关于 monitoring-instagram-hashtag-trends
面向营销的技能,依据帖子数据评估 Instagram 话题标签表现,并按宽泛、中等和细分层级整理。帮助内容营销人员在规划标签组合时比较互动情况与估算竞争度。
主要功能
- 01抓取近期话题标签帖子
- 02统计点赞与评论
- 03比较互动量和帖子数量
- 04按竞争度划分标签层级
- 05整理话题标签组合
适用场景
- 01比较特定内容领域的标签
- 02选择兼顾覆盖面与竞争度的标签
- 03发现新兴或表现较弱的标签
MCP 相关
可通过 Apify MCP 服务运行 Instagram 抓取 Actor;也提供命令行与 REST API 方案。
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ apidojo-io/ apidojo-skills --skill monitoring-instagram-hashtag-trends安装后在 Claude Code 中输入/monitoring-instagram-hashtag-trends确认已加载。
详细介绍
监测 Instagram 话题标签趋势
分析 Instagram 上的话题标签表现,找出哪些标签能为某个内容类别带来最佳互动。根据实际帖子数据,构建分层话题标签策略(广泛/中等/小众)。
前提条件
- 已设置
APIFY_TOKEN环境变量 - 可选:已安装 Apify MCP 服务
输入
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
startUrls | 数组 | ✅ | [] | Instagram URL——个人主页、话题标签、地点、音频页面、Reels |
until | 字符串 | 可选 | — | 抓取帖子,直到此日期(YYYY-MM-DD) |
maxItems | 数字 | 可选 | 不限 | 要返回的最大帖子数 |
customMapFunction | 字符串 | 可选 | — | 用于转换每个输出对象的 JavaScript 函数 |
工作流
Progress:
- [ ] Step 1: Scrape recent posts for each hashtag
- [ ] Step 2: Calculate per-hashtag metrics
- [ ] Step 3: Tier hashtags by competition/opportunity
- [ ] Step 4: Build recommended hashtag set
步骤 1:抓取话题标签
推荐——run_actor.js(自动处理等待、输出和文件保存):
# Quick answer (prints table to chat)
node scripts/run_actor.js \
--actor "apidojo~instagram-scraper" \
--input '{"param": "value"}'
# Save as CSV
node scripts/run_actor.js \
--actor "apidojo~instagram-scraper" \
--input '{"param": "value"}' \
--output YYYY-MM-DD_results.csv --format csv
# Save as JSON
node scripts/run_actor.js \
--actor "apidojo~instagram-scraper" \
--input '{"param": "value"}' \
--output YYYY-MM-DD_results.json --format json
必须在环境或
.env文件中设置APIFY_TOKEN。
如果有可用的 Apify MCP:
Tool: apify:run-actor
Actor: "apidojo~instagram-scraper"
Input:
{
"keywords": ["[HASHTAG_1]", "[HASHTAG_2]", "..."],
"maxItems": 50
}
REST API 备用方案:
curl -X POST "https://api.apify.com/v2/acts/apidojo~instagram-scraper/runs?token=$APIFY_TOKEN" -H "Content-Type: application/json" -d '{"keywords": ["#[hashtag1]", "#[hashtag2]"], "maxItems": 50}'
每个话题标签单独运行(如果 MCP 支持一次运行多个话题标签,也可以批量运行)。
步骤 2:计算指标
对于每个话题标签:
avg_likes = mean(likesCount for all sampled posts)
avg_comments = mean(commentsCount for all sampled posts)
engagement_per_post = avg_likes + avg_comments
post_volume_estimate = total posts shown (from platform, if available)
opportunity_score = engagement_per_post / (post_volume_estimate / 10000 + 1)
分数越高,表示相较于竞争程度,互动效果越好。
话题标签层级:
- HIGH_COMPETITION:帖子数 > 1M——排名难度高;尽量少用
- MID_TIER:帖子数为 100K–1M——触达量与竞争程度较为平衡
- NICHE:帖子数 < 100K——更容易获得排名,触达量较低,但受众更精准
步骤 3:边界情况
- 话题标签已被屏蔽:如果抓取返回 0 条帖子,该话题标签可能已被 Instagram 屏蔽——从策略中移除
- 话题标签刚创建不久(帖子数 < 1K):无法计算可靠指标;标记为
EMERGING — LOW DATA - 多个话题标签下出现相同帖子:计算互动指标时去重;报告实际的唯一帖子数
输出格式
# Instagram Hashtag Strategy: [NICHE]
Hashtags tested: [N] | Date: [DATE]
## Performance by Hashtag
| Hashtag | Est. Posts | Avg Likes/Post | Avg Comments | Tier | Opportunity Score |
|---------|-----------|---------------|-------------|------|-----------------|
| #[tag] | [N] | [N] | [N] | MID_TIER | [0.XX] |
## Recommended Hashtag Set (Mix Strategy)
Use 20-30 hashtags per post in this ratio:
- 5 HIGH_COMPETITION tags: [list]
- 10 MID_TIER tags: [list]
- 10 NICHE tags: [list]
## Banned / Restricted Hashtags
Avoid: [list of any hashtags that returned 0 results]
故障排除
互动数据差异很大:Instagram 上这种情况很常见;使用中位数而非平均数,以降低异常值的影响。 话题标签帖子很多,但互动很低:高数量 + 低互动 = 内容被机器人或垃圾信息主导——触达价值低;降低优先级。 自动生成小众话题标签未产生结果:并非所有小众领域都有成熟的话题标签社群——专注于已有且表现良好的标签。
评论
支持 Markdown