Скрипт вирусных роликов со скрапингом в Instagram
Введение
Скрипт вирусных роликов со скрапингом в Instagram
Создание вирусного контента в Instagram Reels — это настоящее искусство. Но что если у вас есть возможность автоматизировать этот процесс, используя данные о самых успешных постах ваших конкурентов? В этой статье мы покажем, как собирать данные из Instagram, анализировать топовый контент и генерировать скрипты и посты для Reels — все это прямо в Google Sheets.
В этом обучении вы научитесь:
- Создавать лист KPI: Вы узнаете, как создать новый лист в Excel для отслеживания ключевых метрик постов ваших конкурентов.
- Добавлять и настраивать столбцы: Мы покажем, как добавить необходимые столбцы для хранения данных о постах, таких как ID, название поста, канал, тип контента, количество дней с момента публикации, лайки, просмотры видео и комментарии.
- Использовать формулы для расчета метрик: Вы научитесь использовать различные формулы для расчета важных метрик, таких как коэффициент вовлеченности, отношение просмотров к лайкам, отношение комментариев к лайкам и свежесть поста.
- Нормализовать данные: Мы объясним, как нормализовать данные, чтобы привести их к единой шкале и сделать их сравнимыми.
- Рассчитывать общий балл поста: Вы узнаете, как взвешивать различные метрики и рассчитывать общий балл успешности поста.
- Ссылаться на данные из других листов: Мы покажем, как ссылаться на данные из других листов, таких как URL и изображение поста.
- Генерировать виральные видео: На основе собранных данных и рассчитанных метрик вы сможете создавать скрипты для виральных видео, которые будут резонировать с вашей аудиторией.
В результате этого обучения вы сможете создать мощный инструмент для анализа и оценки успешности постов ваших конкурентов, что поможет вам принимать более обоснованные решения и улучшать вашу стратегию контента, а также создавать виральные видео, основанные на реальных данных.
Что вы узнаете:
- Как проводить конкурентный анализ в Instagram
- Пошаговую настройку системы автоматизации с помощью Make.com и Google Sheets
- Методы создания вирусного контента на основе актуальных данных
Эта статья идеально подойдет для тех, кто хочет увеличить аудиторию в Instagram, используя данные-ориентированные инсайты. Будь то страница бизнеса или личный профиль, эта стратегия поможет вам создавать контент, резонирующий с вашей аудиторией.
Обзор системы
Наша система состоит из нескольких ключевых компонентов:
- Парсер данных — собирает информацию о постах конкурентов в Instagram
- Google Sheets — хранилище для собранных данных и генерации контента
- Сценарий автоматизации в Make.com — связывает все компоненты вместе
Давайте рассмотрим каждый из этих компонентов подробнее.
Настройка парсера
Для сбора данных из Instagram мы будем использовать парсер на основе Apify. Вот как его настроить:
- Создайте аккаунт на Apify.com
- Найдите актор "Instagram Scraper" и откройте его
- Перейдите на вкладку "Input" и введите ссылки на профили конкурентов
- Настройте параметры сбора данных — количество постов, медиафайлы и т.д.
- Запустите парсер и дождитесь завершения
Теперь данные о постах будут доступны в виде JSON.
Сохранение данных в Google Sheets
Чтобы использовать собранные данные для генерации контента, мы сохраним их в Google Sheets. Для этого:
- Создайте новый лист в Google Sheets
- Установите дополнение Make.com для Google Sheets
- Создайте новый сценарий автоматизации в Make.com
- Добавьте триггер "Новый JSON в папке" и настройте его на папку с результатами парсера
- Добавьте действие "Добавить строку в Google Sheets" и настройте его на ваш лист
- Сопоставьте поля JSON со столбцами листа
Теперь при добавлении новых результатов парсера они будут автоматически сохраняться в Google Sheets.
Новый лист KPIs для более удобной работы
- Создайте новый лист "KPIs"
- Добавьте столбцы:
- ID
- Post
- Channel
- Type
- Days Live
- Likes
- Video Views
- Comments
- Engagement Rate(Videos)
- N Engagement
- Engagement Rate(All)
- N Engagement
- View-to-Like Ratio (Video)
- N View-to-Like
- Comments-to-Likes Ratio
- N Comments-to-Likes
- Recency
- N Recency
- Score
- URL
- Image
Добавьте следующие формулы в соответствующие столбцы:
ID
=Posts!A37
ID поста: Ссылается на значение в столбце A листа "Posts".
Post
=Posts!B37
Название поста: Ссылается на значение в столбце B листа "Posts".
Channel
=Posts!C37
Канал: Ссылается на значение в столбце C листа "Posts".
Type
=Posts!D37
Тип контента: Ссылается на значение в столбце D листа "Posts".
Days Live
=(СЕГОДНЯ() + ТДАТА() - ЦЕЛОЕ(ТДАТА())) - (ДАТАЗНАЧ(ПСТР(Posts!H2, 1, 10)) + ВРЕМЗНАЧ(ПСТР(Posts!H2, 12, 8)))
Количество дней с момента публикации: Рассчитывает количество дней с момента публикации поста, используя текущую дату и время публикации из столбца H листа "Posts".
Likes
=Posts!E2
Количество лайков: Ссылается на значение в столбце E листа "Posts".
Video Views
=Posts!F2
Количество просмотров видео: Ссылается на значение в столбце F листа "Posts".
Comments
=Posts!G2
Количество комментариев: Ссылается на значение в столбце G листа "Posts".
Engagement Rate(video)
=ЕСЛИОШИБКА((F2+H2)/G2)
Коэффициент вовлеченности для видео: Показывает, насколько активно пользователи взаимодействуют с видео. Рассчитывается как сумма лайков и комментариев, деленная на количество просмотров видео. Если возникает ошибка (например, деление на ноль), возвращает пустое значение.
N Engagement Rate(video)
=ЕСЛИ(ЕЧИСЛО(I2), (I2 - МИН(I:I)) / (МАКС(I:I) - МИН(I:I)), 0)
Нормализованный коэффициент вовлеченности для видео: Приводит коэффициент вовлеченности к единой шкале от 0 до 1, что позволяет сравнивать вовлеченность разных видео. Если значение в I2 является числом, нормализует его относительно минимального и максимального значений в столбце I. Если нет, возвращает 0.
Engagement Rate(all)
=(F2+H2)/ВПР(C2,Competitors!A:D,4,ЛОЖЬ)
Коэффициент вовлеченности для всех типов контента: Показывает, насколько активно пользователи взаимодействуют с любым контентом. Рассчитывается как сумма лайков и комментариев, деленная на значение, найденное с помощью функции ВПР в таблице Competitors.
N Engagement Rate(all)
=ЕСЛИ(ЕЧИСЛО(K2), (K2 - МИН(K:K)) / (МАКС(K:K) - МИН(K:K)), 0)
Нормализованный коэффициент вовлеченности для всех типов контента: Приводит коэффициент вовлеченности к единой шкале от 0 до 1, что позволяет сравнивать вовлеченность разных типов контента. Если значение в K2 является числом, нормализует его относительно минимального и максимального значений в столбце K. Если нет, возвращает 0.
View-To-Like Ratio
=G2/F2
Отношение просмотров к лайкам: Показывает, насколько часто пользователи лайкают видео после его просмотра. Рассчитывается как количество просмотров видео, деленное на количество лайков.
N View-To-Like Ratio
=ЕСЛИ(ЕЧИСЛО(M2), (M2 - МИН(M:M)) / (МАКС(M:M) - МИН(M:M)), 0)
Нормализованное отношение просмотров к лайкам: Приводит отношение просмотров к лайкам к единой шкале от 0 до 1, что позволяет сравнивать это отношение для разных видео. Если значение в M2 является числом, нормализует его относительно минимального и максимального значений в столбце M. Если нет, возвращает 0.
Comments-To-Like Ratio
=H2/F2
Отношение комментариев к лайкам: Показывает, насколько часто пользователи комментируют видео после его лайка. Рассчитывается как количество комментариев, деленное на количество лайков.
N Comments-To-Like Ratio
=ЕСЛИ(ЕЧИСЛО(O2), (O2 - МИН(O:O)) / (МАКС(O:O) - МИН(O:O)), 0)
Нормализованное отношение комментариев к лайкам: Приводит отношение комментариев к лайкам к единой шкале от 0 до 1, что позволяет сравнивать это отношение для разных видео. Если значение в O2 является числом, нормализует его относительно минимального и максимального значений в столбце O. Если нет, возвращает 0.
Recency
=1/E2
Обратная величина количества дней с момента публикации: Показывает, насколько свежий пост. Чем меньше значение E2 (количество дней), тем больше значение Recency.
N Recency
=ЕСЛИ(ЕЧИСЛО(Q2), (Q2 - МИН(Q:Q)) / (МАКС(Q:Q) - МИН(Q:Q)), 0)
Нормализованное значение Recency: Приводит значение Recency к единой шкале от 0 до 1, что позволяет сравнивать свежесть разных постов. Если значение в Q2 является числом, нормализует его относительно минимального и максимального значений в столбце Q. Если нет, возвращает 0.
Score
=(IF(AND(ISNUMBER(J3), J3 < 0), (0.3*J3) + (0.25*L3) + (0.05*(1/N3)) + (0.2*P3) + (0.2*R3), (0.6*L3) + (0.2*P3) + (0.2*R3)))*10
Общий балл поста: Взвешенная оценка успешности поста, основанная на различных метриках. Если J3 (Engagement Rate(video)) является числом и меньше 0, используется одна формула, которая включает 30% от J3, 25% от L3 (N Engagement Rate(all)), 5% от обратного значения N3 (N View-To-Like Ratio), 20% от P3 (N Comments-To-Like Ratio)
URL
=Posts!I2
URL поста: Ссылается на значение в столбце I листа "Posts".
Image
=IMAGE(Posts!J2)
Изображение поста: Использует функцию IMAGE для отображения изображения из столбца J листа "Posts".
Генерация контента
Используя данные о топовых постах, мы можем сгенерировать скрипты для новых вирусных роликов. Для этого:
- Создайте новый лист "Генерация контента"
- Добавьте столбцы для темы, хэштегов, описания и скрипта
- Используйте функцию VLOOKUP для переноса данных из листа с постами
- Добавьте столбец с запросом к OpenAI для генерации скрипта на основе темы и описания
Теперь при добавлении новой строки будет автоматически генерироваться скрипт для нового ролика.
Демонстрация
Давайте посмотрим, как все это работает на практике:
- Парсер собирает данные о постах конкурентов
- Данные автоматически сохраняются в Google Sheets
- Рассчитываются метрики вовлеченности
- На основе топовых постов генерируются новые скрипты
- Скрипты можно использовать для создания вирусных роликов
Заключение
Используя эту систему, вы сможете значительно ускорить процесс создания контента для Instagram Reels. Автоматизация сбора данных, анализа и генерации скриптов позволит вам быстро создавать вирусные ролики, основанные на реальных данных о предпочтениях вашей аудитории.
Попробуйте эту систему прямо сейчас и начните покорять алгоритмы Instagram!
Проблемы?
Пишите в Telegram или ВКонтакте, а также подписывайтесь на наши новости