[Einbindung der Unit]
uses json;

[Prozedur]
procedure tagdaten_holen;
var lauf: integer;
JSONArray: tJSONArray;
JSONValue: tJSONValue;
JSONPair: TJSONPair;
JSON: TJSONObject;
i: integer;
begin
try
debug.Text:=idhttp1.Get(‚https://api.instagram.com/v1/tags/search?q=’+tagrecherche.text+’&access_token=’+token.text);
JSONValue := TJSONObject.ParseJSONValue(debug.text);
JSON := TJSONObject.ParseJSONValue(debug.Lines.Text) as TJSONObject;
JSONArray := TJSONArray(JSON.Get(‚data‘).JsonValue);
with tagr_roh do
begin
cells[0,0]:=’Nr.‘;
cells[1,0]:=’Tag‘;
cells[2,0]:=’Reichweite‘;
colcount:=3;
rowcount:=1;
end;
for i := 0 to JSONArray.Size – 1 do
begin
with tagr_roh do
begin
cells[0,rowcount]:=inttostr(rowcount);
cells[1,rowcount]:=(TJSONPair(TJSONObject(JSONArray.Get(i)).Get(’name‘)).JsonValue.Value);
cells[2,rowcount]:=(TJSONPair(TJSONObject(JSONArray.Get(i)).Get(‚media_count‘)).JsonValue.Value);
rowcount:=rowcount+1;
end;
end;
except
showmessage(‚Fehler mit der Internetverbindung. Prüfe Diese und den Token!‘);
end;
end;

[Ausgangslage]
– Klicken von Tags
– anzuklickende Tags besitzen keine individuelle ID
– es existiert eine Tagliste, aus der der anzuklickende Tag ausgewählt werden muss
– anzuklickende Tags besitzen individuelle „innertext“

[Vorgehensweise]

(1) Variablendeklaration
uses mshtml;
var ovElements, ovelements_1: OleVariant;

(2) Suchen und Klicken
ovElements_1 := WebBrowser1.OleObject.Document.all;
for j := 0 to (ovElements.Length - 1) do
if (ovElements_1.item(j).className = 'name') then
begin
if ovelements_1.item(j).innertext="wort" then
begin
ovElements_1.item(j).Click;
end;
end;

Weitere Infos:
TWebbrowser – Oledata

(1) Webbrowser – Prozess durchführen und auf Beendigung warten
(2) SetProcessWorkingSetSize(GetCurrentProcess, $FFFFFFFF, $FFFFFFFF); in den Code einfügen

Bei einem konkreten Projekt wurde hierüber der durchschnittliche Verbrauch von ca. 650MB auf 60-80MB (schwankend) gedrückt.

[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.

memo_ziel.text:=Utf8ToAnsi(memo_quelle.Text);

var
ovElements: OleVariant;
i: Integer;
…
try
ovElements := WebBrowser1.OleObject.Document.all;
for i := 0 to (ovElements.Length - 1) do
if (ovElements.item(i).className = 'name') then
begin
try
ovElements.item(i).Click;
except
//fehlerbehandlung I
end;
end;
except
//fehlerbehandlung II => TEST
end;

uses registry
…
type
TIEMode = (iemIE7, iemIE8, iemIE10);
=> Vardeklaration
procedure SetWebbrowserMode(Mode: TIEMode; AppName: string = '');
const
REG_KEY = 'Software\Microsoft\Internet Explorer\Main\FeatureControl\FEATURE_BROWSER_EMULATION';
var
Reg: TRegistry;
Value: Integer;
begin
if AppName = '' then
AppName := ExtractFileName(Application.ExeName);
Case Mode of
iemIE7 : Value := $1B58;
iemIE8 : Value := $1F40;
iemIE10 : value := $2710;

end;
Reg := TRegistry.Create();
try
Reg.RootKey := HKEY_CURRENT_USER;
if Reg.OpenKey(REG_KEY, True) then
begin
Reg.WriteInteger(AppName, Value);
Reg.CloseKey;
end;
finally
Reg.Free;
end;
end;
=> Funktion für Browserversionswechsel
SetWebbrowserMode(iemIE10);
=> Browserversion auf IE10 setzen (Funktionsaufruf)

(1) Anlegen der Tagliste, welche geprüft werden muss.
(2) Einrichten einer Zählschleife

for lauf:=0 to ende_liste do
begin
//scrape
erg_plain.text:=idhttp.get(‚https://api.instagram.com/v1/tags/{tag-name}?access_token=ACCESS-TOKEN‘);
extrahiere=>media_count;
end;

Die extrahierten „media_count“-Daten lassen sich nun mit einem geeignetem Zeitstempel in die Datenbank übertragen. Vergleicht man nun die Datensatzentwicklung hinsichtlich der Reichweite und Zeitangaben, lassen sich Überlegungen und Automatismen auf Basis geeigneter Schwellenwerte realisieren.

Zu den geplanten Funktionen:

[Leserechte // Analysefunktionen]
– grafische Aufbereitung der Likeveränderungen (global, Top-10)
– Erfassen der Grunddaten aller Fans, Kommentierenden und Likenden
– Gegenprobe: Welcher Fan ist aktiv? (Fan => Like, Fan => Comment)

[Schreibrechte]
– Blacklistfunktion => Ausschluss von Schreibaktionen bei Vorkommen von ungewünschten Tags
– Zentral abgelegte Blackliste plus Downloadfunktion
– Ausschluss der Schreibrechtefunktionen bei nicht vorhandener Blacklist (Server, Offline)
– neue Schreibrechtefrquenz: 1 x / 15 Min.

Der Client liefert hierfür zwei Datenquellen:

(A) Analysierbare Fremdaccounts
Die Tagrecherche auf Basis der analysierbaren Fremdaccounts verlangt herunter geladene Post-Streams in tabellarischer Form. Diese Daten lassen sich über den Weg (1) bis (3) generieren. Bereits gespeicherte Daten werden automatisch mit Wahl des zu beobachtenden Accounts – Schritt (1) und (2) – in das Objekt „Andere Medien // Posts“ => „Rohdaten“ geladen.
Die Software liefert nun auf Basis der Rohdaten Informationen zur Wertigkeit von Hashtags. Hierfür müssen diese Tags aus dem Rohmaterial via Schritt (4) extrahiert und aufbereitet werden. Die Aufbereitung und Sicherstellung von Interpretationsgrundlagen erfolgt über eine simple Zusammenzählung der Hashtags und der Erfassung der Like- und Commentsummen.
Der Übertrag in die Tagsammlung erfolgt durch Doppelklick auf die jeweilige Reihe des Gitterelements – Schritt (5).

(B) Eigener Account
Diese Funktion entspricht – im Wesentlichen – der Funktion (A). Hierbei entfallen natürlich die Auswahlprozeduren „Kategorie“ und „Account“. Das Programm lädt bei jedem Start die eventuell vorhandene Tag-Datei in das vorgesehene Gitterelement („Medien // Posts“ => „Meine Daten“), wobei besagte Datensätze bei Bedarf jederzeit über die Schritte (1) bis (2) aktualisiert werden können. Die abschließende Tagverwertung erfolgt über Doppelklick auf die jeweilige Zeile.

[Bedienung]

1.) Tagwahl
– Eingabe des zu analysierenden Tags
oder
– Auswahl des zu analysierenden Tags aus der hinterlegten Liste
Die Tagliste befindet sich in der Datei /projekte/tagsearch.txt und lässt sich hier modifizieren.

2.) Reichweitendaten abholen
– Abfrage des Tagsearch-Endpoints auf Basis des hinterlegten Schreibrechte-Token und des gewählten Tags

3.) Ergebnis sichten und bearbeiten
Hier erlaubt der Client die Begutachtung der ausgelesenen Taggruppe (Beispiel: „Leipzig“). Sollen hier die gefundenen Tags weiter verarbeitet und verwendet werden, erledigt man das via „Doppelklick“ auf die jeweilige Zeile der Tabelle. Hierüber werden die ausgewählten Hashtags in den den Reiter „Tagsammlung“ übernommen. Dieser erlaubt den Übertrag der Ergebnisse in die Datei „tagsearch.txt“, die Taganalyseprozeduren, den Liker und die Konvertierung in ein „Copy&Paste“-fähiges Format.

Wozu lassen sich die gewonnenen Datensätze verwenden?
(a) Verwertung in den hashtagfähigen Socialmedia (Instagram, Twitter usw.).
(b) Gezielte Trendrecherche auf Basis der Taggruppen (#leipzig => #leipzigerzoo, #leipzig => #leipzighbf).
(c) Tagidentifikation für die Promotion von Texten, Infos und Angebote.
(d) Daten- und Inspirationsquelle für die Textoptimierung (Achtung: auf die Reichweitenveränderungen achten!)

[Taggruppenauswertung]
– eigener Account
– Fremdaccounts
– Gewichtung nach Likes, Comments und Häufung
– ggf. / optional: Gewichtung im Verhältnis zu der Posthäufung (Vergleichbarkeit von Accounts?)

[Tagauswahl]
– Anbindung des Clients an den Tagsearch-Endpoint
– Optional: Anbindung des Clients an das Langzeitprojekt „Tagrecherche“
– Übertrag der Features aus der bekannten Android-App
– Einrichten von themenbezogenen Tagkategorien

[Likes, Follow / Unfollow]
– Anbindung des Clients an die entsprechenden Endpoints
– Unterstützung des Fanmanagements via der Like, Follow / Unfollow-Funktionen (automatisch!)

[Postanalyse(n)]
– Postsearch auf Basis der „wichtigen“ Tags
– Optional: Auswertung der Postingzeiten (neueste Posts, Auswertung von Tageszeiten etc.)
– Erweiterung der Tag=>Mediensearch-Funktion von 20 Posts auf max. 500 Posts (siehe Erfassung der Tageszeiten)

[Fan- und Interaktionsanalyse(n)]
– Auswertung der Daten auf Basis der „Grunddaten“ (Posts, Likes, Comments, Fans, Abos)
– Auswertungen der Likenden und Kommentierenden von Fremdaccounts AUF BASIS der Tags und Taggruppen
– Optional: Fan- und Aboanalysen auf Fremdaccounts (Achtung: ich muss hier noch die Endpoints analysieren)

Eine Fertigstellung der Versionsnummer „0.4b“ wird für den 01.05 / 02.05 angesetzt und nach Abarbeitung der letzten Bugs und der Implementierung grafischer Datenauswertungsfunktionen werden zeitnah Äquivalente aus dem Komplex „Pinterest“ in den Client eingefügt.

{$WEAKLINKRTTI ON}
{$RTTI EXPLICIT METHODS([]) PROPERTIES([]) FIELDS([])}

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.