在家做飯不下館子可以減少開支已經(jīng)是公開的秘密。但作為一名美食天堂的國(guó)民，不下館子幾乎是不可能的。

到處都是火鍋店、燒烤餐廳或美味披薩店，瞅一眼這些美食，就足以摧毀大家省錢的意志力。

如果你即不想讓錢包當(dāng)成受害者，又不想放棄美妙的用餐體驗(yàn)，就得自己“造”錢來支付飯費(fèi)。

來，跟隨作者的腳步，讓你走上了各種中餐、西餐、中西餐的蹭飯之路。

本文作者NBC環(huán)球的數(shù)據(jù)工程師Chris Buetti，2017年畢業(yè)于維克森林大學(xué)。

首先我們的目標(biāo)是到最棒的餐廳吃到霸王餐。這是個(gè)技術(shù)活，達(dá)成這個(gè)目標(biāo)有兩種方法：要么讓代碼做這件事，要么有大量的空閑時(shí)間。

本文會(huì)簡(jiǎn)要介紹一下使用的技術(shù)和編程語(yǔ)言，但不會(huì)給出代碼或相關(guān)內(nèi)容。會(huì)解釋怎樣使用邏輯回歸，隨機(jī)森林，AWS和自動(dòng)化腳本，但都不會(huì)深入。本文更多的是理論而非實(shí)踐。

如果你是一個(gè)非技術(shù)人，這篇文章仍然適合你，只不過要多花費(fèi)一點(diǎn)時(shí)間和精力。文章里的這些方法大部分都很枯燥，這就是為什么我要用自動(dòng)化腳本來實(shí)現(xiàn)它們的原因。

走起，我將從結(jié)果開始，然后解釋我是如何做到的。

我做了什么

在今天這個(gè)數(shù)字時(shí)代，Instagram用戶數(shù)是一種財(cái)富。像傳聞?wù)f的那樣可以通過大量的粉絲來賺錢，或者對(duì)我來說，用粉絲來支付我的飯費(fèi)，這就是我所做的。

我創(chuàng)建了Instagram個(gè)人首頁(yè)，展示紐約的輪廓，標(biāo)志性景點(diǎn)，優(yōu)雅摩天大樓的圖片，等等。這使我在紐約地區(qū)積累了超過25,000名粉絲，并且仍在快速增長(zhǎng)。

我通過Instagram發(fā)消息或電子郵件聯(lián)系當(dāng)?shù)氐牟宛^，用在主頁(yè)上向粉絲發(fā)布評(píng)論來?yè)Q取免費(fèi)餐或至少是用餐折扣。

幾乎所有我聯(lián)系的餐館都給了我免費(fèi)試吃的機(jī)會(huì)或優(yōu)惠卡。大多數(shù)餐館都有市場(chǎng)營(yíng)銷預(yù)算，所以他們很樂意為我提供免費(fèi)的用餐體驗(yàn)，以便開展促銷活動(dòng)。有時(shí)優(yōu)惠太多我只好送一些給朋友和家人。

這本來沒什么稀奇，關(guān)鍵在于我將整個(gè)過程自動(dòng)化了，我的意思是100％不用手動(dòng)操作了。我編寫的代碼可以自動(dòng)找到圖片或視頻，制作標(biāo)題，添加主題標(biāo)簽，標(biāo)記圖片或視頻出自哪里，還能過濾垃圾郵件，發(fā)帖，關(guān)注用戶和取消關(guān)注，點(diǎn)贊，監(jiān)控我的收件箱，最重要的是自動(dòng)向與可能需要促銷的餐館發(fā)消息和電子郵件。

自從有了這套代碼，我甚至都不需要真正登錄該帳戶，根本不用花時(shí)間在這上面。它本質(zhì)上是一個(gè)機(jī)器人，但普通人無法分辨，因?yàn)樗男袨楹腿艘粯?。作為它的開發(fā)者，我可以坐下來欣賞它（和我的）工作。

我是怎么做到的

我會(huì)帶你從頭到底了解我在這個(gè)過程中所做的每一件事。其中一些事看似常識(shí)，但當(dāng)你用自動(dòng)化系統(tǒng)來完成這些事的時(shí)候，細(xì)節(jié)就變得很重要。該過程可分為三個(gè)階段：內(nèi)容共享，黑客式增長(zhǎng)以及銷售和促銷。

內(nèi)容共享

其實(shí)，我的帳戶所發(fā)布的內(nèi)容都不是我原創(chuàng)的，而是我重新分享其他人的內(nèi)容，但有注明來源。如果有人說我侵權(quán)，要我撤下他們的照片，我會(huì)馬上照做。但因?yàn)槲以诜窒砝飵Я怂麄兊闹黜?yè)的鏈接，所以他們從來都只有感激我。

每天多次發(fā)布內(nèi)容是必須的。這是Instagram算法確定你的曝光度的主要因素之一（通過“探索頁(yè)面”）。每天發(fā)帖，特別是在每天“高峰時(shí)段”發(fā)帖，非常單調(diào)乏味。大多數(shù)人做了幾周就會(huì)放棄，甚至有時(shí)一兩天漏發(fā)也會(huì)導(dǎo)致曝光度下降。因此，將內(nèi)容收集和分享過程自動(dòng)化是很有必要的。

獲取圖片和視頻

我最初考慮用爬蟲從Google圖片或社交新聞?wù)军c(diǎn)Reddit上抓取圖片。我遇到的最大的困難之一就是Instagram對(duì)所發(fā)布圖片的大小有特別要求，最好是“方形”圖片，也就是寬度等于高度，因此發(fā)布非正方形的圖片會(huì)被拒絕。這使得檢索圖片變得非常艱巨。

我最終決定直接從其他Instagram帖子中搜索，因?yàn)閳D片大小符合要求，而且還可以準(zhǔn)確知道其來源，這一點(diǎn)在自動(dòng)化腳本里非常有用。

我收集了50個(gè)Instagram帳戶，這些帳戶發(fā)布了許多關(guān)于紐約的優(yōu)質(zhì)圖片。我用開源軟件編寫了一個(gè)爬蟲來下載這些帳戶上傳的帖子。除了下載文字內(nèi)容外，還有圖片和一堆元數(shù)據(jù)，如標(biāo)題、點(diǎn)贊數(shù)和位置等。我將爬蟲設(shè)置為每天凌晨3點(diǎn)或當(dāng)我的圖片庫(kù)為空時(shí)運(yùn)行。

這樣，我把所有內(nèi)容都集中存儲(chǔ)在一個(gè)地方，包含正確格式的各種內(nèi)容。

自動(dòng)確定什么是“好”或“壞”的內(nèi)容

并非所有在Instagram上發(fā)布的內(nèi)容都值得重新分享。有很多賣東西的帖子，罵人的貼子，或者有些內(nèi)容跟我想要的不相關(guān)。以下面這兩篇帖子為例：

這兩個(gè)帖子來自同一個(gè)紐約的Instagram帳戶。左邊帖子發(fā)布的是自然風(fēng)光，我很樂意把它重新分享在我的主頁(yè)。右邊的廣告沒有任何上下文，標(biāo)題分兩行，這實(shí)際上是在給一個(gè)紐約的手機(jī)應(yīng)用打廣告。

如果我把它放在我的主頁(yè)上，那會(huì)就顯得讓人困擾，與我的主頁(yè)顯得格格不入。你可以看到點(diǎn)贊數(shù)量的差異-8200對(duì)1000。我需要腳本能夠自動(dòng)過濾掉右邊的帖子，并重新分享左邊的帖子。

因此，我不能盲目地重新分享我提取到的所有內(nèi)容。但我又希望這是一個(gè)自動(dòng)化過程。所以我需要?jiǎng)?chuàng)建一個(gè)算法，可以取其精華去其糟粕。算法的第一部分包括一些hard-coded規(guī)則，第二部分是機(jī)器學(xué)習(xí)模型。

算法的第一部分——hard-coded規(guī)則

我做的第一件事是根據(jù)元數(shù)據(jù)中的特定規(guī)則優(yōu)化我的inventory。在這個(gè)過程中，我必須保持嚴(yán)謹(jǐn)。如果出現(xiàn)了一個(gè)警告，那么圖片就廢了。

理論上，我可以抓取到很多內(nèi)容，但如果算法在我的頁(yè)面上發(fā)布了不合適的內(nèi)容，那么在我發(fā)現(xiàn)之前可能已經(jīng)有很多人看到了。

我接下來要做的是看看評(píng)論是否不可用。我的經(jīng)驗(yàn)是，不可用的評(píng)論大多與有爭(zhēng)議的帖子有關(guān)，并不值得我冒這個(gè)風(fēng)險(xiǎn)。

我要做的最后一件事是看圖片中是否標(biāo)記了多個(gè)人。很多時(shí)候，圖片中的一個(gè)標(biāo)簽是標(biāo)記它來自哪里，這實(shí)際上是有用的。但是如果圖片有多個(gè)標(biāo)簽，那么就會(huì)出現(xiàn)混淆。

根據(jù)這些規(guī)則，我可以排除大部分垃圾帖子和不受歡迎的帖子。然而，不能僅僅依據(jù)是否推銷東西來判斷一篇帖子是否具有高質(zhì)量?jī)?nèi)容。此外，我的hard-coded規(guī)則可能仍然會(huì)遺漏一些銷售類的廣告帖子，因此我想在完成第一部分后再過一個(gè)二級(jí)模型。

第二部分——機(jī)器學(xué)習(xí)模型

經(jīng)過第一部分算法過濾——hard-coded規(guī)則，我發(fā)現(xiàn)仍然存在一些垃圾帖子。我不打算人工手動(dòng)剔除它們，我計(jì)劃將這個(gè)過程完全自動(dòng)化。

每個(gè)帖子上都有大量的元數(shù)據(jù)，包括點(diǎn)贊數(shù)，標(biāo)題，發(fā)布時(shí)間等等。我最初的目的是嘗試預(yù)測(cè)哪些圖片會(huì)獲得最多的點(diǎn)贊。然而，很明顯，網(wǎng)紅博主自然會(huì)獲得更多的點(diǎn)贊，所以這不能作為準(zhǔn)確的判斷依據(jù)。

后來我的想法是讓響應(yīng)變量等同于點(diǎn)贊率（即點(diǎn)贊數(shù)/粉絲數(shù)），并嘗試進(jìn)行預(yù)測(cè)。但在觀察每張圖片及其點(diǎn)贊率后，我認(rèn)為點(diǎn)贊率和圖片質(zhì)量的相關(guān)性不大。我不認(rèn)為那些點(diǎn)贊率高的照片就是高質(zhì)量照片。

一些不知名的攝影師發(fā)布的圖片內(nèi)容并不一定比網(wǎng)紅博主差，即便網(wǎng)紅擁有更高點(diǎn)贊率。我決定用分類模型替換回歸模型來評(píng)價(jià)圖片內(nèi)容的質(zhì)量，判斷其是否可以發(fā)布——一個(gè)簡(jiǎn)單的是或否問題。

在查看其他元數(shù)據(jù)之前，我抓取了大量照片并把每張照片手工標(biāo)記為0（差）或1（好）。這是非常主觀的判斷，可以說我是根據(jù)自己的主觀判斷制作模型。但我認(rèn)為我的判斷應(yīng)該和大部分人一樣。

我生成了數(shù)據(jù)集。響應(yīng)變量為0或1（即差或好），具有許多特征。每篇帖子的元數(shù)據(jù)可以提供我以下信息：

從這七個(gè)解釋變量里，我改變了一些我認(rèn)為有用的特征。例如，我改變了評(píng)論的數(shù)量和點(diǎn)贊率。我從標(biāo)題中提取了帶“#”號(hào)的標(biāo)簽的數(shù)量，并將其作為column，并對(duì)標(biāo)題中提到的用戶數(shù)量進(jìn)行了相同的操作。

我對(duì)其余的標(biāo)題進(jìn)行向量化，用于后續(xù)的自然語(yǔ)言處理。向量化是刪除外圍詞（如“the”，“and”），并將剩余詞轉(zhuǎn)換為可以用于數(shù)學(xué)分析的數(shù)字字段。我得到了以下數(shù)據(jù)：

我使用了許多分類算法，例如支持向量機(jī)（Support Vector Machines）和隨機(jī)森林樹（Random Forests），但最終是采用了簡(jiǎn)單的邏輯回歸算法（Logistic Regression）。

我認(rèn)為有時(shí)候最簡(jiǎn)單的答案就是正確的答案。無論我采用哪種方式處理數(shù)據(jù)，邏輯回歸算法在我的測(cè)試集上都表現(xiàn)最好。

與其他分類算法不同，我可以在進(jìn)行預(yù)測(cè)時(shí)設(shè)置閾值的得分（threshold score）。分類算法通常輸出二進(jìn)制類（在我的算法里是0或1），但Logistic Regression實(shí)際上會(huì)輸出0到1之間的小數(shù)。

例如，它可能將帖子評(píng)為0.83或0.12。人們通常將閾值設(shè)置為0.5，并將所有大于0.5的定為1，其余的定為0，但這取決于具體使用的案例。這個(gè)過程很關(guān)鍵，所以我將我的閾值設(shè)為0.9，并低于該基準(zhǔn)的內(nèi)容視作無用的。

在部署我的模型之后，圖片和視頻首先經(jīng)過一套嚴(yán)格的規(guī)則清理，然后再經(jīng)過Logistic Regression篩選出優(yōu)秀的素材。現(xiàn)在我能夠繼續(xù)為每個(gè)帖子添加說明和打分。

自動(dòng)化說明和打分

我現(xiàn)在有一個(gè)自動(dòng)收集相關(guān)內(nèi)容并刪除垃圾圖像的系統(tǒng)——但我還沒有完成。

如果你之前用過Instagram，那么你應(yīng)該知道每個(gè)帖子的圖片或視頻下方都有文字說明。但因?yàn)槲覍?shí)際上看不到這些圖片，也沒有時(shí)間給它們?nèi)考由险f明，所以我需要制作一個(gè)通用標(biāo)題。

我做的第一件事是制作最終模板。它看起來像這樣：

接著我要將代碼填進(jìn)去。讓我們一個(gè)個(gè)來看怎么填。

標(biāo)題

我創(chuàng)建了一個(gè)文本文件，其中包含許多預(yù)定義的通用標(biāo)題，可以匹配任何的圖片。這些標(biāo)題可以是關(guān)于紐約的名言、通用問題或是簡(jiǎn)單的贊美，例如：

對(duì)于每個(gè)帖子，標(biāo)題是隨機(jī)選擇的。我有許多備選的標(biāo)題，根本不用擔(dān)心某個(gè)標(biāo)題會(huì)頻繁出現(xiàn)。對(duì)于我們的例子，我們可以選擇?“Who can name this spot?”。

來源標(biāo)記

自動(dòng)標(biāo)記圖片資源的來源可不是件容易的事情。通常情況下，一個(gè)Instagram賬號(hào)頁(yè)面上的圖片并不代表這賬號(hào)擁有圖片的版權(quán)。這樣的賬號(hào)可能也是重新分享的內(nèi)容，會(huì)在頁(yè)面的標(biāo)題中或圖片標(biāo)簽里標(biāo)記圖片來源。

對(duì)此，我決定無論如何先標(biāo)注上圖片的第一來源；如果我可以根據(jù)其他信息找出到圖片的原始出處，那么我就繼續(xù)在后面添加。通過這種方法，我基本上就可以標(biāo)志出所有圖片素材了。

首先我們看一下@likenewyorkcity的這個(gè)帖子，盡管是這個(gè)賬號(hào)分享出了這張圖片，但圖片中的標(biāo)簽和頁(yè)面標(biāo)題上@geoffrey.parry才是圖片的真正版權(quán)擁有者。

理論上我希望我的代碼可以在識(shí)別這張圖片后得出這樣一條輸出：

第一步很簡(jiǎn)單，我只需要直接標(biāo)注出出現(xiàn)的賬號(hào)即可，但第二步就沒那么容易了。

我通過REGEX（正則表達(dá)式工具）匹配一些類似于“by”或者“photo”的關(guān)鍵詞，然后找到緊跟在關(guān)鍵詞后的“@”標(biāo)識(shí)，通過這種方法抓取的用戶名便被我標(biāo)注成圖片來源的第二部分。

如果標(biāo)題中沒有出現(xiàn)這些關(guān)鍵詞，我便檢查是否有人為圖片打了標(biāo)簽，這些打了標(biāo)簽的賬號(hào)便被我“默認(rèn)”為我該標(biāo)注出的對(duì)象了。盡管這種簡(jiǎn)單粗暴的方法并不是那么完美，但至少比不這么“默認(rèn)”強(qiáng)上好幾倍，不失為一種值得嘗試的方法。

我總是能精準(zhǔn)地標(biāo)注出圖片的正確來源。實(shí)際上，人們還多次在我的圖片下評(píng)論道“感謝分享！”（接下來展示出的圖片便是一個(gè)很好的例子）

標(biāo)簽

Instagram允許用戶為圖片打上30個(gè)主題標(biāo)簽，圖片便會(huì)在相應(yīng)的主題下展示。于是我創(chuàng)建了一個(gè)包含100多個(gè)相關(guān)主題的文件：

剛開始我每次都會(huì)隨機(jī)在其中選擇30個(gè)主題，而且不久后，我可以根據(jù)實(shí)際結(jié)果比較出哪些主題標(biāo)簽會(huì)得到更多“贊”。

模板填充

經(jīng)過以上這三個(gè)步驟后，我便可以將采集到的信息填充到最后的模板中，為每一個(gè)帖子“量身定制”標(biāo)題。

下面是最終的產(chǎn)出成果：

最后成功如下：

我使用適合紐約市的任何圖片的通用標(biāo)題，標(biāo)記了圖片的Instagram帳戶和原始來源，添加了三十個(gè)主題標(biāo)簽來提升帖子的曝光率。如果你繼續(xù)查看帖子評(píng)論，你甚至還可以看到原始作者向我表示感謝。

發(fā)布

現(xiàn)在我有一個(gè)集中管理的圖片資源庫(kù)，并可以使得每個(gè)帖子自動(dòng)化生成標(biāo)題，僅需最后的臨門一腳——發(fā)布。

我在AWS上啟動(dòng)了一個(gè)EC2實(shí)例來托管我的代碼，之所以選擇這種方式是因?yàn)樗任业膫€(gè)人計(jì)算機(jī)更可靠——它始終保持聯(lián)網(wǎng)狀態(tài)，而且項(xiàng)目的工作量完全包含在AWS免費(fèi)服務(wù)的條件限制之下。

我編寫了一個(gè)Python腳本隨機(jī)抓取其中一張圖片，并在完成抓取和清理過程后自動(dòng)生成標(biāo)題。我設(shè)置了一個(gè)定時(shí)任務(wù)：每天早上8點(diǎn)，下午2點(diǎn)和晚上7:30調(diào)取我的API，完成所有的發(fā)布操作。

此時(shí)，我已經(jīng)完全自動(dòng)化了內(nèi)容查找和發(fā)布過程，我不再需要每天都找資源和發(fā)帖子運(yùn)營(yíng)我的賬號(hào)了——程序?yàn)槲彝瓿闪怂惺虑椤?/span>

漲粉

僅僅發(fā)布是不夠的——我需要制定一些方法持續(xù)漲粉。由于我不會(huì)手動(dòng)執(zhí)行任何操作，因此這一步驟我也需要想辦法自動(dòng)化處理。我的想法是通過直接與受眾的興趣用戶直接互動(dòng)以增加賬號(hào)的曝光率。

我寫的交互腳本從美國(guó)東部時(shí)間上午10點(diǎn)到下午7點(diǎn)運(yùn)行，在我看來這段時(shí)間是Instagram最活躍的時(shí)間范圍。在這一天中，我的帳戶有條不紊地關(guān)注，取關(guān)，并為相關(guān)的用戶和照片點(diǎn)贊，以使他們以同樣的方式與我互動(dòng)。

關(guān)注（更加數(shù)據(jù)科學(xué)的方式）

如果你是Instagram用戶，不管你是否意識(shí)得到，我敢肯定都被“卷”過這種增粉方法，尤其對(duì)于試圖增加粉絲的用戶來說非常有用。某天如果你在健身版塊中關(guān)注一個(gè)有趣的Instagram頁(yè)面，第二天你就會(huì)被一群健美運(yùn)動(dòng)員和健身模特所關(guān)注。盡管這種方法看起來非常微不足道，但它確實(shí)非常有效。

需要注意的是你不能在Instagram上濫用這個(gè)方法關(guān)注其他賬號(hào)。Instagram的算法有非常嚴(yán)格的限定，如果你在一天內(nèi)操作過多或關(guān)注太多用戶，他們會(huì)將你停止你的操作甚至封掉你的帳號(hào)。

此外，你一天在Instagram上最多只可以被7500人關(guān)注；而且經(jīng)過大量的測(cè)試，我發(fā)現(xiàn)你可以在一天內(nèi)關(guān)注400人，取關(guān)400人。畢竟操作條件有限，每一次關(guān)注都非常寶貴，不能浪費(fèi)在不太可能和你互粉的人身上。于是，我決定采集每次操作的元數(shù)據(jù)，基于此建立一個(gè)模型來預(yù)測(cè)某個(gè)人與你互粉的可能性，確保我的每一個(gè)關(guān)注操作都是有意義的。

我花了幾分鐘手動(dòng)收集了20多個(gè)與我處在版塊下的帳號(hào)。我沒有初始數(shù)據(jù)，因此前幾周我為增加我的關(guān)注量隨機(jī)執(zhí)行這些操作，但更重要的是我需要采集盡可能多的元數(shù)據(jù)，以便我可以建立我的預(yù)測(cè)模型。

我瀏覽了20多個(gè)相關(guān)帳戶，關(guān)注了他們的粉絲，贊他們的照片或評(píng)論他們的帖子。在每次關(guān)注操作中，我都盡可能多地獲取用戶的元數(shù)據(jù)形成一個(gè)CSV文件，包含他們的關(guān)注者和粉絲的比例，他們是公開賬號(hào)或私人賬號(hào)，或者他們是否有個(gè)人資料圖片等。

每天，腳本都會(huì)自動(dòng)掃描CSV文件并標(biāo)記他們的反應(yīng)，通過0,1,2進(jìn)行順序評(píng)級(jí)。如果兩天內(nèi)用戶沒有任何回應(yīng)則標(biāo)注為0，如果用戶回粉但沒有在最近的十張圖片中發(fā)生任何互動(dòng)行為則標(biāo)注為1，2則是最理想的結(jié)果，表示他們回粉并在最近十個(gè)帖子中進(jìn)行了互動(dòng)。這樣下來，我的數(shù)據(jù)集看起來便是這個(gè)樣子的：

在將數(shù)據(jù)“喂”進(jìn)ML模型前，我通過探索性數(shù)據(jù)分析得出以下結(jié)論：

雖然點(diǎn)贊黨和評(píng)論黨較關(guān)注黨回粉我的可能性小，但他們更喜歡與我互動(dòng)。這說明盡管他們無法直觀地帶來關(guān)注量的增加，但他們可以提升我賬號(hào)的質(zhì)量。

早上關(guān)注用戶比晚上關(guān)注用戶的回粉效果好。

公開的賬號(hào)較私密賬號(hào)更愿與我互粉。

女性較男性更愿意回粉我的賬號(hào)。

關(guān)注用戶數(shù)大于粉絲數(shù)的用戶（關(guān)注與粉絲的比例大于1.0）更愿意與我互粉。

從上面的洞察，我優(yōu)化了最初對(duì)搜索用戶的方式。我調(diào)整了我的設(shè)置，只在早上去關(guān)注，主要尋找女性用戶?，F(xiàn)在，我終于能夠建立一個(gè)機(jī)器學(xué)習(xí)模型，在與用戶交互之前，根據(jù)用戶的元數(shù)據(jù)預(yù)測(cè)是否會(huì)關(guān)注我，這樣就不會(huì)浪費(fèi)我每天能夠關(guān)注的用戶額度，去關(guān)注一個(gè)不會(huì)跟我互粉的人。

接下來，我選擇使用隨機(jī)森林算法對(duì)后續(xù)的結(jié)果進(jìn)行分類。最初，我并沒有設(shè)置結(jié)構(gòu)或結(jié)果變量，而是使用了許多不同的決策樹，因?yàn)槲蚁氲玫剿鼈兊目梢?a href='/map/liuchengtu/' style='color:#000;font-size:inherit;'>流程圖。隨機(jī)森林是決策樹的增強(qiáng)，糾正單個(gè)樹中存在的不一致性。在對(duì)我的訓(xùn)練數(shù)據(jù)進(jìn)行建模后，測(cè)試數(shù)據(jù)上的精度一直超過80%，所以這對(duì)我來說是一個(gè)非常有效的模型。進(jìn)一步，將模型應(yīng)用于抓取的用戶的代碼，優(yōu)化了關(guān)注算法，我的關(guān)注人數(shù)開始蹭蹭的往上漲。

取關(guān)

兩天后，我就不會(huì)再繼續(xù)關(guān)注我之前關(guān)注的人，兩天已經(jīng)足夠讓我確定他們是否會(huì)回粉。這樣我能關(guān)注更多的人、收集更多的數(shù)據(jù)，并持續(xù)漲粉。

為什么我要對(duì)他們?nèi)￡P(guān)呢？有兩個(gè)原因：第一，我的關(guān)注人數(shù)的額度上限為7500人；第二，每個(gè)人肯定都希望提高被關(guān)注/關(guān)注的比率，這樣才能體現(xiàn)自己特別受歡迎，特別吸引人。

這是一項(xiàng)簡(jiǎn)單的任務(wù)，因?yàn)槟悴恍枰龀鋈魏螞Q定。你某一天關(guān)注了400個(gè)人，兩天后你把這些人取關(guān)就行了。

點(diǎn)贊

點(diǎn)贊也可以提高關(guān)注人數(shù)。但是我沒有投入太多的精力去選擇一些大家都喜歡并且會(huì)去點(diǎn)贊的圖片貼在我的賬戶中，因?yàn)閷?duì)比以上其他方法，這個(gè)效果并不那么明顯。所以，我只是提供了一組預(yù)定義的主題標(biāo)簽，通過主題關(guān)聯(lián)，用戶的連鎖點(diǎn)擊，收獲一些關(guān)注者。

自動(dòng)推銷

至此，我有一個(gè)特別智能的Instagram機(jī)器人。我的NYC主頁(yè)會(huì)尋找與它相關(guān)的內(nèi)容，淘汰不良的潛在帖子，吸引用戶群，并全天發(fā)帖。此外，從上午7:00 到下午 10:00，它通過分析點(diǎn)贊、關(guān)注和不關(guān)注的受眾人群來修改自身的設(shè)置，并且通過一些算法來優(yōu)化受眾人群的定義。最棒的是，它的分析與操作更加人性化，與Instagram真實(shí)用戶相似。

有一兩個(gè)月，我能明顯看到關(guān)注人數(shù)的增長(zhǎng)。每天我的賬戶中都會(huì)多100到500名的新關(guān)注者，一起欣賞我所愛的城市的美麗圖像。

我可以開始享受我的生活，認(rèn)真的工作，和朋友出去吃飯、看電影，并不需要花費(fèi)時(shí)間去手動(dòng)發(fā)帖。當(dāng)我忙于自己的事時(shí)，它能完全托管我的賬戶。

當(dāng)我擁有了20000個(gè)追隨者的時(shí)候，我決定是時(shí)候靠它來蹭吃蹭喝了，所以我需要它自動(dòng)推銷我的產(chǎn)品。

我做了一個(gè)通用的消息模板，無論是餐館、劇院、博物館還是商店，這個(gè)模板都能適用。下面就是我絞盡腦汁想出來了的：

現(xiàn)在，我只需要記錄賬戶名稱和消息發(fā)送時(shí)我的關(guān)注者數(shù)量。

我的目標(biāo)是找到商業(yè)用戶并像他們推銷我的產(chǎn)品。商業(yè)用戶資料與普通用戶資料略有不同—商業(yè)用戶可以在其網(wǎng)頁(yè)上添加電子郵件、電話號(hào)碼、地址等其他詳細(xì)資料。但最重要的是，他們的資料中都有一個(gè)類別標(biāo)簽。

上面那張圖中是一個(gè)商業(yè)用戶的示例。在左上角的名稱下方，顯示出它是一個(gè)韓國(guó)餐廳，同時(shí)頂部設(shè)有電話呼入、電子郵件和地址等提示信息。

我寫了一個(gè)Python腳本來查找這類頁(yè)面并且讓我的帳戶能夠自動(dòng)向它們發(fā)送消息。該腳本采用兩個(gè)參數(shù)，一個(gè)初始主題標(biāo)簽和一個(gè)要在類別標(biāo)簽中查找的字符串。這里，我使用標(biāo)簽“Manhattan”和字符串“restaurant”來舉例說明。

這個(gè)腳本的作用是去提取主題標(biāo)簽并加載照片，然后遍歷這些帖子，直到找到在照片中標(biāo)記用戶的帖子。如果找了到，它會(huì)檢查其標(biāo)簽，確認(rèn)它是否是商業(yè)用戶。

如果是，就查看該用戶類別。如果類別包含“餐館”一詞，則會(huì)向他們發(fā)送我的信息。商業(yè)用戶一般都會(huì)在他們的頁(yè)面上留下他們的電子郵件，所以可以向他們自動(dòng)發(fā)送電子郵件，在后臺(tái)跟進(jìn)我的Instagram消息即可。在搜索過程中，我可以隨時(shí)將標(biāo)簽更改為#TimesSquare，也可以將目標(biāo)字符串更改為“博物館”等，我想搜索什么都行。

當(dāng)我登錄進(jìn)入賬戶后，我會(huì)看到它自動(dòng)生成和發(fā)送的消息。

如果我去我的Gmail發(fā)件箱, 我就會(huì)看到以下郵件：

我還有一個(gè)腳本, 用來監(jiān)測(cè)我的收件箱中的任何回復(fù)，同時(shí)提醒我。如果我收到回復(fù)郵件，我就會(huì)聯(lián)系我的潛在客戶。

以上這些操作，都是腳本自動(dòng)運(yùn)行的, 并不需要任何人工操作。

我終于實(shí)現(xiàn)了蹭吃蹭喝~

最終效果比我之前想象的還要好，我利用Instagram推廣換取了很多餐廳的禮品卡以及免費(fèi)餐。

借助人工智能、自動(dòng)化腳本和數(shù)據(jù)科學(xué)的力量，在代碼腳本自動(dòng)運(yùn)轉(zhuǎn)時(shí)，我可以高枕無憂。它是一個(gè)特別盡責(zé)的推銷員，讓我能夠有自己的時(shí)間享受生活。