Cómo dimensionar la recolección de datos de Instagram para una investigación antes de ejecutarla

Configuración de un marco finito de publicaciones

Un Actor es un programa alojado de recolección de datos. Una Task es un ajuste de entrada guardado. La compilación pública 1.0.35 de Instagram Metrics admite el modo contentUrls, con startUrls que contienen URL públicas conocidas de publicaciones o de Reel, y un tope total opcional maxItems. Para la primera comprobación, reemplace la muestra de la Task por una URL de contenido conocida prevista, el modo contentUrls y maxItems 1, en reemplazo del ajuste guardado maxItems 100. No agregue un indicador maxItemsPerProfile inventado. El descubrimiento de perfiles es un modo separado; su piloto de fuente actual fue bloqueado y no está aceptado.

Los campos nativos pertinentes son inputUrl, postUrl, postId, shortCode, mediaType, publishedAt, profileId, profileUrl, likes, comments, views, plays, postMetricStatus, status, statusReason y scrapedAt. El reintento directo aceptado y actual, de un Reel conocido, devolvió identidad y fecha coincidentes y likes, comments y views públicos, con estado de métrica; plays fue null. El postMetricStatus nativo separa la disponibilidad y la precisión de la métrica.

OUTPUT providedInputs, contentUrls, profileUrls, inputUrls, maxItems, resolvedUrls, metricRows, noPublicMetricRows, blockedRows, failedRows, invalidRows, unsupportedRows, statusCounts y stopReason son contabilidad de la recolección, no el libro del proyecto de observaciones planificadas, de registros utilizables y de eventos facturados.

Cálculo del volumen planificado

1. Defina la unidad y los campos públicos necesarios. Un modelo a nivel de empresa, una descripción a nivel de publicación y un estudio de cambios repetidos requieren marcos distintos. No convierta conteos supuestos de perfiles o de publicaciones en disponibilidad observada, ni prometa una alternativa gratuita de gran escala.
2. Escriba la regla de marco y de inclusión, y cómo se obtuvieron las URL públicas conocidas de perfiles o de publicaciones. La vía aceptada parte de URL de publicaciones preconfirmadas. No puede descubrir millones supuestos de perfiles de empresas. Si no existe un marco válido, es un requisito previo obtener un conjunto de datos existente, permitido y adecuado, o cambiar la pregunta de investigación.
3. Calcule el volumen planificado a partir de supuestos explícitos: perfiles seleccionados por publicaciones distintas suministradas por perfil por cortes temporales de observación guardados. Las observaciones repetidas de la misma publicación no son publicaciones nuevas. Contabilice las publicaciones duplicadas o compartidas con comprobaciones de identidad estable. Las comprobaciones de perfil son registros de adquisición separados.
4. Compare un alcance finito declarado con el censo propuesto. Seleccione cuentas y publicaciones mediante un diseño escrito adecuado a la pregunta; si es intencional o por conveniencia, declare esa limitación. Las lagunas de la fuente y la visibilidad desigual modifican la elegibilidad. Ninguna estimación de población se sigue de solo reducir el conteo de filas.
5. Elija un corte temporal o un cronograma prospectivo repetido. El Actor actual da observaciones públicas actuales, no conteos del pasado. Tres cortes temporales futuros triplican las observaciones de métricas planificadas para el mismo marco seleccionado de publicaciones. Los resultados de fuente que faltan siguen faltando, no son cero. Un estudio que requiere registros históricos mensuales de métricas necesita historial guardado o una fuente existente adecuada, no un relleno retroactivo fabricado.
6. Revise las reglas vigentes de precios y de cargos, y fije un límite finito de cargo por ejecución en los ajustes de la ejecución, cuando exista esa opción. Un tope de filas y un tope de cargo son controles distintos. Incluya en el presupuesto los eventos documentados de inicio y de resultado, y cualquier uso o almacenamiento que se cobre por separado. Aquí no se supone ninguna tarifa general ni un precio minorista real.
7. Use el piloto de una publicación conocida para comprobar los campos obligatorios, la identidad y el estado de la fuente, y la precisión del conteo, antes de ampliar. Separe el tiempo de procesamiento de las demoras de la fuente. Un resultado rápido no establece un rendimiento lineal para millones de entradas ni la disponibilidad futura de la fuente.
8. Mantenga una tabla de plan frente a comprobante. Las observaciones planificadas describen el trabajo previsto; las entradas intentadas describen la ejecución; los registros guardados incluyen lo que llegó al almacenamiento; los registros utilizables cumplen la regla de campos; los eventos facturables salen de la definición real del evento en el comprobante de facturación. No suponga que guardado equivale a utilizable y que utilizable equivale a facturado. Si el alcance necesario supera el financiamiento, busque un conjunto de datos adecuado o acote la pregunta.

Armado del libro del proyecto y del presupuesto

Esta sección usa ficción original como ejemplo de enseñanza.

Para la ilustración histórica de supuestos de la fuente, tome 1.000.000 de empresas multiplicadas por 60 por ciento con perfiles y multiplicadas por 60 publicaciones, lo que da 36.000.000 de publicaciones. A 10 segundos por publicación, esto equivale a 360.000.000 segundos, o 4.166,6667 días a 86.400 segundos por día. Esta es una ilustración de supuestos de la fuente para el lector, no es disponibilidad medida, demora del Actor ni pronóstico de tiempo de ejecución. Un supuesto alternativo de 80 por ciento cambia la estimación y no debe mezclarse.

Para el estudio de ficción finito original, tome 40 perfiles preconfirmados y 5 ID distintos de publicaciones conocidas cada uno, con un total de 200 publicaciones distintas. Tres cortes temporales prospectivos planificados producen 600 observaciones de métricas planificadas. 40 comprobaciones de perfil son registros separados. Las identidades estables verifican que las publicaciones sean distintas. Un marco intencional o por conveniencia no es una inferencia sobre una población de un millón de empresas.

A continuación está el libro concreto del proyecto, de 5 categorías, y la tabla de presupuesto de 2 filas, bajo una tarifa inventada de USD 0,002 por observación facturable y un cargo de inicio de USD 0,001 por ejecución, en tres ejecuciones.

Tabla: Libro del proyecto de ficción original

30 intentos no tuvieron un registro guardado, y 30 registros guardados no cumplieron la regla de campos utilizables. Un contador público de views faltante permanece desconocido aunque likes y comments sean utilizables.

Tabla: Filas de presupuesto de ficción original

La facturación real sigue las definiciones y los comprobantes reales de los eventos, no el supuesto de que guardado equivale a utilizable y que utilizable equivale a facturado. Un control de cargo por ejecución no es un tope de costo de todo el proyecto.