研究指南

Instagram 內容基準:六個公開品牌樣本中的 Reels、多圖貼文與發布頻率

比較六個品牌的 120 篇公開貼文,檢視各格式可見互動的平均值、中位數與發布頻率。附觀察日期、下載資料及研究限制。

可選語言

簡短回答: 在六個保留的公開品牌樣本的 120 篇合格貼文中,Video/Reel 的合併可見互動平均值最高,多圖貼文的合併中位數最高。Video/Reel 的平均值為 433,299 次可見互動,多圖貼文為 221,515 次;多圖貼文的中位數為 89,331 次,Video/Reel 為 50,524 次。

這個差異值得留意,因為少數極高數值的貼文會拉高平均值,但不能據此認定多圖貼文或 Reels 普遍表現較好。六個品牌的受眾、觀察日期、回傳日期範圍與格式組合各不相同。在同時包含 Video/Reel 與多圖貼文的四個樣本中,兩種格式各有兩個帳號的中位數較高。

此基準中的可見互動指觀察到的按讚加上觀察到的留言。回傳的 120 篇貼文均有這兩個欄位,且都符合計算條件。

觀察到了什麼

每個帳戶都有各自的觀察時間。一個帳戶回傳的 20 篇貼文可能涵蓋與另一個帳戶的 20 篇貼文不同的期間。

公開樣本觀察時間回傳貼文期間,UTC合格貼文格式組合可見互動平均值可見互動中位數
Nike2026 年 7 月 28 日 1:13 PDT2026 年 6 月 13 日至2026 年 7 月 23 日20 篇中的 20 篇9 篇 Video/Reel、7 篇輪播、4 張圖片294,231154,454
Adidas2026 年 6 月 9 日 4:01 PDT2026 年 5 月 7 日至2026 年 6 月 7 日20 篇中的 20 篇2 篇 Video/Reel、18 篇輪播489,591215,199
Starbucks2026 年 5 月 6 日 14:05 PDT2026 年 3 月 23 日至2026 年 4 月 30 日20 篇中的 20 篇8 篇 Video/Reel、10 篇輪播、2 張圖片56,04137,490
Sephora2026 年 5 月 6 日 14:04 PDT2025 年 9 月 24 日至2026 年 5 月 6 日20 篇中的 20 篇18 篇 Video/Reel、2 張圖片6,6232,610
Netflix2026 年 6 月 9 日 4:04 PDT2026 年 5 月 20 日至2026 年 6 月 8 日20 篇中的 20 篇10 篇 Video/Reel、8 篇輪播、2 張圖片81,86753,032
Red Bull2026 年 6 月 9 日 3:58 PDT2025 年 10 月 1 日至2026 年 6 月 9 日20 篇中的 20 篇20 篇 Video/Reel1,135,564151,271

上方觀察時間採用 America/Los_Angeles 時區。發佈日期範圍邊界是可下載來源登記表中的 UTC 時間戳記。

Reels/影片與多圖貼文的結果

格式合格貼文可見互動平均值可見互動中位數觀察到的最高值
Video/Reel67433,29950,52417,643,161
輪播43221,51589,3312,816,858
圖片10272,21946,0701,930,047
所有格式120343,98659,37517,643,161

Video/Reel 的合併平均值幾乎是多圖貼文的兩倍,但其中位數較低。Video/Reel 組的最高值為 1,760 萬次互動,說明解讀平均值時為何需要脈絡。由中位數描述的典型值與算術平均值給出不同排序。

橫條圖比較六個保留樣本中影片或 Reel、多圖貼文及圖片貼文的可見互動平均值與中位數。
按格式比較可見互動的平均值和中位數。 下載可重複使用的 SVG 圖表.

同一品牌內,不同格式的表現如何?

六個保留樣本中,只有四個同時包含 Video/Reel 與多圖貼文;各樣本的中位數比較結果並不一致:

樣本Video/Reel 貼文Video/Reel 中位數輪播貼文輪播中位數此樣本中中位數較高的格式
Nike9114,0887274,330輪播
Adidas21,588,79418144,605Video/Reel
Starbucks837,6611039,335輪播
Netflix1065,244851,051Video/Reel

這種 2 比 2 的分布提醒我們不能將合併結果變成普遍規則。Adidas 的 Video/Reel 比較也只基於兩篇貼文。這些是描述性觀察,不是格式效果的對照實驗。

發佈頻率分布

發佈節奏根據每個樣本回傳的有日期貼文估算。這不是對帳戶完整發佈歷史的斷言。

估算每週貼文數樣本數量樣本
少於 12Sephora、Red Bull
1 到 2.90無
3 到 4.93Nike、Adidas、Starbucks
5 到 7.91Netflix
8 或更多0無

按來源期間估算的結果為:Nike 3.32、Adidas 4.23、Starbucks 3.51、Sephora 0.59、Netflix 6.88、Red Bull 0.53。Sephora 和 Red Bull 的期間比其他樣本延伸到更久以前。回傳集中的歷史或置頂貼文可能造成較長間隔,因此不應把這兩個較低估計值視為目前的發布頻率。

六個保留品牌樣本按估計的每週發布頻率區間分組後的分布。
估算發佈頻率分布。 下載可重複使用的 SVG 圖表.

下載資料

逐篇貼文下載使用樣本 ID A 至 F。它不包含說明文字、貼文識別碼或來源貼文 URL。單獨的來源登記表將每個樣本 ID 對應到公開帳戶和 Instaseer 樣本頁面,以便讀者核實範圍,而不在分析檔案中放入可識別的貼文內容。

方法

此基準使用 Instaseer 已發佈品牌樣本背後的六份保留 JSON 觀察紀錄。每個來源貢獻 20 篇回傳貼文。來源中標為 Video 或 Reel 的格式歸為 Video/Reel; Carousel 和 Image 則保持分開。

每篇貼文的可見互動計算方式:

可見互動 = 觀察到的按讚 + 觀察到的留言

只有兩個值均可用且為安全整數時,貼文才符合計算條件。平均值是合格可見互動之和除以合格貼文數。中位數是排序後居中的合格值;如果組內數量為偶數,則為中間兩個值的平均值。

發佈頻率估算公式:

(有日期貼文數 - 1)÷ 最早與最新有日期貼文之間的天數 × 7

明確標為置頂的貼文會從該估算中排除。這些保留檔案沒有置頂標記,因此近期回傳項目中的歷史貼文可能拉長表面期間。有關更廣泛的蒐集、比較和證據邊界,請參閱 公開 Instagram 研究方法。

要檢查互動統計,請將貼文資料集、機器可讀摘要、來源清單及重現指令碼下載至同一資料夾。使用 Python 3.9 或更新版本執行 python3 reproduce-benchmark.py。指令碼僅使用標準函式庫,不傳送網路請求,並依下載的資料列核對合併統計、各帳號統計及帳號內各格式的統計摘要。資料字典說明了每個欄位。

此指令碼不重現歷史發布頻率估算,因為公開貼文 CSV 缺少判斷置頂貼文是否符合計算條件所需的欄位。指令碼將摘要和來源清單中的原始狀態標籤保留為歷史中繼資料。算術核對通過並不能證明這些選定樣本代表 Instagram,也無法驗證最初的資料蒐集。

限制

  • 這是選定的六品牌樣本,不是 Instagram 的代表性樣本。
  • 帳戶在不同日期接受觀察,其回傳的 20 篇貼文涵蓋不同時間跨度。
  • 品牌的受眾規模、類別、活動和內容策略各不相同。
  • 格式組並不均衡。Red Bull 貢獻了 20 篇 Video/Reel 貼文,Adidas 僅貢獻兩篇。
  • 可見互動不包括觸及人數、收藏、分享、觀看時間、完整觀看率、點擊、轉換、付費分發或私人受眾資料。
  • 公開計數可能在觀察後變化。本版本報告所述觀察時間保留的數值。
  • 合併樣本中的關聯,無法證明貼文格式造成了結果。
  • 回傳的貼文可能無法代表帳戶的完整發佈歷史,尤其是已載入的貼文集合中出現較早或置頂貼文時。
  • 這裡沒有使用按追蹤者數標準化的互動率,因為研究問題關注可見貼文互動和來源期間內的發佈節奏。

重複使用與署名

兩張圖表可原樣嵌入,前提是保留可見署名,且發佈者連結到此基準頁面。建議署名: 來源:Instaseer,Instagram 內容基準(六個公開品牌樣本,120 篇貼文)。

作者應註明版本、樣本規模、觀察日期差異和指標定義。有證據支持的摘要是:「在 Instaseer 選定的六品牌樣本中,Video/Reel 貼文的合併平均值較高,輪播的合併中位數較高。」不能說該研究證明某一種格式在整個 Instagram 上表現更好。

繼續研究

使用 Instagram 帳戶分析工具,檢視另一個公開帳戶及其資料涵蓋的日期範圍。使用 Instagram 帳戶比較工具比較兩個帳戶,檢視 Instagram Reels 競品分析流程,或使用 Instagram 發布頻率分析工具,分析來源期間內的發布頻率。

把研究成果用在下一步決策。