An der Stelle muss ich gestehen, dass ich heute zum ersten Mal das Programm gesehen habe und relativ viele unlogische Fehler rund um den Startvorgang sichtbar wurden.
Tensorboard liess sich bei mir via Neuinstallation von Anaconda + Neuinstallation mit „conda install -c conda-forge tensorflow“ reparieren.
Der Start läuft über die CMD-Eingabe „tensorboard –logdir=path/to/log-directory“ und die URL lautet: http://localhost:6006/
Funktionstest
Wenn keine Fehler sichtbar werden, hat die Installation funktioniert.
(A) Statistiken, Allgemeines
(1) Komplettüberblick
select count(url) as Beiträge, count(distinct(username)) as Nutzer_innen, count(distinct(location)) as Locations, count(distinct(filter)) as Fotofilter, count(distinct(erstellzeit)) as Medienzeitstempel, sum(likes) as Summe_Likes, sum(comments) as Summe_Kommentare from locations;
(2) Überblick nach Locationfilter
select count(url) as Beiträge, count(distinct(username)) as Nutzer_innen, count(distinct(location)) as Locations, count(distinct(filter)) as Fotofilter, count(distinct(erstellzeit)) as Medienzeitstempel, sum(likes) as Summe_Likes, sum(comments) as Summe_Kommentare from locations where location like '%germany%';
(3) Überblick nach Tagfilter
select count(url) as Beiträge, count(distinct(username)) as Nutzer_innen, count(distinct(location)) as Locations, count(distinct(filter)) as Fotofilter, count(distinct(erstellzeit)) as Medienzeitstempel, sum(likes) as Summe_Likes, sum(comments) as Summe_Kommentare from locations where tag like '%hausbau%'
(4) Überblick nach Tag- und Locationfilter
select count(url) as Beiträge, count(distinct(username)) as Nutzer_innen, count(distinct(location)) as Locations, count(distinct(filter)) as Fotofilter, count(distinct(erstellzeit)) as Medienzeitstempel, sum(likes) as Summe_Likes, sum(comments) as Summe_Kommentare from locations where (tag like '%hausbau%') and (location like '%germany%');
(5) Auflistung der Nutzer_innen mit Summe der „produzierten“ Likes
select distinct(username) , Anz_Likes from(
Select username, sum(likes) as Anz_likes from locations GROUP BY username ) as my_table order by Anz_likes DESC;
(6) Auflistung der Nutzer_innen mit Summe der verbundenen Locations, absteigend
select distinct(username) , Anz_Locations from(
Select username, count(location) as Anz_Locations from locations GROUP BY username ) as my_table order by Anz_Locations DESC;
(7) Auflistung der Nutzer_innen+Location zzgl. der Medienanzahl (Summe), absteigend
select username , location , Anz_Locations from(
Select username, location, count(location) as Anz_Locations from locations GROUP BY username ) as my_table where location like '%berlin%' order by Anz_Locations DESC;
(8) Tiefenprüfung auf einen Useraccount+Anzahl-Postings/Locations, absteigend
select username , location , Anzahl_Postings from(
Select username, location, count(location) as Anzahl_Postings from locations GROUP BY username ) as my_table where (location like '%berlin%') and (username = 'share') order by Anzahl_Postings DESC;
(9) Stadtrecherchen aus den Themenweltendatenbanken
select location from locations where (location like '%titude":51.339%') and (location like '%itude":12.377%')
Hinweise:
– Beispiel ist Leipzig
– weitere Städte unter http://www.fwiegleb.de/geo-a.htm
(10) Bereinigte Ausgabe der Tagwolken
select distinct(REPLACE(tag,'%22','"')) as Tagwolke from locations;
(11) Bereinigte Ausgabe der Locations inkl. Aufsummierung der Likes
SELECT distinct(location) as Orte, Anz_Likes from(
Select location, sum(likes) as Anz_likes from locations GROUP BY location ) as my_table order by Anz_Likes DESC;
(12) Bereinigte Ausgabe der Locations inkl. Aufsummierung der Postings
SELECT distinct(location) as Orte, Anz_User from(
Select location, count(username) as Anz_User from locations GROUP BY location ) as my_table order by Anz_User DESC
Hinweise:
– Durch die DB-Struktur werden die Beiträge „username“ zugeordnet und „username“ = „Beitrag“.
(B) Recherchen: Tagwolken
(1) Auflistung aller Tagwolken mit Aufsummierung der Likes, absteigend
SELECT distinct(tag) as Tagwolke, Anz_Likes from(
Select tag, sum(likes) as Anz_likes from locations GROUP BY tag ) as my_table order by Anz_Likes DESC
Hinweise:
(a) Bei Recherche nach den Comments, kann „likes“ zu „comments“ ausgetauscht werden.
(b) Die Abfrage listet alle Tagwolken – ungefiltert – auf und sortiert die Ergebnisse nach der Summe der Likes, welche durch die Tagwolken „produziert“ wurden.
(2) Auflistung der Tagwolken nach Suche mit Aufsummierung der Likes, absteigend
SELECT tag as Tagwolke, Anz_Likes from(
Select tag, sum(likes) as Anz_likes from locations GROUP BY username ) as my_table where tag like '%leipzig%' order by Anz_Likes DESC
Hinweise:
(a) Bei Recherche nach den Comments, kann „likes“ zu „comments“ ausgetauscht werden.
(b) Die Abfrage listet alle Tagwolken – ungefiltert – auf und sortiert die Ergebnisse nach der Summe der Likes, welche durch die Tagwolken „produziert“ wurden.
Die nächste Version wird um die folgenden Features ergänzt werden:
(a) Zeitfensterkonfigurationen
– Liken und Interagieren auf Basis konkreter Zeiten wie Früh, Mittag, Abends, Nacht
(b) allgem. Postinganalysen bzgl. Zielgruppen
– Liken und Interagieren auf Basis ggf. vorhandener Likes der zu „belikenden“ Posts
– Liken und Interagieren auf Basis der auslesbaren Publishzeiten
Die angedachten Algorithmen und Funktionen wurden in den letzten 2 Wochen manuell durchgetestet, für „gut“ befunden und wir werden die Instagram-bezogenen Dienstleistungen kommende Woche entsprechend erweitern.
Nach einigen Gesprächen mit Kund_innen, Kolleg_innen und Geschäftsfreund_innen habe ich mich nun final dazu entschieden, eine kleinere Anwendung für die Accountbeobachtung zu entwickeln. Eigentlich hält sich hier der Programmieraufwand stark in Grenzen, aber ich wundere mich dennoch, dass eine simple Grunddatenschau (also: Anzahl der Posts, Fans und Abos) auf dem freien Markt via Tools und Dienstleistungen durchaus sehr teuer ist.
Also: ab Mitte der kommenden Woche werde ich unseren Partner_innen eine Lösung freigeben, welche sich stark am Hashtagprojekt orientiert. Die Grundlage hierfür ist eine Windowsanwendung mit angedockter SQLite-Datenbank, die per EMail-Schnittstelle ansteuerbar sein wird. Die konkrete Reportinggestaltung wird sich am Ursprungsprojekt orientieren.
Im Zuge der Jahreswende und den bekannten G-Algo-Updatemeldungen baute ich die Ergebnisse aus der socialmediabasierten Zielgruppenrecherche an die Vermarktung eines unserer Experimente.
Im Prinzip handelt es sich hierbei um das vorgelagerte Auslesen von bestimmten Wertigkeiten (Reichweite von Tags, Kommunikationsfetzen usw.) für
– Produkte
– ortsbezogene Dienstleistungen
– Orte und „Events“
und das Verwenden der Ergebnisse für die gezielte Promotion entsprechender Angebote aus einem Affiliateumfeld.
Die Zwischenergebnisse (Positionen, AUSZUG, Messung via Rankingchecker und Abgleich mit Piwik/WMT) sind nun:
Die genannten Phrasen und deren Positionen sind stabil und bei dem Projekt handelt es sich um die Domain hinter dem Beitrag „„neues Affiliate-Projekt““ Die Provisionen haben sich ca. vervierfacht.
Die Analysefunktionen wurden um folgende Kennzahlen erweitert:
– Anzeige der Reichweitenveränderungen im Durchschnitt
– Anzeige der Abstandsveränderungen in Durchschnitt
Einzelne Tags und Taggruppen lassen sich nun über diese Metriken besser vergleichen.
Todo für die Version 0.11b
– „OneClick“-Prozedure für die Erfassung der o.g. Metriken auf Basis aller hinterlegten Recherchemodi
– Einführung von Schwellenwerten, Benachrichtigungen und „Analysejobs“
Links:
– letzte Recherchen: http://bit.ly/1PIoHN7
– Index (Tagrecherche, Tagmanagement für Instagram): http://bit.ly/1iwI3qG
Für unsere Hashtagscripte, die Anwendung „Suchvorschläge“ und die Android-APP „Hashtag“ benötigt man natürlich eine Client-ID und einen Zugriffstoken für Instagram. Wie man an die Daten heran kommt, wird im Artikel „How to generate an Instagram-Token“ ganz gut beschrieben.
