯一の供給元だった。「API連携だけで完結」は成立しない。
  2. CSVの合計行とデバイス別の行が一致しないことがある。端末不明のぶんが合計にだけ乗るため、内訳を足し直すと数字がずれる。合計行は上書きせず、そのまま採用するのが正解だった。
  3. ZIPの中身は配信ごとに列名が揺れる。列番号で固定してパースすると、ある日を境に全部ずれる。ヘッダーを見て列名で対応付ける方式に変えた。
  4. 公開ページのHTMLには視聴回数が無い。動画ページはJavaScriptで描画されるため、取得したHTMLに数字が入っていない。答え合わせは「取れた項目だけ照合し、取れない項目は未照合として扱う」に割り切った。
  5. チャットの生ログは取れない。リプレイからの取得は規約的にも技術的にも別枠になる。現状は件数だけを扱い、内容の分析はしていない。

壊れても再実行できるようにした

毎朝自動で走らせる以上、途中で失敗したときに記事が壊れないことのほうが大事になる。集計は冪等にして、同じZIPを二重に食わせても日次JSONはマージで吸収するようにした。再実行しても数字は増殖しない。

ZIPの削除は最後に回した。下書き作成とObsidianへの記録が終わってから該当ZIPを消してGitHubにコミットする。途中で落ちた場合はZIPが残るので、そのまま同じコマンドを流し直せばよい。逆に最初に消す実装にしていたら、失敗した日に素材ごと失って詰んでいた。

今の運用と残っている課題

1回の実行で metrics_<date>.json、report_<date>.md、Gutenberg用HTML、アイキャッチPNGまでが揃う。2026年10月13日ぶんは公開済み、10月30日ぶんは下書きとして保持している。

残っている課題もはっきりしている。同時接続数の推移(時間軸の山谷)はCSVに分単位で残らないため、まだグラフ化できていない。アイキャッチはローカル生成のままで、テンプレート運用に寄せるかは決めていない。そして一番大きいのは気づきの質がプロンプト依存な点で、配信メモを書かなかった日は文章が薄くなる。自動化したのは集計と体裁であって、材料を出すのは人間の側に残った。

同じ轍を踏まないためのチェックリスト

これから同じ構成を作るなら、実装の前に次の5点だけ決めておくと詰まらない。

  1. ZIPの中の列名を最初に確定させる。指標名は推測せず、実際のヘッダーを1度目で洗い出す。
  2. 計算はPython、文章化はLLMと役割を分ける。LLMに集計させると数字が食い違う。
  3. LLM呼び出しをtry/exceptで包み、失敗時は集計だけで完走させる。
  4. 出力のファイル名に日付を入れ、同じ日に再実行しても前回ぶんを壊さない。
  5. 配信メモの有無を前提にしない。無い日でも書けるプロンプトを用意する。

同じことをもう一度やるとしたら、この順番をそのままなぞればいい。先に列名を確定させ、計算はPythonに閉じ込め、文章だけをLLMに渡す。この三点を守るだけで、集計値が毎日同じ意味を持つレポートになり、比較の土台が崩れない。

費用の面も書いておくと、この構成で新しく発生した固定費はゼロに近い。YouTube Analytics APIはOAuth認証さえ通れば1日の割り当ての範囲で回り、レポート1本あたりの消費はごくわずかだった。LLM側も、すでに契約しているモデルのAPIを1日1回呼ぶだけで、集計用のサーバーを別途立てる必要はない。逆に言えば、外部サービスを減らしたぶん、認証情報の更新だけは自分の責任で回し続けることになる。トークンの失効は静かに起きるので、実行ログに認証エラーが出ていないかを毎朝確認する習慣だけは手放さないほうがいい。

結果

GCPなしでも、ライブ配信の集計と気づきのレポートは毎朝自動で出せるようになった。ポイントは3つに集約される。クラウドのAI基盤が要るのは課金導線の都合であって、データ自体は手元のCSVで足りること。数字の計算はLLMに任せず、Pythonで確定させてから渡すこと。そして、失敗しても素材が残る順番でジョブを組むこと。派手な仕組みではないが、毎日出し続けられるレポートはこの地味さの上にしか乗らない。

\ 最新情報をチェック /

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です