In den letzten Tagen wurde ich äußerst intensiv dahingehend befragt, wie man denn mit Hilfe von Pinterest Fans aus vordefinierten Ländern identifizieren kann.
Die Vorgehensweise ist via API relativ einfach erklärt:

[1. Schritt]
Suchabfrage auf die Boards
https://api.pinterest.com/v3/search/pins/?join=via_pinner,board,pinner&page_size=20&query=[suchwort(e)]&access_token=[deintoken]

[2. Schritt]
Erfassen der Boardbesitzer_innen über den Eintrag „data[nr].url„. Dieser hat das Schema /username/boardname und demzufolge müssen die „/“ zzgl. dem Boardnamen entfernt werden. Der extrahierte Username wird zwecks Weiterverarbeitung zwischengespeichert.

[3. Schritt]
Erfassen der Userangaben mit Hilfe der URL: https://api.pinterest.com/v3/pidgets/users/[username]/pins/
Die Angaben zum User befinden sich in diesen Variablen:
[user][about] => Beschreibung
[user][location] => Ort / Land
[user][full_name] => Name des Users
[user][follower_count] => Anzahl der Fans
[user][pin_count] => Anzahl der Pins
[user][profile_url] => Profilurl

Schaut man sich nun die Ergebnisse aus der Abfrageurl an, fallen Angaben zu den letzten Pins und deren „Beliebtheit“ (repin_count, like_count) auf und diese lassen sich nun als Bezugsgröße für die Beobachtungen zu „Aktivität“ und „Beliebtheit“ heran ziehen. Bei einer sauberen Langzeitanalyse dieser Daten lassen sich u.U. Teilaspekte des „User Intent“ prognostizieren. Ich werde vermutlich bis zum 18.01.2016 die Recherchefunktionen in unseren Beobachtungskomplex einbeziehen und unseren Kund_innen und Betatester_innen zur Verfügung stellen. Eine eventuelle Erweiterung der Accountanalysefunktionen auf die Systeme „Instagram“, „Twitter“ und „Facebook“ wird von uns derzeit intern noch ausdiskutiert.

Die wesentlichen „Bausteine“ zum Auslesen dieser API sehen so aus:

[Einlesen des Feeds]
$json=file_get_contents('https://api.pinterest.com/v3/search/pins/?join=via_pinner,board,pinner&page_size='.$menge.'&query='.$search.'&access_token=deintoken');
Die Variable „$menge“ beschreibt hier die Anzahl der auszugebenden Ergebnisse, wobei hier maximal 200 möglich sind. Die Variable „$search“ beschreibt die zu übergebende Anfrage, welche eine Phrase oder ein einzelnes Wort beinhalten kann.

[Auswerten des Feeds]
$json_a=json_decode($json,true);
$data = $json_a['data'];
$summe = count($data);
Das Element „data“ umfasst die Datensätze zu den einzelnen Pins und die Variable $summe beinhaltet die Zusammenzählung aller ausgegebenen Datensätze zu den Pins.

$json_a['data'][$a]['title']
Die Variable „$a“ bezieht sich hier auf die Zählschleife, welche die Datensätze „Schritt für Schritt“ einliest und auswertet. Sie wird mit jedem Schritt um „1“ addiert und die Schleife beendet sich beim Erreichen des Zustands „$a=$summe“.
$json_a['data'][$a]['description']
https://www.pinterest.com/pin/".$json_a['data'][$a]['id']
$json_a['data'][$a]['repin_count']." / ".$json_a['data'][$a]['like_count']
Auslesen der Pinbeschreibung, des Pinlinks und der Anzahl „Repins“ / „Likes“. Für weitere Informationen aus den Ergebnissen muss natürlich der unbearbeitete Originaldatensatz hinsichtlich der Variablen analysiert werden und hier können sich Hinweise auf die Autoren der Pins, der hinterlegten URLs und eventuellen Qualitätsmerkmalen der Pins wie Hauptfarbe und Auflösungen interessant werden.

Nach aktuellem Kenntnisstand existiert leider keine Möglichkeit, die Ausgabe der Pins in irgendeiner Form zu sortieren (Datum, ID, Autor etc.) und man muss hier eine geeignete Sortierfunktion selbst entwickeln oder das Problem via nachgelagerter Datenbankanbindung lösen.

Wozu benötigt man das Ganze oder wie lassen sich nun die Datensätze konkret verwerten? Pinterest liefert interessante Rückschlüsse auf konkrete Marktsituationen, da die Metriken „Like“ und „Repin“ im Verhältnis zum Datum langfristig beobachtbar sind. Hieraus lassen sich klare Trends ableiten und zwar dahingehend, dass bestimmte Angebote eben „beliebt“ sind. Bei ordentlicher Datenerfassung und Datenaufbereitungen lassen sich die Zahlen nun auch mit bspw. unserer Hashtagdatenbank abgleichen und man könnte hier auch Gegenproben auf die Ergebnisse aus G-Trends oder dem G-Keywordtool realisieren. Denkbar wäre hier auch eine Hashtaganalyse auf die „Title“ und „Description“.