Μετάβαση στο εργαλείο

Εργαλείο υπολογισμού εμβέλειας και engagement αναρτήσεων στο Instagram

Υπολογίστε το ποσοστό αλληλεπίδρασης (engagement) και την εμβέλεια στο Instagram, την πιθανή viral δυναμική και άλλες μετρήσεις. Όλα δωρεάν, απευθείας στο πρόγραμμα περιήγησης.

Engagement ανάρτησης
3.8%
Διάμεσο engagement
3.2%
Δείκτης viral
0.7%
Καλύτερη ώρα
19:00
Οι αναλύσεις εκτελούνται τοπικά στο πρόγραμμα περιήγησής σας. Δεν αποστέλλουμε δεδομένα πουθενά.

Υπολογιστής εμβέλειας Instagram

Engagement ανάρτησης (Engagement Rate)
0%
Δείκτης viral
0%
Τύποι: Engagement ανάρτησης = (μου αρέσει + σχόλια + αποθηκεύσεις + κοινοποιήσεις) / (βάση) × 100. Δείκτης viral = (αποθηκεύσεις + κοινοποιήσεις) / (βάση) × 100.

Εκτίμηση συχνότητας προβολής προφίλ

Συχνότητα = εμφανίσεις ÷ ακόλουθοι. Προαιρετικά μπορείτε να εισαγάγετε την ακριβή εμβέλεια από το IG.

Οι εμφανίσεις βοηθούν στην εκτίμηση της συχνότητας προβολής (πόσες φορές κατά μέσο όρο κάποιος είδε το προφίλ/περιεχόμενό σας).

Πού θα τις βρω στο Instagram;
  • Ανοίξτε το Instagram (κινητό) → μεταβείτε σε Professional/Business λογαριασμό.
  • Στο προφίλ επιλέξτε Professional dashboard → Insights (Στατιστικά).
  • Στα Στατιστικά επιλέξτε περίοδο (7/30/90 ημέρες). Θα δείτε Reach και συχνά Impressions για τον λογαριασμό.
  • Στις μεμονωμένες αναρτήσεις πατήστε View insights (Προβολή στατιστικών) – στις λεπτομέρειες θα βρείτε τη μέτρηση Impressions.
Συχνότητα προβολής (προαιρετική)
—

Θέλεις να μεγαλώσει το προφίλ σου;

Ακόλουθοι και like σε λίγα λεπτά. Χωρίς κωδικό, με εγγύηση.

Δες τα πακέτα

Πώς ακριβώς υπολογίζουμε το Instagram engagement (μεθοδολογία)

Το engagement rate (ER) είναι ο πιο συχνά χρησιμοποιούμενος δείκτης ποιότητας του οργανικού περιεχομένου στο Instagram. Δείχνει τι ποσοστό του κοινού σας καταφέρατε να εμπλέξετε – συνήθως μέσω likes, σχολίων, αποθηκεύσεων ή κοινοποιήσεων. Σε αυτό το εργαλείο υπολογίζουμε ER_post για κάθε ανάρτηση καθώς και συγκεντρωτικές μετρήσεις, ώστε να μπορούμε να αποφασίσουμε με σαφήνεια τι λειτουργεί και ποια ώρα είναι κατάλληλη για δημοσίευση. Ολόκληρος ο υπολογισμός γίνεται τοπικά στο πρόγραμμα περιήγησης, επομένως δεν αποστέλλονται δεδομένα σε server.

Ο βασικός τύπος για μεμονωμένη ανάρτηση είναι ο εξής: ER_post = (likes + comments + saves + shares) / (reach || followers_at_time) * 100. Αυτό σημαίνει ότι αθροίζουμε τις αλληλεπιδράσεις και τις διαιρούμε είτε με την εμβέλεια (reach) είτε με τον αριθμό ακολούθων τη στιγμή της δημοσίευσης (followers_at_time). Η προτεινόμενη βάση είναι το reach, γιατί αντικατοπτρίζει καλύτερα πόσοι άνθρωποι είδαν πραγματικά την ανάρτηση. Αν δεν έχετε reach, μπορείτε να χρησιμοποιήσετε τον αριθμό ακολούθων ως υποκατάστατο. Στο εργαλείο αλλάζετε τη βάση στην ενότητα «Ρυθμίσεις υπολογισμού».

Για τις συνολικές τιμές χρησιμοποιούμε στη συνέχεια δύο προσεγγίσεις. ER_overall_simple είναι ο απλός μέσος όρος όλων των ER_post (ενδεχομένως μετά την εξαίρεση των ακραίων τιμών με τη μέθοδο IQR). ER_overall_weighted λαμβάνει υπόψη το μέγεθος της εμβέλειας: πολλαπλασιάζει το ER_post με την επιλεγμένη βάση για κάθε ανάρτηση και τα αθροίζει, κάτι που στην πράξη αντιστοιχεί σε sum(αλληλεπιδράσεων)/sum(βάσεων) * 100. Έτσι το αποτέλεσμα δεν καθορίζεται από λίγες μικρές αναρτήσεις με τυχαία υψηλό ER.

Δείκτης viral (virality index) και γιατί είναι σημαντικός

Ο δείκτης viral παρακολουθεί μόνο τις «κοινοποιήσεις» και τις «αποθηκεύσεις»: Virality = (saves + shares) / (βάση) * 100. Στην πράξη αυτό σημαίνει ότι αξιολογεί πόσο συχνά οι άνθρωποι αποθηκεύουν το περιεχόμενο για αργότερα ή το προωθούν σε άλλους. Στα εκπαιδευτικά formats και στα «how‑to» το virality είναι συνήθως υψηλότερο, ενώ στη γρήγορη ψυχαγωγία κυριαρχούν τα likes και τα σχόλια. Αν ο δείκτης viral σας αυξάνεται, είναι ισχυρή ένδειξη ότι δημιουργείτε μακροπρόθεσμα χρήσιμο περιεχόμενο. Το εργαλείο υπολογίζει αυτή τη μέτρηση αυτόματα και τη χρησιμοποιεί και στις προτάσεις.

Ανίχνευση ακραίων τιμών με IQR

Κάθε προφίλ πετυχαίνει πού και πού ένα εξαιρετικά viral format, έναν διαγωνισμό ή εκμεταλλεύεται κάποιο trend. Αυτές οι διακυμάνσεις μπορεί να αλλοιώνουν τον μέσο όρο. Γι' αυτό προσφέρουμε φιλτράρισμα με IQR (interquartile range). Υπολογίζουμε τα Q1 και Q3 τεταρτημόρια για όλα τα ER_post, η διαφορά τους είναι το IQR. Ως ακραίες θεωρούμε τις τιμές μικρότερες από Q1 − 1.5 × IQR ή μεγαλύτερες από Q3 + 1.5 × IQR. Με τον διακόπτη «Συμπερίληψη/εξαίρεση ακραίων τιμών στους συγκεντρωτικούς δείκτες» καθορίζετε αν αυτές οι ακραίες τιμές θα συμμετέχουν στον μέσο όρο, στη διάμεσο και στους υπόλοιπους συγκεντρωτικούς δείκτες. Η διάμεσος του ER είναι πιο ανθεκτική στις ακραίες τιμές, γι' αυτό καλό είναι να την παρακολουθείτε μαζί με τους μέσους όρους.

Πότε να επιλέξετε reach ή followers_at_time

Αν έχετε reach για τις περισσότερες αναρτήσεις, να το προτιμάτε πάντα ως βάση για τον υπολογισμό του engagement rate. Αποτυπώνει καλύτερα το πραγματικό κοινό και αφαιρεί τις περιπτώσεις όπου η ανάρτηση δεν έφτασε σε όλη τη βάση των fans. Εναλλακτικά μπορεί να χρησιμοποιηθεί το followers_at_time, ιδανικά συμπληρωμένο όσο το δυνατόν ακριβέστερα τη στιγμή της δημοσίευσης. Επιπλέον, το εργαλείο διατηρεί τη συνέπεια: αν επιλέξετε τους followers ως βάση για το ER, θα υπολογίσει με αυτούς και τον σταθμισμένο μέσο όρο.

Πώς να ερμηνεύσετε τη διάμεσο σε σχέση με τον μέσο όρο

Ο μέσος όρος (ER_overall_simple) είναι διαισθητικός, αλλά μπορεί να αλλοιωθεί από διακυμάνσεις. Η διάμεσος του ER είναι η τιμή στη μέση της κατανομής και συχνά αντικατοπτρίζει καλύτερα τη συνήθη απόδοση μιας τυπικής ανάρτησης. Αν η διάμεσος είναι αισθητά χαμηλότερη από τον μέσο όρο, πιθανότατα υπάρχουν μερικοί «πύραυλοι» που ανέβασαν τον μέσο όρο. Αντίθετα, διάμεσος υψηλότερη από τον μέσο όρο υποδηλώνει μια μακριά «ουρά» ασθενέστερων αποτελεσμάτων. Συγκρίνετε και τις δύο τιμές.

Πώς να χρησιμοποιήσετε αυτό το εργαλείο (χωρίς εισαγωγή αρχείου)

Αυτή η έκδοση εστιάζει σε γρήγορους χειροκίνητους υπολογισμούς: συμπληρώστε ακολούθους και αλληλεπιδράσεις και θα δείτε αμέσως το «Engagement ανάρτησης (ποσοστό αλληλεπίδρασης)» και τον «Δείκτη viral». Για τη συχνότητα προβολής εισαγάγετε σε ξεχωριστή ενότητα τις Εμφανίσεις και τον αριθμό ακολούθων.

Τα πιο συχνά σφάλματα εισαγωγής είναι η λάθος μορφή ημερομηνίας και η έλλειψη βάσης. Το εργαλείο σάς ειδοποιεί γι' αυτά και σας ενημερώνει τι συμπληρώθηκε ενδεχομένως με προεπιλεγμένη τιμή (π.χ. αλληλεπιδράσεις ορισμένες σε 0). Αν χρειάζεται να συμπληρώσετε το followers_at_time, αλλά έχετε στη διάθεσή σας μόνο πίνακα με την εξέλιξη των ακολούθων, συνιστούμε να προσεγγίσετε την τιμή με γραμμική παρεμβολή μεταξύ δύο γνωστών ημερομηνιών.

Βρείτε την καλύτερη ώρα δημοσίευσης

Το heatmap «Ώρα × Ημέρα» δείχνει το μέσο ER_post για κάθε ώρα και ημέρα της εβδομάδας. Από την ένταση του χρώματος καταλαβαίνετε πότε το περιεχόμενό σας πετυχαίνει engagement πάνω από τον μέσο όρο. Αν, για παράδειγμα, φανεί ότι μεταξύ 18–21 τις καθημερινές το ER είναι σταθερά υψηλότερο, αυτό είναι ισχυρός υποψήφιος για δοκιμή. Λάβετε όμως υπόψη και την εποχικότητα και την επίδραση των καμπανιών – μια σύντομη περίοδος μπορεί να δημιουργήσει οπτικές ψευδαισθήσεις.

Η ιδανική προσέγγιση είναι ένα A/B test: επιλέξτε 2–3 ώρες που ευνοεί το heatmap και δημοσιεύετε σε αυτές περιεχόμενο του ίδιου τύπου για μερικές εβδομάδες. Παρακολουθήστε τη μεταβολή του ER, αλλά και του Virality. Είναι σημαντικό να διατηρείτε σταθερό το format (π.χ. carousels) και το θέμα, ώστε η δοκιμή να μην αλλοιωθεί από άλλους παράγοντες.

Παραδείγματα υπολογισμών με αριθμούς

Ας υποθέσουμε τρεις αναρτήσεις μέσα σε μία εβδομάδα. Η P1 (carousel) έχει reach 8.000, αλληλεπιδράσεις: 320 likes, 28 σχόλια, 62 αποθηκεύσεις, 20 κοινοποιήσεις. Η P2 (reel) έχει reach 15.000, αλληλεπιδράσεις: 420 likes, 34 σχόλια, 120 αποθηκεύσεις, 70 κοινοποιήσεις. Η P3 (post) έχει reach 4.000, αλληλεπιδράσεις: 110 likes, 12 σχόλια, 16 αποθηκεύσεις, 8 κοινοποιήσεις. Για το ER_post έχουμε επομένως: P1 = (320+28+62+20)/8.000×100 = 5,375%, P2 = (420+34+120+70)/15.000×100 = 4,97%, P3 = (110+12+16+8)/4.000×100 = 3,65%. ER_overall_simple = (5,375 + 4,97 + 3,65) / 3 = 4,66 %.

Για το ER_overall_weighted αθροίζουμε τις αλληλεπιδράσεις και διαιρούμε με το άθροισμα των επιλεγμένων βάσεων. Εδώ η βάση είναι το reach: άθροισμα αλληλεπιδράσεων = 430 + 644 + 146 = 1.220· άθροισμα reach = 8.000 + 15.000 + 4.000 = 27.000. Αποτέλεσμα ER_overall_weighted = 1.220/27.000×100 = 4,52%. Βλέπουμε ότι ο σταθμισμένος μέσος όρος είναι χαμηλότερος, επειδή η ανάρτηση με υψηλό reach (reel) είχε σχετικά χαμηλότερο ER από το carousel.

Για το Virality (στην P2: (120+70)/15.000×100 = 1,27%) παρακολουθούμε την ικανότητα του περιεχομένου να «ταξιδεύει» και να παραμένει επίκαιρο. Αν η διάμεσος του ER ήταν 3,8% και ο μέσος όρος 4,6%, από τη διαφορά συμπεραίνουμε ότι υπάρχουν μερικές ακραίες επιτυχίες. Ο έλεγχος IQR εξαιρεί τις ακραίες τιμές: υπολογίζουμε τα τεταρτημόρια από το ER_post, βρίσκουμε το IQR και αποκλείουμε τις τιμές εκτός του διαστήματος [Q1 − 1,5×IQR, Q3 + 1,5×IQR]. Στη συνέχεια οι συγκεντρωτικοί δείκτες αντικατοπτρίζουν την «τυπική» απόδοση.

Τι να κάνετε βάσει των αποτελεσμάτων: πρακτικές προτάσεις

Το εργαλείο δημιουργεί σύντομα insights και σχέδιο δράσης. Παρακάτω θα βρείτε τυπικά σενάρια και πώς να αντιδράσετε σε αυτά:

  • Χαμηλό ER: Συντομεύστε τις λεζάντες, προσθέστε σαφές call‑to‑action, χρησιμοποιήστε περισσότερα carousels με πολλά slides και πιο εντυπωσιακό πρώτο slide.
  • Πολλές αποθηκεύσεις (Virality ↑): Αυξήστε την αναλογία tutorials, checklists και προτύπων για λήψη. Το ότι ένα περιεχόμενο αποθηκεύεται είναι ένδειξη αξίας.
  • Χαμηλή συνέπεια: Προγραμματίστε πακέτα περιεχομένου (π.χ. 3× reels + 2× carousel την εβδομάδα) και ανακυκλώστε παλαιότερα επιτυχημένα formats.
  • Τα Reels κυριαρχούν: Αναζητήστε ένα format που μπορεί να επαναληφθεί, δουλέψτε με hook μέσα στα πρώτα 2 δευτερόλεπτα και δοκιμάστε διάρκειες 7–15 s.
  • Τα carousels αποδίδουν καλύτερα: Ετοιμάστε μίνι σειρές και εκπαιδευτικές ακολουθίες. Βελτιστοποιήστε το πρώτο και το τελευταίο slide.
  • ER_weighted ≠ ER_simple: Αν ο σταθμισμένος είναι αισθητά χαμηλότερος, σημαίνει ότι οι αναρτήσεις με μεγάλη εμβέλεια έχουν ασθενέστερο ER – χρειάζονται καλύτερη ποιότητα.
  • Χωρίς δεδομένα reach: Χρησιμοποιήστε τους followers ως βάση και παρακολουθήστε τις τάσεις, όχι την απόλυτη συγκρισιμότητα με άλλα εργαλεία.

Συχνές ερωτήσεις

Δεν έχω reach, γίνεται;

Ναι. Επιλέξτε ως βάση το followers_at_time. Τα αποτελέσματα θα είναι κατάλληλα για σύγκριση τάσεων και εσωτερικό benchmark.

Γιατί το ER μου διαφέρει από άλλα εργαλεία;

Κάθε εργαλείο μπορεί να χρησιμοποιεί διαφορετική βάση (reach ή followers), διαφορετική επιλογή αλληλεπιδράσεων ή να συμπεριλαμβάνει τα outliers. Εδώ τα ρυθμίζετε όλα με πλήρη διαφάνεια.

Πώς ακριβώς λειτουργεί η εξαγωγή PDF;

Η σελίδα μεταβαίνει προσωρινά σε «print skin» με καλύτερη αναγνωσιμότητα και αποδίδεται μέσω html2canvas σε jsPDF. Τα γραφήματα μετατρέπονται σε εικόνες.

Χρειάζεται κλειδί API;

Όχι. Όλα εκτελούνται αποκλειστικά στο πρόγραμμα περιήγησής σας, χωρίς server και χωρίς API.

Πώς λειτουργεί ο σταθμισμένος μέσος όρος και πότε να τον ενεργοποιήσω;

Το βάρος αντιστοιχεί στην επιλεγμένη βάση (reach/followers). Ενεργοποιήστε τον αν θέλετε το αποτέλεσμα να καθορίζεται από το μέγεθος της εμβέλειας.

Τι είναι τα outliers και γιατί να τα συμπεριλάβω (ή όχι);

Τα outliers είναι ακραίες τιμές σύμφωνα με το IQR. Η συμπερίληψη ή η εξαίρεσή τους επηρεάζει τον μέσο όρο· η διάμεσος παραμένει πιο σταθερή.

Μπορώ να επεξεργαστώ τα δεδομένα χειροκίνητα;

Ναι. Στην ενότητα «Χειροκίνητη εισαγωγή» μπορείτε να προσθέτετε γραμμές και να επανυπολογίζετε αμέσως τις μετρήσεις.

Υποστηρίζετε τα views των Reels;

Ναι, είναι προαιρετικά. Στον υπολογισμό του ER μετρά το «reach» ή οι «followers», όχι τα views, αλλά μπορείτε να παρακολουθείτε τα views παράλληλα.

Είναι το αποτέλεσμα κατάλληλο για αναφορές πελατών;

Ναι. Η εξαγωγή PDF περιλαμβάνει εξώφυλλο με τις βασικές μετρήσεις, γραφήματα και προτάσεις.

Μπορώ να ορίσω δικά μου όρια για τις προτάσεις;

Ναι, στο τμήμα JS τα όρια προσαρμόζονται εύκολα (π.χ. virality_threshold).

Πόσο προστατευμένα είναι τα δεδομένα μου;

Όλοι οι υπολογισμοί εκτελούνται τοπικά. Δεν αποστέλλουμε τίποτα και τα αρχεία δεν ανεβαίνουν καν σε server.

Πόσο μεγάλο CSV μπορώ να επεξεργαστώ;

Συνιστούμε έως ~10–20 χιλιάδες γραμμές για ομαλή λειτουργία σε έναν συνηθισμένο φορητό υπολογιστή. Κλείστε τις απαιτητικές εφαρμογές που είναι ανοιχτές ταυτόχρονα.

Μίνι μελέτη περίπτωσης (φανταστικά δεδομένα)

Ένα προφίλ με θεματολογία marketing δημοσίευε ακανόνιστα 2–3× την εβδομάδα, κυρίως μεμονωμένα posts. Το μέσο ER κυμαινόταν γύρω στο 1,4%, η διάμεσος στο 1,2% και το virality στο 0,3%. Μετά την ανάλυση του heatmap, η ομάδα αποφάσισε να μεταφέρει τις δημοσιεύσεις στις καθημερινές μεταξύ 18–20, πρόσθεσε 2 carousels την εβδομάδα και 1 εκπαιδευτικό reel με σύνοψη. Μετά από 6 εβδομάδες το ER ανέβηκε στο 2,1%, η διάμεσος στο 1,8% και το virality στο 0,8%. Τη μεγαλύτερη βελτίωση έφεραν τα carousels που αξίζει να αποθηκευτούν, με σαφές CTA «Αποθηκεύστε το για αργότερα».

Γλωσσάρι όρων

ER (engagement rate): Αναλογία αλληλεπιδράσεων προς την επιλεγμένη βάση (reach/followers).

Reach: Αριθμός μοναδικών λογαριασμών που είδαν την ανάρτηση.

Impressions: Συνολικός αριθμός προβολών (συμπεριλαμβανομένων των επαναλαμβανόμενων).

Virality: Αποθηκεύσεις + κοινοποιήσεις σε σχέση με τη βάση· ένδειξη της μακροπρόθεσμης αξίας του περιεχομένου.

Διάμεσος: Η μεσαία τιμή της κατανομής· πιο ανθεκτική στα outliers.

IQR: Ενδοτεταρτημοριακό εύρος (Q3 − Q1), χρησιμεύει στην ανίχνευση ακραίων τιμών.

Συνέπεια: Αριθμός posts την εβδομάδα στη δεδομένη περίοδο.

Τελικό CTA

Ξεκινήστε την ανάλυση δωρεάν και αποθηκεύστε τα αποτελέσματα σε αναφορά PDF. Για την καλύτερη ερμηνεία παρακολουθείτε ταυτόχρονα τον μέσο όρο, τη διάμεσο και τον δείκτη viral.