инстаграм. инстаграмм. Аналитика важная часть любой маркетинговой стратегии в соцсетях. Она помогает понять, насколько успешна ваша кампания, отследить эффективность и ответить на важные вопросы
![]()
|
Аннотация Аналитика — важная часть любой маркетинговой стратегии в соцсетях. Она помогает понять, насколько успешна ваша кампания, отследить эффективность и ответить на важные вопросы. Также она даёт много полезной информации. В этом руководстве мы рассмотрим, какие показатели и функции есть в аналитике Instagram, какими бесплатными и платными инструментами можно пользоваться для изучения данных и как использовать их для улучшения эффективности продвижения в этой соцсети. Введение Аналитическая обработка информации является непосредственно аналитической процедурой, в связи с чем выдвигаются серьезные требования к ее организации, а именно, соответствующее методическое обеспечение, определенный уровень подготовки аналитиков, их обеспеченность техническими средствами проведения анализа. Качество и обоснованность принимаемых управленческих решений в значительной степени определяются не только достоверностью, полнотой, доступностью, оперативностью получения информации, но также и эффективностью используемых при ее обработке методов. Совершенствование технологии аналитической обработки экономической информации – один из ключевых элементов совершенствования технологии управления. Качественное информационное обеспечение процесса управления хозяйственной деятельностью возможно только при использовании на практике новейших информационных технологий: средств вычислительной техники, телекоммуникаций и программного обеспечения, а также автоматизированных систем управления. Автоматизированная система сбора, обработки и хранения, представляющая собой разветвленную сеть регистрирующих устройств, линий связи и ЭВМ, сокращает время между возникновением информации и ее использованием в аналитической работе. Технические средства обеспечивают своевременное доведение информации о процессах, происходящих на предприятии, до руководителей и других работников управления. При использовании вычислительной техники обработка информации стала органичной частью единого информационного технологического процесса. Современные компьютеры не только изменили связи этого процесса с другими, создав возможности технологического единства информационных процессов, но и оказали влияние на содержание понятия «обработка данных». Если при ручном или механизированном выполнении аналитических работ под обработкой понимались преимущественно арифметические действия, то сегодня для обработки применяются сложнейшие логические и статистические операции. Большая часть экономической информации, полученной в результате обработки, направляется руководителям, специалистам, менеджерам в конкретные сроки, предусмотренные календарным графиком сбора и обработки данных. Для принятия оперативных управленческих решений менеджеры на основе определенных диалоговых процедур выбирают необходимую информацию, отражающую обеспеченность и использование материальных, трудовых и финансовых ресурсов, ход производственных и других хозяйственных процессов. В обработанном, взаимосвязанном и скоординированном виде информация передается отделам и службам экономического управления, ответственным за анализ хозяйственной деятельности и принятие решений. Для управления экономикой им необходима особая информация прогнозного характера, позволяющая не только фиксировать положение дел на предприятии, но и анализировать тенденции развития того или иного процесса, явления и принимать на основе этого оптимальные и своевременные решения. Такой тип управления предполагает наличие не только данных об управляемом объекте и его окружении, но и проанализированной информации, пригодной для прогнозирования. Информация о прошлом поведении системы и окружающей ее среды применяется для выработки управленческих решений на основе предвидимого решения с помощью средств экономического моделирования, экспертных и прогнозных программных систем Способы аналитической обработки данных Для того чтобы существующие хранилища данных способствовали принятию управленческих решений, информация должна быть представлена аналитику в нужной форме, то есть он должен иметь развитые инструменты доступа к данным хранилища и их обработки. По критерию режима анализа данных информационно-аналитические системы подразделяются на две категории: 1) статические (включающие предопределенный набор сценариев обработки данных и составления отчетов); в эту категорию входят так называемые информационные системы руководителя (ИСР); 2) динамические (поддерживающие построение и выполнение нерегламентированных запросов и формирование отчетов произвольной формы). Очень часто ИАС, создаваемые в расчете на непосредственное использование лицами, принимающими решения, оказываются чрезвычайно просты в применении, но жестко ограничены в функциональности. Такие статические СППР [15, С. 55], или Информационные системы руководителя (ИСР) [13, С. 73] – (Executive Information Systems, EIS) [45, С. 4] – содержат в себе предопределенные множества запросов и, будучи достаточными для повседневного обзора, неспособны ответить на все вопросы к имеющимся данным, которые могут возникнуть при принятии решений2. Результатом работы такой системы, как правило, являются многостраничные отчеты, после тщательного изучения которых у аналитика появляется новая серия вопросов; однако, каждый новый, непредусмотренный при проектировании такой системы, запрос должен быть сначала формально описан, передан программисту, закодирован и только затем выполнен. Время ожидания в таком случае может составлять часы и дни, что не всегда приемлемо. Таким образом, внешняя простота статических СППР, за которую активно борется большинство заказчиков информационно-аналитических систем, оборачивается катастрофической потерей гибкости. Динамические СППР, напротив, ориентированы на обработку нерегламентированных, неожиданных (ad hoc) запросов аналитиков к данным. Наиболее глубоко требования к таким системам рассмотрел E. F. Codd в статье [31], положившей начало концепции OLAP. Работа аналитиков с этими системами заключается в интерактивной последовательности формирования запросов и изучения их результатов, каждый из которых может породить потребность новой серии запросов. Данная работа посвящена проектированию именно динамических СППР. Но динамические СППР могут действовать не только в области оперативной аналитической обработки (OLAP); поддержка принятия управленческих решений на основе накопленных данных может выполняться в трех базовых сферах [55]. 1. Сфера детализированных данных. Это сфера действия большинства систем, нацеленных на поиск информации. В большинстве случаев реляционные СУБД отлично справляются с возникающими здесь задачами. Общепризнанным стандартом языка манипулирования реляционными данными является SQL. Информационно-поисковые системы, обеспечивающие интерфейс конечного пользователя в задачах поиска детализированной информации, могут использоваться в качестве надстроек как над отдельными системами обработки данных (СОД), так и над хранилищем данных в целом. 2. Сфера агрегированных показателей. Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных (OLAP) [31, 25, 16]. Здесь можно или ориентироваться на специальные многомерные СУБД [16], или (что, как правило, предпочтительнее) оставаться в рамках реляционных технологий. Во втором случае заранее агрегированные данные могут собираться в БД звездообразного вида [39, 14, 61], либо агрегация информации может производиться на лету в процессе сканирования детализированных таблиц реляционной БД [38]. 3. Сфера закономерностей. Интеллектуальная обработка производится методами интеллектуального анализа данных (ИАД, Data Mining) [52, 10], главными задачами которых являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и/или (с определенной вероятностью) прогнозируют развитие некоторых процессов. Некоторые авторы выделяют в отдельную область анализ отклонений (например, в целях отслеживания колебаний биржевых курсов). В качестве примера может быть приведен статистический анализ рядов динамики . Чаще, однако, этот тип анализа относят к области закономерностей. Также она даёт много полезной информации. В этом руководстве мы рассмотрим, какие показатели и функции есть в аналитике Instagram, какими бесплатными и платными инструментами можно пользоваться для изучения данных и как использовать их для улучшения эффективности продвижения в этой соцсети. Основные показатели статистики В Instagram много метрик, которые помогают понять эффективность кампании и стратегии ведения страницы. Эти показатели можно получить из Instagram Insights и других инструментов аналитики. Большинство доступных метрик можно рассматривать как базовые показатели вроде количества лайков, комментариев и подписчиков. Ниже расскажем, как рассчитывать более сложные показатели: роста, средних, коэффициенты. Показатели аналитики профиля Instagram Количество подписчиков: число пользователей, подписанных на аккаунт. Показы: общее количество просмотров всех публикаций. Охват: количество уникальных пользователей, которые видели публикации. Просмотры профиля: количество просмотров профиля. Переходы по ссылкам: количество нажатий по ссылке в описании профиля. Клики на звонки и электронную почту: количество тапов для вызова номера телефона или написания письма в описании профиля. Публикации: количество записей, опубликованных в аккаунте Instagram. Упоминания: количество публикаций, в которых отмечен профиль. Фирменные хэштеги: количество публикаций в Instagram с использованием фирменного хэштега. Показатели аналитики аудитории Пол: распределение подписчиков по гендерному признаку. Возраст: распределение подписчиков по возрастам. Разделяется по категориям: 13-17, 18-24, 25-34, 35-44, 45-54, 55-64, 65+. География: пять самых популярных городов и стран, в которых живут подписчики. Активность подписчиков по дням и часам. Метрики аналитики публикаций Показы: общее количество просмотров записи. Охват: число пользователей Instagram, которые видели публикацию. Лайки: число уникальных пользователей, которые поставили лайк публикации. Комментарии: количество комментариев к публикации. Сохранения: число уникальных пользователей, которые сохранили публикацию. Вовлеченность: сумма уникальных пользователей, которые поставили лайк публикации, сохранили её и прокомментировали. Просмотры: количество просмотров видео. Показатели аналитики Stories Показы: количество просмотров определённой фотографию или видео в Stories. Охват: количество уникальных пользователей, которые видели конкретную фотографию или видео в Stories. Выходы: количество раз, сколько пользователи закрывали Stories. Ответы: количество ответов подписчиков на конкретную публикацию в Stories. Лучший инструмент для аналитики Stories сейчас — Instagram Insights Аналитика прямых трансляций Количество зрителей в момент времени: количество пользователей, которые смотрят трансляцию. Зрители: количество пользователей, которые видели хотя бы часть прямой трансляции. Сейчас встроенного инструмента для аналитики живых видео нет — нужно записывать вручную или делать скриншоты. Вычисление более сложных показателей Рост (Growth) Метрики роста помогают понять изменение динамики определённого показателя. Например, вы можете узнать, как растёт число подписчиков с течением времени. Показатель в момент времени 1 — Показатель в момент времени 2 / Показатель в момент времени 1 Примеры показателей: рост подписчиков, рост показов, рост вовлечённости, рост количества кликов, рост ответов на истории. Коэффициенты (Rate) Относительные показатели помогают оценить показатель относительно другого. Например, коэффициент вовлечённости — это процент подписчиков профиля, которые взаимодействовали с конкретной публикацией в Instagram. Показатель / Количество подписчиков на момент публикации записи Общий знаменатель для этой формулы — количество подписчиков. В результате получается относительный показатель на одного подписчика. Примеры метрик: коэффициент показов, коэффициент охвата, коэффициент просмотров, коэффициент кликов, коэффициент выходов, коэффициент просматриваемости (Completion rate). Коэффициент просматриваемости помогает рассчитать процент пользователей, которые до конца просмотрели все истории в Instagram. Вычисляется путём деления количества просмотров последней истории на первую. Показатели средних (Average) Показатели средних дают ориентир для оценки общей эффективности публикаций в Instagram. Например, среднее количество лайков у публикации помогает понять, насколько записи нравятся подписчикам. Сумма показателей за период времени (например, все лайки к публикациям за январь) / Количество публикаций за период времени Общий знаменатель для этих метрик в Instagram — количество записей за определённый период. Например, вы можете рассчитать среднее число зрителей для видеороликов Instagram в разные дни недели, чтобы определить, какой день лучше подойдет для прямых трансляций. Примеры: средняя комментируемость, средний охват, средний охват для Stories, среднее количество зрителей прямых трансляций. Показатели «лучших» (Top) Это не показатели как таковые, но они всё равно ценны для маркетолога и аналитика. По лучшим публикациям с точки зрения просматриваемости, комментариев, лайков, охвата, вовлечённости можно понять, какие записи нравятся подписчикам, и делать новые публикации с учётом полученных данных. Примеры: лучшие записи, лучшие видео, самые комментируемые и лайкаемые публикации. Заключение В заключении, можно сказать, что проведение аналитической обработки информации – это сложный многоступенчатый процесс, требующий глубокого знания объекта изучения, от точности, качества и своевременности которого зависит во многом успешное функционирование всего предприятия. Маркетинговые исследования становятся инструментом, с помощью которого существенно снижается риск предпринимательства, поставщика посредника и возрастает качество решения задач потребителя. А одним из этих инструментов является грамотное понимание и умение пользоваться методами обработки маркетинговой информацией, для более точного прогнозирования и принятия решений. В данном проекте были проанализированы основные методы обработки аналитической обработки информации и выявлены вопросы ответы на которые влияют на выбор того или иного метода. Была кратко рассмотрена соц. сеть инстаграм,. Можно сказать, что аналитическая обработка информации активно используется, но использовать все методы нецелесообразно. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 1. Айвазян С.А., Мхитарян B.C. Теория вероятностей и прикладная статистика. - М., 2001 Т.1 2. Айвазян С.А. Основы эконометрики. - М., 2001 Т.2 3. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз: Учебное пособие. -М., 2001 4. Божук С.Г. Маркетинговые исследования. - Спб., 2003 5. Боровиков B. Statistika: искуство анализа данных на компьютере. - Спб, 6. Бююль А., Цефель П. SPSS: искусство обработки информации. - Спб, 2002. 7. Голубков Е.П. Маркетинговые исследования: теория, методика и практика. - М., 2000 8. Девятко И.Ф. Методы социологического исследования. - М., 2002 9. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы.- М., 2000. 10.Костерин А.Г. Практика сегментирования рынка. - Спб., 2002 11.Кремер Н.Ш. Теория вероятностей и математическая статистика. - М., 2003 12.Литтл Р.Дж., Рубин Д.Б. Статистический анализ данных с пропусками. - М., 1990 13.Малхотра Н.К. Маркетинговые исследования. Практическое руководство. -М.,2002 14.Мангейм Дж.Б., Рич Р.К. Политология. Методы исследования: Пер. с англ. 15.Теория статистики/ под ред. Р.А. Шмойловой - М., 2002. |