Å spore Instagram akkurat som man sporer alt annet: En databasert tilnærming

Innledning

De som jobber med analyseverktøy tenker på måling på en bestemt måte: man etablerer en referanseverdi, samler inn data med jevne mellomrom, sammenligner med referanseverdien og tolker trenden. Slik sporer man rangeringer, trafikk, konverteringer – alt som er viktig. Merkelig nok er det nesten ingen som bruker denne metoden på Instagram, selv om plattformen gir tilgang til massevis av offentlig data som er verdt å måle. Her ser vi på hvordan man kan spore en Instagram-konto med samme grundighet som man ville brukt på enhver annen datakilde.

Instagram har data; det mangler måling

Råmaterialet er der. På en offentlig Instagram-konto kan du se følgere, de du følger og offentlig engasjement. Det som mangler, er alt som gjør rådata om til målinger: en referanseverdi, en historikk, en tidsserie. Instagram viser deg den aktuelle verdien og kaster resten. Det er som et rangeringverktøy som bare viser dagens posisjon uten historikk – ubrukelig for å forstå trender.

Så det første trinnet for å spore Instagram på riktig måte er det samme som i enhver analyse: begynn å registrere en tidsserie, fordi plattformen ikke gjør det for deg. Det prinsippet gode analytikere bruker andre steder, gjelder også her: en måleparameter fortjener bare sin plass når den knyttes til et mål og spores konsekvent over tid.

Referansepunkt, registrering, sammenligning

Metoden følger standard praksis innen analyse.

Referansepunkt. Din første registrering av tilstanden til en offentlig konto – følgerlisten, listen over de du følger og engasjementet – er referansepunktet ditt. Alt måles i forhold til dette punktet. Som ved all sporing blir dataene først meningsfulle fra referansepunktet og fremover; du kan ikke måle endringer som skjedde før du begynte å registrere.

Registrer med jevne mellomrom. Regelmessige øyeblikksbilder bygger opp tidsserien. Hyppigheten bestemmer oppløsningen: daglig registrering fanger opp daglige bevegelser, ukentlig registrering jevner dem ut. Dette er identisk med å velge en sporingsfrekvens for hvilken som helst måleparameter.

Sammenlign og tolk trenden. Ved å sammenligne påfølgende registreringer avdekkes endringene – nye følgere, de som slutter å følge, økning og nedgang i antall følgere – og rekkefølgen av disse endringene utgjør trendlinjen din. En jevn stigning tolkes annerledes enn en plutselig topp, akkurat som i et trafikk- eller rangeringdiagram.

Et spesialutviklet verktøy automatiserer alle tre trinnene for offentlige Instagram-data. IG Detective-trackeren håndterer referanseverdien, de planlagte registreringene og sammenligningen, og presenterer deretter endringene kronologisk – noe som er den tidsserien Instagram selv nekter å oppbevare. Poenget er ikke at den gjør noe eksotisk; det er at den anvender vanlig måledisiplin på en datakilde de fleste bare kaster et blikk på, og leser utelukkende det en offentlig profil allerede viser.

Å tolke signalene

Når du har en tidsserie i stedet for et øyeblikksbilde, gjelder de samme tolkningsferdighetene som du bruker andre steder.

Følgerutviklingen forteller deg om trendens helse. Brutto til- og frafall, lest hver for seg i stedet for som et nettotall, avslører om en konto virkelig vokser eller om det foregår en stor utskiftning under en flat overflate – på samme måte som å skille mellom ny og tilbakevendende trafikk avslører mer enn tallet for enkeltøkter.

Vekstmønsteret avslører ektheten. Organisk vekst akkumuleres jevnt; kjøpte følgere kommer i vertikale topper – og markedet for falske følgere er så reelt at FTC har iverksatt tiltak mot selskaper som selger falsk innflytelse på sosiale medier. Du kan se forskjellen direkte i tidsserien, akkurat som du ville oppdage en mistenkelig trafikktopp fra en bølge av botter.

Følgeatferd avslører intensjon. Hvilke kontoer en profil begynner å følge, i hvilken rekkefølge og i hvilke klynger, er atferdsdata, og som ethvert atferdssignal er det mest lesbart over tid snarere enn i et enkelt øyeblikksbilde. Med omtrent halvparten av voksne i USA på Instagram ifølge Pew Research Center, dekker dette signalet en stor del av ethvert publikum.

De samme begrensningene som for ethvert dataverktøy

Å innføre analytisk disiplin på Instagram innebærer også å være ærlig om datagrenser, noe enhver analytiker respekterer:

Dataene er kun offentlige. Private kontoer kan ikke måles; verktøyet kan ikke hente inn det plattformen begrenser. Dette er en fast grense, ikke et justeringsproblem.

Historikken går kun fremover fra startpunktet. Ingen sporingssystemer kan generere data fra før de ble satt i gang. Behandle ethvert verktøy som hevder å ha tilbakevirkende historikk med samme skepsis som du ville behandlet en måleplattform som hevder å ha data fra før du installerte den.

Oppløsningen er begrenset av innsamlingsfrekvensen. Hendelser mellom innsamlingene kan gå tapt, den samme begrensningen som finnes i alle intervallbaserte målinger.

Konklusjonen

Sporing av Instagram er ikke en spesiell disiplin som krever spesielle verktøy; det er vanlig måling anvendt på en datakilde som folk vanligvis lar være umålt. Etabler en referanseverdi, samle inn en tidsserie, beregn differanser, les av trenden og respekter datagrensene. Gjør det med et verktøy som automatiserer innsamling og differansberegning på offentlige data, så blir en Instagram-konto like lett å tolke som alle andre målinger du sporer. Den eneste grunnen til at det føles mystisk, er at plattformen holder tilbake historikken, og det er nettopp dette hullet en riktig sporingsmetode fyller.