Привет, коллеги!
Сегодня хочу немного рассказать о том, как мы в INCITY начинаем работать в QlikView с аналитикой социальных сетей, а именно с Instagram.
Началась вся эта история довольно спонтанно – в октябре уже прошлого года коллеги из АТК готовили к очередному qRUG Day несколько практических кейсов по аналитике социальных медиа на QlikView и Qlik Sense, и предложили нам присоединиться. Лично я не очень-то увлекаюсь соц.сетями и пока не инициировал развитие Клика в эту сторону, но раз появилась интересная возможность, решил ей воспользоваться. Посоветовался с маркетингом, они тоже загорелись идеей объединить всю аналитику по социальным сетям в QlikView. И вот какое приложение у нас получилось на данный момент.
Аналитика Instagram: цели INCITY
У нас есть свои аккаунты во всех крупных соц.сетях, таких как Вконтакте, Twitter, Instagram, Facebook, причем не только общекорпоративные страницы, но и аккаунты INCITY по городам и странам присутствия. Понятно, что это большой объем и что-то должно стать первым шагом, чтобы оценить ценность создания всеобъемлющей SMM-аналитики.
Первым шагом мы выбрали аналитику по аккаунту INCITY в Instagram, т.к. в отличие от Вконтакте и Facebook там нет встроенной аналитики по корпоративной странице. Затем начался процесс сбора требований, или скорее «хотелок», от маркетологов, что им действительно нужно видеть в приложении в первую очередь.
Вот некоторые цели, которые поставили наши маркетологи для приложения по аналитики Instagram:
Цель | Анализ развития сообщества Instagram | Анализ сообществ-конкурентов | Отчеты для сотрудников маркетинга |
Задача | Расширенная статистика по бренду компании за все время существования страницы Instagram, общей и по городам | Оценка контента и стратегий конкурента
Анализ пересекающихся участников |
Еженедельные PDF-отчеты сотрудникам отдела маркетинга.
Отправка по расписанию по email |
Метрики | Лояльность и вовлеченность аудитории | Время постинга
Структура контента |
Ключевые метрики по соц.сетям |
Аналитика Instagram: техническое решение
Instagram для аналитики пока очень плодотворная тема, потому что:
- Пока Instagram не предоставляет никакой внутренней аналитики по аккаунту, как это, например, делает Вконтакте и Facebook. Скорее всего, скоро ситуация изменится, ведь фотоприложение теперь принадлежит Марку Цукербергу, но пока аналитика в Клике – будет очень полезна SMM-щикам.
- Данные практически открыты. Дело в том, что вся информация на виду – количество публикаций, подписчиков, лайков, комментариев, хэштэги, и ее можно действительно просто собрать с помощью QlikView. Это означает, что кто угодно может проанализировать активность Вашего аккаунта Instagram, но и вы можете сделать интересную и полезную конкурентную аналитику.
Данные Instagram мы интегрировали при помощи специального коннектора от QVSource: Instagram Connector For QlikView & Qlik Sense. Подробная инструкция по коннекту тут: http://wiki.qvsource.com/Instagram-Connector-For-QlikView-And-Qlik-Sense.ashx.
Интересно, что для интеграции данных Instagram в QlikView не нужно быть администратором страницы – достаточно быть просто пользователем Instagram.
Есть еще одна интересная тема – Instagram не хранит исторические данные по количеству подписчиков. А нам, как аналитикам, важно понимать, с какой скоростью растет база подписчиков, после каких постов больше подписываются или отписываются люди и т.д. Эту техническую трудность мы тоже решили с помощью Qlik-а.
Сделать это достаточно просто, но готовые скрипты – никогда не лишние, поэтому привожу их. Чтобы получить регулярные данные о количестве подписчиков средствами QlikView, при каждой перезагрузке приложения привязываем количество к времени перезагрузки:
Шаг 1. Загрузка данных из QVSource:
UserInfo:
LOAD
[Количество подписчиков],
reloadtime() as ДатаЗагрузки
FROM
[http://localhost:5555/QVSource/InstagramConnector]
(qvx);
Шаг 2. Присоединение данных из предварительно созданного QVD-файла:
Concatenate (UserInfo)
LOAD
[Количество подписчиков],
ДатаЗагрузки
FROM
UserInfo.qvd
(qvd);
Шаг 3. Сохраняем данные в этот же QVD-файл
STORE UserInfo INTO UserInfo.qvd(qvd);
Также эту таблицу можно дополнять значениями, например, добавив дату от времени перезагрузки: date(left(ДатаЗагрузки,10), ‘DD-MM-YYYY’) as UserInfo_date
Это в дальнейшем это упростит создание диаграмм. Как только мы вывели значения количества подписчиков по дням, мы можем через Set Analysis выводить значения по месяцам, сравнивать значения на начало и конец месяца и т.д.
НА ЗАМЕТКУ! Поскольку за один день мы можем сделать несколько перезагрузок, возникает вопрос: какое из значений выводить, если мы, например, хотим показать количество подписчиков за весь день? Есть 2 варианта: брать либо последнее загруженное значение, либо максимальное, но часто оба варианта имеют одинаковые значения.
Метрики: Какие данные можно получить из Instagram и зачем
Итак, вот какой основной интерфейс у нас получился:
Ну а ниже – основные аналитики, которые мы заложили в приложение QlikView для исследования нашего аккаунта Instagram @incity_official.
Анализ динамики подписчиков паблика
- Количество и динамика подписчиков. Естественно, нас интересует не только как таковое число подписчиков, но и темп прироста аудитории, т.к. он показывает уровень активности в сообществе и интереса к нашим коллекциям. Чтобы получить данные по количеству и динамике подписчиков Instagram, фиксируем число подписчиков при каждой загрузке приложения (по описанной выше схеме). Так мы можем смотреть прирост подписчиков с любой интересующей периодичностью – по неделям, дням и даже часам (чтобы оценить лучшее время для публикаций).
Анализ вовлеченности аудитории
- % активных подписчиков. Сколько подписчиков оставляют лайки и комментарии к нашим публикациям из общего числа подписчиков паблика в разрезе неделя, месяц, квартал, полгода, год.
- Динамика лайков и комментариев. Мы анализируем распределение лайков и комментариев в разных разрезах – на конкретную дату, по дням недели, средние показатели по месяцам в динамике. QlikView помогает быстро находить интересные для аналитики публикации, например, как на верхнем левом графике – с количеством лайков ниже среднего, но с большей вовлеченностью пользователей (комментарии). Можно понять, что SMM-менеджеру улучшить в следующий раз, чтобы сохранить или повысить вовлечение и собрать больше лайков:
Анализ контента
- Лучший день/время для публикации. Мы смотрим в разрезе времени суток и дня недели для разных географических зон.
- Like-for-like анализ популярности публикаций. Чаще всего выборка идет по хэштэгам.
- Рейтинги постов по лайкам и комментариям. В приложении решили сделать отдельную вкладку с детальной аналитикой наиболее популярных постов: выводятся изображения, текст поста, текст комментария, имя комментатора. Есть фильтрация по хэштэгам – например, бывает полезно посмотреть, какого плана изображения более популярны по хэштэгам #specialoffer или #dress:
Анализ конкурентных пабликов
Этого пока еще не сделали, но, конечно, планируем, поскольку из Instagram мы сейчас можем брать данные по статистике любых аккаунтов (скриншот ниже – из примера АТК на Qlik Sense по аналитике двух аккаунтов Instagram TopShop Россия и TopShop Британия).
- Статистика аккаунта конкурента, с учетом анализа популярных публикаций, лайков, комментариев.
- Анализ пересечений аудитории с конкурентными сообществами.
Вместо заключения
Этот небольшой пилотный проект по аналитике нашего основного Instagram-аккаунта маркетологам понравился, поэтому думаем двигаться дальше в направлении аналитики социальных сетей и веб-аналитики он-лайн магазинов.
В отношении Instagram дальнейшие шаги обсуждаем следующие:
- Объединить несколько наших ключевых аккаунтов Instagram по регионам России и СНГ
- Добавить данные по аналитике Instagram наших ключевых конкурентов
- Объединить данные аккаунтов Instagram и ВКонтакте.
Ну а если все пойдет хорошо, с источниками для аналитики будет где «разойтись» — можно будет интегрировать:
- Исследования по узнаваемости бренда (чтобы посмотреть, как на динамику узнаваемости влияет наша повышенная активность в соц.сетях)
- Счетчики посетителей (чтобы проследить, идет ли повышение трафика в магазины после постов в соц.сетях о новых коллекциях, скидках или конкурсах)
- Данные по продажам магазинов (чтобы узнать, например, связан ли всплеск совместных продаж красного платья и клатча с постами этого, как говорят наши маркетологи, «лука» в Instagram)
- Данные Google Analytics и Яндекс Метрики (чтобы проанализировать связь посещаемости страниц о новой коллекции с активностью в соц.сетях)
Спасибо за внимание и надеюсь, вы тоже задумаетесь об аналитике он-лайн источников данных, включая соц.сети. Что-то подсказывает, что скоро такая аналитика станет неизбежной частью BI для многих ритейлеров 🙂
Будут вопросы – пожалуйста, задавайте!
Добрый день
Это бесплатный коннектор? Не могу найти по нему информацию. Ссылка перекидывает на общую страничку комьюнити. Спасибо.