apify-influencer-brand-collabs

par apify

Découvrez les partenariats entre marques et créateurs Instagram en enchaînant les Apify Actors. Utilisez lorsque l'utilisateur demande qui collabore avec une marque, quelles marques un créateur a faites payantes…

npx skills add https://github.com/apify/awesome-skills --skill apify-influencer-brand-collabs

Influencer–Brand Collaborations

Surface Instagram branded-content partnerships by chaining four Apify Actors against Meta's Ad Library. Distilled from the production influencer-brand-collabs mini-tool.

When to use

  • "Who has Nike paid to promote them this quarter?"
  • "What brands does @bellahadid do sponsored posts for?"
  • Auditing an account's branded-content history
  • Building a competitor's influencer roster

Don't use for: organic mentions or tags (use a hashtag/mentions scraper), TikTok or YouTube collabs (different platforms), generic competitor ads (query Meta Ad Library directly).

Inputs to gather

  1. Instagram handle or URL@adidas or https://www.instagram.com/adidas/
  2. Lookback window — days; default 90
  3. Enrichment toggles (each adds cost + time):
    • Content insights — likes, comments, views per collab
    • Profile enrichment — followers, bio, verified status of the other side

Direction (brand vs creator) is detected empirically. Do not ask.

The pipeline

#ActorPurposeRequired
1apify/instagram-profile-scraperResolve the target's Facebook fbid
2apify/brand-collaboration-scraperPull branded-content posts from Meta's Ad Library
3apify/instagram-post-scraper + apify/instagram-reel-scraperEngagement metricsoptional
4apify/instagram-profile-scraper (again)Enrich the result-side partnersoptional

Call each via mcp__claude_ai_Apify__call-actor. Use mcp__claude_ai_Apify__fetch-actor-details first if you've never run one of these and want the exact input schema.

Step 1 — Resolve the target

// actor: apify/instagram-profile-scraper
{ "usernames": ["adidas"] }

Grab fbid from the first item. No fbid → can't query Ad Library → stop and tell the user. Most common cause: private account.

Step 2 — Build the Meta Ad Library URL

https://www.facebook.com/ads/library/branded_content/?id={fbid}&query={username}&target=instagram&start_date={YYYY-MM-DD}&end_date={YYYY-MM-DD}

Date range = the lookback window (default 90 days, ending today).

Step 3 — Fetch collaborations

// actor: apify/brand-collaboration-scraper
{ "startUrls": ["<ad library url>"], "resultsLimit": 10 }

Schema is fixed: every item has creator (always the influencer side) and brandPartners[0] (always the brand side). Do not try to infer direction from these fields.

Step 4 — Detect direction empirically

Count how often the target username appears on each side of the results:

  • target appears more on creator side → target is the influencer; results are the brands
  • target appears more on brandPartners side → target is the brand; results are the creators

⚠️ Do not use isBusinessAccount to infer this. It's unreliable — e.g. @fifaworldcup is a business account but appears as the creator of its own branded content.

Step 5 — (optional) Content metrics

Split collab URLs by type:

  • /reel/... → reel scraper
  • /p/... or /tv/... → post scraper
// actor: apify/instagram-post-scraper
{ "username": ["<post urls>"], "resultsLimit": 1, "dataDetailLevel": "basicData" }

// actor: apify/instagram-reel-scraper
{ "username": ["<reel urls>"], "resultsLimit": 1 }

Match back to collabs via shortcode in the URL: /(p|reel|tv)/([A-Za-z0-9_-]+).

Engagement formula: likesCount + commentsCount + (videoViewCount ?? videoPlayCount ?? 0).

Run the two scrapers in parallel — they're independent.

Step 6 — (optional) Enrich the result side

Collect unique usernames from the side that is not the target. Then:

// actor: apify/instagram-profile-scraper
{ "usernames": [<unique result-side usernames>] }

Only enrich the side the user actually cares about. The input handle is already known.

What to present

After aggregation, surface:

  • Headline counts: total collabs, unique partners, total engagement (if metrics enriched)
  • Top 5 collabs by engagement — only meaningful when content insights were toggled on
  • Content-type mix: Post vs Reel; Reels usually dominate engagement
  • Weekly timeline across the date range — spikes reveal campaign launches
  • Per-partner card (when profiles enriched): handle, full name, followers, verified, category, collabs in this run, avg engagement

For who-questions, the partner list alone is enough. Metrics only matter for which-was-best-questions.

URL parsing

Strip Instagram's _u/ and _n/ deep-link prefixes before extracting the handle:

/instagram\.com\/(?:_u\/|_n\/)?([A-Za-z0-9_.]+)/i

These slugs are not usernames — skip them: explore, reels, stories, direct, accounts, about, p, reel, tv, tags, locations, _u, _n.

Pitfalls

  • Target is private → profile scraper returns no fbid. Bail early with a clear message.
  • No results → try in order: widen the date range, double-check the handle (strip _u/), confirm the account actually runs branded content. Meta only indexes ads they've classified as branded content.
  • Engagement is all zeros → user skipped content enrichment. Offer to re-run with it on.
  • Direction looks wrong in the output → re-check the empirical count. Don't trust isBusinessAccount.
  • Brand collabs with no metrics are still answer-shaped for who questions — don't gate the whole flow on enrichment.

Cost & time

Full 4-actor run: ~3–5 minutes, a few cents of Apify compute. Order of magnitude:

EnrichmentActors runApprox time
None21–2 min
+ Content3–42–4 min
+ Profiles+1+30–60 s

If the user just needs a partner list, skip both toggles.

Reference implementation

Production route this skill was distilled from: mini-tools-main/src/app/api/tools/influencer-brand-collabs/route.ts — full transformation logic, error handling, and slimmed display shapes for each scraper's output.

Plus de skills de apify

bug-triage
apify
Triage des bogues ouverts sur apify/apify-mcp-server. Analyser, rédiger des réponses, obtenir l'approbation, publier.
official
dig
apify
Compétence flexible pour explorer, planifier et spécifier le travail sur le serveur Apify MCP. NE PAS modifier les fichiers source — cette compétence est réservée à la compréhension et à la planification uniquement.
official
apify-financial-news
apify
Découvrez et extrayez les actualités financières pour les entreprises suivies dans un portefeuille, à partir de 33 sources vérifiées de premier plan (Bloomberg, Reuters, FT, WSJ, IntelliNews, ČTK, PAP, BTA,…).
official
apify-actor-development
apify
Créez, déboguez et déployez des programmes cloud serverless pour le scraping web, l'automatisation et le traitement de données. Prend en charge les modèles JavaScript, TypeScript et Python avec les bibliothèques intégrées Crawlee, Playwright et Cheerio pour le crawling HTTP et basé sur navigateur. Inclut des tests locaux via apify run avec stockage isolé, validation de schéma pour les entrées/sorties, et déploiement sur la plateforme Apify via apify push. Nécessite l'authentification Apify CLI et les métadonnées obligatoires generatedBy dans .actor/actor.json pour l'IA...
official
apify-actorization
apify
Convertissez des projets existants en Apify Actors serverless avec intégration SDK spécifique au langage. Prend en charge JavaScript/TypeScript (avec Actor.init() / Actor.exit()), Python (gestionnaire de contexte asynchrone) et tout langage via un wrapper CLI. Fournit un flux de travail structuré : apify init pour générer la structure, appliquer le wrapping SDK, configurer les schémas d'entrée/sortie, tester localement avec apify run, puis déployer avec apify push. Inclut la validation des schémas d'entrée et de sortie, la conteneurisation Docker et une option de paiement par événement...
official
apify-generate-output-schema
apify
Générer des schémas de sortie (dataset_schema.json, output_schema.json, key_value_store_schema.json) pour un acteur Apify en analysant son code source. Utiliser lorsque…
official
apify-ultimate-scraper
apify
Grattoir web automatisé sélectionnant les meilleurs Actors pour plus de 55 plateformes, dont Instagram, TikTok, YouTube, Facebook, Google Maps et autres. Couvre plus de 55 Actors préconfigurés sur 8 plateformes majeures avec des conseils de sélection spécifiques aux cas d'usage (génération de leads, découverte d'influenceurs, surveillance de marque, analyse concurrentielle, recherche de tendances). Prend en charge trois formats de sortie : affichage rapide dans le chat, export CSV ou export JSON avec limites de résultats personnalisables. Inclut des schémas de workflow multi-Actors pour des tâches complexes...
official
apify-audience-analysis
apify
Extraire les données démographiques de l'audience, les schémas d'engagement et les comportements depuis Facebook, Instagram, YouTube et TikTok. Prend en charge plus de 18 Acteurs spécialisés couvrant les données démographiques des abonnés, les métriques d'engagement, les commentaires et l'analyse de profils sur les quatre plateformes. Propose trois formats de sortie : affichage rapide dans le chat, export CSV ou export JSON pour une analyse en aval. Nécessite un jeton Apify et l'outil CLI mcpc ; utilise la récupération dynamique de schéma pour adapter les entrées aux exigences de chaque Acteur. Inclut une structure...
official