Instagram — это социальная сеть, ориентированная на обмен фотографиями и видео. Instagram был впервые запущен в 2010 году, а затем куплен Facebook в 2012 году. Пользователи Instagram могут создавать личные профили, загружать фотографии и видео, подписываться на других пользователей и взаимодействовать с другим контентом с помощью лайков, комментариев и прямых сообщений. В Instagram также есть такие функции, как истории, ролики, IGTV и покупки, которые позволяют пользователям делиться более креативным и интерактивным контентом. Instagram — одна из самых популярных социальных сетей в мире, ежемесячно насчитывающая более миллиарда активных пользователей.
В 2023 году она стала сексуальной платформой, поэтому многие люди используют ее для продвижения продукта. Итак, вот роль аналитика данных и ученого. Я использую наборы данных https://statso.io/instagram-reach-analysis-case-study/
Исследовать данные
- Impressions: количество показов поста (охват)
- Из дома: доступ из дома
- Из хэштегов: охват с помощью хэштегов
- Из Исследовать: Достичь из Исследовать
- Из других источников: охват из других источников
- Сохранения: Количество сохранений
- Комментарии: Количество комментариев
- Акции: Количество акций
- Нравится: количество лайков
- Посещения профиля: количество посещений профиля с публикации.
- Подписчики: количество подписчиков от поста.
- Заголовок: Подпись к посту
- Хэштеги: хэштеги, используемые в посте.
На изображении выше есть 2 столбца dtypes — «object», а другой — «int». Там нет никого "нулевого".
Анализ охвата IG
Теперь мы можем приступить к анализу охвата Instagram. Во-первых, давайте посмотрим на распределение.
Теперь давайте посмотрим на процент показов, которые я получаю из разных источников в Instagram:
Итак, показы по показу пончиков:
- Главная страница — › 44,1 %
- Хэштеги — › 33,6 %
- Исследовать — › 19,2 %
- Другое — › 3,05 %
Анализ содержания
Теперь продолжим контент-анализ. В наборе данных есть 2 столбца типа объект, заголовок и хэштеги. Из этих 2-х столбцов можно узнать цель поста в Instagram.
Анализ отношений
Чтобы найти отношения между существующими столбцами/факторами, мы можем узнать, как работает алгоритм Instagram.
Лайки и впечатления имеют линейную зависимость, больше нравится высокое впечатление.
По-видимому, не имеет линейной зависимости.
Чем больше репостов, тем выше охват, но сам репост не влияет на охват публикации.
Похоже на линейную зависимость. Мы также можем видеть корреляцию всех целочисленных столбцов с показами.
Анализ коэффициента конверсии
В Instagram скорость разговора означает, сколько подписчиков вы получаете от количества посещений профиля из поста. Формула, которую вы можете использовать для расчета коэффициента конверсии, следующая: (Подписки/Посещения профиля) * 100.
Исходя из коэффициента конверсии 41% звучит очень хорошо. Теперь мы видим взаимосвязь между посещениями профиля и полученными подписчиками.
Взаимосвязь между посещениями профиля и полученными подписчиками также линейна.
Модель прогнозирования охвата в Instagram
Теперь в этом разделе я буду обучать модель машинного обучения прогнозированию охвата публикации в Instagram. Давайте разделим данные на обучающие и тестовые наборы, прежде чем обучать модель и как мы можем обучить модель машинного обучения, чтобы предсказать охват поста в Instagram с помощью Python.
Теперь давайте предскажем охват публикации в Instagram, предоставив данные для модели машинного обучения:
Сводка
Таким образом, мы можем анализировать и прогнозировать охват Instagram с помощью машинного обучения. Вот где начинается использование Data Science в социальных сетях.
