Análise de Conteúdo

Acompanhe e analise o desempenho do conteúdo usando Apify Actors para extrair métricas de engajamento de várias plataformas.

Quando Usar

• Você precisa de métricas de engajamento, crescimento ou ROI para posts, reels, vídeos, anúncios ou hashtags.
• A tarefa é usar Apify Actors para coletar dados de desempenho de conteúdo multiplataforma.
• Você precisa de resultados de análise exportados e uma interpretação concisa de qual conteúdo está tendo o melhor desempenho.

Pré-requisitos

(Não é necessário verificar antecipadamente)

• Arquivo .env com APIFY_TOKEN
• Node.js 20.6+ (para suporte nativo a --env-file)
• Ferramenta de linha de comando mcpc: npm install -g @apify/mcpc

Fluxo de Trabalho

Copie esta lista de verificação e acompanhe o progresso:

Task Progress:
- [ ] Step 1: Identify content analytics type (select Actor)
- [ ] Step 2: Fetch Actor schema via mcpc
- [ ] Step 3: Ask user preferences (format, filename)
- [ ] Step 4: Run the analytics script
- [ ] Step 5: Summarize findings

Etapa 1: Identificar o Tipo de Análise de Conteúdo

Selecione o Actor apropriado com base nas necessidades de análise:

Etapa 2: Obter o Esquema do Actor

Obtenha o esquema de entrada e os detalhes do Actor dinamicamente usando mcpc:

export $(grep APIFY_TOKEN .env | xargs) && mcpc --json mcp.apify.com --header "Authorization: Bearer $APIFY_TOKEN" tools-call fetch-actor-details actor:="ACTOR_ID" | jq -r ".content"

Substitua ACTOR_ID pelo Actor selecionado (por exemplo, apify/instagram-post-scraper).

Isso retorna:

• Descrição do Actor e README
• Parâmetros de entrada obrigatórios e opcionais
• Campos de saída (se disponíveis)

Etapa 3: Perguntar Preferências do Usuário

Antes de executar, pergunte:

1. Formato de saída:
   • Resposta rápida - Exibe os poucos resultados principais no chat (nenhum arquivo salvo)
   • CSV - Exportação completa com todos os campos
   • JSON - Exportação completa em formato JSON
2. Número de resultados: Com base no caso de uso

Etapa 4: Executar o Script

Resposta rápida (exibir no chat, sem arquivo):

node --env-file=.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \
  --actor "ACTOR_ID" \
  --input 'JSON_INPUT'

CSV:

node --env-file=.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \
  --actor "ACTOR_ID" \
  --input 'JSON_INPUT' \
  --output YYYY-MM-DD_OUTPUT_FILE.csv \
  --format csv

JSON:

node --env-file=.env ${CLAUDE_PLUGIN_ROOT}/reference/scripts/run_actor.js \
  --actor "ACTOR_ID" \
  --input 'JSON_INPUT' \
  --output YYYY-MM-DD_OUTPUT_FILE.json \
  --format json

Etapa 5: Resumir Descobertas

Após a conclusão, relate:

• Número de conteúdos analisados
• Localização e nome do arquivo
• Principais insights de desempenho
• Próximos passos sugeridos (análise mais aprofundada, otimização de conteúdo)

Tratamento de Erros

APIFY_TOKEN not found - Peça ao usuário para criar .env com APIFY_TOKEN=your_token mcpc not found - Peça ao usuário para instalar npm install -g @apify/mcpc Actor not found - Verifique a ortografia do ID do Actor Run FAILED - Peça ao usuário para verificar o link do console Apify na saída de erro Timeout - Reduza o tamanho da entrada ou aumente --timeout

Limitações

• Use esta habilidade apenas quando a tarefa corresponder claramente ao escopo descrito acima.

…