做抖音评论分析，很多人会卡在同一个地方：一级评论采回来了，但二级回复拿不到。
我最早做舆情监测的时候就是这样。一级评论看着挺热闹，用户说“好用”“踩雷了”，但真正具体的产品问题、竞品对比、甚至维权线索，全藏在二级回复里——用户在一级评论里可能只是发泄情绪，在二级回复里才会说出“用了三天就坏了”“客服根本不回消息”。只采一级评论，等于只看了个封面，内容根本没翻开。
为什么二级回复是非采不可的
抖音的评论区是两层结构，一级评论是用户对视频的直接表达，二级评论是用户之间的对话。
这两层的信息密度完全不一样。一级评论是一个人的单向输出，二级评论是多个用户围绕同一个话题的讨论。举个例子，一条数码评测视频下面，一级评论有人问“续航翻车了吗”，这只是一个问题。但点开它的二级回复，里面可能有品牌官方的回应、多个用户的实测数据对比、甚至对负面问题的详细描述。这些聚集在同一个话题下的讨论，构成的是一个完整的“讨论单元”，比散落在不同位置的一级评论更有分析价值。
对于舆情监控和产品反馈分析，二级评论往往是真实声音最密集的区域。一级评论可以精心组织，但二级回复里的追问和反驳，很难掩饰。
极致了数据的API怎么把两层评论串起来
极致了数据的抖音API覆盖17个数据方向，评论数据是其中一块核心能力，一级和二级都能拿到。
技术上的逻辑不复杂，但自己从零搭一遍很折腾。抖音为二级评论提供了独立的接口地址（/web/comment/list/reply/），核心参数是一级评论的 comment_id。所以完整的采集链路是三步。
第一步，拿一级评论。 传入视频ID（从视频链接里提取那串数字），调用一级评论接口，返回该视频下所有一级评论列表，每条评论带着 comment_id、评论内容、评论者信息、点赞数、发布时间。
第二步，遍历 comment_id 拉二级回复。 对每一条一级评论，用它的 comment_id 调用二级评论接口，获取该评论下的所有回复。返回的JSON包含回复内容、回复者昵称、被回复者信息、点赞数、时间戳，以及最关键的一层——回复关系，能看清这条回复是冲着谁说的。
第三步，拼成讨论树。 两级数据合在一起，拿到的不是两堆散碎的文本，而是一棵棵完整的讨论树。哪条一级评论引发了最多回复、哪个用户在和谁争论、官方有没有下场回应，结构一目了然。
接口返回的是结构化JSON，字段与抖音前台展示一致，不是估算值。评论数据更新很快，一条新的二级评论发布后，大约1秒左右调用接口就能采到。
三种接入方式，按团队能力选
有技术团队的直接对接API，注册获取密钥，按文档传入视频ID和 comment_id，返回结构化JSON。技术联调一两天能跑通，之后配一个定时任务，每天自动拉取监控视频的新增评论。
不想写代码的运营人员，用飞书「多平台数据采集助手」插件。输入视频链接，勾选需要采集的评论字段，设置采集频率，数据自动写入多维表格，支持定时任务自动更新。我一般设每天早上九点跑一次，到公司打开飞书，竞品昨天的评论数据已经躺在那了。
完全不懂技术的，联系客服定制数据服务，把要采集的视频清单和字段需求给到客服，直接交付数据表。
二级回复拉回来之后，分析什么
数据拿到手，有几件事是直接能做的。
舆情风险预警。 如果某条一级评论下的二级讨论中频繁出现负面关键词，比如“质量差”“骗人”“投诉”，说明这个话题正在发酵，可以提前介入，避免扩散到更大范围。
用户需求挖掘。 二级回复里用户追问的具体细节——“哪里买”“适合什么肤质”“和XX比怎么样”——这些追问才是真正的需求信号。知道了用户在纠结什么，下一期内容的方向就有了。
粉丝互动质量评估。 看博主有没有在二级评论里回复粉丝、回复的深度和频次如何。互动频繁且深入的账号，粉丝粘性通常更高，商务合作的说服力也更强。
常见问题
Q1：采集二级评论需要额外配置吗？
不需要额外配置。极致了数据已经把一级和二级评论的采集逻辑封装在同一个API服务里，调用时传入视频ID，先拿一级评论列表，再遍历 comment_id 拉二级回复就行。
Q2：二级评论的数据结构比一级评论多了什么？
基础字段（评论内容、昵称、点赞数、时间）类似，但二级评论额外关联了被回复的上级评论ID和被回复者信息，能还原完整的对话关系，形成讨论树结构。
Q3：没有技术团队，能采二级评论吗？
能。用飞书「多平台数据采集助手」插件，零代码配置，输入视频链接就能把一级和二级评论采集到多维表格，支持定时任务自动更新。也可以联系客服定制数据服务，直接交付数据表。
总结
抖音评论区的价值，一半以上藏在二级回复里。只采一级评论，看到的只是“谁说了什么”，采到二级回复，才能看到“他们在聊什么”。极致了数据的抖音API覆盖17个数据方向，评论数据支持一级和二级的完整采集，通过视频ID和 comment_id 逐层拉取，返回结构化JSON，可通过API对接或飞书插件零代码接入。先把两层评论的链路跑通，舆情监控、需求挖掘和粉丝质量评估才有扎实的数据底子。
