Instagramのキャプションと最初のコメントからハッシュタグを収集する方法

収集手順

1. 対象が分かっている投稿を1件選び、URLまたはショートコードを保存します。公開ソースにある現在のキャプションを、確認時刻とともに専用のキャプションフィールドにコピーします。コメント収集用Actorはキャプションを取得しません。過去の調査で使われた古いエンドポイントは使用しないでください。
2. 試行では、`maxCommentsPerPost`を`3`に設定し、デフォルトの表示順で少量のサンプルを収集します。`postUrls`には対象が分かっている公開投稿またはリールのURLを指定し、`collectAllAvailable`を`false`、`commentSortMode`を`default`に設定します。収集対象が意図したものか、本文は正しいかを確認し、`OUTPUT`を調べます。`savedRows`と`cappedTargets`は実行全体の合計値です。対象ごとのエントリには、各対象の`resultState`、`sampleHealth`、`stopReason`が入ります。今回確認した、上限を3行にした現行の対照テストで検証できたのは、収集元の同一性、本文、日時だけです。投稿者本人のコメントを取得できることや、時系列で最初のコメントを取得できることは証明していません。上限を増やせば投稿者本人のコメントを取得できると約束してはいけません。上限を増やすのは、対象が分かっている投稿について、その必要性を説明できる場合だけにします。公開サンプルに必要なコメントが表示されない場合は、最初のコメントにあるタグの証拠は不明と記録し、公開投稿を手作業で確認します。
3. 元の投稿から投稿者のアカウントを特定します。ユーザー名は変更される可能性があるため、`ownerId`がある場合はそれを照合します。クリエイターをタグ付けしているコメントは、そのクリエイター本人が書いたものではありません。書き手が本人かどうかを明確に判断できない場合は、未確定のままにします。
4. 投稿者本人が書いた可能性のある各コメントについて、`commentId`、`text`、`createdAt`、`ownerId`、`ownerUsername`、`ownerVerified`、`likesCount`、`repliesCount`、`collectedAt`、出典URLを保存します。`repliesCount`は画面に表示される件数であり、返信のエクスポートではない点に注意してください。探している最初のハッシュタグコメントかどうかは、手作業で確認します。古い順への並べ替えは、収集できた公開サンプルを並べ替えるだけです。本当に最初のコメントかどうかは確定できません。確証のない候補を最初のコメントと記載してはいけません。
5. 表示されているハッシュタグの文字列を抽出し、元の表記を保存したうえで、大文字と小文字を区別しない比較用のキーを別に作ります。文字列の切り出し規則を明確に定めます。英語では、ハッシュ記号に続く英字、数字、アンダースコアを対象とします。句読点やその他の区切り記号で文字列を区切ります。ほかの文字体系には、その体系に合う規則と手作業での確認が必要です。ユーザーへのメンション、メールアドレス、単独のハッシュ記号は除外します。
6. 出典管理表を作ります。投稿キー、コメントキーまたはキャプションの出典、書き手の本人確認、元のタグ、正規化キー、`collectedAt`、ステータスを含めます。ほかのユーザーのタグを、投稿者本人のタグと混ぜないでください。
7. キャプションのタグキーと、投稿者本人のものと確認できたコメントのタグキーを比較します。キャプションのみ、コメントのみ、両方に共通するタグの集合を報告します。投稿者本人のコメントに関する証拠を取得できなかった場合は、タグの集合が空であるとする結論の対象に含めません。ここで分かるのは観測できたタグの配置であり、リーチを証明するものではありません。

架空の具体例

表の使い方を示すため、独自に作成した架空の例を紹介します。架空の投稿P1のキャプションは「園芸メモ #LeafCare #HomeGarden」です。投稿者本人のものと確認できたコメントC1には「追加のタグ：#HomeGarden #SoilMix #LeafCare #SoilMix」とあります。別のアカウントのコメントC2には「いいですね #PlantSale」とあります。

C1の書き手は投稿者本人と一致し、最初に記載されたコメントであることを公開投稿で確認しています。キャプションの集合にはleafcareとhomegardenが含まれます。投稿者本人のコメントの集合にはhomegarden、soilmix、leafcareが含まれます。共通するタグはleafcareとhomegardenです。コメントのみにあるのはsoilmixです。キャプションのみの集合は空です。

キャプションとコメントに出現する合計6個のハッシュタグを整理すると、投稿者本人が使った重複のないキーは3個になります。重複して出現するsoilmixも、出典データには残します。C2の植物販売のタグは、投稿者本人が使った集合からは除外しますが、元データには残します。別の実行でC1を確認できない場合は、投稿者本人はコメントにハッシュタグを使っていないとせず、投稿者本人のコメントのタグは取得できないと記載します。

下の表の`Manual post-owner match`は、コメントの`ownerId`が投稿を所有するアカウントと一致するかを読者が確認した結果です。元データの`ownerVerified`は公開バッジのフィールドであり、投稿者本人であることの証明ではありません。架空のデータにはバッジの値がないため、不明のままにしています。表の`Active`と`Excluded`の値は読者による確認後の判断を表し、元のデータセットのステータスではありません。このActorには、データセットのステータスフィールドがないためです。実際の出典データでは、すべての行に元データの`postUrl`、`postId`、`postShortCode`を保持します。この架空の例では読者が付けた投稿キーP1を使い、提示されていない実際のURLや識別子は作り上げず、不明と記載しています。