Pinterest: Strategiewechsel und erste Zahlen

Aktuelle Beobachtungen aus dem Rohmaterial der Instagramprojekte (InstaLOC, Hashtagreichweiten etc.) ergaben neue Gedanken und Strategien im Bezug auf Instagram.

Hier habe ich mir die folgenden Fragen gestellt:

(1) Lässt sich Pinterest für das Setzen von Links benutzen?
(2) Funktioniert auf Pinterest das Instagram-Bildmaterial?

Um das Experiment sinnvoll zu starten, veröffentlichte ich auf dem Account zwei Boards mit Inhalten aus einer Spezialnische der Analogfotografie. Diese nennt sich „Soaked-Films“ und beschreibt die künstlerische Beeinflussung der Emulsionsschicht(en), welche sich auf den unbelichteten Negativen (Farbe!) befinden. Hier legte ich die Filmdosen in saure Flüssigkeiten (Kaffee, Tee, Bier, Wein etc.) ein und schaue mir an, welche Effekte sich nach Belichtung und Entwicklung auf den Bildern zeigen. Auf Instagram wurden die Bildreihen erfolgreich und mit wenig Aufwand positioniert und die Contententscheidung bzgl. Pinterest wurde nach der Sichtung div. Rückmeldungen und der üblichen Interaktionsmetriken gefällt.

Nach Motivwahl wurden die Algorithmen des InstaLOC-Scrapers/Datenauswerters mit dem Schema der Interessensmatritzen synchronisiert. Diese Symbiose ergab keinerlei Unterschiede zwischen dem Datenmaterialen der Plattformen und ich entschied mich zu einer „schmalen“ Bildbeschreibung / Hashtagwolkenfokussierung in der Beschreibung der Pins.

Die Inhalte der Boards wurden mit einer (Big)data-gesteuerten Strategie in der Plattform positioniert und der Ansatz beschreibt einen Vorgang, der so ausschaut:
(a) Auslesen der Trends auf Basis von InstaLOC
(b) Auslesen der Interessen auf Basis der Matrix-Strategie
(c) Match von (a) und (b): Ausgabe der geeigneten Tagwolken
(d) Abgleich von (c) mit den Beobachtungen aus Instagram (wahlweise weitere Datenquellen)
(e) Einspielen der Materialien in die Plattform und KI-gesteuerte Präsentation bei den potentiellen Zielgruppen.

Hier die Ergebnisse der Pins, welche vor ca. 5 Tagen veröffentlicht wurden.

Hier der Zielgruppenüberblick des Einspeiseaccounts.

Interessant ist auch die Entwicklung des Einspeiseaccounts. Dieser widerlegt u.a. auch viele Thesen aus der Branche. Ich sehe hier ein stabiles Besuchervolumen von über 43.000 Accounts zu 1.481 Interaktionen mit einer starken Gewichtung auf den DACH-Raum (28.521 -> Deutschland). Das Geschlechterverhältnis ist ca. 28.000 (Frauen) zu ca. 15.000 (Männer).

Die Zahlen der aktuellen Ergebnisse empfand ich als überraschend gut und das Grundgefühl verstärkte sich bei Abgleich mit den konservativ positionierten Materialien. Durch interessante Positionssprünge der hinterlegten URLS (teilweise N/A auf Seite 1-3 unter härteren Keywords) wurde hier die Entscheidung gefällt, die (neue) Pinterest-Strategie in das Tagesgeschäft zu überführen.

Pinterest – weiterführende Themen recherchieren // auslesen

Sucht man bei dem Medium „Pinterest“ bspw. nach „Kids“ mit Hilfe der Url https://de.pinterest.com/search/pins/?q=kids, entdeckt man interessante Vorschläge unterhalb des Suchformulars wie „Basteln“, „Hochbett“ oder „Room Deko“.
Diese Informationen lassen sich wiefolgt auslesen:

[Schritt 1]
=> Download: https://de.pinterest.com/search/pins/?q=[suchwort]
[Schritt 2]
=> Identifikation von [suchwort] im Quellcode
[Schritt 3]
=> Übergabe in die Rohdaten und spätere Interpretationen (Matrix, Zusammenzählung, Abgleich mit anderen Themenwelten usw.)

Pinterest: Suchvorschläge auslesen

Nach einer erfolglosen Prüfung der Pinterest-API habe ich mich für den folgenden Lösungsweg entschlossen:

[Übergabe der Suche via http-GET]
https://de.pinterest.com/search/pins/?q=’+tagrecherche.text

[Auslesen der Suchvorschläge]
=> Quellcodeanalyse nach
(a) title=“Search for
oder
(b) title=“Nach

Die auslesbaren Phrasen wirken hierarchisch geordnet. Die Datensatzquelle wurde in den „Pinbot 0.2b“ und in das aktuelle Experiment integriert.

Anleitung: Hashtag-App (Android)

Die App verlangt für die Funktionsfähigkeit einen Token aus Instagram und die Generierung dieses Codes wird auf dem Artikel „How to generate an Instagram Token“ beschrieben.
Sie ist in 3 Teile gegliedert: (1) Einrichtung, (2) Daten sammeln und (3) Auswahl. Die Daten-sammeln-Funtion erlaubt die gezielte Suche im Hashtagpool von Instagram und bildet den API-Endpoint „https://api.instagram.com/v1/tags/search“ ab. Die Ergebnisse werden durch die App auf dem jeweiligen Gerät als *.txt gespeichert ([stammordner]/tag_’+[suche]+‘.txt).
Die Auswahlfunktion (3) erlaubt das individuelle Zusammenstellen der Tags aus den vorher extrahierten Datensätze (2). Hierbei ist zu beachten: die „Copy-Paste“-Funktion (Button: Kopieren) kopiert die zusammengestellten Datensätze als LISTE, die ggf. bei den Zielmedien (Instagram, Pinterest usw.) noch formatiert werden muss.

einrichtung_app

Screenshot_2016-02-16-15-52-33

Screenshot_2016-02-16-16-54-05
[Wichtiger Hinweis]
Die App dient ausschließlich unserem internen Gebrauch und zur Unterstützung entsprechender Projekte / Socialmediaaccountpflege. Eine Abgabe der App ist also nur für die (interessierten) Betatester_innen und Kund_innen möglich.

Pinterestaccounts (Auswahl): aktuelle Zahlen

Nach dem Aufbau unserer Accounts und der Erweiterung der Vermarktungsstrategien auf die Zielgruppenanalysen etablierten sich die folgenden Zahlen:

Projekt: „Rundreisen und Fotos
31.161 Aufrufe mit 1.666 Interaktionen
500 Fans

Projekt: „Wohnen, Leben und Einrichten
65.813 Aufrufe mit 4.854 Interaktionen
2.100 Fans

Projekt: „Reisen, Tourismus (Schwerpunkt: Europa)
18.303 Aufrufe mit 3.056 Interaktionen
2.200 Fans

Die Messung bezieht sich auf „letzte 30 Tage“ und die Ergebnisse lassen sich jeweils via analytics.pinterest.com einsehen.

Updatenotiz: Pinterest „Boardrecherche“

Aufgrund einiger inspirierender Gespräche und Nachfragen habe ich heute das Script mit neuen Features ausgerollt. Die Rechercheergebnisse umfassen nun die folgenden Angaben:

– Boardname und Boardkategorie
– Boardbesitzer_in inkl. Name, Herkunft (sofern hinterlegt), Beliebtheit in Form der Fans und Pins und Beschreibung
– Board inkl. Boardname, Beschreibung, Fans und Pinanzahl
– Erstelldatum (Board)

Zielgruppenanalysen mit Pinterest

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.

Pinterest – Ergebnisse aus der „Search-API“ auslesen und weiter verarbeiten

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“.

Recherchemöglichkeiten in Pinterest

Nach einem intensiveren „Studium“ der API von Pinterest entdeckte ich eine recht elegante Variante, welche:
– Pins nach entsprechenden Searchqueries
– Pins gewichten
kann.

Die API-Abfrage ist: https://api.pinterest.com/v3/search/pins/?join=[suchraum]&page_size=50&query=[suchwort]&access_token=[deintoken].

[suchraum] beschreibt die Recherchequelle wie „Pinwände“ und „Pinwände“ und ein Beispiel hierfür ist „via_pinner,board,pinner“. [suchwort] ist hier – natürlich – die abzusetzende „Suchanfrage“.

Für die Bewertung der auslesbaren Datensätze im Sinne einer Aufbereitung von interpretationsfähigen Erkenntnissen bieten sich die Variablen: term, like, like_count, repin, repin_count und created_at an. Eventuell interessant sind die hinterlegten Bilddaten wie dominant_color oder image_large_size_points.

Das Hashtagprojekt und die Datenbanken werden zeitnah auf die Pinterestfunktionalitäten erweitert.

[Notiz] Update – „Socialmediatracker“ auf 0.4b

Ab kommende Woche werden die Socialmedia-Reports auf das folgende Format umgestellt (Download: socials_export).

Neu ist hierbei:

  1. Entfernung der Bitly-URLs
  2. Aufsummierung der Signals und Gegenüberstellung der Zahlen zu den Statistiken aus Bit.ly

Durch die Erkenntnis, dass die Aktivitäten auf den Sozialen Plattformen wie Twitter, Gplus und Facebook gewünschte Ergebnisse produzieren können, wird die neue Version um weitere Datenquellen ergänzt:

  1. Rankende URLs aus XOVI / Xovi-API
  2. Anbindung an die Piwik-Schnittstelle (nur Version 1.x) für die Analysen der Einstiegsseiten mit Fokus auf „not-provided“
  3. Vereinfachtes Einlesen der G-Analytics-Exports

Aufgrund der vielen und äußerst interessanten Rückmeldungen werden die Datenaufbereitungsfunktionen um die Visualisierung der Entwicklungen in Form von geeigneten Diagrammen ergänzt. Hierdurch lassen sich u.U. Querverbindungen zwischen den einzelnen Socialmedia sichtbar machen.