«Мне нравятся кроссовки. Думаю, я мог бы назвать себя коллекционером», — Майк Шинода.

Анализ Instagram для прогнозирования цены перепродажи кроссовок ограниченного выпуска с помощью ANN

Поиск кроссовок Unicorn из массы с помощью нейронных сетей

Быть сникерхедом — это отдельная культура и своя индустрия. Каждый месяц крупнейшие бренды представляют несколько избранных кроссовок ограниченной серии, которые продаются на рынках в соответствии с системой лотереи под названием Раффл. Которые создали новый собственный рынок, где люди, которые могут выиграть кроссовки в лотерейной системе, хотят продавать по более высоким ценам людям, которые больше желали обуви. Можно найти множество сайтов, таких как stockx.com, goat.com, где продаются нетронутые кроссовки Limited Edition.

Но проблема с перепродажей кроссовок заключается в том, что каждая лимитированная серия кроссовок не имеет успеха и не может принести большую прибыль. Нужно изучить «хайп», «популярность», какая модель является горячей темой и обсуждается больше, чем другие, и если ее хорошо найти, можно получить даже до 300% прибыли.

Я нашел способ обнаружить эту «ажиотаж» или популярность определенных моделей, проведя анализ Instagram и изучив хэштеги, связанные с кроссовками, и выяснить, какой кроссовок является единорогом.

Подготовка данных

Instagram Api не позволяет вам изучать лайки и комментарии в других профилях, поэтому вместо использования Instagram Api нам нужно использовать хэш-запрос, подобный этому.

url='https://www.instagram.com/graphql/query/?query_hash=c769cb6c71b24c8a86590b22402fda50&variables=%7B%22tag_name%22%3A%22azareth%22%2C%22first%22%3A2%2C%22after%22%3A%22QVFCVDVxVUdMLWlnTlBaQjNtcUktUkR4M2dSUS1lSzkzdGVkSkUyMFB1aXRadkE1RzFINHdzTmprY1Yxd0ZnemZQSFJ5Q1hXMm9KZGdLeXJuLWRScXlqMA%3D%3D%22%7D'

Как видите, ключевое слово азарет является моим хэштегом. Вы можете просто изменить это ключевое слово на любой хэштег, из которого вы хотите получить данные.

Давайте выберем несколько хэштегов для кроссовок Air Jordan 1 «Fearless»

После того, как у нас есть Dataframe, пришло время посмотреть, что мы можем сделать с хеш-запросом Instagram. Мы можем найти общее количество лайков, общее количество комментариев, общее количество сообщений, связанных с определенным хэштегом, и эти параметры могут помочь нам предсказать «ажиотаж» и «популярность» кроссовок.

Нам понадобятся библиотеки urlib и запросов, чтобы открыть URL-адрес и получить определенные значения, которые нам нужны, такие как общее количество лайков, общее количество комментариев или даже сами изображения.

Чтобы создать данные поезда, я сделал аналогичные кадры данных некоторых выбранных кроссовок — Yeezy700 Azareth, Nike X Sacai Blazar, Puma Ralph Sampson OG, Nike SB Dunk X Civilist, коллекции Nike Space Hippie.

Я взял средние значения общего количества лайков, комментариев и постов всех хэштегов для каждого кроссовка для создания тренировочных данных. Максимальные цены перепродажи следующих кроссовок были взяты с goat.com.

Обучение данным и построение модели ANN

ОБУЧЕНИЕ ДАННЫМ

1- Хэш-запрос дает самые последние фотографии из Instagram для определенных хэштегов, поэтому он снижает вероятность наличия в данных фотографий кроссовок старой модели, это подтверждает, поскольку, возможно, оценивается «ажиотаж» или «популярность» определенных кроссовок. из самых последних фотографий, поэтому мы можем знать, какие кроссовки сейчас в Talk и популярны, и имеют большую стоимость при перепродаже.

2- При любой возможности совпадения хэштегов с фотографиями (что вполне возможно) я говорю о среднем подсчете ВСЕГО НРАВИТСЯ / КОММЕНТАРИИ и ПОСТЫ для обучения данных и прогнозирования цен перепродажи.

3. Чтобы проверить модель, вместо разделения данных для обучения или тестирования, мы можем просто поместить хэштеги в x_test недавнего выпуска кроссовок и сравнить наши прогнозы с фактической текущей ценой перепродажи.

Искусственная нейронная сеть

Для X я взял переменные «нравится», «комментарий», «публикация», «цена выпуска», а для Y/Labels я использовал «maxretailprices», чтобы модель научилась по-разному размещать веса в нейронах, получая данные от переменные x и добраться до данных «maxretailprices» /y, а также найти закономерность между лайками и комментариями и количеством постов в Instagram до максимальных розничных цен.

Причина в том, что больше лайков, комментариев и постов в Instagram, связанных с конкретными кроссовками, будут отражать их шумиху, популярность среди пользователей Instagram, и модель может найти точные веса, чтобы определить соотношение между

Настройка модели

Скорость обучения — я выбрал Низкую скорость обучения 0,001, чтобы позволить модели находить веса и создавать градиенты, не выходя за пределы минимума.

Метод потерь. Я выбрал MSE в качестве метода потерь, так как я пытаюсь найти отношения между переменными, поэтому это тип регрессии.

Метод активации. Relu был лучшим вариантом, так как он превращает все отрицательные значения в 0 (так как Instagram показывает значения -1 для 0) и помещает точное значение, если оно выше 0)

Слои и нейроны. Я экспериментировал с нейронами и слоями, чтобы найти наилучшую комбинацию, в которой градиенты не взрываются и в лучшем случае минимизируются потери, а также я могу лучше находить закономерности и веса с 50 эпохами.

РЕЗУЛЬТАТЫ

Я не создал достаточно большие данные поезда, чтобы разделить данные между поездом и тестом. Поэтому, чтобы проверить результаты, я просто создал фрейм данных x_test для некоторых последних выпусков, как я показал вам, и сравнил прогнозы моей модели с ценами перепродажи с goat.com. Вот пример с Nike dunk LOW sb Black. с ценой перепродажи на goat.com 326 евро

Таким образом, с помощью простой нейронной сети алгоритм смог связать популярность кроссовок с оценочной стоимостью кроссовок при перепродаже на рынке, таким образом, реселлеры и коллекционеры могут легко предсказать, какие кроссовки являются единорогом, а какие такие же, как и любые другие, доступные на рынке. магазины.

Чтобы получить полный блокнот и код Jupyter, вы можете просмотреть мой репозиторий на github.com — https://github.com/Alexamannn/Instagram-analysis-to-predict-Sneaker-resale-prices-with-ANN.