instagram-research

Instagram 研究

研究表現出色的 Instagram 貼文和 Reels，識別異常內容，並分析頂尖影片的鉤子和結構。

前置需求

• APIFY_TOKEN 環境變數或位於 .env 中
• GEMINI_API_KEY 環境變數或位於 .env 中
• apify-client 和 google-genai Python 套件
• 帳號設定於 .claude/context/instagram-accounts.md

驗證設定：

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"

工作流程

1. 建立執行資料夾

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

2. 取得內容

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

參數：

• --type："posts"、"reels" 或 "stories"
• --days：往回搜尋的天數（預設：30）
• --limit：每個帳號的最大項目數（預設：50）

3. 識別異常內容

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

輸出 JSON 包含：

• total_posts：分析的貼文數
• outlier_count：找到的異常數
• topics：熱門主題標籤和關鍵字
• accounts：分析的帳號清單
• outliers：帶有互動指標的異常貼文陣列

4. 使用 AI 分析頂尖影片

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

從每個影片中提取：

• 鉤子技巧和可複製的公式
• 內容結構和章節
• 留存技巧
• CTA 策略

請參閱 video-content-analyzer 技能以取得完整的輸出結構和鉤子/格式類型。

5. 生成報告

讀取 {RUN_FOLDER}/outliers.json 和 {RUN_FOLDER}/video-analysis.json，然後生成 {RUN_FOLDER}/report.md。

報告結構：

# Instagram 研究報告

生成日期：{date}

## 表現最佳的鉤子

依互動排名。將這些公式用於你的內容。

### 鉤子 1：{technique} - @{username}
- **開場**："{opening_line}"
- **為何有效**：{attention_grab}
- **可複製公式**：{replicable_formula}
- **互動**：{likes} 讚、{comments} 留言、{views} 觀看
- [觀看影片]({url})

[對每個分析的影片重複]

## 內容結構模式

| 影片 | 格式 | 節奏 | 關鍵留存技巧 |
|-------|--------|--------|--------------------------|
| @username | {format} | {pacing} | {techniques} |

## CTA 策略

| 影片 | CTA 類型 | CTA 文字 | 位置 |
|-------|----------|----------|-----------|
| @username | {type} | "{cta_text}" | {placement} |

## 所有異常內容

| 排名 | 使用者名稱 | 讚數 | 留言數 | 觀看數 | 互動率 |
|------|----------|-------|----------|-------|-----------------|
[列出所有異常內容及其指標和連結]

## 熱門主題

### 熱門主題標籤
[來自 outliers.json topics.hashtags]

### 熱門關鍵字
[來自 outliers.json topics.keywords]

## 可操作的建議

[將模式綜合為 4-6 條具體建議]

## 分析的帳號
[列出帳號]

專注於可操作的見解。"表現最佳的鉤子"部分應包含可複製的公式並突出顯示。

快速參考

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

然後讀取兩個 JSON 檔案並生成報告。

互動指標

互動分數：likes + (3 × comments) + (0.1 × views)

異常偵測：互動率高於平均值 + (threshold × 標準差) 的貼文

互動率：(分數 / 追蹤者數) × 100