instagram-research

Instagram 研究

研究高表现的 Instagram 帖子和 Reels，识别异常内容，并分析顶级视频的钩子和结构。

前提条件

• APIFY_TOKEN 环境变量或在 .env 文件中
• GEMINI_API_KEY 环境变量或在 .env 文件中
• apify-client 和 google-genai Python 包
• 在 .claude/context/instagram-accounts.md 中配置账户

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"

工作流程

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：30）
• --limit：每个账户的最大项目数（默认：50）

3. 识别异常内容

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

输出 JSON 包含：

• total_posts：分析的帖子数量
• outlier_count：发现的异常数量
• topics：热门标签和关键词
• accounts：分析的账户列表
• outliers：带有参与度指标的异常帖子数组

4. 使用 AI 分析顶级视频

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：

• 钩子技巧和可复制的公式
• 内容结构和部分
• 留存技巧
• CTA 策略

有关完整输出模式和钩子/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 研究报告

生成日期：{date}

## 表现最佳的钩子

按参与度排名。将这些公式用于您的内容。

### 钩子 1：{technique} - @{username}
- **开头**："{opening_line}"
- **为什么有效**：{attention_grab}
- **可复制的公式**：{replicable_formula}
- **参与度**：{likes} 个赞，{comments} 条评论，{views} 次观看
- [观看视频]({url})

[对每个分析的视频重复]

## 内容结构模式

| 视频 | 格式 | 节奏 | 关键留存技巧 |
|-------|--------|--------|--------------------------|
| @username | {format} | {pacing} | {techniques} |

## CTA 策略

| 视频 | CTA 类型 | CTA 文本 | 位置 |
|-------|----------|----------|-----------|
| @username | {type} | "{cta_text}" | {placement} |

## 所有异常内容

| 排名 | 用户名 | 点赞 | 评论 | 观看 | 参与率 |
|------|----------|-------|----------|-------|-----------------|
[列出所有异常内容及其指标和链接]

## 热门话题

### 热门标签
[来自 outliers.json topics.hashtags]

### 热门关键词
[来自 outliers.json topics.keywords]

## 可操作要点

[将模式综合为 4-6 条具体建议]

## 分析的账户
[列出账户]

专注于可操作的见解。"表现最佳的钩子"部分及其可复制的公式应突出显示。

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。

参与度指标

参与度得分：likes + (3 × comments) + (0.1 × views)

异常检测：参与率 > 平均值 + (阈值 × 标准差) 的帖子

参与率：(得分 / 粉丝数) × 100