apify-influencer-brand-collabs

tarafından apify

Apify Aktörlerini zincirleyerek Instagram marka–içerik üreticisi ortaklıklarını keşfedin. Kullanıcı bir markayla kimlerin iş birliği yaptığını, bir içerik üreticisinin hangi markalarla ücretli…

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.

apify tarafından daha fazla skill

apify-actor-development
apify
Web kazıma, otomasyon ve veri işleme için sunucusuz bulut programları oluşturun, hata ayıklayın ve dağıtın. HTTP ve tarayıcı tabanlı tarama için entegre Crawlee, Playwright ve Cheerio kütüphaneleriyle JavaScript, TypeScript ve Python şablonlarını destekler. İzole depolama ile apify run aracılığıyla yerel test, girdi/çıktılar için şema doğrulama ve apify push ile Apify platformuna dağıtım içerir. Apify CLI kimlik doğrulaması ve .actor/actor.json dosyasında AI için zorunlu generatedBy meta verisi gerektirir...
apify-actorization
apify
Mevcut projeleri, dile özgü SDK entegrasyonu ile sunucusuz Apify Actor'lere dönüştürür. JavaScript/TypeScript (Actor.init() / Actor.exit() ile), Python (async context manager) ve CLI sarmalayıcı aracılığıyla herhangi bir dili destekler. Yapılandırılmış iş akışı sağlar: apify init ile iskelet oluşturma, SDK sarmalama uygulama, giriş/çıkış şemalarını yapılandırma, apify run ile yerel test etme ve apify push ile dağıtma. Giriş ve çıkış şeması doğrulaması, Docker konteynerleştirmesi ve isteğe bağlı olay başına ödeme içerir...
apify-content-analytics
apify
Instagram, Facebook, YouTube ve TikTok için Apify Actors aracılığıyla çok platformlu içerik analitiği. Dört platformda gönderiler, reels, hikayeler, yorumlar, hashtag’ler, takipçiler ve reklamları kapsayan 17’den fazla özel Actor’ü destekler. Gerekli girdileri ve mevcut çıktı alanlarını belirlemek için mcpc CLI kullanarak Actor şemalarını dinamik olarak getirir. Sonuçları üç formatta sunar: hızlı sohbet görüntüleme, CSV dışa aktarma veya özelleştirilebilir sonuç sayılarıyla JSON dışa aktarma. .env dosyasında Apify token’ı ve Node.js 20.6+ gerektirir...
apify-ecommerce
apify
50'den fazla e-ticaret pazar yerinden ürün verileri, fiyatlar, yorumlar ve satıcı bilgileri çıkarın. Üç iş akışı modu: Ürünler ve Fiyatlandırma (fiyat takibi, rakip analizi), Müşteri Yorumları (duygu analizi, kalite sorunları) ve Satıcı İstihbaratı (Google Shopping üzerinden satıcı keşfi). Amazon (20'den fazla bölge), Walmart, eBay, IKEA, Costco ve Avrupalı perakendecileri destekler; ürün URL'leri, kategori URL'leri veya anahtar kelime araması yoluyla girdi. İsteğe bağlı AI destekli analiz, fiyat... hakkında içgörüler üretir.
apify-generate-output-schema
apify
Bir Apify Actor için çıktı şemalarını (dataset_schema.json, output_schema.json, key_value_store_schema.json) kaynak kodunu analiz ederek oluşturur. Şu durumlarda kullanılır…
apify-influencer-discovery
apify
Apify Aktörlerini kullanarak Instagram, Facebook, YouTube ve TikTok'ta fenomenleri keşfedin ve değerlendirin. Keşif taleplerini, tüm büyük platformlarda profil kazıma, hashtag arama, etkileşim analizi ve niş keşfi kapsayan 15'ten fazla özel Aktöre yönlendirir. Yürütmeden önce gerekli girdileri ve mevcut çıktı alanlarını belirlemek için mcpc aracılığıyla Aktör şemalarını dinamik olarak getirir. Özelleştirilebilir sonuç sayılarıyla satır içi sohbet görüntüleme, CSV veya JSON dosya çıktısı olmak üzere üç dışa aktarma modunu destekler...
apify-ultimate-scraper
apify
55'ten fazla platform (Instagram, TikTok, YouTube, Facebook, Google Maps ve daha fazlası dahil) için en uygun Actor'ları seçen otomatik web kazıyıcı. 8 büyük platformda 55'ten fazla ön yapılandırılmış Actor'ı kapsar ve kullanım senaryosuna özel seçim rehberliği (potansiyel müşteri bulma, fenomen keşfi, marka izleme, rakip analizi, trend araştırması) sunar. Üç çıktı formatını destekler: hızlı sohbet görüntüleme, CSV dışa aktarma veya özelleştirilebilir sonuç limitleriyle JSON dışa aktarma. Karmaşık iş akışları için çoklu Actor desenlerini içerir...
apify-generate-output-schema
apify
Bir Apify Actor için çıktı şemalarını (dataset_schema.json, output_schema.json, key_value_store_schema.json) kaynak kodunu analiz ederek oluşturur. Şu durumlarda kullanılır…