instagram-research

Instagram 研究

研究表现出色的 Instagram 帖子和短视频，识别异常值，并分析热门视频内容的钩子和结构。

前提条件

• APIFY_TOKEN 环境变量或 .env 文件中的变量
• GEMINI_API_KEY 环境变量或 .env 文件中的变量
• apify-client 和 google-genai Python 包
• 在 .claude/context/instagram-accounts.md 中配置的账号

验证设置：

python3 -c "
import os
try:
    from dotenv import load_dotenv
    load_dotenv()
except ImportError:
    pass
from apify_client import ApifyClient
from google import genai
assert os.environ.get('APIFY_TOKEN'), 'APIFY_TOKEN not set'
assert os.environ.get('GEMINI_API_KEY'), 'GEMINI_API_KEY not set'
" && echo "Prerequisites OK"

工作流

1. 创建运行文件夹

RUN_FOLDER="instagram-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && echo "$RUN_FOLDER"

2. 获取内容

python3 .claude/skills/instagram-research/scripts/fetch_instagram.py \
  --type reels \
  --days 30 \
  --limit 50 \
  --output {RUN_FOLDER}/raw.json

参数：

• --type："posts"、"reels" 或 "stories"
• --days：向前搜索的天数（默认值：30）
• --limit：每个账号的最多项目数（默认值：50）

3. 识别异常值

python3 .claude/skills/instagram-research/scripts/analyze_posts.py \
  --input {RUN_FOLDER}/raw.json \
  --output {RUN_FOLDER}/outliers.json \
  --threshold 2.0

输出的 JSON 包含：

• total_posts：分析的帖子数
• outlier_count：发现的异常值数
• topics：热门话题标签和关键词
• accounts：已分析账号列表
• outliers：包含互动指标的异常帖子数组

4. 使用 AI 分析热门视频

python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py \
  --input {RUN_FOLDER}/outliers.json \
  --output {RUN_FOLDER}/video-analysis.json \
  --platform instagram \
  --max-videos 5

从每个视频中提取：

• 钩子技巧和可复用公式
• 内容结构和章节
• 留存技巧
• CTA 策略

完整的输出架构以及钩子／格式类型，请参阅 video-content-analyzer 技能。

5. 生成报告

读取 {RUN_FOLDER}/outliers.json 和 {RUN_FOLDER}/video-analysis.json，然后生成 {RUN_FOLDER}/report.md。

报告结构：

# Instagram Research Report

Generated: {date}

## Top Performing Hooks

Ranked by engagement. Use these formulas for your content.

### Hook 1: {technique} - @{username}
- **Opening**: "{opening_line}"
- **Why it works**: {attention_grab}
- **Replicable Formula**: {replicable_formula}
- **Engagement**: {likes} likes, {comments} comments, {views} views
- [Watch Video]({url})

[Repeat for each analyzed video]

## Content Structure Patterns

| Video | Format | Pacing | Key Retention Techniques |
|-------|--------|--------|--------------------------|
| @username | {format} | {pacing} | {techniques} |

## CTA Strategies

| Video | CTA Type | CTA Text | Placement |
|-------|----------|----------|-----------|
| @username | {type} | "{cta_text}" | {placement} |

## All Outliers

| Rank | Username | Likes | Comments | Views | Engagement Rate |
|------|----------|-------|----------|-------|-----------------|
[List all outliers with metrics and links]

## Trending Topics

### Top Hashtags
[From outliers.json topics.hashtags]

### Top Keywords
[From outliers.json topics.keywords]

## Actionable Takeaways

[Synthesize patterns into 4-6 specific recommendations]

## Accounts Analyzed
[List accounts]

重点关注可执行的洞察。「表现最佳的钩子」部分应突出展示可复用公式。

快速参考

完整流程：

RUN_FOLDER="instagram-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && \
python3 .claude/skills/instagram-research/scripts/fetch_instagram.py --type reels -o "$RUN_FOLDER/raw.json" && \
python3 .claude/skills/instagram-research/scripts/analyze_posts.py -i "$RUN_FOLDER/raw.json" -o "$RUN_FOLDER/outliers.json" && \
python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py -i "$RUN_FOLDER/outliers.json" -o "$RUN_FOLDER/video-analysis.json" -p instagram

然后读取两个 JSON 文件并生成报告。

互动指标

互动得分：likes + (3 × comments) + (0.1 × views)

异常值检测：互动率 > 平均值 +（阈值 × 标准差）的帖子

互动率：（得分 / 粉丝数）× 100