Predicción del engagement en Instagram aplicado al mundo del running

Abstract

[ES] Hoy en día las redes sociales se han convertido en una herramienta que nos acerca a las personas, nos ayudan a entender los comportamientos de los consumidores y pueden ser muy útiles para extraer información que a simple vista no somos capaces de ver. En concreto, Instagram está abriendo a las empresas un nicho de consumidores cada vez más joven.

En el presente proyecto se va a abordar la predicción del engagement de los posts de Instagram en el área del running a través de distintos modelos de aprendizaje automático. No es fácil saber si un post va a tener éxito o no antes de publicarlo. Pero si las empresas son capaces de anticipar la acogida del post, podrán mejorar su interacción con la comunidad de manera más eficiente. En cualquier caso, existen multitud de factores que hacen que un post pueda acabar convirtiéndose en viral.

Para conseguir nuestro objetivo, se va a construir un repositorio con imágenes relacionadas con el mundo del running proporcionadas por la propia aplicación junto con todos los datos asociados a cada post. Una vez recogidos estos datos, se seguirá la metodología CRISP-DM para abarcar desde la definición de necesidades del cliente de este proyecto de análisis de datos hasta la evaluación de los resultados. Por último, se detallarán las aplicaciones comerciales/empresariales que podría tener una herramienta que incorporará nuestro modelo.

[EN] Today, social networks have become a tool that brings us closer to people, helps us to understand consumer behaviour and can be very useful for extracting information that we are not able to see with the naked eye. younger consumer niche for companies. Instagram is opening up an increasingly This project will focus on predicting the engagement of Instagram posts in running using different machine learning models. It is not easy to know whether a post is going to be successful or not before it is published. But if companies can anticipate the reception of the post, they will be able to improve their interaction with the community more efficiently. In any case, there are many factors that can make a post go viral. To achieve our goal, we are going to build a repository with images related to the world of running provided by the application itself along with all the data associated with each post. Once this data has been collected, the CRISPfollowed to cover everything f DM methodology will be rom the definition of the client's needs for this data analysis project to the evaluation of the results. Finally, we will detail the commercial/business applications that a tool incorporating our model could have.