Analýza vlivných účtů na Instagramu: Zjistěte konečně, kdo ovlivňuje vaši značku

Instagram Ilu Cover Photo

Kolikrát jste už slyšeli, že musíte pracovat s influencery? A kolikrát to skončilo tím, že jste se podívali na ty největší účty, které vás třeba na Facebooku, Twitteru nebo Instagramu, sledují. Rozhodli jsme se odkrýt karty a ukázat, jak si analýzu vlivných uživatelů můžete udělat.

Abyste se neztratili v záplavě čísel, grafů a teoretických úvah, vymysleli jsme si konkrétní fiktivní zadání, které vám pomůže zasadit si použití analýzy Instagram influencerů do kontextu. Identifikovat influencery je totiž fajn, ale když nevíte, co s nimi, můžete se s tím tak akorát vytahovat. Značka, které se budeme v našem fiktivním zadání věnovat, je ALEXMONHART. Jde o mladou módní návrhářku, která se snaží propojit streetovou a luxusní pánskou módu (disclaimer: v Lovebrandu tuhle značku pomáháme nadefinovat).

Představte si hypotetickou situaci – značka ALEXMOHART je už nadefinovaná, má před sebou novou kolekci a chce svoje poslání dostat mezi lidi. Zorganizovat párty s módní přehlídkou je ideální způsob, jak o sobě dát vědět. Ale koho pozvat? Jsou asi dvě hlavní skupiny, které by se měly na akci objevit – ti aktivní, kteří už značku sledují a pravidelně jsou s ní v kontaktu, a ti, kteří určují, o čem se bude v módě mluvit. Můžete vybírat z medialistů, z Facebooku, Twitteru, ale my se dneska zaměříme na Instagram.

Zadáním tedy je získat přehled nejvlivnějších instagramových účtů, které se zajímají o módu a mají pro ALEXMONHART potenciál. Díky dvěma analýzám, které si podrobně popíšeme, se nám to podaří. Nejprve je ale potřeba si říct, jak obecně vytáhnout data z Instagramu a jak je následně vizualizovat.

Jak a která data z Instagramu získat?

Protože nejsme softwarová firma ani programátoři, ale děláme značky, bylo pro nás v této analýze získání dat z Instagramu největší překážkou. Pomohl nám externí programátor, který napsal aplikaci stahující data z API Instagramu. U ní se ještě zastavíme na konci a předem říkám, že už jen proto byste měli tenhle článek dočíst.

Aplikace nám stahovala dva typy dat, které pro naše dvě analýzy potřebujeme. Prvním typem byly vazby mezi uživateli. Pod vazbou si představte situace, kdy například lajkujete fotku nějakého autora. Pak je vazba mezi vámi a autorem (lajker -> autor). Úvodu do metody Social Network Analysis jsme se věnovali v předchozím článku o analýze konkurence na Twitteru.

V následujících dvou analýzách máme celkem 6 typů vazeb:

  • lajker -> autor fotky,
  • autor komentáře -> autor fotky,
  • autor komentáře -> autor předchozího komentáře,
  • autor fotky -> zmíněný uživatel (mention v popisku fotky),
  • autor komentáře -> zmíněný uživatel (mention v komentáři) a
  • lajker -> lajker (vazba k předchozímu uživateli, který lajkoval fotku).

Pokud vám přijde poslední vazba podezřelá, vězte, že jsme její váhu testovali a nakonec se rozhodli ji v analýze nechat. Tato vazba zohledňuje vazbu mezi uživateli, kteří po sobě lajkovali fotku. Takových vazeb je v naší analýze cca 40 %. Vzhledem k tomu, že hledáme nejvlivnější účty, není tato slabá vazba tak zásadní. Její přínos je hlavně v tom, že do analýzy přidává velké množství nových uživatelů (i proto je tahle vazba tak často zastoupená).

Data o vazbách vycházela z posledních 50 fotek u sledovaných účtů. Tento limit jsme nastavili my, aby nám analýzu utáhl server. Ke každé fotce nám Instagram umožní získat posledních 100 lajků a 50 komentářů. Omezení na 100 lajků je docela důležité – hodně fotek ze sledovaných účtů mělo i víc než 100 lajků, i tak jde ale o slušný vzorek (a Instagram vás stejně dál nepustí).

Druhým typem dat jsou data uživatelská. Z vazeb jsme vytáhli všechny unikátní uživatele a k nim postahovali, kolik sledují lidí, jak jsou sledovaní, jakou mají profilovku, bio, URL a odkaz. Všechna data jsme stahovali 23. 6. 2015.

Jak data vizualizovat?

Data jsme vizualizovali opět v NodeXL. Pokud máte Excel, nic vám nebrání si tento doplněk nainstalovat a začít vizualizovat. Stejně jako naposled dáváme k dispozici kompletní nastavení, které lze do NodeXL naimportovat – pro analýzu účtu s uživateli a analýzu účtů pouze s vazbami.

První analýza: vlivní uživatelé, kteří se zajímají o módu

Pojďme tedy k první analýze. V té chceme zjistit, které účty, jež se zajímají o módu, mohou být ty vlivné. Téměř v žádném článku o vlivu a influencerech se nedočtete, jak složité téma to je. Vliv může mít hodně podob – vliv na rozhodování o volbě produktu, vliv na přijetí informace, vliv na šíření informace apod. V analýze se snažíme najít takové účty, které mají potenciál rozšířit fotku nebo video z plánované akce. Úlohou těchto účtů je dostat informaci k co nejvíce lidem v rámci svých účtů.

Jenže tím to nekončí – vliv se vždy týká nějakého tématu. I když se jako Honza Páv zajímám o módu, asi by si ode mě nikdo outfit doporučit nenechal. Ale to, jak postavit značku, ano. Vliv se taky váže ke konkrétnímu kanálu nebo ke konkrétnímu období. Před čtyřmi roky jste sice mohli mít představu o tom, co v módě frčí, ale pokud jste se nikam neposunuli, dneska už budete mimo. V analýze stahujeme posledních 50 fotek, předpokládáme tedy, že jde o aktuální období cca 2 měsíce (přesně jsme to neověřovali).

Technicky jsme v této analýze jako vliv sledovali kolik vazeb od ostatních uživatel získal (In-Degree). V této analýze jsme vynechali uživatelská data, protože bylo mimo naše technické síly takové množství dat stáhnout.

Zájem o módu jsme definovali jako jakoukoliv aktivitu svázanou s osmi předem záměrně vybranými velkými účty – jsou to nejčastěji fashion blogy (nebo jejich autoři, nebo obojí): @lucie_ehr, @nicole_e, @czechchicks, @acupofstyle, @stylecookbook, @pavlinajagrova, @bloges_robes a @lovefashionprague. To nám pomůže najít i další uživatele, u kterých není vliv evidentní na první dobrou.

Instagram

Přehled analyzovaných účtů

V této analýze jsme stáhli přes 65 000 vazeb (vazby lajker -> lajker jsme kvůli náročnosti zpracování vynechali). Celkem logicky se ve vizualizaci objevilo 8 segmentů, které odpovídají 8 analyzovaným účtům.

Z nepřehledné původní vizualizace jsme odfiltrovali všechny uživatele, kteří měli méně než 3 příchozí vazby (In-Degree > 3). Pro výběr vlivných uživatelů je samozřejmě potřeba sledovat vliv v každém ze segmentů. Často se stává, že ty segmenty, které jsou nejblíže sledovaným účtům, přitahují více vlivných uživatelů. Protože nám ale jde o co největší zásah, musíme vlivné uživatele vybírat vždy v rámci samostatných segmentů, jak můžete vidět v přehledu níže.

Instagram

Fashion sféra

Detailním pohledem do dat jsme pak roztřídili lidi do segmentů a z každého z nich vybrali 10 účtů. Účty z tohoto seznamu můžete oslovit. Protože jsme v téhle situaci nezapojili uživatelská data, je lepší projít všechny účty a ujistit se, zda opravdu souvisí s módou, a pokud je vaše působiště pouze v ČR, tak zda jde o české účty. A protože se ALEXMONHART zaměřuje na módu pro muže, je fajn také nějaké z nich zahrnout (informaci o pohlaví Instagram také nedává). I když se v tomhle kroku objevuje manuální zpracování, pořád jste si ušetřili ruční procházení zhruba 99,8 % účtů v analýze.

Instagram

Tabulka s influencery s hodnotami In-Degree

Určitě si také všimnete, že jsme v tabulce zanechali i původní analyzované účty, se kterými můžete klidně spolupracovat také, a účty, u kterých je na první pohled jasné, že jde o značky. S těmi souvisí takový vedlejší produkt těchto analýz. Můžete zjistit, s jakými firmami hlavní analyzované účty spolupracují. Je totiž časté, že je pak spolupracující značka v popisku fotky zmíněna nebo fotku komentuje. Můžete si tak všimnout značek jako Baťa, Aldo, Fann Parfumerie, Zoot, Freshlabels nebo Olympus.

Druhá analýza: aktivní uživatelé kolem profilu značky ALEXMONHART

Druhá analýza se týká lidí, kteří mají vazbu k některé z posledních 50 fotek @alexmonhart. “Vliv” tu má trochu jiný rozměr. Hledáme účty, které jsou aktivní – tedy ty, na které navazují další uživatelé (In-Degree), ale zároveň ty, kteří jsou často v kontaktu s ostatními účty (Out-Degree). Protože v tomto případě analyzujeme i data konkrétních uživatelů, pro výběr těch nejaktivnějších můžeme využít i počet sledujících (“followed by”), podíl mezi sledujícími (“followed by”) a sledovanými (“follows”) nebo počet publikovaných médií (pro představu, zda už mají na Instagramu něco za sebou).

V případě analýzy účtu @alexmonhart jsme získali 2 641 vazeb a 484 aktivní uživatelů. V analýze se objevuje 6 segmentů uživatelů, opět platí, že budeme vybírat z každého segmentu.

Instagram

Alexmonhart instagram full view

Pro snadnější orientaci ve vizualizaci jsme opět odfiltrovali méně aktivní uživatele.

Instagram

Alexmonhart instagram filtered view

Z každého segmentu jsme pak vybrali uživatele podle výše zmíněných parametrů (provázanost s ostatními účty, velikost  aktivita profilu). Nejaktivnější uživatelé z pohledu aktivity v analýze účtu @alexmonhart jsou uživatelé v tabulce níže.

alex-nejaktivnejsi-uzivatele

A přidáváme ještě detailní pohled na surová data, ze kterých jsme vybírali.

Instagram

Co s daty?

Díky analýzám jsme získali docela početný seznam lidí, které je možné na akci ALEXMONHART pozvat. Důležité je, že ten seznam nevznikl jen na základě pocitu, ale bere v potaz mediální chování potenciálních hostů. Pokud byste se rozhodli podobnou akci realizovat, určitě dobře promyslete, jak lidi motivovat. Můžete jim na akci dopřát drink zdarma, věnovat nějaký dárek nebo držet místo ve VIP sekci. Co to bude, pak záleží na vás, určitě by to ale mělo být navázáno na značku a na to, co chcete akcí říct. Pokud vás na Instagramu vybrané účty sledují, můžete navíc využít přímé zprávy (Instagram Direct), o kterých hodně uživatelů Instagramu vůbec netuší. Jinak si budete muset najít jinou cestu (třeba přes web, který mají někteří uvedený v biu).

Co by se dalo udělat líp?

U každé analýzy se snažíme říct si, co by se dalo udělat líp. Určitě by pomohlo více dat, zvlášť těch uživatelských. Řešením by bylo postavit naši aplikaci na nějaké z cloudových technologií, nebo ji rovnou propojit s NodeXL (lidem ze Social Media Research Foundation, kteří za NodeXL stojí, se náš pokus s Instagramem docela zamlouvá, tak uvidíme). Taky bychom mohli analýzu ještě více zautomatizovat, nebylo by totiž nutné procházet získané účty ručně.

Hodně zajímavé by bylo také propojení s daty z ostatních sociálních sítí – hlavně z Twitteru a Facebooku. To ale naráží na komplexnost těchto dat a popravdě si nedovedu představit, jak by se to dalo technicky vyřešit. Nicméně pokud stejný postup aplikujete na data z Twitteru nebo vaší Facebook stránky (kde nemusíte psát žádné skripty, NodeXL to umí samo) a data propojíte ručně, možná uvidíte, že se vám tam objevují podobná jména. To je další důkaz o tom, že daný uživatel může mít vliv.

Jak získávat data z Instagramu s pomocí naší aplikace?

Na začátku článku jsem slíbil, že se zastavím u našich skriptů. V Lovebrandu se snažíme o maximální přínos pro čtenáře našich článků. V tomhle případě se ale objevují dvě hlavní bariéry – používání NodeXL a stahování dat. Tu první jsme, doufejme, pomohli vyřešit v prvním článku o analýzách Twitteru. S tou druhou jsme si ale nevěděli rady. Nakonec jsme se rozhodli celou naši aplikaci zveřejnit na GitHubu. Takže pokud chcete, můžete zdrojová data využívat jak je libo, komerčně i nekomerčně, a třeba aplikaci dál rozvíjet. Je třeba doplnit, že kód je nyní v “lehce” punkové verzi, ale během následujících 14 dnů jej pročistíme včetně dokumentace.

Jak pak postupovat? Stáhněte si soubory z GitHubu. Nahrajte je do složky na svém hostingu, vytvořte si databáze (přístupové informace vložte na začátek functions.php), zaregistrujte si klienta pro přístup k API Instagramu (návod je zde), informace vložte do všech PHP souborů, kde je to napsané, a v prohlížeči skript spusťte.

Diskuze k článku

  • Dan Rising Up

    Ve zdrojaku chybi dump databaze, pokud mozno prosim doplnit

    • http://eikasia.cz Honza Páv

      Dane, doplníme to – v době, kdy jsem to publikoval, byl člověk, který ty skripty psal mimo internet, tak jsem to publikoval s tím, co o tom vím já (nic moc:). Dám vědět sem, případně mi napiš na honza@lovebrand.cz. dík!

      • http://www.dealpoint.cz/ Honza Kabeš

        Honzo, je nekde finalni verze k dispozici? Moc se mi to libi…

  • David Řezáč

    Tomu říkám kreativní myšlení! Klobouk dolů! Sdílím dále v seznamu nejlepších českých článků o Sociálních sítích :-)http://www.affiliatemagazin.cz/2015/07/socialni-site-12-navodu-tipu-z-cervna.html

  • Martin Brumla

    Dobrý den, jde tento instagram influencer stále zprovoznit i po tom co je potreba permission review k přístupu do instgram API? Děkuji

  • Ladislav Pilař

    Bylo by možné zprovoznit obrázky? Odkazují se na neexistující stránku. Děkuji