آنالیز پیج اینستاگرام با هوش مصنوعی؛ آموزش کامل تحلیل Insights، محتوا و عملکرد

آنالیز پیج اینستاگرام با هوش مصنوعی به شما کمک می‌کند از میان ده‌ها عدد، نمودار و گزارش، به چند تصمیم روشن و قابل اجرا برسید. به‌جای اینکه فقط تعداد فالوئر، لایک یا بازدید را مشاهده کنید، می‌توانید بفهمید کدام محتوا بهتر عمل کرده، چرا یک ریلز بیشتر دیده شده، چه نوع پستی مخاطب را به پروفایل هدایت کرده و در تقویم بعدی چه چیزی باید تغییر کند.

بااین‌حال، هوش مصنوعی بدون داده واقعی نمی‌تواند پیج شما را به‌درستی تحلیل کند. اگر فقط نام کاربری یک صفحه را وارد کنید، مدل معمولاً به اطلاعات داخلی مانند Reach، Saves، Shares، Profile Visits و Follows دسترسی ندارد.

تحلیل حرفه‌ای از این مسیر انجام می‌شود:

داده واقعی Instagram Insights
    ↓
پاک‌سازی و ساخت جدول
    ↓
محاسبه شاخص‌ها
    ↓
مقایسه محتواها
    ↓
تحلیل با هوش مصنوعی
    ↓
ساخت فرضیه
    ↓
اجرای آزمایش محتوایی
    ↓
اندازه‌گیری نتیجه

در این مقاله یاد می‌گیرید:

• کدام آمار اینستاگرام را جمع‌آوری کنید
• نرخ تعامل را چگونه محاسبه کنید
• ریلز، پست، کاروسل و استوری را چگونه مقایسه کنید
• چگونه بهترین و ضعیف‌ترین محتواها را شناسایی کنید
• چه پرامپتی برای تحلیل پیج مناسب است
• چگونه محتوای رقبا را بدون دسترسی به Insights بررسی کنید
• چگونه یک گزارش هفتگی یا ماهانه بسازید
• چگونه با API درواره ابزار تحلیل اینستاگرام اختصاصی ایجاد کنید

آنالیز پیج اینستاگرام چیست؟

آنالیز اینستاگرام فرایند جمع‌آوری، محاسبه و تفسیر داده‌های یک حساب یا محتوای آن است.

هدف آنالیز فقط گزارش‌دادن آمار نیست. تحلیل باید به یک تصمیم منجر شود؛ برای مثال:

• کدام قالب محتوا را بیشتر تولید کنیم؟
• کدام موضوع را ادامه دهیم؟
• چه محتوایی فالوئر جدید جذب می‌کند؟
• کدام پست مخاطب را به وب‌سایت هدایت می‌کند؟
• چه موضوعی تعامل دارد اما تبدیل ایجاد نمی‌کند؟
• چه زمانی برای انتشار محتوای ما بهتر است؟
• آیا ریلز از کاروسل بهتر عمل کرده است؟
• آیا افزایش فالوئر با افزایش تعامل همراه بوده است؟
• کدام CTA نتیجه بهتری داشته است؟

اگر گزارش در پایان فقط بگوید «این ماه ۲۰ درصد بیشتر دیده شدیم»، هنوز مشخص نیست تیم محتوا باید چه کاری انجام دهد.

آیا هوش مصنوعی می‌تواند یک پیج را فقط با نام کاربری تحلیل کند؟

تحلیل یک صفحه عمومی از طریق نام کاربری محدود به اطلاعات قابل مشاهده است:

• تعداد فالوئر
• تعداد پست
• Bio
• لینک پروفایل
• موضوع محتوا
• ظاهر کلی Feed
• تعداد عمومی لایک یا نظر در صورت نمایش
• نوع پست‌ها
• فاصله تقریبی انتشار
• متن کپشن
• هشتگ‌ها
• واکنش‌های قابل مشاهده

اما اطلاعات مهم زیر معمولاً فقط در اختیار مدیر همان حساب است:

• Accounts Reached
• Views
• Impressions
• Saves
• Shares
• Accounts Engaged
• Profile Visits
• Website Taps
• Follows حاصل از محتوا
• عملکرد استوری
• خروج از استوری
• کلیک روی لینک
• اطلاعات تجمیعی مخاطبان

بنابراین، تحلیل یک پیج عمومی با تحلیل حسابی که به Insights آن دسترسی دارید یکسان نیست.

هوش مصنوعی نباید داده‌ای را که در اختیارش قرار نگرفته، حدس بزند.

دسترسی به Instagram Insights

Instagram Insights برای حساب‌های حرفه‌ای Business یا Creator در دسترس است. براساس راهنمای رسمی Instagram Insights، می‌توان روند کلی حساب و عملکرد پست‌ها، استوری‌ها، ریلزها و ویدئوهای زنده را بررسی کرد.

برای مشاهده Insights:

1. وارد پروفایل اینستاگرام شوید.
2. Professional Dashboard را باز کنید.
3. وارد بخش Insights شوید.
4. بازه زمانی را انتخاب کنید.
5. آمار کلی حساب را مشاهده کنید.
6. وارد Content You Shared شوید.
7. عملکرد پست‌ها، ریلزها و استوری‌ها را جداگانه بررسی کنید.

طبق توضیحات رسمی اینستاگرام، Insights رایگان است، اما فقط برای حساب‌های Business و Creator ارائه می‌شود.

چه داده‌هایی را از Instagram Insights جمع‌آوری کنیم؟

اطلاعات موردنیاز به هدف شما بستگی دارد، اما برای تحلیل ماهانه بهتر است سه سطح داده داشته باشید.

سطح اول: داده‌های کلی حساب

• تعداد فالوئر در ابتدای دوره
• تعداد فالوئر در پایان دوره
• فالوئر جدید
• Unfollow
• Accounts Reached
• Views
• Accounts Engaged
• Profile Visits
• Website Taps
• تعداد محتواهای منتشرشده
• تعداد ریلز
• تعداد پست تصویری
• تعداد کاروسل
• تعداد استوری

طبق راهنمای مشاهده آمار حساب اینستاگرام، برای دسترسی به این اطلاعات باید حساب Business یا Creator داشته باشید.

سطح دوم: داده هر محتوا

برای هر پست یا ریلز:

• تاریخ انتشار
• قالب
• موضوع
• ستون محتوایی
• هدف
• Reach
• Views یا Plays
• Likes
• Comments
• Saves
• Shares
• Profile Activity
• Follows
• Watch Time در صورت دسترسی
• Average Watch Time در صورت دسترسی
• طول ویدئو
• CTA
• نوع هوک
• وضعیت تبلیغاتی یا ارگانیک

سطح سوم: اطلاعات کیفی

اعداد به‌تنهایی توضیح نمی‌دهند چرا یک محتوا موفق شده است. ویژگی‌های کیفی را نیز ثبت کنید:

• موضوع محتوا
• جمله شروع
• سبک کاور
• طول کپشن
• وجود چهره
• آموزشی یا تبلیغاتی بودن
• نوع تدوین
• سرعت ویدئو
• استفاده از زیرنویس
• نوع موسیقی
• مسئله‌ای که حل می‌کند
• CTA
• میزان تخصصی‌بودن
• مثبت، منفی یا پرسشی‌بودن هوک
• وجود مثال واقعی
• زمان انتشار

هوش مصنوعی با ترکیب داده کمی و کیفی می‌تواند الگوهای مفیدتری پیدا کند.

تفاوت Views، Reach و Impressions

نام و دسترسی بعضی شاخص‌ها ممکن است با تغییرات اینستاگرام متفاوت باشد. همیشه تعریف هر معیار را در همان صفحه Insights بررسی کنید.

Views

تعداد دفعاتی که محتوا نمایش داده یا پخش شده است. یک حساب ممکن است چند بار یک محتوا را ببیند.

Accounts Reached

تعداد حساب‌های منحصربه‌فردی که محتوا را حداقل یک بار دیده‌اند.

Impressions

در بخش‌هایی که این معیار نمایش داده می‌شود، معمولاً تعداد کل نمایش‌هاست و می‌تواند مشاهده تکراری یک حساب را نیز شامل شود.

اگر Views از Reach بیشتر باشد، احتمالاً بخشی از مخاطبان محتوا را بیش از یک بار دیده‌اند؛ اما برای تفسیر دقیق باید نوع محتوا و تعریف همان شاخص در Insights بررسی شود.

نرخ تعامل اینستاگرام را چگونه محاسبه کنیم؟

یک فرمول واحد و رسمی برای همه کاربردها وجود ندارد. مهم این است که فرمول انتخاب‌شده را در تمام گزارش‌ها ثابت نگه دارید.

نرخ تعامل براساس Reach

نرخ تعامل براساس Reach =
مجموع تعامل‌ها ÷ Reach × ۱۰۰

تعامل‌ها می‌توانند شامل این موارد باشند:

Likes + Comments + Saves + Shares

مثال:

لایک: ۶۰۰
کامنت: ۴۰
ذخیره: ۱۲۰
اشتراک‌گذاری: ۲۴۰
Reach: ۲۰۰۰۰

محاسبه:

مجموع تعامل‌ها = ۶۰۰ + ۴۰ + ۱۲۰ + ۲۴۰ = ۱۰۰۰

نرخ تعامل = ۱۰۰۰ ÷ ۲۰۰۰۰ × ۱۰۰ = ۵ درصد

نرخ تعامل براساس فالوئر

نرخ تعامل براساس فالوئر =
مجموع تعامل‌ها ÷ تعداد فالوئر × ۱۰۰

این فرمول برای مقایسه تقریبی حساب‌ها استفاده می‌شود، اما ممکن است عملکرد واقعی محتوا را کمتر یا بیشتر از واقع نشان دهد؛ زیرا همه فالوئرها هر پست را نمی‌بینند.

برای تحلیل داخلی محتوا، نرخ تعامل براساس Reach معمولاً اطلاعات عملی‌تری ارائه می‌دهد.

شاخص‌های مهمی که باید محاسبه کنید

نرخ ذخیره

نرخ ذخیره =
تعداد Saves ÷ Reach × ۱۰۰

نرخ ذخیره برای محتواهای آموزشی، چک‌لیست، راهنما و مطالب مرجع اهمیت دارد.

نرخ اشتراک‌گذاری

نرخ اشتراک‌گذاری =
تعداد Shares ÷ Reach × ۱۰۰

این معیار نشان می‌دهد چه نسبتی از مخاطبان محتوا را برای دیگران ارسال کرده‌اند.

نرخ نظر

نرخ نظر =
تعداد Comments ÷ Reach × ۱۰۰

تعداد زیاد نظر همیشه به معنی کیفیت بیشتر نیست. نوع نظرها نیز باید بررسی شود.

نرخ بازدید پروفایل

اگر Profile Visits حاصل از محتوا در دسترس باشد:

نرخ بازدید پروفایل =
Profile Visits ÷ Reach × ۱۰۰

نرخ جذب فالوئر

اگر تعداد Follows حاصل از محتوا موجود باشد:

نرخ جذب فالوئر =
Follows ÷ Reach × ۱۰۰

نرخ کلیک وب‌سایت

نرخ کلیک وب‌سایت =
Website Taps ÷ Profile Visits × ۱۰۰

تمام این فرمول‌ها باید با داده‌های موجود در حساب شما تطبیق داده شوند.

چرا تعداد لایک به‌تنهایی کافی نیست؟

فرض کنید دو پست دارید:

پست اول لایک بیشتری دارد، اما نرخ لایک آن برابر است با:

۱۰۰۰ ÷ ۵۰۰۰۰ × ۱۰۰ = ۲ درصد

نرخ لایک پست دوم:

۶۰۰ ÷ ۱۰۰۰۰ × ۱۰۰ = ۶ درصد

پست اول دسترسی بیشتری داشته، اما پست دوم در میان افرادی که آن را دیده‌اند واکنش بیشتری ایجاد کرده است.

بنابراین باید Reach و هدف محتوا را در کنار تعامل بررسی کرد.

قالب پیشنهادی فایل تحلیل اینستاگرام

داده‌ها را در Excel یا Google Sheets با این ستون‌ها ذخیره کنید:

نمونه CSV:

date,content_type,topic,pillar,funnel_stage,duration_seconds,hook,reach,views,likes,comments,saves,shares,profile_visits,follows,cta,status
1405/05/01,Reel,آموزش API,Education,Awareness,45,پنج اشتباه رایج,20000,28000,600,40,120,240,180,55,مشاهده لینک Bio,Organic

آماده‌سازی داده برای هوش مصنوعی

قبل از ارسال جدول به مدل:

• سطرهای ناقص را مشخص کنید.
• عددها را به قالب یکسان تبدیل کنید.
• محتوای تبلیغاتی و ارگانیک را جدا کنید.
• Reach صفر یا خالی را بررسی کنید.
• قالب‌های محتوا را یکسان بنویسید.
• موضوع‌ها را دسته‌بندی کنید.
• تاریخ‌ها را مرتب کنید.
• تعریف شاخص‌ها را ثابت نگه دارید.
• بازه زمانی را مشخص کنید.
• هدف تحلیل را بنویسید.

اگر یک پست تبلیغ شده است، نباید بدون برچسب با پست‌های کاملاً ارگانیک مقایسه شود.

پرامپت کامل آنالیز پیج اینستاگرام

تو یک تحلیلگر حرفه‌ای شبکه‌های اجتماعی هستی.

داده‌های زیر مربوط به عملکرد محتوای یک پیج اینستاگرام در بازه [بازه زمانی] است.

هدف اصلی پیج:
[هدف]

مخاطب:
[مخاطب]

نوع کسب‌وکار:
[کسب‌وکار]

تعریف تعامل در این گزارش:
Likes + Comments + Saves + Shares

داده‌ها:
[جدول داده]

تحلیل را در این بخش‌ها ارائه بده:
1. خلاصه عملکرد دوره
2. سه محتوای برتر
3. سه محتوای ضعیف
4. عملکرد هر قالب
5. عملکرد هر ستون محتوایی
6. موضوع‌های دارای بیشترین Save
7. موضوع‌های دارای بیشترین Share
8. محتواهای دارای بهترین نرخ جذب فالوئر
9. الگوهای مشترک هوک‌های موفق
10. نقاط ضعف
11. پنج فرضیه قابل‌آزمایش
12. پیشنهاد برنامه محتوایی دوره بعد

قواعد:
- معیارها را با هدف هر محتوا تطبیق بده.
- تعداد خام را بدون توجه به Reach مقایسه نکن.
- محتوای تبلیغاتی و ارگانیک را جدا تحلیل کن.
- همبستگی را به‌عنوان علت قطعی معرفی نکن.
- اگر داده کافی نیست، صریح اعلام کن.
- هیچ عددی را حدس نزن.

تحلیل یک ریلز با هوش مصنوعی

برای تحلیل ریلز، فقط آمار نهایی کافی نیست. ساختار ویدئو را نیز بررسی کنید:

• سه ثانیه اول
• جمله آغازین
• تصویر اولیه
• طول ویدئو
• سرعت تدوین
• تعداد تغییر نما
• زیرنویس
• وضوح صدا
• زمان رسیدن به نکته اصلی
• CTA
• پایان ویدئو
• کاور

پرامپت تحلیل ریلز

اطلاعات ریلز:

موضوع:
[موضوع]

متن یا سناریو:
[سناریو]

طول:
[ثانیه]

هوک:
[هوک]

CTA:
[CTA]

آمار:
- Reach:
- Views:
- Average Watch Time:
- Likes:
- Comments:
- Saves:
- Shares:
- Profile Visits:
- Follows:

ریلز را از نظر این موارد تحلیل کن:
- قدرت هوک
- وضوح وعده محتوا
- سرعت رسیدن به نکته اصلی
- تناسب طول با موضوع
- احتمال افت مخاطب
- ارزش ذخیره
- ارزش اشتراک‌گذاری
- کیفیت CTA
- سه پیشنهاد مشخص برای نسخه بعدی

بدون دسترسی به نمودار Retention، محل دقیق ریزش را قطعی اعلام نکن.

تحلیل کاور و ظاهر Feed با مدل Vision

مدل دارای قابلیت Vision می‌تواند اسکرین‌شات Feed یا کاورهای پست را بررسی کند.

موارد قابل تحلیل:

• خوانایی عنوان
• اندازه متن
• کنتراست
• هماهنگی رنگ‌ها
• ثبات هویت بصری
• شلوغی کاورها
• تشخیص سریع موضوع
• تنوع بصری
• محل قرارگیری عناصر
• استفاده از چهره
• شباهت بیش‌ازحد کاورها

پرامپت تحلیل Feed

این تصویر اسکرین‌شات Feed یک پیج اینستاگرام است.

پیج در حوزه [حوزه] فعالیت می‌کند و مخاطب آن [مخاطب] است.

تصویر را از نظر موارد زیر تحلیل کن:
- یکپارچگی هویت بصری
- خوانایی متن روی کاورها
- تشخیص سریع موضوع هر پست
- میزان شلوغی
- کنتراست
- تنوع قالب‌ها
- تکرار بیش‌ازحد طراحی
- تناسب ظاهر با مخاطب
- سه نقطه قوت
- پنج اصلاح اولویت‌دار

درباره عملکرد آماری پست‌ها از روی ظاهر تصویر نتیجه‌گیری نکن.

ظاهر جذاب لزوماً به معنی عملکرد بهتر نیست. نتیجه تحلیل بصری باید با Reach، Saves، Shares و سایر داده‌ها مقایسه شود.

تحلیل کپشن‌ها

برای تحلیل کپشن این موارد را ثبت کنید:

• طول کپشن
• جمله اول
• نوع لحن
• تعداد پاراگراف
• وجود CTA
• نوع CTA
• پرسش پایانی
• کلمات کلیدی
• توضیح محصول
• ارزش آموزشی
• میزان خوانایی

پرامپت تحلیل کپشن

کپشن زیر را تحلیل کن:

[کپشن]

هدف:
[هدف]

مخاطب:
[مخاطب]

عملکرد:
- Reach:
- Likes:
- Comments:
- Saves:
- Shares:
- Profile Visits:

تحلیل شامل این موارد باشد:
- قدرت جمله اول
- وضوح پیام
- تناسب لحن
- ساختار و خوانایی
- ارزش آموزشی یا تجاری
- کیفیت CTA
- عبارت‌های اضافی
- پیشنهاد نسخه بهبودیافته

میان کیفیت کپشن و نتیجه آماری رابطه قطعی فرض نکن.

تحلیل استوری اینستاگرام

در تحلیل استوری، فقط Views مهم نیست.

بسته به داده‌های قابل دسترس، این موارد را بررسی کنید:

• Views
• Reach
• Replies
• Link Clicks
• Sticker Taps
• Shares
• Follows
• Navigation
• Exits
• تعداد اسلاید
• ترتیب داستان
• CTA

برای یک مجموعه استوری، داده هر اسلاید را جدا ثبت کنید.

اگر داده Navigation در حساب شما نمایش داده می‌شود، می‌توانید حرکت مخاطب میان اسلایدها را نیز بررسی کنید.

تحلیل محتوای برتر

برای پیداکردن محتوای برتر، ابتدا هدف هر پست را تعیین کنید.

محتوای آگاهی:

• Reach
• Views
• Shares

محتوای آموزشی:

• Saves
• Shares
• نرخ تعامل

محتوای تعاملی:

• Comments
• Replies
• مشارکت

محتوای محصول:

• Profile Visits
• Website Taps
• Leads
• Follows

پستی که Reach پایین‌تری دارد اما کلیک و تبدیل بیشتری ایجاد کرده، ممکن است از نظر کسب‌وکار موفق‌تر باشد.

مقایسه منصفانه محتواها

این موارد را بدون تفکیک با یکدیگر مقایسه نکنید:

• پست ارگانیک و تبلیغ‌شده
• ریلز و استوری
• محتوای آموزشی و فروش مستقیم
• پست جدید و پست قدیمی
• ویدئوی ۱۵ ثانیه‌ای و ۳ دقیقه‌ای
• محتوای مناسبتی و محتوای همیشه‌سبز
• پست همکاری مشترک و پست عادی

برای مقایسه بهتر، محتواها را در گروه‌های مشابه قرار دهید.

تحلیل رقبا در اینستاگرام

برای تحلیل رقبا معمولاً به Insights داخلی آن‌ها دسترسی ندارید. بنابراین فقط از داده‌های عمومی استفاده کنید.

اطلاعات قابل بررسی:

• موضوع‌های پرتکرار
• قالب‌های محتوا
• تعداد تقریبی انتشار
• نوع کاورها
• ساختار کپشن
• هوک‌ها
• CTAها
• تعداد عمومی تعامل‌ها
• محتوای پربازدید در صورت نمایش
• نوع پیشنهاد تجاری
• نحوه پاسخ به کامنت‌ها
• موضوع‌های پوشش‌داده‌نشده

جدول تحلیل رقبا

پرامپت تحلیل رقبا

اطلاعات عمومی زیر از سه پیج رقیب جمع‌آوری شده است:

[داده‌ها]

کسب‌وکار ما:
[معرفی]

مخاطب:
[مخاطب]

تحلیل کن:
- موضوع‌های مشترک رقبا
- قالب‌های پرتکرار
- الگوهای هوک
- CTAهای متداول
- شکاف‌های محتوایی
- موضوع‌هایی که هنوز اشباع نشده‌اند
- فرصت‌های تمایز
- پنج آزمایش محتوایی

فقط از داده‌های ارائه‌شده استفاده کن.
به اطلاعات داخلی، نرخ تبدیل یا کیفیت فالوئرهای رقبا نسبت قطعی نده.

آیا می‌توان فالوئر فیک را با هوش مصنوعی تشخیص داد؟

هیچ ابزار بیرونی نباید صرفاً براساس چند نشانه عمومی، واقعی یا فیک‌بودن همه فالوئرها را قطعی اعلام کند.

بعضی نشانه‌ها می‌توانند برای بررسی بیشتر استفاده شوند:

• رشد ناگهانی و غیرعادی
• نسبت غیرمعمول تعامل به تعداد فالوئر
• نظرهای تکراری و نامرتبط
• حساب‌های بدون فعالیت
• الگوی نام‌های مشابه
• تغییر شدید تعامل پس از رشد فالوئر

اما هرکدام از این نشانه‌ها می‌تواند توضیح دیگری نیز داشته باشد. برای مثال، یک کمپین تبلیغاتی موفق می‌تواند رشد ناگهانی ایجاد کند و یک پیج آموزشی بزرگ ممکن است نسبت لایک به فالوئر پایین‌تری داشته باشد.

بهتر است به‌جای برچسب «فیک»، از عباراتی مانند این استفاده کنید:

• الگوی غیرعادی
• نیازمند بررسی
• تعامل نامتناسب
• کیفیت نامشخص مخاطب

پیداکردن بهترین زمان انتشار

مدل هوش مصنوعی بدون داده واقعی نمی‌تواند بهترین ساعت انتشار پیج شما را تعیین کند.

روش مناسب:

1. داده چند هفته یا چند ماه را جمع‌آوری کنید.
2. روز و ساعت هر انتشار را ثبت کنید.
3. محتواها را براساس قالب و موضوع گروه‌بندی کنید.
4. عملکرد را براساس Reach و نرخ تعامل مقایسه کنید.
5. ساعت‌های پرتکرار موفق را استخراج کنید.
6. چند بازه را با محتوای مشابه آزمایش کنید.
7. نتیجه را دوباره اندازه‌گیری کنید.

زمان انتشار تنها عامل عملکرد نیست. موضوع، هوک، قالب، کیفیت ویدئو و وضعیت توزیع نیز مؤثرند.

تحلیل هشتگ با هوش مصنوعی

برای بررسی هشتگ‌ها، این اطلاعات را ثبت کنید:

• هشتگ استفاده‌شده
• موضوع محتوا
• Reach
• ورودی احتمالی از منابع مختلف در صورت دسترسی
• تعداد دفعات استفاده
• ارتباط با موضوع
• عمومی یا تخصصی بودن

هوش مصنوعی می‌تواند هشتگ‌ها را دسته‌بندی کند:

• برند
• محصول
• صنعت
• مسئله مخاطب
• محتوای آموزشی
• موقعیت جغرافیایی
• کمپین

اما مدل نباید تعداد جست‌وجو یا اثر قطعی یک هشتگ را بدون داده معتبر اعلام کند.

ساخت گزارش هفتگی پیج

گزارش هفتگی می‌تواند شامل این موارد باشد:

خلاصه

• تعداد محتوای منتشرشده
• Reach کل
• Accounts Engaged
• رشد فالوئر
• Profile Visits
• Website Taps

بهترین محتوا

• بهترین Reach
• بیشترین Save
• بیشترین Share
• بیشترین Follows

آموخته‌های هفته

• موضوع موفق
• قالب موفق
• هوک موفق
• CTA موفق
• محتوای ضعیف

اقدام هفته بعد

• ادامه چه چیزی؟
• توقف چه چیزی؟
• اصلاح چه چیزی؟
• آزمایش چه چیزی؟

پرامپت گزارش هفتگی

از داده‌های زیر یک گزارش هفتگی اینستاگرام بساز:

[داده‌ها]

هدف پیج:
[هدف]

گزارش شامل:
- خلاصه مدیریتی
- تغییر نسبت به هفته قبل
- بهترین محتواها براساس هدف
- ضعیف‌ترین محتواها
- سه آموخته
- سه اقدام برای هفته بعد
- یک آزمایش A/B پیشنهادی
- داده‌های ناکافی یا مشکوک

هیچ عددی را حدس نزن و نتیجه را تضمین نکن.

ساخت گزارش ماهانه

گزارش ماهانه باید روندها را بهتر از یک فهرست آمار نمایش دهد.

ساختار پیشنهادی:

1. هدف ماه
2. خلاصه عملکرد
3. روند Reach
4. روند تعامل
5. رشد مخاطب
6. عملکرد قالب‌ها
7. عملکرد ستون‌های محتوا
8. محتوای برتر
9. محتوای ضعیف
10. عملکرد CTA
11. درس‌های آموخته‌شده
12. برنامه ماه بعد

برای ساخت نمودارهای حرفه‌ای می‌توانید از راهنمای ساخت نمودار با هوش مصنوعی استفاده کنید.

ابزارهای آنالیز اینستاگرام

Instagram Insights

برای بیشتر پیج‌ها، نقطه شروع مناسب همان ابزار رسمی Instagram Insights است. داده‌های آن مستقیماً از حساب حرفه‌ای شما می‌آیند.

Meta Business Suite

اگر حساب اینستاگرام به صفحه Facebook متصل شده باشد، می‌توانید بخشی از مدیریت محتوا، پیام‌ها و اطلاعات عملکرد را در محیط Meta انجام دهید.

Buffer Analyze

Buffer قابلیت مشاهده عملکرد محتوا، مقایسه قالب‌ها و ساخت گزارش را ارائه می‌دهد. براساس صفحه رسمی Buffer Analyze، این ابزار از تحلیل چند شبکه اجتماعی و خروجی گزارش پشتیبانی می‌کند.

ابزارهای تحلیل صفحات عمومی

برخی سرویس‌ها با دریافت نام کاربری، داده‌های عمومی حساب‌ها را جمع‌آوری و نمودارهای رشد یا مقایسه ارائه می‌کنند. این گزارش‌ها نباید با Insights داخلی حساب یکسان در نظر گرفته شوند.

هنگام انتخاب ابزار بررسی کنید:

• داده از چه منبعی می‌آید؟
• حساب باید متصل شود یا فقط نام کاربری کافی است؟
• چه مجوزهایی درخواست می‌شود؟
• داده‌ها چند وقت یک‌بار به‌روزرسانی می‌شوند؟
• آیا داده تبلیغاتی و ارگانیک جداست؟
• آیا فرمول نرخ تعامل توضیح داده شده است؟
• آیا امکان خروجی CSV وجود دارد؟
• آیا زبان فارسی به‌درستی پردازش می‌شود؟

استفاده از Excel و Google Sheets

برای بسیاری از تیم‌های کوچک، یک Spreadsheet کافی است.

شیت‌های پیشنهادی:

Account Summary
Content Performance
Reels
Stories
Audience
Competitors
Experiments
Monthly Reports

در شیت Content Performance می‌توانید ستون‌های محاسباتی بسازید:

Total Engagement =
Likes + Comments + Saves + Shares

Engagement Rate =
Total Engagement ÷ Reach × ۱۰۰

Save Rate =
Saves ÷ Reach × ۱۰۰

Share Rate =
Shares ÷ Reach × ۱۰۰

اگر Reach خالی یا صفر است، سلول نرخ نباید محاسبه شود.

پرامپت تحلیل فایل CSV

این فایل CSV شامل عملکرد پست‌های اینستاگرام است.

پیش از تحلیل:
1. ستون‌ها را معرفی کن.
2. داده‌های ناقص را مشخص کن.
3. ردیف‌های دارای Reach صفر را جدا کن.
4. محتوای Paid و Organic را تفکیک کن.
5. نرخ تعامل را براساس Reach محاسبه کن.

سپس:
- عملکرد قالب‌ها را مقایسه کن.
- موضوع‌های برتر را پیدا کن.
- هوک‌های موفق را تحلیل کن.
- پست‌های دارای Save و Share بالا را مشخص کن.
- پنج پیشنهاد اجرایی برای ماه بعد ارائه بده.

از ساختن داده برای خانه‌های خالی خودداری کن.

ساخت تحلیلگر اینستاگرام با API درواره

درواره یک ابزار آماده مدیریت اینستاگرام نیست؛ بلکه زیرساخت API برای دسترسی به مدل‌های مختلف هوش مصنوعی است.

می‌توانید نرم‌افزاری بسازید که:

• فایل CSV آمار را دریافت کند
• شاخص‌ها را محاسبه کند
• محتوای برتر را شناسایی کند
• کپشن‌ها را تحلیل کند
• Feed را با مدل Vision بررسی کند
• گزارش هفتگی تولید کند
• آزمایش‌های دوره بعد را پیشنهاد دهد
• تقویم محتوایی بسازد
• خروجی JSON، HTML یا PDF ارائه کند

معماری پیشنهادی:

Instagram Insights یا فایل CSV
    ↓
پاک‌سازی داده
    ↓
محاسبه شاخص‌ها در برنامه
    ↓
تولید خلاصه آماری
    ↓
ارسال داده ساخت‌یافته به API درواره
    ↓
تحلیل و پیشنهاد
    ↓
اعتبارسنجی پاسخ
    ↓
داشبورد و گزارش نهایی

محاسبات عددی را بهتر است در کد انجام دهید و از مدل برای تفسیر، کشف الگو و تولید پیشنهاد استفاده کنید.

نمونه درخواست به API درواره

ابتدا در درواره ثبت‌نام کنید، کلید API بگیرید و Model ID مناسب را از صفحه مدل‌ها انتخاب کنید.

curl https://api.darvareh.ir/v1/chat/completions \
  -H "Authorization: Bearer YOUR_DARVAREH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "messages": [
      {
        "role": "system",
        "content": "شما تحلیلگر داده شبکه‌های اجتماعی هستید. فقط از داده ارائه‌شده استفاده کنید، عدد حدس نزنید و همبستگی را رابطه علت و معلولی معرفی نکنید. خروجی فقط JSON معتبر باشد."
      },
      {
        "role": "user",
        "content": "هدف پیج: افزایش ثبت‌نام. داده پست: {\"type\":\"Reel\",\"topic\":\"آموزش API\",\"reach\":20000,\"views\":28000,\"likes\":600,\"comments\":40,\"saves\":120,\"shares\":240,\"profile_visits\":180,\"follows\":55}. عملکرد را تحلیل و strengths، weaknesses، hypotheses و next_actions را برگردان."
      }
    ],
    "temperature": 0.2
  }'

مقادیر زیر را جایگزین کنید:

• YOUR_DARVAREH_API_KEY: کلید API درواره
• YOUR_MODEL_ID: Model ID انتخاب‌شده درواره

کلید API را در برنامه سمت کاربر، فایل قابل دانلود یا مخزن عمومی قرار ندهید. آن را در متغیر محیطی سمت سرور نگهداری کنید.

ساختار خروجی پیشنهادی

{
  "summary": "",
  "strengths": [],
  "weaknesses": [],
  "metrics": {
    "engagement_rate_by_reach": 0,
    "save_rate": 0,
    "share_rate": 0,
    "follow_rate": 0
  },
  "hypotheses": [
    {
      "statement": "",
      "evidence": "",
      "confidence": "low"
    }
  ],
  "next_actions": [],
  "missing_data": []
}

Confidence بهتر است به معنای میزان پشتوانه داده تعریف شود، نه احتمال قطعی درست‌بودن تحلیل.

نمونه Python برای تحلیل داده

import json
import os
import requests

API_KEY = os.environ["DARVAREH_API_KEY"]
MODEL_ID = os.environ["DARVAREH_MODEL_ID"]

post = {
    "type": "Reel",
    "topic": "آموزش API",
    "reach": 20000,
    "views": 28000,
    "likes": 600,
    "comments": 40,
    "saves": 120,
    "shares": 240,
    "profile_visits": 180,
    "follows": 55
}

total_engagement = (
    post["likes"]
    + post["comments"]
    + post["saves"]
    + post["shares"]
)

post["engagement_rate_by_reach"] = round(
    total_engagement / post["reach"] * 100,
    2
)

post["save_rate"] = round(
    post["saves"] / post["reach"] * 100,
    2
)

post["share_rate"] = round(
    post["shares"] / post["reach"] * 100,
    2
)

response = requests.post(
    "https://api.darvareh.ir/v1/chat/completions",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    },
    json={
        "model": MODEL_ID,
        "messages": [
            {
                "role": "system",
                "content": (
                    "فقط داده ارائه‌شده را تحلیل کن. "
                    "هیچ عددی را حدس نزن. "
                    "خروجی فقط JSON معتبر باشد."
                )
            },
            {
                "role": "user",
                "content": json.dumps(post, ensure_ascii=False)
            }
        ],
        "temperature": 0.2
    },
    timeout=60
)

response.raise_for_status()

content = response.json()["choices"][0]["message"]["content"]
result = json.loads(content)

print(json.dumps(result, ensure_ascii=False, indent=2))

در پروژه واقعی باید اعتبارسنجی JSON، مدیریت خطا، Timeout، ثبت لاگ و کنترل هزینه نیز اضافه شود.

تحلیل چند پست به‌صورت دسته‌ای

برای تحلیل ماهانه، تمام ردیف‌ها را بدون آماده‌سازی به مدل ندهید.

روش مناسب:

1. شاخص‌ها را در کد محاسبه کنید.
2. محتواها را براساس قالب دسته‌بندی کنید.
3. پنج محتوای برتر و ضعیف را استخراج کنید.
4. میانگین هر گروه را حساب کنید.
5. اطلاعات کیفی را اضافه کنید.
6. خلاصه داده را به مدل بدهید.
7. برای موارد خاص، تحلیل جداگانه انجام دهید.

نمونه خلاصه:

{
  "period": "یک ماه",
  "goal": "افزایش ثبت‌نام",
  "content_count": 18,
  "formats": {
    "reel": {
      "count": 8,
      "average_reach": 18000,
      "average_engagement_rate": 4.8
    },
    "carousel": {
      "count": 6,
      "average_reach": 9000,
      "average_engagement_rate": 7.2
    },
    "image": {
      "count": 4,
      "average_reach": 6000,
      "average_engagement_rate": 2.9
    }
  }
}

طراحی آزمایش A/B

هوش مصنوعی می‌تواند فرضیه پیشنهاد دهد، اما آزمایش باید طوری طراحی شود که فقط یک عامل اصلی تغییر کند.

مثال:

فرضیه:
هوک مبتنی بر اشتباه رایج، Share بیشتری از هوک تعریفی ایجاد می‌کند.

نسخه A:
API هوش مصنوعی چیست؟

نسخه B:
سه اشتباه پرهزینه هنگام انتخاب API هوش مصنوعی

عامل ثابت:
موضوع، طول، تدوین، زمان انتشار و CTA

معیار اصلی:
Share Rate

اگر هم‌زمان موضوع، کاور، زمان، طول و CTA تغییر کنند، مشخص نمی‌شود کدام عامل بر نتیجه اثر گذاشته است.

برنامه تحلیل ۳۰ دقیقه‌ای هفتگی

اگر زمان محدودی دارید، این روال را اجرا کنید:

۵ دقیقه اول

• ثبت Reach
• ثبت Engagement
• ثبت Profile Visits
• ثبت Follows
• ثبت Website Taps

۱۰ دقیقه دوم

• پیداکردن بهترین پست
• پیداکردن ضعیف‌ترین پست
• بررسی Save و Share
• مقایسه قالب‌ها

۱۰ دقیقه سوم

• تحلیل هوک
• تحلیل موضوع
• تحلیل CTA
• نوشتن سه آموخته

۵ دقیقه آخر

• انتخاب یک موضوع برای تکرار
• انتخاب یک مورد برای توقف
• تعریف یک آزمایش جدید

هدف این جلسه تولید گزارش طولانی نیست؛ هدف تبدیل داده به تصمیم است.

اشتباهات رایج در آنالیز اینستاگرام

تمرکز کامل بر تعداد فالوئر

رشد فالوئر بدون Reach، تعامل یا نتیجه تجاری ممکن است ارزش محدودی داشته باشد.

مقایسه تعداد خام بدون Reach

۶۰۰ لایک در Reach ده‌هزار با ۱۰۰۰ لایک در Reach پنجاه‌هزار یکسان نیست.

یکی‌دانستن هدف همه محتواها

محتوای آموزشی را با Save و Share و محتوای محصول را با Profile Visits و تبدیل ارزیابی کنید.

مقایسه پست تبلیغاتی و ارگانیک

داده Paid و Organic باید جدا باشد.

نتیجه‌گیری از یک پست

یک نمونه برای اثبات یک الگو کافی نیست. چند محتوای مشابه را بررسی کنید.

حدس‌زدن علت موفقیت

اینکه پستی با حضور چهره موفق شده، به‌تنهایی ثابت نمی‌کند چهره علت موفقیت بوده است.

استفاده از میانگین بدون بررسی توزیع

ممکن است یک ریلز بسیار پربازدید میانگین کل ماه را غیرواقعی نشان دهد. میانه و محتواهای پرت را نیز بررسی کنید.

نادیده‌گرفتن کیفیت نظرها

تعداد کامنت زیاد ممکن است حاصل پرسش ساده، بحث نامرتبط یا واکنش منفی باشد. متن نظرها را نیز تحلیل کنید.

اعتماد کامل به ابزار تشخیص فالوئر فیک

نتیجه این ابزارها تخمینی است و نباید به‌عنوان واقعیت قطعی گزارش شود.

تولید پیشنهاد بدون توجه به ظرفیت تیم

پیشنهاد انتشار روزانه زمانی مفید نیست که تیم فقط امکان تولید سه محتوای هفتگی را دارد.

تغییر مداوم استراتژی

براساس یک هفته ضعیف، تمام ستون‌های محتوایی را تغییر ندهید. روند بلندمدت را بررسی کنید.

چک‌لیست آنالیز حرفه‌ای پیج

قبل از نهایی‌کردن گزارش بررسی کنید:

• بازه زمانی مشخص است.
• هدف پیج تعریف شده است.
• حساب Business یا Creator است.
• داده از Instagram Insights دریافت شده است.
• محتوای Paid و Organic جدا شده است.
• قالب محتوا ثبت شده است.
• موضوع و ستون محتوایی مشخص است.
• نرخ تعامل براساس یک فرمول ثابت محاسبه شده است.
• Save Rate و Share Rate بررسی شده‌اند.
• هدف هر محتوا در ارزیابی لحاظ شده است.
• داده‌های ناقص علامت‌گذاری شده‌اند.
• بهترین و ضعیف‌ترین محتواها مشخص شده‌اند.
• تعداد خام بدون Reach مقایسه نشده است.
• تحلیل رقبا فقط براساس داده عمومی انجام شده است.
• علت موفقیت به‌صورت فرضیه بیان شده است.
• برای دوره بعد اقدام مشخص وجود دارد.
• حداقل یک آزمایش تعریف شده است.
• نتیجه یا رشد تضمین نشده است.

پرسش‌های متداول

بهترین هوش مصنوعی برای آنالیز پیج اینستاگرام چیست؟

بهترین انتخاب به نوع داده بستگی دارد. مدل متنی برای تحلیل CSV، کپشن و گزارش مناسب است و مدل Vision می‌تواند Feed و کاورها را بررسی کند. کیفیت تحلیل بیش از نام ابزار، به کامل‌بودن داده و پرامپت وابسته است.

آیا می‌توان پیج اینستاگرام را رایگان تحلیل کرد؟

بله. حساب‌های Business و Creator به Instagram Insights دسترسی دارند. می‌توانید داده‌ها را در Google Sheets ثبت و با یک مدل هوش مصنوعی تحلیل کنید.

نرخ تعامل اینستاگرام چگونه محاسبه می‌شود؟

یکی از روش‌های کاربردی، تقسیم مجموع Likes، Comments، Saves و Shares بر Reach و ضرب نتیجه در ۱۰۰ است. فرمول را در تمام گزارش‌ها ثابت نگه دارید.

آیا هوش مصنوعی می‌تواند بهترین زمان انتشار را پیدا کند؟

اگر داده روز و ساعت انتشار و عملکرد پست‌های قبلی را در اختیار مدل قرار دهید، می‌تواند الگو پیشنهاد کند. بدون داده واقعی، پاسخ فقط یک توصیه عمومی است.

آیا نام کاربری برای تحلیل کامل پیج کافی است؟

خیر. نام کاربری فقط امکان بررسی اطلاعات عمومی را می‌دهد. برای تحلیل کامل به داده‌های داخلی Instagram Insights نیاز است.

چگونه بفهمیم کدام محتوا بهتر بوده است؟

ابتدا هدف محتوا را مشخص کنید. برای آگاهی Reach، برای آموزش Save و Share و برای محتوای محصول Profile Visits، Website Taps و تبدیل را بررسی کنید.

آیا هوش مصنوعی فالوئر فیک را تشخیص می‌دهد؟

می‌تواند الگوهای غیرعادی را شناسایی کند، اما نتیجه نباید قطعی تلقی شود. دسترسی محدود به اطلاعات عمومی، تشخیص دقیق را دشوار می‌کند.

آیا می‌توان گزارش ماهانه خودکار ساخت؟

بله. با API درواره می‌توانید فایل CSV یا داده ساخت‌یافته را تحلیل و گزارش هفتگی یا ماهانه تولید کنید. محاسبات اصلی بهتر است در کد انجام شوند.

آیا درواره ابزار آماده آنالیز اینستاگرام دارد؟

درواره ابزار آماده مدیریت پیج نیست. درواره زیرساخت API مدل‌های هوش مصنوعی است و می‌توان با آن تحلیلگر داده، مولد گزارش یا دستیار محتوایی اختصاصی ساخت.

جمع‌بندی

آنالیز پیج اینستاگرام با هوش مصنوعی زمانی ارزشمند است که بر داده‌های واقعی استوار باشد. ارسال نام کاربری یا اسکرین‌شات Feed می‌تواند برای تحلیل ظاهری مفید باشد، اما جای Instagram Insights را نمی‌گیرد.

فرایند پیشنهادی عبارت است از:

1. هدف حساب را مشخص کنید.
2. داده‌های Instagram Insights را استخراج کنید.
3. اطلاعات هر محتوا را در جدول ثبت کنید.
4. شاخص‌ها را با فرمول ثابت محاسبه کنید.
5. محتواهای هم‌نوع را با یکدیگر مقایسه کنید.
6. داده کمی و ویژگی‌های کیفی را ترکیب کنید.
7. از هوش مصنوعی برای تحلیل الگوها استفاده کنید.
8. نتیجه‌ها را به‌صورت فرضیه بیان کنید.
9. برای دوره بعد آزمایش طراحی کنید.
10. نتیجه آزمایش را دوباره اندازه‌گیری کنید.

اگر می‌خواهید داشبورد تحلیل شبکه‌های اجتماعی، گزارش‌ساز خودکار یا دستیار هوشمند تولید محتوا بسازید، می‌توانید از API درواره برای دسترسی به مدل‌های متنی و چندوجهی استفاده کنید.

برای مشاهده مدل‌ها، Model IDها و قیمت‌های به‌روز، صفحه مدل‌های درواره را ببینید.

مقالات مرتبط

• تولید محتوای اینستاگرام با هوش مصنوعی
• دیجیتال مارکتینگ با هوش مصنوعی
• تحلیل داده‌های CSV با هوش مصنوعی
• ساخت نمودار با هوش مصنوعی
• هوش مصنوعی در فروش؛ راهنمای کامل و کاربردی
• تحلیل نظرات مشتریان با هوش مصنوعی
• ساخت ویدئوی تبلیغاتی با هوش مصنوعی
• ویرایش ویدئو با هوش مصنوعی

برای مطالعه شرایط استفاده و محدودیت‌های مسئولیت، صفحه «سلب مسئولیت» را مشاهده کنید.