Corpus YouTube — comentarios por destino (free tier)
Fecha: 2026-09-14 · Proyecto: ~/nef/estado_turismo/spab-retrieval
Fuente y acceso
YouTube Data API v3. Key en ~/nef/yt-extract/.env (YT_DATA_API_KEY),
restringida por referer → se manda Referer: http://localhost:3000/
(verificado: sin él, 403 “referer empty blocked”). Costos: search=100 units,
commentThreads=1 unit/página. Free tier: 10,000 units/día.
Script: scripts/corpus_youtube.py → data/corpus/youtube_<slug>.jsonl
({fuente, fecha, texto, url, likes}).
Corrida
Busca 5 videos/destino ("{nombre} turismo", región MX, es) y hasta 100
comentarios por video. Resultado: 2,886 comentarios en los 10 destinos,
≈1,050 / 10,000 units (queda ~90% de cuota → se puede ampliar).
Hallazgo: Tulum es el único en rojo
Proporción de comentarios con léxico positivo/negativo:
| destino | coment | pos% | neg% | saldo |
|---|---|---|---|---|
| tulum | 218 | 5.5 | 14.7 | −20 |
| puerto-vallarta | 167 | 13.2 | 3.0 | +17 |
| playa-del-carmen | 257 | 19.5 | 2.7 | +43 |
| acapulco | 384 | 23.2 | 2.3 | +80 |
| san-miguel | 326 | 25.5 | 3.7 | +71 |
| oaxaca | 305 | 26.6 | 3.3 | +71 |
| bacalar | 193 | 28.0 | 2.6 | +49 |
| cdmx | 309 | 28.5 | 1.9 | +82 |
| cancun | 464 | 30.8 | 3.7 | +126 |
| puerto-escondido | 263 | 36.1 | 1.5 | +91 |
Tulum es el ÚNICO con más negativos que positivos. Todos los demás son abrumadoramente positivos. Sale de una fuente independiente (YouTube) y corrobora el caso del plan (Tulum en declive) con una señal de narrativa.
Límites (honestos)
- Sesgo de creadores: son vloggers, no el turista promedio.
- Léxico simple; falta NLP real (BERTopic/LLM) para tópicos.
- Cobertura desigual (Tulum/Cancún muchos videos; Bacalar pocos).
- Comentarios = engagement, no representativos de todos los visitantes.
Cuota disponible
~8,950 units/día sin usar → se puede subir a 10 videos/destino y/o más queries, o correr semanal. Re-correr acumula (append).
Cross-fuente (para el informe)
Tulum negativo en: YouTube (saldo −20) · Wikipedia interés 0.50× mediana ·
Places rating 4.70 pero %caro 3.3% · ocupación (Riviera Maya, proxy) alta.
La convergencia de fuentes independientes sobre Tulum es el argumento.