Zur Tokengenerierung geht man wie folgt vor:
– Authentifikation via OAUTH 2.0
– Anmelden mit den eigenen und bekannten Accountdaten
– Durchführen: user/self/feed
– Copy & Paste des ausgegebenen Token (siehe: Ergebnisübergabe aus dem genannten Service)

[followed-by]
Abfrage-URL: https://api.instagram.com/v1/users/self/followed-by?access_token=[Token]
Hier werden die eigenen Fans mit bis zu 20 Ergebnissen (je Durchlauf) zu den folgenden Inhalten ausgegeben: Username, ID, Real-Name (falls hinterlegt), Profilbild-URL). Aus dem Username lässt sich die Profil-URL so generieren, dass besagte Zeichenkette an „https://www.instagram.com/“ hinzugefügt wird.

[follows]
Abfrage-URL: https://api.instagram.com/v1/users/self/follows?access_token=[Token]
Hier werden die Accounts ausgegeben, welche man selbst folgt. Die Inhalte des Ergebnisses sind deckungsgleich mit „followed-by“.

Bei beiden Abfragevarianten ist auf die Variable (siehe Ergebnisfeed) „next_url“ zu achten. Diese lässt sich über eine geeignete Laufschleife // Zählschleife ansprechen und über diesen Weg sind die kompletten Listen auswertbar. Da hier von einer maximalen Ergebniszahl in Höhe von „20“ ausgegangen wird, wird die Metrik „Fans“ oder „Abos“ durch 20 geteilt und schon hat man die maximale Durchlaufzahl besagter Abfrageschleifen.

[Abgleich „follows“ zu „followed-by“]
Diese Funktion beschreibt die Lösung der Frage: „Wen folge ich, der / die mir zurück folgt?“ oder „Welcher Account folgt mir, den ich auch tatsächlich zurück folge?“
Eine Variante dieser Probe lässt sich über die
Abfrage-URL: https://api.instagram.com/v1/users/{user-id}/relationship?access_token=[Token]
lösen.
Eine andere Variante der simple Listenabgleich der vorhandenen und ausgewerteten Datensätze.

Die Tiefenanalyse der gewonnenen Userdatensätze lässt sich dann mit Hilfe des Abgleichs zu den Likes und Comments auf den Medien-Feed lösen. Hierüber stellt man dann fest, welcher Account besonders „aktiv“ ist, besonders häufig „liked“ und / oder besonders viele Kommentare absetzt.

Die Post-basierten API-Endpoints, bezogen auf das Usermanagement, (Veränderung der Beziehung, follow, unfollow usw.) werde ich zu einem späteren Zeitpunkt hier erklären.

Die folgenden Features werden – Schritt für Schritt – umgesetzt:

1. Die Posts
– Download
– Auswertung nach Tags
– Erfassung der Links und der Bildlinks

2. Aktivitäten
– Download: Likende, Kommentierende
– Auswertung: „beliebte Tags“, „beliebte Posts“ nach Likes UND / ODER Comments

3. Fans
– Download und Abgleich mit (2) => Likes, Comments usw.
– Auswertung: Fan => Tags (Welcher Fan wird bei welchen Tags aktiv?)
– Auswertung: Fan => Posts (Welcher Fan wird bei welchem Post aktiv?)
– Auswertung: Posts / Fans / Abos der eigenen Follower

4. Die Tags
– Auswertung: wichtige und beliebteste Tags (nach 2 und 3)

5. Fanaquise und Kommunikation
– Durchsuchen und Präsentation von Posts aus (4)
– Liken der Posts (halbautomatisch / automatisch)
– Auswertung: „Wem folge ich, der mir nicht folgt?“ und „Wer folgt mir, dem ich nicht folge?“

Die meisten Quellcodes sind – im Wesentlichen – vorhanden und müssen „nur“ von (a) nach (b) „geschoben“ werden und ich denke an eine erste Betaversion rund um Ende April, da parallel weitere Experimente mit dem Medium „Instagram“ durchgeführt werden müssen. Diese sollen langfristig Fragen rund um „Wie werde ich mein eigener und themenbezogener Influencer?“ oder „Wie binde ich langfristig Fans in Strategien ein?“ beantworten. Ableitungen aus den Experimenten und Antworten aus den genannten Fragestellungen werden selbstverständlich Einfluss auf den IG-Client nehmen.

Bitte auch hier beachten: Betaversionen und sonstige Kopien bleiben prinzipiell unserem Netzwerk und selbstverständlich den Kund_innen vorbehalten. Wir werden aber von Zeit zu Zeit und in angemessener Form auf dem Arbeitsblog Zahlenbeispiele, diverse Erkenntnisse oder Quellcodes aus dem Client publizieren.

https://api.instagram.com/v1/media/[media-id]/likes?access_token=[token]

Wie sich der Token generieren lässt, habe ich im Artikel „Instagram-Token generieren“ dargestellt.
Die Datensätze für die Variable „[media-id]“ generiere ich aus dem Account-Scrape-Prozess, welcher die Rohdaten – beschrieben im Artikel „Instagram-Rohdaten“ – beinhalten (siehe letzte Spalte im Datensatz vom Account „hanneswobus“).

Die Datenanalyse erfolgt nun mit Hilfe einer einfachen Laufschleife über den o.g. Endpoint. Ich bitte an dieser Stelle um Verständnis darüber, dass ich hier nicht die Rohdaten aus dem „hanneswobus“-Account zeigen werde, da hier noch keine stabile Anonymisierungsprozedur vorliegt und wir prinzipiell keine personenbezogenen Datensätze zu diesen virtuellen Beziehungen freigeben. Die Betatester_innen und interessierte Bekannte, Freunde und Kolleg_innen können sich natürlich jederzeit gern mit ihren Accounts bei uns melden.

Die Struktur der ausgelesenen Datensätze hat bei unserer Anwendung nun die folgende Form

[Nr.]=>[Username]=>[URL]=>[ID]=>[Post-ID]

Die Spalte „Nr.“ hat eine eher kosmetische Funktion. Der Username lässt sich über den Endpoint-Respons und dessen Variable „username“ auslesen und die URL wird softwareseitig zusammengesetzt aus den Zeichenketten „https://www.instagram.com/“ + [username] + „/“. Die Spalte „ID“ umfasst die ausgelesenen IDs der likenden Accounts und die „Post-ID“ zeigt eine Querverbindung auf die ID der entsprechenden Posts, welche hier vom User geliked worden.

Natürlich sind die Rohdaten nur für Expert_innen interpretierbar und deswegen werden sie in weiteren Schritten verarbeitet. Diese sind: (a) Bereinigung der Liste „Account-Name“, (b) Zusammenzählen der getätigten Likes JE Accountname und (c) Sortieren der Liste im Modus „Absteigend“.

Die bereinigten Datensätze und die Rohdaten werden per sofort in die Socialmedia-Reports aufgenommen und entsprechend erläutert. Die Zahl „Likes“ findet nun auch ihren Platz in den Komplex „Social-Signals“.

Was kann man nun aus den Datensätzen erkennen?
(a) Fangewichtung
(b) aktive Fans – gezeigt durch hohes Likeaufkommen
(c) durch Rückkoppelung auf die Accountrohdaten: „beliebte“ Posts
(d) durch Rückkoppelung auf die Tags der Accountrohdaten: „beliebte“ Tags
(e) Fangemeinde, Likende Accounts etc. des Wettbewerbs
(f) Aktivitätsgründe durch Rückkoppelung auf unsere Hashtag-Reichweitenanalyse

[Todo für Versionsnummer 0.4Beta]
(a) Auslesen der Comments und kommentierenden Accounts analog zu den Likes
(b) Datenaufbereitung analog zu den Likes
(c) Vergleich: Likes, Comments im Verhältnis zu den Posts
(d) Diagramme: Verlauf, Vergleich etc. für die 10 aktivsten Accounts (Likes, Comments)
(e) Einbau der 10 aktivsten Accounts in die PDF / HTML-Reports der Software

Nach einigen und auch sehr intensiven Diskussionen haben wir uns zu einer Fandefinition entschieden, welche sich ausschließlich auf die Interaktion (hier: Likes, Comments, Likes UND Comments) bezieht.
Die kommende Versionsnummer wird den Komplex „Instagram-Datenerhebung“ und „Instagram-Monitoring“ abschließen und ich werde nahtlos ähnliche Funktionen für Pinterest entwickeln.

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.

Die nachstehenden Bilder zeigen die Ergebnisse aus dem Account „hanneswobus“ mit den Daten aus hanneswobus_tags.xlsx.

Durch die Analysierbarkeit beliebiger (!) Accounts lässt sich nun dauerhaft nachprüfen, welcher Tag (natürlich in Verbindung mit dem Post und dem konkreten Motiv) am Besten den ROI-Vorstellungen (Likes, Comments, Likes & Comments) entspricht. Da die Erfassung der Accountrohdaten zu beliebigen Zeitpunkten (in Abhängigkeit zur Verfügbarkeit und Stabilität der Instagram-API) realisierbar ist, lassen sich auch Beobachtungen zu Wochentagen und äußeren Einflüssen wie Wetter, Trends und Events anstellen.

[Todo]
Gewichtung der Taggruppen analog zur Einzeltaganalyse.
Optional: Gegenprobe der Tags auf unserer Reichweitendatenbanken
Festlegung eines Reportformates (PDF, Excel, Word usw.).
Scrapen und Verarbeiten der Kommentierenden und Likenden Accounts

[Update]
Die Reichweitengegenprobe auf die bekannte und besprochene Datenbank wird (vorerst) mit niedriger Priorität behandelt und mit der Anbindung an die Tagsearch von Instagram kompensiert.
Der „Endpoint“ hierfür ist:
https://api.instagram.com/v1/tags/search?client_id=[deine_id]&q=[suchwort] und die Reichweite wird über die Variable „media_count“ ausgeliefert.
Der Rohdatensatz für die Tag <> Reichweitengewichtung für lässt sich hier: hanneswobus_tags herunter laden.

Die Reportausgabe wurde „modular“ gestaltet und die Basis hierfür ist „html“. Die PDF-Version eines solchen Reports befindet sich hier: Instagramauswertung, Account_ hanneswobus. Wie man am Layout des Reports unschwer erkennen kann, arbeite ich noch an dem Layout und an der endgültigen Fassung.

Beide Datensätze werden ab sofort in die Reportingdienstleistung aufgenommen.

[Accountüberblick]
Komplettdatensatz aus dem Account „hanneswobus“ hanneswobus_25022015 (Excel, xlsx)

Die Exceltabelle zeigt: (a) URL der Posts, (b) Erstelldatum, (c) Comments, (d) Likes, (e) Tags, (f) Beschreibung – leer, (g) Post-ID

[Todo]

1. Auswertung von Comments je individuellen Tag
2. Präsentation: Top10 der wirkungsvollsten Tags (gem. an Likes und Comments)
3. Präsentation: Top10 der „besten“ Posts (gem. an Likes und Comments)
4. Präsentation: schlechteste Posts und Tags (ggf. auch Taggruppen)
5. Auswertung von Likes je individuellen Tag
6. Diagram: zeitliche Entwicklung f. Posts, Likes und Comments (siehe: „Socialtracker“)

[Tortendiagram]

Die Beobachtung der Abonnenten und abonnierten Accounts wird im aktuellen Konzeptstadium gesondert betrachtet. Nach einigen internen Diskussionen und Gesprächen mit Externen / Kund_innen wird die nächste Versionsnummer um einen entsprechenden Komplex erweitert.

Die Todo hierfür ist:

1. Erfassen der Abonnenten und Erfassen der abonnierten Accounts als „Liste“.
2. Ausgabe: „Wer folgt dem beobachteten Account und welchen Accounts folgt der beobachtete Account?“
3. Aktivitätsbeobachtung: „Wer ist in welcher Form auf den beobachteten Accounts aktiv (gez. durch Likes, Comments)?“

Die aktuellen Engagements und Projekte werden selbstverständlich um die Dienstleistung „Instagram-Account-Reports“ und die entsprechende Beratung erweitert.

Ich bekomme derzeit erstaunlich viele Rückmeldungen mit ein und denselben Inhalten: das Erfassen der Daten über Instagram, Pinterest und anderen Socialmedia ist (a) nicht möglich oder (b) extrem aufwändig / teuer. Nunja: hier möchte ich auf den Inhalt „Gesprächspartner_innen für das Internetmarketing“ hinweisen. Das Erfassen und Verstehen der extrem gut dokumentierten Socialmedia-API gehört zum Berufsbild „Internetmarketing“ oder „Socialmedia-Marketing“ dazu und das Entwickeln eigener Lösungsansätze für das Beobachten und die Datenerfassung ist gerade mit Hilfe der APIs mit einem enorm geringen Zeitaufwand durchaus möglich.

Informationen zu den APIs inklusive (!) Codebeispiele findet man hier:
[Instagram]
Instagram (Developer)
Endpoints der API
Infos zu der Limitierung
Tagsuche
Grobrecherchen, Rohdatenerfassung (hierauf basiert die aktuelle Version der Software!!!)
Zielgruppenanalysen auf Basis der Locations

[Pinterest]
Developer – Doku
User, Usermanagement, Follower & Co.
Dokus zu den Boards, Boardmanagement
Pins, Management und Recherche
Zielgruppenanalysen via Pinterest-API
Basisfunktionen

[Erfassen der Account-ID]
– via API
– via „lookup your instagram user id“

[Erfassen der hinterlegten Daten]
(1) Ansprache der API
$api = „https://api.instagram.com/v1/users/[ID]/media/recent/?access_token=[TOKEN]“;
$response = get_curl('../../../$api');

(2) Auswertung und Auslesen der Datensätze
if($response){
foreach(json_decode($response)->data as $item){
$url = $item->link;
$zeitstempel = $item->created_time;
$comment = $item->comments->count;
$gefaellt = $item->likes->count;
$id_code = $item->id;
$schlagworte = $item->tags;
$comma_separated = implode(“ „, $schlagworte);
echo $url.“|“.gmdate(„Y-m-d“, $zeitstempel).“|“.$comment.“|“.$gefaellt.“|“.$id_code.“|“.$comma_separated;
}

Wir hatten im Zuge der Entwicklungsarbeiten auch intensiv über eine Backupfunktion oder eine Massdownloadfunktion bzgl. der geposteten Fotos diskutiert und letztendlich entsprechende Features (vorerst) verworfen, da die bekannte Instagram-App bearbeitete Fotos auf den Geräten speichert.
Die Angabe „zeitstempel“ bleibt vorerst auf die Ausgabe von „Datum“ beschränkt und ich behalte mir eine Erweiterung auf „Zeit“, „Uhrzeit“ zzgl. „Minuten“ vor.

Für die weitere Analyse verwende ich die Angabe „id_code“ und die folgenden Endpoints:
(a) Liste: Likes
https://api.instagram.com/v1/media/[ID]/likes?access_token=[TOKEN]
– gibt die likende Accounts zur hinterlegten Media-ID aus

(b) Liste: Kommentare
https://api.instagram.com/v1/media/[ID]/comments?access_token=[TOKEN]
– gibt die kommentierenden Accounts zzgl. der (!) Kommentare zur hinterlegten Media-ID aus

Die Erfassung der o.g. „Rohdaten“ funktioniert recht stabil und weitestgehend fehlerfrei. Ausgehend hiervon ergeben sich nun Antworten auf die folgenden Fragen:

1. Welche Posts werden am häufigsten frequentiert (sichtbar durch Likes und Kommentare)?
2. Welche Hashtags generieren das effektivste Like / Kommentar-Verhältnis?
3. Welche Postingzeiten sind effektiv? (sichtbar durch die Ergebnisse von (1) und (2)
4. Wer mag diese oder jene Fotos gepaart mit konkreten Botschaften (Tags) (bezogen auf den eigenen oder fremde Accounts)?
5. Woher kommen die Fans (eigener Account, fremder Account)?
6. Wie aktiv und treu sind die Fans?

Die Fertigstellung einer ersten Version ist für 21.02.2016 geplant.

Die angepeilten Funktionen sind:

[Der Account]
Erfassen sämtlicher Posts
Erfassen der Likes und Kommentare je Post
Erfassen der aktiven Accounts (siehe Likes und Kommentare) je Post

[Die Fans]
Erfassen der Herkunft, falls auslesbar.
Filter: aktive Fans, Abgleich mit den erfassten Likes und Kommentare

[Accountgewichtung]
Zusammenzählen der Fans, Likes und Kommentare (Datum)

[Optional, Zusatzfeatures]
Download, Archivierung der Fotos aus dem Account
Vergleich von Accounts anhand der erfassten Daten
Abgleich: Fans und gefolgten Accounts zwecks Analyse und Optimierung

[Export, Reportfunktionen]
Formate: Excel, CSV, HMTL in tabellarischer Form

Durch die Vorarbeit und Analyse der Instagram-API schätze ich den Herstellungsaufwand der geplanten Anwendung als gering ein und ich gebe eine funktionsfähige BETA-Version im Laufe der kommenden Woche für die Kund_innen und Betatester_innen frei.

Die unterstützten Betriebssysteme sind Android und Windows.

Google-Places
Foursquare

Beim Medium „Foursquare“ befinde ich mich derzeit noch im Recherchestadium und die (aktuell) vielversprechenden Metriken aus der API sind:

– likes
– checkinsCount
– usersCount
– tipCount
– visitsCount

Dazu kommen noch die Texte der User_innen und deren beigefügten „Likes“.
Eine Ausweitung der aktuellen Datenbanken auf die Ortsbewertung und Ortsbegutachtung ist aus Speicherplatzgründen im Moment nicht angedacht und ich werde hier mittelfristig eine Echtzeitprobe auf die Orte in Verbindung mit den ortstypischen Interessen (Feiern, Essen und Trinken, Tourismus, konkrete Dienstleistungen) realisieren.

[Tags]
http://widget.websta.me/rss/tag/[tagname]

[Usernames]
http://widget.websta.me/rss/n/[username]

Feeds aus den Locations lassen sich – nach aktuellem Wissensstand – leider nicht verwenden und hier bleibt wohl nur der Weg über die API.

Man findet hier im Prinzip dasselbe Ergebnis wie bei dem Endpoint „Media=>Recent“ vor, dieses ist lediglich um die Angaben der einzelnen Accounts erweitert.

Die Einträge zu den Accounts lassen sich wie folgt auslesen:
[data][xyz][user][username] => Nickname, Accountname
[data][xyz][user][full_name] => falls hinterlegt, „Realname“

Das Ergebnis aus der o.g. Abfrage beinhaltet weitere Angaben zu der konkreten Location. Diese lassen sich wie folgt auslesen:
[data][xyz][location][latitude]
[data][xyz][location][longitude]
[data][xyz][location][name] => Name der Location
[data][xyz][location][id] => interne ID der Location

Die ausgelesene ID lässt sich nun für die Beobachtung und Bewertung einzelner (Unter)locations (Beispiel: Hauptlocation => Paris, Unterlocation => Eifelturm) weiter verwerten. Die API-Abfrageurl lautet hierfür: https://api.instagram.com/v1/locations/[id]/media/recent?access_token=[deintoken] und die Verwertung entsprechender Ergebnisse hatte ich im Artikel „Analyse auf Ebene der Posts“ beschrieben. Bei sauberer Durchführung von Langzeitanalysen lässt sich unter Einbeziehung der Variablen „Likes„, „Comments„, „Fananzahl der Accounts“ die „Beliebtheit“ oder auch wirtschaftliche Werthaltigkeit von – z.B. – touristisch interessanten Sehenswürdigkeiten, Denkmälern, Strände oder auch Städte begutachten und dauerhaft beobachten.

Die „manuelle“ Begutachtung der Location lässt sich über das folgende Schema realisieren: https://www.instagram.com/explore/locations/[id]/.

Beispiele sind:
„Tour Eiffel“
„Höfe am Brühl (Leipzig)“
„Thomaskirche (Leipzig)“
„MSC Mattstedt (bei Apolda)“
„Mc Donalds Apolda“
„Weimar“
„Rom – Iceclub“

Interessant ist hier natürlich auch die Verbindung zur Hashtaganalyse, da man hier Hinweise oder interpretationsfähige Grundlagen für das aktuell besprochene „User Intent“ finden kann.

Eine Erweiterung der Analysedatenbanken ist geplant und wir werden die konkreten Freigabemodalitäten noch intern diskutieren.

[1. Schritt]
Suchabfrage auf die Boards
https://api.pinterest.com/v3/search/pins/?join=via_pinner,board,pinner&page_size=20&query=[suchwort(e)]&access_token=[deintoken]

[2. Schritt]
Erfassen der Boardbesitzer_innen über den Eintrag „data[nr].url„. Dieser hat das Schema /username/boardname und demzufolge müssen die „/“ zzgl. dem Boardnamen entfernt werden. Der extrahierte Username wird zwecks Weiterverarbeitung zwischengespeichert.

[3. Schritt]
Erfassen der Userangaben mit Hilfe der URL: https://api.pinterest.com/v3/pidgets/users/[username]/pins/
Die Angaben zum User befinden sich in diesen Variablen:
[user][about] => Beschreibung
[user][location] => Ort / Land
[user][full_name] => Name des Users
[user][follower_count] => Anzahl der Fans
[user][pin_count] => Anzahl der Pins
[user][profile_url] => Profilurl

Schaut man sich nun die Ergebnisse aus der Abfrageurl an, fallen Angaben zu den letzten Pins und deren „Beliebtheit“ (repin_count, like_count) auf und diese lassen sich nun als Bezugsgröße für die Beobachtungen zu „Aktivität“ und „Beliebtheit“ heran ziehen. Bei einer sauberen Langzeitanalyse dieser Daten lassen sich u.U. Teilaspekte des „User Intent“ prognostizieren. Ich werde vermutlich bis zum 18.01.2016 die Recherchefunktionen in unseren Beobachtungskomplex einbeziehen und unseren Kund_innen und Betatester_innen zur Verfügung stellen. Eine eventuelle Erweiterung der Accountanalysefunktionen auf die Systeme „Instagram“, „Twitter“ und „Facebook“ wird von uns derzeit intern noch ausdiskutiert.