Case Study: Automating Influencer Discovery for High-Engagement Brands

Tại Glinteco, chúng tôi nhận được một lượng lớn yêu cầu cho các giải pháp thu thập dữ liệu tùy chỉnh trên mạng xã hội. Khách hàng thường nhận thấy rằng trong khi các nền tảng xã hội rất rộng lớn, dữ liệu lại "nhiễu". Họ không chỉ cần danh sách người dùng; họ cần danh sách các nhà sáng tạo có giá trị cao, đang hoạt động đáp ứng các ngưỡng hiệu suất cụ thể.

Nghiên cứu điển hình này làm nổi bật một yêu cầu phổ biến: tìm kiếm "Active Middle" trên Instagram, những người dùng có cơ sở vững chắc là 5.000 người theo dõi và duy trì lịch đăng bài hàng ngày.

Thử Thách: Tìm kiếm sự Nhất Quán

Đối với nhiều khách hàng của chúng tôi, số lượng người theo dõi lớn không có ý nghĩa nếu tài khoản không hoạt động. Khám phá thủ công là một nút thắt:

Vấn Đề: Tìm 10 người sáng tạo đang hoạt động có thể mất 2 giờ cuộn thủ công.
Mục Tiêu: Tự động xác định những người dùng hiện đang "trending" và có mức độ tương tác cao.
Tiêu Chí: Hơn 5.000 người theo dõi và nội dung được xuất bản trong vòng 24 giờ qua.

Giải Pháp: Python + Apify SDK

Để giải quyết vấn đề này ở quy mô lớn, chúng tôi sử dụng Apify Python SDK. Điều này cho phép chúng tôi kích hoạt apify/instagram-scraper và ngay lập tức truyền dữ liệu vào một công cụ lọc tùy chỉnh.

1. Trích Xuất theo Chương Trình

Thay vì sử dụng bảng điều khiển, chúng tôi khởi tạo việc thu thập dữ liệu thông qua apify-client. Điều này cho phép chúng tôi nhắm mục tiêu các hashtag hoặc vị trí địa lý cụ thể để tìm nhóm ứng cử viên ban đầu của mình.

from apify_client import ApifyClient from datetime import datetime, timedelta

client = ApifyClient("YOUR_API_TOKEN")

# Nhắm mục tiêu các hashtag về thể dục có chủ đích cao run_input = { "hashtags": ["wellnessjourney", "fitfluencer"], "resultsLimit": 500, }

# Chạy actor run = client.actor("apify/instagram-scraper").call(run_input=run_input)

2. Bộ Lọc "Hoạt Động" của Glinteco

Sau khi dữ liệu thô được truy xuất, chúng tôi áp dụng một lớp logic để cô lập những người sáng tạo đáp ứng các yêu cầu chính xác của khách hàng. Đây là nơi chúng tôi tách "tài khoản ma" khỏi những người đăng bài hàng ngày.

# Thiết lập khung thời gian của chúng tôi (24 giờ) cutoff_time = datetime.now() - timedelta(days=1) verified_leads = []

for item in client.dataset(run["defaultDatasetId"]).iterate_items(): followers = item.get("followersCount", 0) last_post_ts = item.get("latestPostTimestamp") if last_post_ts: last_post_date = datetime.fromtimestamp(last_post_ts) # Áp dụng quy tắc 5k người theo dõi và hoạt động trong 24h if followers >= 5000 and last_post_date >= cutoff_time: verified_leads.append({ "username": item.get("username"), "followers": followers, "status": "Daily Poster" })

Tại Sao Điều Này Hiệu Quả

Bằng cách lọc cho người đăng bài hàng ngày, chúng tôi đảm bảo rằng khách hàng của chúng tôi đang tiếp cận những người sáng tạo hiện đang ở trong "chế độ sản xuất." Những người dùng này có nhiều khả năng kiểm tra thông báo của họ, tương tác với các yêu cầu của thương hiệu và có một cộng đồng đang theo dõi các câu chuyện và bài đăng của họ một cách tích cực.

Bước Tiếp Theo Của Bạn

Tại Glinteco, chúng tôi không chỉ thu thập dữ liệu; chúng tôi xây dựng các quy trình thông minh thúc đẩy sự tăng trưởng kinh doanh.

Bạn có muốn tôi điều chỉnh tập lệnh này để xử lý nhiều nền tảng xã hội cùng một lúc, hoặc có thể thêm một bộ lọc cho các tỷ lệ tương tác cụ thể không?