Analog zu meinen Überlegungen sind natürlich auch Analysen zu den Orten der publizierten Fotos interessant. Diese lassen sich über die folgende API-Funktion erfassen:
https://api.instagram.com/v1/media/search?lat=[xxxxxxx]&lng=[yyyyyy]&access_token=[deintoken]
Die Funktion lässt sich um die Variable „DISTANCE“ erweitern und laut API-Dokumentation ist hier der voreingestellte Minimalwert „1km“ und der frei definierbare Maximalwert „5km“.

Man findet hier im Prinzip dasselbe Ergebnis wie bei dem Endpoint „Media=>Recent“ vor, dieses ist lediglich um die Angaben der einzelnen Accounts erweitert.

Die Einträge zu den Accounts lassen sich wie folgt auslesen:
[data][xyz][user][username] => Nickname, Accountname
[data][xyz][user][full_name] => falls hinterlegt, „Realname“

Das Ergebnis aus der o.g. Abfrage beinhaltet weitere Angaben zu der konkreten Location. Diese lassen sich wie folgt auslesen:
[data][xyz][location][latitude]
[data][xyz][location][longitude]
[data][xyz][location][name] => Name der Location
[data][xyz][location][id] => interne ID der Location

Die ausgelesene ID lässt sich nun für die Beobachtung und Bewertung einzelner (Unter)locations (Beispiel: Hauptlocation => Paris, Unterlocation => Eifelturm) weiter verwerten. Die API-Abfrageurl lautet hierfür: https://api.instagram.com/v1/locations/[id]/media/recent?access_token=[deintoken] und die Verwertung entsprechender Ergebnisse hatte ich im Artikel „Analyse auf Ebene der Posts“ beschrieben. Bei sauberer Durchführung von Langzeitanalysen lässt sich unter Einbeziehung der Variablen „Likes„, „Comments„, „Fananzahl der Accounts“ die „Beliebtheit“ oder auch wirtschaftliche Werthaltigkeit von – z.B. – touristisch interessanten Sehenswürdigkeiten, Denkmälern, Strände oder auch Städte begutachten und dauerhaft beobachten.

Die „manuelle“ Begutachtung der Location lässt sich über das folgende Schema realisieren: https://www.instagram.com/explore/locations/[id]/.

Beispiele sind:
„Tour Eiffel“
„Höfe am Brühl (Leipzig)“
„Thomaskirche (Leipzig)“
„MSC Mattstedt (bei Apolda)“
„Mc Donalds Apolda“
„Weimar“
„Rom – Iceclub“

Interessant ist hier natürlich auch die Verbindung zur Hashtaganalyse, da man hier Hinweise oder interpretationsfähige Grundlagen für das aktuell besprochene „User Intent“ finden kann.

Eine Erweiterung der Analysedatenbanken ist geplant und wir werden die konkreten Freigabemodalitäten noch intern diskutieren.