apify-influencer-brand-collabs

por apify

Descubra parcerias entre marcas e criadores no Instagram encadeando Apify Actors. Use quando o usuário perguntar quem colabora com uma marca, quais marcas um criador fez conteúdo pago…

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.

Mais skills de apify

apify-actor-development
apify
Crie, depure e implante programas serverless em nuvem para web scraping, automação e processamento de dados. Suporta templates em JavaScript, TypeScript e Python com as bibliotecas integradas Crawlee, Playwright e Cheerio para crawling baseado em HTTP e navegador. Inclui testes locais via apify run com armazenamento isolado, validação de esquema para entradas/saídas e implantação na plataforma Apify via apify push. Requer autenticação da CLI Apify e metadados obrigatórios generatedBy em .actor/actor.json para IA...
apify-actorization
apify
Converta projetos existentes em Apify Actors serverless com integração de SDK específica para cada linguagem. Suporta JavaScript/TypeScript (com Actor.init() / Actor.exit()), Python (gerenciador de contexto assíncrono) e qualquer linguagem via wrapper CLI. Fornece fluxo de trabalho estruturado: apify init para estruturar, aplicar encapsulamento do SDK, configurar esquemas de entrada/saída, testar localmente com apify run e depois implantar com apify push. Inclui validação de esquemas de entrada e saída, conteinerização Docker e opcional pay-per-event...
apify-content-analytics
apify
Análise de conteúdo multiplataforma via Apify Actors para Instagram, Facebook, YouTube e TikTok. Suporta mais de 17 Actors especializados cobrindo posts, reels, stories, comentários, hashtags, seguidores e anúncios em todas as quatro plataformas. Busca dinamicamente os esquemas dos Actors usando a CLI mcpc para determinar as entradas necessárias e os campos de saída disponíveis. Gera resultados em três formatos: exibição rápida no chat, exportação CSV ou exportação JSON com contagens de resultados personalizáveis. Requer token Apify no arquivo .env e Node.js 20.6+...
apify-ecommerce
apify
Extraia dados de produtos, preços, avaliações e informações de vendedores de mais de 50 marketplaces de e-commerce. Três modos de fluxo de trabalho: Produtos e Preços (monitoramento de preços, análise de concorrentes), Avaliações de Clientes (análise de sentimento, problemas de qualidade) e Inteligência de Vendedores (descoberta de fornecedores via Google Shopping). Suporta Amazon (mais de 20 regiões), Walmart, eBay, IKEA, Costco e varejistas europeus; entrada por URLs de produtos, URLs de categorias ou pesquisa por palavras-chave. Análise opcional com IA gera insights sobre preços...
apify-generate-output-schema
apify
Gere esquemas de saída (dataset_schema.json, output_schema.json, key_value_store_schema.json) para um Apify Actor analisando seu código-fonte. Use quando…
apify-influencer-discovery
apify
Descubra e avalie influenciadores no Instagram, Facebook, YouTube e TikTok usando Apify Actors. Roteia solicitações de descoberta para mais de 15 Actors especializados, abrangendo scraping de perfis, busca por hashtags, análise de engajamento e descoberta de nichos em todas as principais plataformas. Busca dinamicamente os esquemas dos Actors via mcpc para determinar as entradas necessárias e os campos de saída disponíveis antes da execução. Suporta três modos de exportação: exibição inline no chat, saída em arquivo CSV ou JSON, com contagens de resultados personalizáveis...
apify-ultimate-scraper
apify
Raspador web automatizado que seleciona os melhores Atores para mais de 55 plataformas, incluindo Instagram, TikTok, YouTube, Facebook, Google Maps e outras. Abrange mais de 55 Atores pré-configurados em 8 plataformas principais, com orientação de seleção específica para cada caso de uso (geração de leads, descoberta de influenciadores, monitoramento de marca, análise de concorrentes, pesquisa de tendências). Suporta três formatos de saída: exibição rápida no chat, exportação CSV ou exportação JSON com limites de resultados personalizáveis. Inclui padrões de fluxo de trabalho com múltiplos Atores para cenários complexos...
apify-generate-output-schema
apify
Gere esquemas de saída (dataset_schema.json, output_schema.json, key_value_store_schema.json) para um Apify Actor analisando seu código-fonte. Use quando…