[논문 리뷰] Instagram Post Data Analysis

Steve Chang|arXiv (Cornell University)|2016. 10. 07.

Video Analysis and Summarization참고 문헌 5인용 수 10

한 줄 요약

이 연구는 50개의 미국 도시에서의 인스타그램 데이터를 분석하여, 지역에 따라 필터 사용과 해시태그 인기의 변화를 탐구하며, 비주얼 선호도와 트렌드의 문화적 차이를 드러낸다. API 데이터, 시각화 도구(d3, Tableau), 지리공간 맵핑을 활용하여 지역 기반의 필터 추천을 도출하고, 워드 클라우드와 애스터 플롯을 통해 도시별 문화적 주제를 강조한다. 그 결과, Lark와 같은 비기본 필터가 특정 도시에서는 Normal 필터보다 평균 좋아요 수에서 뛰어난 성과를 보여, 기준이 아닌 필터가 지역에 따라 더 효과적일 수 있음을 확인한다.

ABSTRACT

Because of the spread of the Internet, social platforms become big data pools. From there we can learn about the trends, culture and hot topics. This project focuses on analyzing the data from Instagram. It shows the relationship of Instagram filter data with location and number of likes to give users filter suggestion on achieving more likes based on their location. It also analyzes the popular hashtags in different locations to show visual culture differences between different cities.

연구 동기 및 목표

• 미국 도시별 인스타그램 필터 선호도와 해시태그 사용 방식의 차이를 탐구하여 지역적 비주얼 문화의 차이를 밝히는 것.
• 사용자의 지리적 위치를 기반으로 좋아요 수를 늘릴 가능성이 높은 필터를 추천하는 데이터 기반 추천 시스템을 개발하는 것.
• 지리공간적 및 텍스트 기반 시각화 기법을 활용하여 대규모 인스타그램 데이터를 시각화하고 사용자 행동 및 문화 트렌드의 패턴을 분석하는 것.
• 다양한 필터(예: Normal, Lark, Earlybird)가 도시별 평균 좋아요 수에서 어떻게 성과를 내는지 비교하여 기본 설정보다 뛰어난 성능을 보이는 대체 필터를 식별하는 것.
• 지리정보, 메타데이터, 시각적 특징을 조합하여 시간과 지역에 따라 변화하는 비주얼 선호도를 이해할 잠재력을 탐색하는 것.

제안 방법

• Instagram API를 사용하여 'basic' 및 'likes' 범위를 설정해 데이터를 수집하고, 필터 유형, 태그, 좋아요 수, 이미지 링크, 지리정보(위도/경도)를 추출한다.
• Python 스크립트를 활용해 데이터를 정제하고 중복 제거하여 API의 일관성 부족으로 인한 쿼리당 출력 크기의 변동성을 해결한다.
• 애스터 플롯과 원형 차트를 사용해 필터 인기도를 시각화하고, 필터 유형과 참여도 지표에 따라 색상 코드를 적용한다.
• 색조 지도 스타일의 지도를 활용해 게시물의 지리적 분포를 시각화하고, 상위 10개 주에서 어두운 색조가 더 많은 게시물 밀도를 나타낸다.
• 각 도시의 지도 마커 아래에 동적 워드 클라우드를 생성하여 해시태그 빈도를 표현하고, 글자 크기를 사용 빈도와 연결하고 밝은 색상으로 가독성을 향상시킨다.
• d3.js, Tableau 등의 다양한 시각화 도구를 통합해 지역 기반 트렌드를 탐색할 수 있는 상호작용 가능한 웹 기반 대시보드를 제작한다.

실험 결과

연구 질문

• RQ1 다양한 미국 도시에서 인스타그램 필터의 인기 정도는 어떻게 달라지며, 특정 지역에서는 어떤 필터가 더 높은 평균 좋아요를 기록하는가?
• RQ2 다른 도시에서 가장 자주 사용되는 해시태그는 무엇이며, 이는 지역 문화 행사나 관심사와 어떻게 관련되어 있는가?
• RQ3 지리적 위치를 기반으로 최적의 필터 선택을 예측하여 게시물의 참여도(좋아요 수)를 극대화할 수 있는가?
• RQ4 로스앤젤레스, 뉴욕, 채터른과 같은 도시 간에 비주얼 문화 패턴—예를 들어 필터 선호도와 해시태그 사용 방식—는 어떻게 다를까?
• RQ5 메타데이터(예: 위치, 태그)는 사용자 참여도 예측에 어떤 역할을 하는가? 이러한 패턴은 시간이 지남에 따라 어떻게 변화할 수 있는가?

주요 결과

• Normal 필터는 모든 도시에서 가장 자주 사용된 필터로, 다른 어떤 필터보다 약 10배 더 많은 게시물에 등장했다.
• 찰스턴에서는 Lark 필터가 Normal 필터보다 더 높은 평균 좋아요 수를 기록하여, 비기본 필터가 특정 지역에서는 기본 설정을 초월할 수 있음을 시사한다.
• 로스앤젤레스에서는 'graduation'(졸업)과 'fashion'(패션) 해시태그 사용 빈도가 높아, 데이터 수집 기간 동안 청소년 중심의 이벤트 기반 문화가 활성화되어 있음을 나타낸다.
• 뉴욕 시티에서는 'anime'(애니메이션)와 'Japanese animation'(일본 애니메이션) 관련 해시태그가 집중적으로 사용되어, 동시점에 열린 애니메이션 전시회나 문화 행사와 관련이 있을 가능성이 높다.
• 워드 클라우드 시각화는 글자 크기가 해시태그 사용 빈도와 직접적으로 연결되어 있어 도시별 문화 주제를 효과적으로 드러냈다.
• 관객 피드백에 따르면 지도와 원형 차트의 색상 코드에 명확한 레이블이 없어 혼동을 빚어, 최종 버전에서는 추가적인 텍스트 설명을 통합해 디자인 개선을 이룬 바 있다.