Beispieleingaben
Ein Spitzname ist keine Identitätsprüfung
@alice_smith kann zu einem Namensbestandteil passen. Bei prenses mit forceToGenderize kann eine Vorhersage zurückgegeben werden, obwohl der Name null bleibt. user47291kann unbekannt bleiben. Dies sind Beispieleingaben; wir ordnen ihnen vorab kein Geschlechtsergebnis zu.
Analyselogik
Wie funktioniert die Geschlechtsvorhersage anhand eines Benutzernamens?
Das System prüft erkennbare Namensbestandteile und andere sprachliche Hinweise im Benutzernamen oder Anzeigenamen. Die Standard-KI sucht einen brauchbaren echten Vornamen; mit forceToGenderize kann sie einen Spitznamen ohne echten Vornamen auswerten. Das Ergebnis wird zusammen mit Kontextfeldern zurückgegeben; zufällige oder unzureichende Eingaben sollten nicht zu einem Ergebnis gezwungen werden.
Nutzungswege
Wählen Sie die Methode, die zu Ihren Daten passt
Große Datenbestände ohne Code verarbeiten
Benutzernamen aus einer Excel- oder CSV-Datei in vier Schritten analysieren
- 01
Excel/CSV-Werkzeug öffnen
Öffnen Sie das Import-Werkzeug von GenderAPI und laden Sie die zu verarbeitende Datei hoch.
- 02
Quellspalte wählen
Ordnen Sie die Spalte mit Benutzernamen, Spitznamen oder Anzeigenamen zu.
- 03
Spitznamen-Auswertung aktivieren
Aktivieren Sie die Option, die Aliase und in sozialen Medien verwendete Namen auswertet.
- 04
Stichprobe prüfen und dann exportieren
Prüfen Sie zuerst eine repräsentative Auswahl von Datensätzen, verarbeiten Sie anschließend die gesamte Datei und laden Sie die angereicherten Daten herunter.
Neue Konten enthalten täglich 200 kostenlose API-Credits, sodass Sie den Ablauf an einer Stichprobe prüfen können, bevor Sie die gesamte Datei verarbeiten.
Anwendungsfälle
Als unterstützendes Signal nutzen, wenn ein echter Vorname fehlt
Die Analyse von Benutzernamen kann bei Daten aus sozialen Medien, Communitys, Spielen und von Nutzern erstellten Profilen hilfreich sein, wenn das Namensfeld leer ist. Haben Sie eine direktere und zulässige Quelle wie einen echten Vornamen oder eine E-Mail-Adresse, verwenden Sie den passenden Endpunkt.
Grenzen
Das Ergebnis nicht als verifizierte Identität behandeln
Nicht jeder Spitzname enthält einen echten Vornamen, kulturelle Assoziationen unterscheiden sich, und derselbe Ausdruck kann je nach Sprache Unterschiedliches bedeuten. Ist das Signal unzureichend, akzeptieren Sie ein leeres Ergebnis, statt schwache Daten in eine endgültige Schlussfolgerung zu verwandeln.
V2-Implementierungsleitfaden
Quelldaten und Vorhersage getrennt speichern
Bewahren Sie die ursprüngliche Kennung des Datensatzes auf. Die API öffnet kein Profil, prüft nicht, wem ein Konto gehört, und bestätigt keine Identität. Senden Sie einen Länderkontext nur, wenn Sie eine verlässliche Angabe haben; leiten Sie ihn nicht aus der Domain oder der Sprache der Website ab.
| Beispieleingabe | Feld oder Option | Interpretation |
|---|---|---|
| @alice_smith | data.name / data.match | Bewahren Sie den ursprünglichen Benutzernamen auf; behandeln Sie das gefundene Fragment nicht als verifizierten Vornamen. |
| prenses | forceToGenderize: true | Erlaubt die Auswertung eines Spitznamens ohne echten Vornamen. Ein Geschlecht kann bei data.name gleich null zurückgegeben werden; erfinden Sie für diese Person keinen Namen. |
| user47291 | data.result_status: unknown | Undurchsichtige oder unzureichende Eingaben können unbekannt bleiben. Das ist kein Grund für eine automatische Wiederholung der Anfrage. |
Senden Sie den Benutzernamen mit type: username; senden Sie keine Profil-URL. Die Suche im Datensatz entfernt ein führendes @, normalisiert den Text und bildet Kandidaten anhand von Trennzeichen und Ziffern. Eine Standardanfrage kann eine begrenzte Anzahl von Treffern nach Präfix und Suffix ergänzen; forceToGenderize nutzt diese zusätzlichen Fragmente nicht. Passen mehrere Einträge, wird der mit der höchsten erfassten Anzahl gewählt. Verwenden Sie für E-Mail-Adressen type: email und für echte Namen type: name.
Verarbeitungsmodus und Kosten in Credits wählen
| Option | Verarbeitung | Kosten pro erfolgreichem Eintrag |
|---|---|---|
| options.ai_mode: off | Nur Datensatz | 1 Credit |
| options.ai_mode: fallback | Zuerst der Datensatz; wird kein Geschlecht ermittelt, die Standard-KI | Insgesamt 1 Credit, einschließlich KI |
| options.ai_mode: always | Direkt KI | 2 Credits |
| forceToGenderize: true | Zuerst der Datensatz, danach die Auswertung des Spitznamens ohne Voraussetzung eines echten Vornamens | 1, wenn der Datensatz genügt; insgesamt 2, wenn KI eingesetzt wird |
Bei einer Einzelanfrage ist fallback der Standardwert, bei Batch-Einträgen off. forceToGenderize ist für Namen, E-Mail-Adressen und Benutzernamen optional; lassen Sie in diesem Fall ai_mode weg oder verwenden Sie fallback, denn diese Option ist nicht mit off und always kombinierbar. Auch erfolgreiche unknown-Ergebnisse werden berechnet. Für den Start genügt ein positives Anfangsguthaben; nach Abschluss des Vorgangs kann das Guthaben unter null fallen.
Jedem Batch-Eintrag eigene Optionen zuweisen
Die Beispieleingaben garantieren keine bestimmte Vorhersage. Setzen Sie GENDERAPI_API_KEY in der Serverumgebung und legen Sie den Schlüssel nicht in öffentlichem clientseitigem Code ab. V1 und V2 verwenden denselben Kontoschlüssel und dasselbe Guthaben. Prüfen Sie den Schlüssel mit /api/v2/usage und stellen Sie sicher, dass meta.access.mode den Wert api_key hat.
Wählen Sie eine Programmiersprache. Richten Sie Ihren API-Schlüssel ein, und führen Sie dann das Beispiel auf Ihrem Server aus.
Jede Vorhersageanfrage ist ein neuer kostenpflichtiger Vorgang, auch bei Wiederholungen. Diese Beispiele wiederholen Anfragen nicht automatisch. Prüfen Sie den Abrechnungsstatus, bevor Sie eine weitere Anfrage senden.
Vor der Ausführung: Zugang und Fehlerbehandlung
Führen Sie diese Beispiele auf Ihrem Server aus. Setzen Sie GENDERAPI_API_KEY in der Prozessumgebung auf Ihren vorhandenen API-Schlüssel. Prüfen Sie, ob meta.access.mode den Wert api_key hat: Ein nicht erkannter Schlüssel kann in den IP-Testzugang wechseln.
Bei HTTP-4xx- und -5xx-Antworten im JSON-Format bleibt der Fehlerinhalt erhalten, und das Beispiel endet mit einem Exit-Status ungleich null. Prüfen Sie code, action und meta.usage.billing_status, bevor Sie die Anfrage wiederholen. Prüfen Sie bei Batch-Antworten mit HTTP 200 außerdem data oder error jedes Eintrags.
Anleitung zu Fehlern und Wiederholungen →cURL 7.76+ in einer POSIX-Shell. Im Terminal ausführen. Dokumentation der Laufzeitumgebung
Node.js 22+; integriertes fetch. Als example.mjs speichern und node example.mjs ausführen. Dokumentation der Laufzeitumgebung
Python 3.10+; Standardbibliothek. Als example.py speichern und python3 example.py ausführen. Dokumentation der Laufzeitumgebung
PHP 8+ mit der cURL-Erweiterung. Als example.php speichern und php example.php ausführen. Dokumentation der Laufzeitumgebung
Java 17+; Standard-HTTP-Client. Als GenderApiExample.java speichern und java GenderApiExample.java ausführen. Dokumentation der Laufzeitumgebung
Konsolenanwendung mit .NET 8+. Als Program.cs in einem Konsolenprojekt verwenden und dann dotnet run ausführen. Dokumentation der Laufzeitumgebung
Go 1.22+; Standardbibliothek. Als main.go speichern und go run main.go ausführen. Dokumentation der Laufzeitumgebung
Listenergebnisse und Wiederholungen verarbeiten
POST /api/v2/gender/batch nimmt bis zu 50 Einträge mit API-Schlüssel und 10 im IP-Testzugang an. Geben Sie jedem Eintrag eigene Werte für type, value und options. Wenn Sie den Standard-KI-Fallback nutzen möchten, setzen Sie fallback in jedem Eintrag ausdrücklich. id muss innerhalb des Batches eindeutig sein; index zählt ab null innerhalb des gesendeten Batches. Speichern Sie eigene Auftrags- und Quellzeilenkennungen getrennt.
HTTP 200 bedeutet nicht, dass alle Einträge erfolgreich waren. Verarbeiten Sie die Ergebnisse identified, unknown und error getrennt; meta.summary.succeeded zählt sowohl identified als auch unknown. Bewerten Sie data.gender, source, confidence_kind, confidence, match und reason gemeinsam. Behandeln Sie einen KI-Wert und eine Häufigkeit im Datensatz nicht als gleichwertig.
Hat meta.usage.billing_status den Wert confirmed, wiederholen Sie nur betriebliche Fehler, die eine Wiederholung zulassen. Lautet der Status unconfirmed oder ist die Antwort verloren gegangen, halten Sie an und gleichen Sie die Abrechnung ab. Das erneute Senden desselben Datensatzes, auch eines erfolgreichen unknown-Ergebnisses, erzeugt einen neuen kostenpflichtigen Vorgang; senden Sie niemals blind die gesamte Liste erneut.
Vertrag für Batch-Anfragen · Antwortfelder · KI-Optionen · Genauigkeit und Konfidenz bewerten · Datenschutzerklärung
Die Add-ons für Excel und Google Sheets sowie andere fertige Integrationen können eine eigene Verbindung und ein eigenes Ergebnisformat verwenden. Gehen Sie nicht davon aus, dass ihre Ausgabe diesem V2-JSON-Schema entspricht; prüfen Sie den aktuellen Leitfaden der jeweiligen Integration.
Häufige Fragen
Geschlecht anhand eines Benutzernamens oder Spitznamens
Kann man das Geschlecht anhand eines Benutzernamens bestimmen?
Wenn Sie in V2 forceToGenderize aktivieren, wird zuerst der Datensatz geprüft; wird kein Geschlecht ermittelt, kann KI den Spitznamen auswerten, ohne dass ein echter Vorname nötig ist. Das Ergebnis kann unknown bleiben und ist keine verifizierte Identität. Die Standard-KI benötigt dagegen einen brauchbaren echten Vornamen.
Welche Benutzernamen liefern die nützlichsten Ergebnisse?
Ein nützlicheres Signal können Werte liefern, die einen echten Vornamen, eine erkennbare Koseform oder einen deutlichen Namensbestandteil enthalten. Zufällige Zeichenfolgen und Markennamen liefern möglicherweise gar kein Ergebnis.
Kann ich einen einzelnen Benutzernamen per API analysieren?
Ja. Der Einzel-Endpunkt analysiert einen Datensatz. Für mehrere Datensätze gibt es einen eigenen Endpunkt für Batch-Anfragen.
Kann ich eine Excel- oder CSV-Datei importieren?
Ja. Im Datei-Werkzeug können Sie die Spalte mit Benutzernamen oder Anzeigenamen wählen und die Spitznamen-Auswertung aktivieren.
Warum sollte ich die Felder zu Konfidenz und Quelle aus V2 gemeinsam speichern?
In V2 liegt data.confidence zwischen 0 und 1. Bewerten Sie den Wert zusammen mit source und confidence_kind, denn ein KI-Wert und eine Häufigkeit im Datensatz sind unterschiedliche Maße. Bewahren Sie unknown-Ergebnisse und das Feld reason auf.
Eignet sich das Ergebnis für die Segmentierung?
Es kann als unterstützendes Signal in aggregierten Analysen und bei der Datenanreicherung dienen, sollte aber nicht allein über Angelegenheiten mit großer Tragweite für eine bestimmte Person entscheiden oder deren Identität festlegen.
Kann ich den Dienst kostenlos testen?
Neue GenderAPI-Konten enthalten täglich 200 kostenlose API-Credits, mit denen Sie repräsentative Stichproben per API oder Datei testen können.
