Zu Beginn der Stichprobe poste ich ein neues Foto und starte den Like-Bot. Dieser wird in den nächsten acht Stunden insgesamt 640 Likes verteilen auf Postings, die in ihren Bildunterschriften einen von ungefähr 300 Hashtags (#) enthalten, die ich im Tool zusammengestellt habe. All diesen Tags ist gemein, dass sie thematisch zum Content meines eigenen Instagram-Accounts passen.

Innerhalb der nächsten 8 Stunden bekommen die Postings meines Accounts 96 Likes, davon entfallen 32 Likes auf das zuletzt gepostete Foto. Ungefähr zehn Likes der Gesamtmenge stammen von Accounts, die mir bereits länger folgen; ca. 15 Likes ordne ich Accounts zu, die ohne die Hilfe des Like-Tools auf meine Postings aufmerksam werden. Der größte Teil der Likes stammt also von „Zurück-Likenden“. Zwei Likende hinterlassen sogar jeweils einen netten Kommentar unter zwei meiner Fotos; drei Spam-Kommentare lösche ich.
Nach acht Stunden zähle ich 9 neue Abonnenten, 5 davon folge ich interessiert zurück.

Mit dem Like-Bot generiere ich eindeutig mehr Likes, Comments & Followings. Das Tool findet je nach Zusammenstellung der Hashtag-Liste für mich spannende Accounts, die thematisch mit meinem verwandt sind oder mich unabhängig von meinem Content interessieren könnten. Möglicherweise abonnieren mehr Zurück-Likende meinen Account, wenn dieser große thematische Überschneidungen mit dem eigenen Content aufweist: Poste ich überwiegend veganes Essen, so lohnt es sich, mit dem Like-Bot von vornherein Fotos zu liken, die mit dazu passenden Hashtags versehen sind. Hierbei hilft auch unser hauseigenes Recherchewerkzeug, das im Instagram-Tool integriert ist.

– Auslesen von Suchvorschlägen auf Basis der G-Suggest-API-Schnittstelle
– Mehrstufiges Auslesen der Suchvorschläge
– Anbindung an die API von Bing
– Auslesen der Suchvorschläge aus Pinterest

[Exportfunktionen]
– unterstütze Formate: XLSX, CSV und HTML
– Ergänzung der Reports um die Spalten „Datum“, „Kürzel“ zwecks Optimierung von Teamarbeiten

Das aktuelle Compilat wurde an die Kund_innen und Betatester_innen verteilt. Im Moment denke ich noch intensiv über die Weiterentwicklung des Projektes „Suchvorschlagstool“ in eine andere Richtung nach. Der Grund ist einfach: ich bin kein wirklicher Freund der These, dass ausgelesene Suchvorschläge oder Ergebnisse aus den W-Fragen-Recherche-Prozeduren ein tatsächliches Interesse in Form von Suchintentionen abbildet oder abbilden kann.

Eventuell werde ich bei Gelegenheit prüfen, inwiefern man Blogkommentare, Blogs-Allgem, FB-Kommentare oder die Forenszene in die Beobachtung einbezogen werden kann.

[Übergabe der Suche via http-GET]
https://de.pinterest.com/search/pins/?q=’+tagrecherche.text

[Auslesen der Suchvorschläge]
=> Quellcodeanalyse nach
(a) title=“Search for
oder
(b) title=“Nach

Die auslesbaren Phrasen wirken hierarchisch geordnet. Die Datensatzquelle wurde in den „Pinbot 0.2b“ und in das aktuelle Experiment integriert.

Sie bewarb sich mit ihrem Instagram-Account bei einer Agentur – spezialisiert auf „Influencermarketing“ – und wurde mit Hinweis auf „zu wenig Follower“ abgelehnt. Sie berichtete mir, dass in ihrem Bereich man da primär auf die Metrik „Follower“ schaut und dass die entsprechende Zahl natürlich möglichst groß sein muss. Sie berichtete mir auch, dass konkrete Interaktionsvariablen wie „Likes“, „Comments“ oder konkrete Diskussionen rund um diese oder jene Motive völlig egal sind.

Weitere Gespräche mit konkreten Dienstleister_innen aus dem Bereich „Socialmediamarketing“, „Influencermarketing“ oder „Instagram-Marketing“ ergaben, dass man eben diese Metriken nicht erkennen kann, nicht erkennen will oder dass keine Werkzeuge zur Auswertung existieren oder benutzt werden. In diesen kollegialen Diskussionen hatte ich den folgenden Lösungsansatz vorgestellt:

(A) Die Accountanalysen
(1) ID unbekannt?
https://api.instagram.com/v1/users/search?q=’+accountname+’&access_token=’+deintoken

(2) ID recherchiert und bekannt?
– Download des kompletten Feeds
https://api.instagram.com/v1/users/’+account_id+’/media/recent/?access_token=’+deintoken
Hinweise:
– Der Scrapevorgang produziert maximal (!) 20 Ergebnisse.
– Lösung für die Ergebnisbegrenzung: „repeat-until-schleife“ bis „next_url:“ nicht mehr im Code auffindbar ist.

Wichtige und interessante Variablen aus dem Rohdatenfeed JE POST:
(a) tags
– beschreibt die verwendeten Tags
(b) „comments“:count“:
– beschreibt die Anzahl der Kommentare
(c) link:
– beschreibt den Link des Posts, Mediums
(d) „likes“:count“:
– beschreibt die Anzahl der Likes
(e) „filter“: „‚
– beschreibt den verwendeten Filter
(f) created_time
– beschreibt den Zeitstempel, (Wann wurde der Post abgesetzt? // Datum und Uhrzeit)
(g) „id“:“
– beschreibt die IG-interne ID des Posts

Die so erfassten Posts aus den zu beobachtenden Accounts werden nun in eine geeignete Datenbank überführt. Ich benutze für derartige Gelegenheiten immer gern das Format „CSV“ via dem Objekt „Stringgrid“ (Delphi).

(3) Dateninterpretation „Grunddaten“
Bei lückenloser Feederfassung entdeckt man nun die Grunddatenvariablen „Posts“, „Likes“ und „Comments“ und ausgehend hiervon lassen sich erste Interpretationen anstellen:
– Wieviele Beiträge hat denn der Account?
– Wiele Likes hat denn der Account?
– Wieviele Comments hat denn der Account?
Man könnte hieraus das Verhältnis von Likes / Comments zu Posts berechnen und mit Hilfe der Ergebnisse werden nun auch Vergleiche zwischen Accounts möglich.

Natürlich ist die „Grunddaten“-Begutachtung der erste Schritt zu einer wirklich werthaltigen und interessanten Analyse der potentiellen „Influencer“. Wie geht es nun weiter? Nunja:

(4) Tiefenprüfung auf Basis der Rohdaten
(a) Die Hashtags
– Extrahieren der Tags aus den Rohdaten und Umwandlung in eine Liste (ein Tag je Zeile!)
– Auslesen: Taghäufung
– Gegenüberstellung: Tags zu Summe Likes//Comments
(b) Die Hashtaggruppen
– siehe: (a)
Ziel von (a) + (b)
Ziel der Tagprüfung ist die Beantwortung der Fragen:
– Welche Tags „zünden“ am Besten beim anvisierten Account?
– Gibt es ein Ungleichgewicht zwischen Masse-„Follower“ und den interpretierten Variablen?

(5) Interaktionsanalyse auf Basis der Rohdaten
Diese Analyse verlangt die IDs der Posts aus den Rohdaten!
(a) Die Likenden
https://api.instagram.com/v1/media/’+ID+’/likes?access_token=’+deintoken
Hier bietet sich die Erweiterung der Rohdaten an. Ich verwende hierfür eine beigeordnete CSV-Datei zzgl. einem weiteren „Stringgrid“. Der Scrapevorgang wird mit einer simplen Zählschleife durchgeführt und die Ergebnisse liefern die folgenden Daten zu DEN Likenden zurück:
– Accountname
– ID des Accounts
– Fullname
(b) Die Kommentierenden
– siehe (a)

Hat man nun die Datensätze aus (a) und (b) vorliegen, bieten sich weitere Analysen an. Diese können die folgenden Fragen beantworten:
– Wie ist das Verhältnis von Posts => Fans => Likenden // Kommentierenden?
– Wer liked und kommentiert parallel?
– Welcher Account ist besonders aktiv?
Im Abgleich der Datensätze aus (a) und (b) zu den Analysevorgängen bzgl. den Hashtags können folgende Fragen beantwortet werden:
– Welcher Account „mag“ welche Tags?
– Welcher Account zeigt das „mögen“ häufig?

In den meisten Szenarien, die in den Diskussionen auftauchen, benötigt man einen weiteren Recherchepunkt, den man vor der Accountbegutachtung starten muss. Dieser bewegt sich meistens um Themen oder konkreten Locations. Themen, Locations oder Städte lassen sich über zwei Möglichkeiten erfassen:
(1) Tags
https://api.instagram.com/v1/tags/search?client_id=’+deineclientid+’&q=’+tag
(2) Locationssearch
https://api.instagram.com/v1/locations/search?lat=48.858844&lng=2.294351&access_token=’+deintoken
Aus den Ergebnissen der beiden Endpointabfragen lassen die Accountnamen extrahieren und in die Tiefenprüfungsprozedur übertragen.

(B) Die Accountbewertungen
Immer wieder wundere ich mich über die Fananzahlfokussierung bei der Begutachtung von Accounts oder der Suche nach diesen Influencern. Der Grund hierfür ist relativ einfach: man kann über die bekannten, extrem leicht recherchierbaren und erprobten Quellen für wenig Geld hochwertig aussehende Fans einkaufen (ca. 5 EUR / 3000 bis 4000 Fans). Schaut man sich nun die Instagram-API an, findet man nirgends faszinierende Analysefunktionen zu bspw. Herkunft (Land, Stadt etc.) der „Fans“ und da bleibt leider nur die Begutachtung und Bewertung der o.g. Rohdaten.
Ich neige bspw. dazu, Manipulation zu vermuten, wenn:
(a) Ein Ungleichgewicht zwischen Posts, Fans, Likes und Comments sichtbar wird.
Beispiele können sein:
– 1-20 Posts zu >10k Fans
– >8K Fans zu 0 Likes
– >10 Fans zu extrem wenig Likes auf den Posts
– extrem viele Fans, aber keine Interaktionen in Form von Comments
– Comments, aber keine Reaktion seitens der Accountinhaber_in
(b) Inhalt, Qualität der Inhalte
Beispiele können sein:
– extrem schlechte Fotoqualität (Achtung: Subjektivität!)
– Hashtagspamming (#lik4like, #likeme, #likeback)
– Tags ohne Bezug zum Inhalt der Posts
– extreme lange Zeiten zwischen den Posts
– Massenpostings zzgl. Tagspamming

Abschließende Bemerkung.
Persönlich ist mir absolut klar, dass die wenigsten Laien oder Endanwender_innen den o.g. Lösungsweg im Sinne einer Entwicklung eigener Werkzeuge vermutlich umsetzen können und deswegen erhalten unsere Kunden auf Anfrage und nach Gesprächen immer aktuelle Versionen der entsprechenden Softwares. Das ist soweit völlig okay, natürlich und immerhin erwarten diese Zielgruppen die professionelle Beantwortung der IG-bezogenen Fragestellungen und das Lösen der bekannten Probleme.

Mich wundert jedoch, dass trotz klischeehaften Hype, vielen spezialisierten Dienstleister_innen und enorm reputationsstarken Agenturen, diese Basics immer wieder in den Foren und den szeneinternen Diskussionen abgefragt werden und keinerlei Weiterentwicklung sichtbar ist. Sicherlich ist es nicht in jedem Fall zumutbar das Programmieren zu erlernen, aber das Interpretieren von Zahlen, großen Datensätzen und das Verstehen von romanartigen API-Dokumentationen sowie den Zusammenhängen zwischen den auslesbaren Variablen gehört nun mal zur Branche. Leider berichten uns diverse Rat- und Hilfesuchende immer wieder, dass man wohl mit „Vermutungen“ oder „Gefühl“ abgespeist wird und ich kann an dieser Stelle nur dazu raten, sämtliche Socialmediastrategien auf Basis von belastbaren Zahlen, Daten und Erkenntnisse zu gestalten und das funktioniert am Besten, wenn die kostenfrei abrufbaren API-Endpoints verstanden und benutzt werden.

(A) Kommentare (bei Linkaufbau via Blogs)
(1) Wie häufig tauchen Kommentare unterhalb der pot. Linkspenderartikel auf?
(2) Sind Spamcomments sichtbar?
(3) Zeigen die Kommentare ausgehende Links? Falls „JA“: um welche Projekttypen (MfA, Amazon-SPAM) handelt es sich hierbei?

(B) Socialmedia und Socialsignals
(1) Existieren beigeordnete Socialmediaaccounts? (i.d.R. zu sehen im Footer oder Header)
(2) Welche Socialmedia werden hier verwendet?
(3) Passen die verwendeten Socialmedia auf das „Grundthema“ des pot. Linkspenders / Werbepartners?
– Bildlastiges Grundthema zu bildlastigen Socialmedia (Instagram, Pinterest, Flickr usw.)
(4) Werden über über die Socialmedia Zielgruppen angesprochen?
– Sichtbar über das Verhältnis: Posts, Comments, Linkes, Shares
– Fan- und Likeanalysen via Instagramclient
– Reaktionsverhalten auf Comments in den Socialmedia
(5) Haben die Inhalte eine Reputation in den Socialmedia?
– auslesbar via Socialsignals-APIs
– auslesbar via Socialshareplugins, sofern eingebunden
– werden die Inhalte geliked, geteilt (einsehbar über Socialmediaprofil-Sichtung und APIs)
(6) Produzieren die Socialmedia-Aktivitäten Clicks auf pot. Werbepartner // Linkpartner?
– eventuell nachvollziehbar über die API-Endpoints aus Bit.ly
– Datenquelle(n) für Prognosen: Socialsignals via Zählapis der Socialmedia
– Abgleich der summierten Socialsignals untereinander und Gegenüberstellung mit den Daten aus Bit.ly

(C) Inhalte der pot. Link- und Werbepartner
(1) Sind die Inhalte neu und innovativ?
– bei Fotoblogs: einzigartige Perspektiven und Motive?
– bei Fachblogs: umgeschriebenes Allgemeinwissen oder Innovationen?
– Global // alle Themengebiete: werden Trends bedient und wichtige oder aktuelle Fragen ausdiskutiert?
(2) Reputation der Inhalte außerhalb der Socialmediaindikatoren
– Backlinks und Zitate in externen Blogs (auslesbar über die bekannten Anbieter oder Trackbacks)

Die Grafik bezieht sich auf Veränderungen eines Online-Portals innerhalb der Jahre 2014 und 2015. Im Laufe unseres neunmonatigen Engagements konnte u.a. der Umsatz um 65% erhöht werden.

Um was ging es hier?
Das Projekt kann in der Sparte „Kunst/Printmedien“ verortet werden. Unsere Aufgabe bestand in der Etablierung zielgruppenorientierter Verlinkungen & der Platzierung von Angeboten und Produktinformationen in reichweitenstarken Social-Media-Kanälen.

Wie sind wir hierbei vorgegangen?
Da uns sowohl die Firma als auch ihre Produkte aus dem Alltag vertraut sind, konnten wir sehr schnell loslegen. Wir stiegen also sofort in die strategische Zielgruppenanalyse ein (Stichworte Pinterest-Interessensrecherche & Instagram-Hashtaganalyse) und publizierten Hinweise, Informationen und konkrete Kaufimpulse im passenden Zielgruppenumfeld.

Was sich im letzten Absatz so lax liest, folgte natürlich einem von uns verfassten Konzept, das individuell auf das konkrete Projekt abgestimmt wurde. Und aufging.

Natürlich liefern Blogs und Foren erste Einstiegspunkte in die Begutachtung und Auswahl von potentiellen Dienstleister_innen, nur frage ich mich des öfteren, worin der besondere Mehrwert von massenhaften Wiederholungen ein und derselben Inhalte zu finden ist. Gerade in quasi 1-zu-1-Kopien von vorgestellten Richtlinien, Strategien und „News“ kann man durchaus die Grundlage für die Unterstellung „Jeder macht dasselbe!“ suchen und es erscheint mir als logisch, dass interessierte Ratsuchende Verwirrung empfinden.

Bleibt nun die Antwort auf die Frage „Wie findet man überhaupt kompetente Dienstleister_innen?“. Natürlich muss ich an dieser Stelle bemerken, dass die Wobus & Lehmann GbR i.d.R. das Problem der Dienstleister_innen-Wahl nicht haben wird, da wir keine Arbeiten auslagern. Ausgehend von der Sichtung diverser Protokolle, IST-Zustände von aquirierten Projekten oder auch vielen Gesprächen mit kompetenten Kolleg_innen empfehle ich derzeit gern das Stellen folgender Fragen:

1. Können die Gesprächspartner_innen die szenetypischen Buzzwords (SEO, SMO, SEM usw.) in verständlichen und pragmatischen Worten beschreiben?
2. Verfügen die Gesprächspartner_innen über Erfahrungen und Strategien, welche – im Wesentlichen – bspw. das Marketing aus dem „richtigen Leben“ inklusive bekannter Zielgruppenansprachestrategien beinhalten?
3. Welche artverwandten Referenzen haben die Gesprächspartner_innen, in welchen Zeitraum wurden diese erwirtschaftet und wie „werthaltig“ sind diese aufgestellt?
4. Besitzen die Gesprächspartner_innen denn über die notwendigen „Ressourcen“, um schnell, effektiv und nachvollziehbar fremde Branchen inklusive deren Dienstleistungen, Produkte und Eigenarten zu verstehen und wie hoch ist mein Einarbeitungsaufwand?
5. Lösen die Gesprächspartner_innen die gestellten Aufgaben 100% inhouse oder werden Tätigkeiten an Subunternehmen und Freelancer ausgelagert? Falls eine Auslagerung stattfindet: wer haftet für was und wie wird die Auslagerung dokumentiert?
6. Ist die angebotene Dienstleistung transparent abrechenbar? Ist eine Relevanz zwischen Tätigkeit und prognostizierten Erfolg sichtbar?
7. Bieten die Gesprächspartner_innen einzigartige und innovative Strategien an? Haben die Gesprächspartner_innen einen starken Fokus auf Experimente und werden die Ergebnisse aus den Experimenten einem interessierten Publikum zur Diskussion vorgestellt?
8. Wie werden Prognosen angestellt? Basieren Prognosen auf Referenzen, konkreten Umsatzzahlen und Trafficvolumina?
9. Wie bewegen sich die Gesprächspartner_innen im öffentlichen Raum und in den Sozialen Medien?
10. Wieviel Raum der Mitgestaltung geben mir die Gesprächspartner_innen? Wie nachvollziehbar sind ausgegebene Reports?

Der letzte Punkt erscheint mir als relativ wichtig.
Die wenigsten Anfragenden haben wenig oder gar keine Erfahrungswerte in den Bereichen des Internetmarketings. Sehr häufig erlebe ich es, dass unsere Kund_innen selbstverständlich bspw. Einfluss auf die Arbeit nehmen wollen oder klare „Brainstormings“ hinsichtlich der Internetvermarktung ihrer Produkte, Webseiten oder Dienstleistungen wünschen und auch forcieren.

Ebenfalls als wichtig einzustufen ist die Fähigkeit der Erfolgsprognosen. Ich wundere mich immer wieder, dass potentielle Abnehmer der Dienstleistung die folgenden Argumente akzeptieren:

1. Das Internetmarketing braucht eine Reifedauer. (Ohne Erklärung zu der „Dauer“ und konkrete Reifezeiträume)
2. Gesetzte Links müssen natürlich und organisch wirken. (Ohne Erklärung, was „natürlich“ und „organisch“ überhaupt darstellt …)
3. Der Erfolg der getätigten Maßnahmen ist nicht prognostizierbar. (Ja warum bucht man denn entsprechende Personen und Agenturen? ….)

Als besonders kritisch betrachte ich die folgenden Ansätze:

1. Linksetzungen auf Basis von Socialbookmarks, Artikelverzeichnisse, Linktauschprogramme, Branchenbücher, Tausch- und Kaufnetzwerke, Brückenseiten, Subdomains und Satellitendomains, Landingpages ohne Vermarktung der Landingpages und Blogkommentare ohne Bezug zu den Zielgruppen.
2. Socialmediaaktivitäten ohne Bezug zur Zielgruppe und im Sinne der „pauschalen Präsenz“.
3. Hashtagspamming bei G+, Instagram, Tumblr und Twitter.
4. Hashtagspamming bei Socialmedia ohne Hashtagfunktionen (Xing).
5. Hashtagnutzung auf Basis von maschinell errechneten Reichweiten.
6. Fokussierung der Arbeiten auf Einzelpositionierungen unter Ignorierung der Zielgruppen und der Zielgruppenwünsche.
7. Entscheidungsfindungen (Ranking, KW-Optimierungen) auf Basis von Tools und Datenbanken ohne Sichtung der dahinter liegenden Technik.
8. Eindeutige Fokussierung der Arbeiten auf nicht nachvollziehbare Metriken (Indizes, Pagerank).

Interessante Links:
Kauf- und Verkauf von Links
Linktauschprogramme – Statement aus den Richtlinien

– Boardname und Boardkategorie
– Boardbesitzer_in inkl. Name, Herkunft (sofern hinterlegt), Beliebtheit in Form der Fans und Pins und Beschreibung
– Board inkl. Boardname, Beschreibung, Fans und Pinanzahl
– Erstelldatum (Board)

Wir wünschen allen, die es auf dieses Arbeitsblog verschlägt, ruhige & erholsame Weihnachten oder einfach nur ein paar angenehme freie Tage. Anne & Johannes

Die Inspirationsquelle für diese Information ist der Beitrag von „Huschi„.

Das aktuelle Problem lässt sich so lösen:

1. Download der Datei /wp-content/plugins/woocommerce/woocommerce
2. Auskommentieren („Doppelslash“) der Zeilen

„(if ( ! isset( $_SERVER[‚HTTPS‘] ) && ! empty( $_SERVER[‚HTTP_HTTPS‘] ) ) {
$_SERVER[‚HTTPS‘] = $_SERVER[‚HTTP_HTTPS‘];
}“

3. Hochladen der modifizierten Datei in den entsprechenden Ordner.

1. Wann findet eine socialmediaübergreifende Kommunikation statt?
2. Werden Socialmediamarketingaktivitäten von Externen aufgegriffen und weiter geteilt? (Viralität)
3. Welche Aktivitäten (speziell in Verbindung mit den Hashtags) bewirken welches Ergebnis?

ToDo für die Versionsnummer 0.5b

1. Vergleich von mehreren Projekten.
2. Notizen und Querverweis der Notizen in den Diagrammen.