Spørg de fleste brands, hvad deres engagementsrate på Instagram er, og de kan fortælle det. Spørg de samme brands, hvor meget omsætning deres Instagram-konto skabte sidste måned, og de fleste kan ikke. Hullet mellem de to svar er der, hvor de fleste måder at lave Instagram-analyse på ligger: De følger tal, der er synlige og nemme at rapportere, mens de tal, der hænger sammen med kommercielle resultater, ikke bliver målt. Instagram-analyse og indsigt er kun nyttige, hvis de tal, der følges, er dem, der forudsiger resultater, og de fleste brands følger de forkerte.
Denne artikel handler om, hvilke tal der faktisk betyder noget, og hvorfor, hvad Instagram Insights bevidst ikke viser, hvordan du fortolker data godt nok til at træffe beslutninger og ikke bare se mønstre, hvordan du kobler Instagram-resultater til omsætning, og hvor det indbyggede analyseværktøj kommer så meget til kort, at du har brug for ekstern måling.
Hvilke tal på Instagram betyder faktisk noget for brandets resultater?
Gem som den stærkeste indikator for indholdets værdi
Et gem er den handling med højest intention, en følger kan foretage på et opslag i feedet. Når nogen gemmer et opslag, vurderer vedkommende, at indholdet er værd at vende tilbage til, og det er et stærkere signal om ægte værdi end et like eller en kommentar. Algoritmen behandler gem som et af de tungest vægtede engagementssignaler for opslag i feedet, hvilket betyder, at indhold med en høj gem-rate får bedre organisk distribution end indhold med et lignende antal likes, men færre gem.
Den gem-rate, du skal følge, er gem divideret med rækkevidden (ikke følgere), udtrykt i procent. En gem-rate over 2 procent af rækkevidden viser indhold, der er ægte værdifuldt for den målgruppe, der ser det. Brands, der følger gem-raten ved siden af engagementsraten, vil opdage, at de to ikke altid bevæger sig sammen: Et opslag kan være godt likt uden at blive gemt, og det er et signal om, at det var behageligt, men ikke indholdsrigt nok til at blive gemt.
Delinger via direkte besked som et signal om rækkevidde
Når en følger deler et opslag med en anden via direkte besked, anbefaler vedkommende personligt indholdet til en bestemt person. Det er det engagementssignal på platformen, der vejer tungest, fordi det afspejler en ægte vurdering af værdi og ikke passiv anerkendelse. Et opslag med en høj andel af delinger fortæller algoritmen, at indholdet er værd at sende til en, der ikke har set det, og det udløser bredere distribution end nogen anden enkelt type engagement.
Instagram Insights rapporterer delinger via direkte besked i detaljevisningen af opslaget. Brands, der følger andelen af delinger over tid, vil opdage, at de opslag, der har de højeste andele af delinger, ofte ikke er dem med flest likes. Indhold, der er ægte nyttigt, ægte overraskende eller ægte genkendeligt nok til, at folk vil dele det med en bestemt person, er en anden slags indhold end indhold, der får passiv anerkendelse, mens man scroller.
Tryk på hjemmesiden og linkklik som signaler om konvertering
Tryk på hjemmesiden fra linket i bio'en, tryk på linkstickers i Stories og alle andre handlinger, der flytter en følger fra Instagram til hjemmesiden, er det tal i selve platformen, der ligger tættest på kommerciel intention. En følger, der klikker videre til hjemmesiden, har taget et bevidst skridt ud over passivt forbrug af indhold og viser aktiv interesse for at lære mere eller købe. Antallet af tryk på hjemmesiden i forhold til rækkevidden giver en grov indikation af, hvor effektivt indholdet flytter folk mod næste trin i tragten.
Tryk på hjemmesiden, som Instagram Insights rapporterer, er brugbare som retning, men ufuldstændige. De viser, hvor mange tryk der skete, men ikke, hvad der skete efter trykket: om den besøgende straks sprang fra, så et produkt, lagde i kurven eller købte. At koble hjemmesidens analyse til trafik fra Instagram (gennem UTM-parametre på linket i bio'en) er det, der lukker hullet mellem trykket, som Insights rapporterer, og det kommercielle resultat, der afgør, om trykket havde nogen værdi.
Rækkeviddeprocent som mål for algoritmens sundhed
Rækkeviddeprocenten beregnes ved at dele et opslags rækkevidde med det samlede antal følgere og udtrykke det i procent. Den måler, hvor stor en andel af den eksisterende målgruppe algoritmen viser indholdet for, hvilket er en direkte afspejling af, hvordan algoritmen behandler kontoen. En sund rækkeviddeprocent for opslag i feedet ligger mellem 10 og 25 procent af følgerne. Konti, der konsekvent ligger under 5 procent, har et problem med målgruppens eller indholdets kvalitet, som ingen mængde opslag løser.
Når du følger rækkeviddeprocenten over tid, afslører den tendenser, som engagementsraten på opslagsniveau ikke gør. En konto, hvor rækkeviddeprocenten falder over flere måneder, samler en følgerbase, der ikke engagerer sig, og det dæmper distributionen. En konto, hvor rækkeviddeprocenten er stabil eller vokser, bygger den slags engagerede målgruppe, der vokser sammen over tid. Rækkeviddeprocenten er det tidlige varselssignal om problemer med kvaliteten af følgerne, før de bliver synlige i stilstand i antallet af følgere.
Andel, der ser til ende, for Reels og video
For Reels er det tal, der mest direkte forudsiger algoritmisk distribution, andelen, der ser til ende: den procentdel af seerne, der så videoen til slutningen. En Reel med en høj andel, der ser til ende, fortæller algoritmen, at indholdet holdt på opmærksomheden, og det er det primære signal, anbefalingssystemet for Reels bruger til at afgøre, hvor bredt der skal distribueres. Andelen, der ser til ende, rapporteres i Instagram Insights under fanen Reels og er et af de få tal, hvor ét tal direkte svarer til et resultat i distributionen.
Det benchmark, du skal sigte efter, varierer med videoens længde. For en Reel på femten sekunder er en andel over 60 procent, der ser til ende, stærk. For en Reel på tres sekunder viser en andel over 40 procent, at indholdet holder godt på opmærksomheden i forhold til sin længde. En Reel med mange visninger, men lav andel, der ser til ende, er distribueret bredt, men fastholder ikke seerne, hvilket begrænser potentialet for distribution i anden bølge og tyder på, at åbningen er stærkere end det indhold, der følger efter den.
Væksten i følgere som indikator for tendensen
Væksten i følgere, udtrykt som en procentvis stigning over en defineret periode (uge, måned, kvartal), siger mere end det rå antal følgere, fordi den viser, om kontoen vokser, står stille eller falder i forhold til sit eget udgangspunkt. En konto, der får 200 følgere om måneden fra en base på 2.000, vokser med 10 procent om måneden, hvilket er sundt. En konto, der får 200 følgere fra en base på 50.000, vokser med 0,4 procent, hvilket tyder på et problem med rækkevidde eller indhold, der er værd at undersøge.
Væksten i følgere bør følges sammen med kilderne til nye følgere. Instagram Insights viser, hvordan følgerne blev opdaget (fra en Reel, fra Udforsk-siden, fra et profilbesøg efter et tag). De data om kilder viser, hvilke indholdsformater og distributionskanaler der faktisk driver vækst i målgruppen, så brandet kan investere mere i det, der virker, og mindre i det, der giver visninger uden at vokse målgruppen.
Hvad viser Instagram Insights dig ikke?
Instagram Insights er et nyttigt udgangspunkt, men har strukturelle blinde vinkler, som brands skal forstå, før de træffer strategiske beslutninger ud fra data fra selve platformen alene. Det største hul er tilskrivning: Insights kan vise, at en følger trykkede på linket i bio'en, men kan ikke vise, om personen gik videre til at købe, tilmelde sig eller foretage anden kommerciel handling bagefter. Alle de konverteringstal, der betyder noget for brandets bundlinje, sker uden for Instagram, hvilket betyder, at analysen i selve platformen aldrig kan fortælle mere end en del af historien om resultaterne.
Insights viser heller ikke, hvordan rækkevidden aftager over tid. Et opslag, der nåede 10.000 mennesker i de første to timer og så fladede ud, ser ens ud i Insights med et opslag, der nåede de samme 10.000 gradvist over tre dage. Kurven for aftagende viser et brand, om indholdet brændte kraftigt og hurtigt (godt til virale formater, bekymrende for jævn vækst) eller byggede langsomt (en anden distributionsdynamik, der er værd at forstå), men kurven er usynlig i den indbyggede brugerflade.
Datavinduet på 90 dage er en strukturel begrænsning med strategiske konsekvenser. Brands kan ikke sammenligne denne januars resultater med sidste januars ved hjælp af Insights, fordi dataene ikke findes ud over 90 dage. At finde sæsonmønstre, måle indholdets resultater år for år eller følge den langsigtede udvikling af målgruppen kræver enten et analyseværktøj fra tredjepart, der arkiverer data ud over det indbyggede vindue, eller en manuel eksport og logning, der holdes ved lige konsekvent over tid.
Gem-raten som procent af rækkevidden vises heller ikke direkte. Insights viser det samlede antal gem på et opslag, men ikke gem divideret med rækkevidden, så brandet skal selv regne det ud for hvert opslag for at forstå, om gem-raten er stærk eller svag i forhold til, hvor mange der så indholdet. Det samme gælder andelen af delinger: Tallet rapporteres, men procentberegningen kræver manuel regning, som de fleste konti aldrig laver.
Hvordan fortolker du analyse for at træffe beslutninger om indhold?
Fastlæg et udgangspunkt, før du vurderer resultater
Ét opslags resultater er næsten meningsløse uden et udgangspunkt at sammenligne med. Det første skridt til at bruge Instagram-analyse godt er at beregne det gennemsnitlige resultat på tværs af en meningsfuld stikprøve af nylige opslag: gennemsnitlig rækkeviddeprocent, gennemsnitlig gem-rate, gennemsnitlig andel, der ser Reels til ende, og gennemsnitlig engagementsrate. De gennemsnit bliver udgangspunktet, nyt indhold vurderes mod. Et opslag, der ligger over udgangspunktet på gem-rate, giver stærkere signaler om indholdets værdi end gennemsnittet. Et, der ligger under udgangspunktet på rækkeviddeprocent, kan være blevet vist for en mindre andel af følgerne end normalt.
Udgangspunktet bør beregnes igen jævnligt (månedligt er rimeligt for de fleste konti) for at tage højde for ændringer i følgerbasen, sæsonmønstre og skift i algoritmen. Et udgangspunkt, der er fastlagt i december, ser anderledes ud end et fastlagt i august for de fleste brands, og beslutninger, der træffes mod et forældet udgangspunkt, vil være misvisende.
Find mønstre på tværs af indholdstyper
Den mest nyttige analyse af indhold sammenligner resultater på tværs af indholdstyper og ikke enkelte opslag isoleret. Et brand, der ser på den gennemsnitlige gem-rate for lærerige karruseller kontra den gennemsnitlige gem-rate for produktopslag, vil ofte finde en betydelig forskel, der afgør, hvor meget af hver indholdstype der skal produceres. Et brand, der sammenligner den gennemsnitlige andel, der ser til ende, for Reels med en person, der taler, med Reels med en demonstration, kan finde ud af, at det ene format konsekvent klarer sig bedre end det andet for netop dets målgruppe.
Den slags mønsteranalyse kræver nok datapunkter i hver kategori til at være meningsfuld: mindst ti opslag af hver indholdstype, før du drager konklusioner. Beslutninger, der træffes ud fra to eller tre datapunkter i en kategori, er ikke mønsteranalyse, men reaktioner på enkelte resultater, der kan være afvigere. Tålmodighed med at samle nok data, før du ændrer strategi, er en af de mest undervurderede discipliner i Instagram-analyse.
Adskil signal fra støj
Ikke alle udsving i resultaterne er et signal, der er værd at handle på. Ét opslag, der klarer sig dårligt, kan afspejle algoritmens adfærd på en bestemt dag, et usædvanligt mønster i målgruppen på den ugedag eller bare tilfældighed i distributionen. Et opslag, der klarer sig dramatisk bedre, kan være delt af en stor konto eller have fanget et løft fra algoritmen, som ikke kan gentages. Det spørgsmål, du skal stille, før du handler på et datapunkt, er, om udsvinget er ensartet på tværs af flere opslag eller isoleret til ét.
Sæsonmønstre, opdateringer af algoritmen og store eksterne begivenheder skaber alle støj i Instagram-analyse, som kan forveksles med signaler om indholdet. Et brand, der poster under en stor nyhedsbegivenhed og ser lavt engagement, kan konkludere, at indholdet var svagt, når målgruppen simpelthen var distraheret. Et brand, der poster i en stille periode og ser højt engagement, kan konkludere, at indholdet var usædvanligt stærkt, når manglen på konkurrerende indhold var den egentlige faktor. Sammenhængen betyder lige så meget som tallet.
Vid, hvornår du ikke skal handle på data
Instagram-analyse kan identificere, hvad der klarer sig, men kan ikke altid forklare hvorfor, og aggressiv optimering mod det, der lige nu klarer sig, kan gradvist indsnævre indholdsstrategien på måder, der skader opbygningen af brandet på lang sigt. En konto, der opgiver alle indholdstyper undtagen Reels, fordi Reels giver mere rækkevidde, kan seks måneder senere opdage, at dens feed ikke længere er overbevisende for nye profilbesøgende, og at dens gem-rate er brudt sammen, fordi der ikke er lærerigt indhold i karruseller, som følgerne kan gemme.
Det rette forhold til data er at bruge dem til at informere beslutninger og ikke til at automatisere dem. Hvis dataene tyder på, at en indholdstype klarer sig dårligt, er spørgsmålet, om det dårlige resultat afspejler, at målgruppen ikke er interesseret, eller at den indholdstype er udført dårligt. Et svar om dårlig udførelse tyder på at forbedre formatet og ikke fjerne det. Et svar om ægte manglende interesse tyder på at nedprioritere det til fordel for det, målgruppen har vist, at den værdsætter.
En rytme for gennemgang, der giver beslutninger og ikke observationer
At tjekke Instagram-analyse hver dag giver en strøm af datapunkter uden nok sammenhæng til at være nyttige. At tjekke månedligt giver nok data til at finde ægte mønstre, sammenligne med udgangspunktet og træffe velinformerede beslutninger om indholdets retning. En månedlig gennemgang af analysen, der besvarer tre spørgsmål, giver mere strategisk værdi end daglig overvågning: Hvilken indholdstype fik de stærkeste gem-rater og andele af delinger denne måned, hvilken indholdstype fik den svageste rækkeviddeprocent, og hvordan er denne måneds vækst i følgere i forhold til den forrige?
Ugentlige gennemgange passer til brands, der kører betalte kampagner, hvor budgetbeslutninger kræver hurtigere feedback fra data, men strategien for organisk indhold ændrer sig sjældent hurtigt nok til at kræve ugentlig analyse. Rytmen for gennemgang bør passe til beslutningscyklussen og ikke til uroen over resultaterne.
Hvordan kobler du Instagram-analyse til kommercielle resultater?
UTM-parametre på hvert link i bio'en
Linket i bio'en er det primære udgangspunkt fra Instagram til hjemmesiden, og hvert klik gennem det link bør spores med en UTM-parameter, der identificerer Instagram som kilde i hjemmesidens analyse. En UTM-parameter er et tag, der tilføjes til adressen og fortæller hjemmesidens analyseværktøj, hvor den besøgende kom fra. Uden den kan Instagram-trafik, der lander på hjemmesiden, vises som direkte trafik, hvilket gør den usynlig i enhver analyse af, hvor hjemmesidens besøgende kommer fra.
At sætte UTM-sporing op for linket i bio'en kræver, at du tilføjer parametre for kilde, medie og kampagne til adressen, før du udgiver den i bio'en. De konkrete værdier i parametrene betyder mindre end at bruge dem konsekvent og jævnligt gennemgå den taggede trafik i hjemmesidens analyseværktøj. Et brand, der har UTM-sporing på plads, kan ikke kun se, hvor mange der trykkede på linket i bio'en (rapporteret i Insights), men hvor længe de besøgende blev på hjemmesiden, hvilke sider de så, og om nogen af dem konverterede.
Spor resultaterne af linkstickers i Stories
Linkstickers i Stories er et af de få steder på Instagram, hvor et direkte, klikbart link til en bestemt side kan placeres. Hver linksticker bør bruge en adresse med UTM-tag, der identificerer både Instagram som kilde og den konkrete kampagne eller det stykke indhold, som Story'en promoverede. Det gør det muligt at måle, hvilket indhold i Stories der skaber den mest værdifulde hjemmesidetrafik og ikke bare hvilket indhold i Stories der får flest tryk.
Hullet mellem tryk på linkstickers, som Insights rapporterer, og faktiske konverteringer, som hjemmesidens analyse rapporterer, er et af de mest nyttige datapunkter til diagnose. Hvis indhold i Stories giver mange tryk på links, men næsten ingen konverteringer på destinationssiden, er problemet oplevelsen på landingssiden og ikke indholdet på Instagram. Hvis tryk på links er få, selv om visningerne af Stories er mange, er problemet enten selve indholdet eller placeringen af opfordringen til handling i Story'en.
Mål kvaliteten af følgerne gennem adfærd på hjemmesiden
Ikke alle Instagram-følgere, der klikker videre til hjemmesiden, er lige værdifulde, og hjemmesidens analyse kan afsløre forskellen i kvalitet mellem trafik, der kommer fra forskellige typer Instagram-indhold. En følger, der kom fra en lærerig karrusel og brugte fire minutter på at læse en produktside, er en anden kvalitet af besøgende end en, der kom fra en Reel og sprang fra med det samme. Disse forskelle i kvalitet er usynlige i Instagram Insights, men synlige i hjemmesidens analyse, når trafikken er korrekt tagget efter kilde og indholdstype.
Over tid afslører den analyse, hvilke indholdskategorier der tiltrækker de mest kommercielt værdifulde besøgende, hvilket er mere nyttig information end, hvilke indholdskategorier der tiltrækker flest klik. Et brand, der opdager, at dets karruseller med vejledninger driver en uforholdsmæssig stor andel af de besøgende på hjemmesiden, der konverterer, har fået en strategisk indsigt, der er værd at handle på: flere karruseller med vejledninger eller i det mindste karruseller med vejledninger og stærkere links til hjemmesiden.
Grænserne for tilskrivning på Instagram
Instagram lukker sjældent et salg ved første interaktion. En kunde kan opdage brandet gennem en Reel, følge kontoen, se flere karruseller over to uger, klikke på linket i bio'en, besøge hjemmesiden, forlade den, vende tilbage via en søgning og så købe. I den rejse bidrog Instagram til resultatet, men ville ikke få nogen anerkendelse i en model for tilskrivning efter sidste klik, hvor besøget fra søgning får æren for salget. Modeller med tilskrivning på tværs af flere kontaktpunkter, der giver delvis anerkendelse til hvert kontaktpunkt i kunderejsen, er mere præcise, men de kræver en datainfrastruktur, der går ud over Instagram Insights.
Den praktiske konsekvens for de fleste brands er, at Instagrams kommercielle bidrag systematisk underrapporteres i modeller, der kun giver æren til sidste klik før købet. Hvis du sammenligner grupper af kunder, der fulgte brandet på Instagram, før de købte, med dem, der ikke gjorde, ved hjælp af data fra hjemmesidens analyse, får du et groft mål for Instagrams reelle bidrag til omsætningen, selv uden en sofistikeret model for tilskrivning. Den sammenligning er ufuldkommen, men mere nyttig end at antage, at dataene fra Insights fanger det fulde billede.
Hvad er realistiske benchmarks for Instagram?
Benchmarks varierer meget efter kontoens størrelse, indholdskategori og målgruppens egenskaber, hvilket betyder, at gennemsnit for hele branchen ofte er misvisende, når de bruges på en bestemt konto. En engagementsrate på 4 procent er stærk for en konto med 100.000 følgere og typisk for en konto med 2.000 følgere, fordi mindre konti som regel har mere personligt forbundne målgrupper, der engagerer sig i højere grad. Hvis du sammenligner engagementsraten på en konto med 10.000 følgere med gennemsnittet for en konto med 500.000 følgere, får du en falsk standard i begge retninger.
De mest nyttige benchmarks er selvrefererende: kontoens egne historiske gennemsnit, beregnet på tværs af en meningsfuld stikprøve af indhold over en jævn periode. En konto, der kender sin egen rækkeviddeprocent, gem-rate og vækst i følgere som udgangspunkt, kan se, om resultaterne bliver bedre, er stabile eller falder, uden behov for eksterne referencepunkter. Eksterne benchmarks er nyttige til at forstå nogenlunde, hvor kontoen står i sin kategori, men selvrefererende benchmarks er dem, der driver beslutninger, man kan handle på.
Som en generel retningslinje: En rækkeviddeprocent på 10 til 25 procent af følgerne pr. opslag er sund for indhold i feedet. En gem-rate over 1 til 2 procent af rækkevidden viser ægte værdifuldt indhold. En andel, der ser Reels til ende, over 40 til 50 procent viser stærk fastholdelse af indholdet. En månedlig vækst i følgere på 3 til 5 procent er solid for en konto i en aktiv vækstfase. De intervaller er en retning og ikke et krav, og en konto, der ligger over eller under dem på et bestemt tal, kan have legitime grunde, som ikke afspejles i et gennemsnit på tværs af brancher.
Se Instagrams indholdstyper: feed, Reels og Stories for, hvordan analyse hænger sammen med beslutninger om indholdsformat. Se Sådan fungerer Instagrams algoritme for, hvordan tal for rækkevidde og engagement hænger sammen med algoritmen. Se Strategi for organisk vækst på Instagram for, hvordan du bruger analyse til at finpudse strategien for organisk vækst. Se Strategi for Instagram-annoncer for, hvordan du måler resultaterne af betalte kampagner.
Hvordan hænger din hjemmeside sammen med Instagram-analyse?
Instagram Insights viser, hvad der sker på Instagram. Hjemmesiden er stedet, hvor det, der sker på Instagram, bliver til omsætning. De to datakilder fortæller sammen hele historien om resultaterne, og hver for sig fortæller de kun halvdelen. Et brand, der måler resultater på Instagram udelukkende gennem Insights, måler indholdets effektivitet uden at måle den kommercielle effektivitet, og de to ting er ikke det samme.
WEMASY's Analytics og indsigt kobler Instagram-trafik til adfærd på hjemmesiden, så brandet kan se, hvilket indhold der skaber de mest værdifulde besøg, hvad de besøgende gør, når de kommer, og om investeringen i Instagram giver kommercielle resultater eller bare engagementstal. Se, hvad der er inkluderet, på /pricing.
Ofte stillede spørgsmål
Hvad er forskellen på rækkevidde og visninger på Instagram?
Rækkevidde er antallet af unikke konti, der så et opslag. Visninger er det samlede antal gange, opslaget blev vist, inklusive flere visninger til den samme konto. Et opslag med en rækkevidde på 5.000 og 7.000 visninger blev set mere end én gang af nogle af de 5.000 konti. Rækkevidde er det mest nyttige tal til at forstå målgruppens størrelse, og visninger er nyttige til at forstå, hvor ofte indhold bliver set igen, hvilket er relevant for Reels, der får folk til at se igen. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvor ofte bør du tjekke Instagram-analyse?
Månedlige gennemgange passer til strategien for organisk indhold og giver nok data til at finde ægte mønstre i stedet for at reagere på variationen i enkelte opslag. Ugentlige gennemgange er rimelige for brands, der kører betalte kampagner, hvor budgetbeslutninger kræver hurtigere feedback. Daglig overvågning af organiske resultater giver støj og ikke signal og fører til forhastede ændringer af strategien ud fra utilstrækkelige data.
Hvad er en god gem-rate på Instagram?
En gem-rate over 1 til 2 procent af rækkevidden viser indhold, der er ægte værdifuldt nok til, at følgerne gemmer det. Lærerige karruseller, trin-for-trin-guides og referenceindhold får typisk højere gem-rater end æstetisk indhold eller underholdning. Gem-raten beregnes ved at dele det samlede antal gem med rækkevidden og gange med 100. Instagram Insights viser den ikke automatisk, og du skal regne den ud manuelt.
Hvorfor viser Instagram Insights kun 90 dages data?
Instagram begrænser data i Insights til et vindue på 90 dage, hvilket betyder, at sammenligninger fra år til år og analyse af langsigtede tendenser ikke er mulige med det indbyggede værktøj alene. Brands, der har brug for historiske data ud over 90 dage, bør enten bruge et analyseværktøj fra tredjepart, der arkiverer data løbende, eller holde en manuel eksport og logning ved lige. Uden det er det ikke muligt at finde sæsonmønstre og følge resultaterne på lang sigt.
Hvordan følger du, om Instagram skaber omsætning?
Den mest pålidelige metode er at tilføje UTM-parametre til linket i bio'en og til alle linkstickers i Stories, så Instagram-trafik kan identificeres i hjemmesidens analyse. Det viser ikke bare, hvor mange der klikkede videre fra Instagram, men hvad de besøgende gjorde på hjemmesiden, og om nogen af dem konverterede. Uden UTM-sporing kan Instagram-trafik vises som direkte trafik i hjemmesidens analyse, og dens kommercielle bidrag bliver usynligt.
Hvilket tal på Instagram betyder mest for strategien for organisk indhold?
Gem-raten er det mest nyttige enkelte tal til at vurdere værdien af indhold i feedet, fordi den afspejler ægte intention hos målgruppen og ikke passiv anerkendelse. For Reels er andelen, der ser til ende, det tal, der mest direkte forudsiger algoritmisk distribution. Rækkeviddeprocenten (rækkevidde divideret med følgere) er det mest nyttige tal på kontoniveau til at se, om algoritmen behandler kontoen gunstigt eller dæmper dens distribution over tid.