Fråga de flesta varumärken vad deras engagemangsgrad på Instagram är, så kan de svara. Fråga samma varumärken hur mycket intäkter Instagram-kontot gav förra månaden, så kan de flesta inte det. Skillnaden mellan de två svaren är där de flesta Instagram-analyser befinner sig: man följer siffror som syns och är lätta att rapportera, medan de mått som hänger ihop med kommersiella resultat förblir omätta. Analys och insikter på Instagram är bara användbara om måtten du följer är de som förutsäger resultat, och de flesta varumärken följer fel mått.
Den här artikeln går igenom vilka mått som faktiskt spelar roll och varför, vad Instagram Insights medvetet inte visar, hur du tolkar data så väl att du kan fatta beslut och inte bara observera mönster, hur du kopplar Instagram-resultat till intäkter och var det inbyggda analysverktyget brister så mycket att du behöver mäta utanför appen.
Vilka Instagram-mått spelar egentligen roll för varumärkets resultat?
Sparningar som den starkaste indikatorn på innehållets värde
En sparning är den handling med störst köpintention som en följare kan göra på ett flödesinlägg. När någon sparar ett inlägg bedömer hen att innehållet är värt att återvända till, vilket är en starkare signal om äkta värde än en like eller en kommentar. Algoritmen ser sparningar som en av de tyngst vägda engagemangssignalerna för flödesinlägg, vilket betyder att innehåll med hög sparandegrad får bättre organisk spridning än innehåll med liknande antal likes men färre sparningar.
Sparandegraden du bör följa är sparningar delat med räckvidd (inte följare), uttryckt i procent. En sparandegrad över 2 procent av räckvidden visar innehåll som är genuint värdefullt för den publik som ser det. Varumärken som följer sparandegraden vid sidan av engagemangsgraden kommer att märka att de två inte alltid rör sig åt samma håll: ett inlägg kan vara omtyckt utan att bli sparat, vilket är en signal om att det var trevligt men inte tillräckligt innehållsrikt för att bokmärkas.
Delningar i direktmeddelanden som en räckviddssignal
När en följare delar ett inlägg med någon annan i ett direktmeddelande rekommenderar hen innehållet personligen till en viss person. Det är den högst vägda engagemangssignalen på plattformen eftersom den speglar en äkta värdering och inte passivt gillande. Ett inlägg med hög delningsgrad talar om för algoritmen att innehållet är värt att skicka till någon som inte har sett det, vilket ger bredare spridning än någon annan enskild typ av engagemang.
Instagram Insights visar delningar i direktmeddelanden i detaljvyn för inlägget. Varumärken som följer delningsgraden över tid kommer att se att inläggen med högst delningsgrad ofta inte är de med flest likes. Innehåll som är genuint användbart, genuint överraskande eller så igenkännbart att folk vill dela det med en viss person är en annan sorts innehåll än det som får passivt gillande under scrollandet.
Webbplatsklick och länkklick som konverteringssignaler
Klick till webbplatsen från länken i biografin, klick på länkklistermärken i Stories och varje annan handling som flyttar en följare från Instagram till webbplatsen är det närmaste inbyggda måttet på kommersiell avsikt. En följare som klickar vidare till webbplatsen har tagit ett medvetet steg bortom passiv konsumtion av innehåll och visar aktivt intresse av att lära sig mer eller köpa. Antalet webbplatsklick i förhållande till räckvidden ger en grov bild av hur effektivt innehållet flyttar människor mot nästa steg i tratten.
Webbplatsklick som rapporteras i Instagram Insights är användbara som riktning men ofullständiga. De visar hur många klick som skedde men inte vad som hände efter klicket: om besökaren hoppade av direkt, tittade på en produkt, la den i varukorgen eller köpte. Att koppla webbplatsanalys till trafiken från Instagram (med UTM-parametrar på länken i biografin) är det som överbryggar glappet mellan klicket i Insights och det kommersiella resultat som avgör om klicket hade något värde.
Räckviddsgrad som mått på hur algoritmen behandlar kontot
Räckviddsgraden räknas ut genom att dela ett inläggs räckvidd med det totala antalet följare och uttrycka det i procent. Den mäter hur stor andel av den befintliga publiken som algoritmen visar innehållet för, vilket direkt speglar hur algoritmen behandlar kontot. En sund räckviddsgrad för flödesinlägg ligger mellan 10 och 25 procent av följarna. Konton som genomgående ligger under 5 procent har ett problem med publikens eller innehållets kvalitet som ingen publiceringsfrekvens kan lösa.
Om du följer räckviddsgraden över tid ser du trender som engagemangsgraden per inlägg inte visar. Ett konto där räckviddsgraden sjunker över flera månader samlar på sig en följarbas som inte engagerar sig, vilket bromsar spridningen. Ett konto där räckviddsgraden är stabil eller växande bygger den sortens engagerade publik som växer på sig själv över tid. Räckviddsgraden är den tidiga varningssignalen för problem med följarnas kvalitet, innan de syns som stillastående följarantal.
Andel som tittar klart på Reels och video
För Reels är det mått som mest direkt förutsäger spridningen i algoritmen andelen som tittar klart: den procentandel av tittarna som såg videon till slutet. En Reel med hög andel som tittar klart talar om för algoritmen att innehållet höll kvar uppmärksamheten, vilket är den främsta signalen som Reels rekommendationssystem använder för att avgöra hur brett det ska spridas. Andelen som tittar klart visas i Instagram Insights under Reels-fliken och är ett av få mått där en enda siffra direkt motsvarar ett spridningsresultat.
Riktmärket varierar med videons längd. För en Reel på femton sekunder är över 60 procent som tittar klart starkt. För en Reel på sextio sekunder visar över 40 procent att innehållet håller kvar uppmärksamheten bra för sin längd. En Reel med många visningar men låg andel som tittar klart har spridits brett men behåller inte tittarna, vilket begränsar möjligheten till en andra spridningsvåg och tyder på att början är starkare än innehållet som följer.
Följartillväxt som trendindikator
Följartillväxt, uttryckt som procentuell ökning under en bestämd period (vecka, månad, kvartal), säger mer än det råa följarantalet eftersom den visar om kontot växer, står stilla eller backar i förhållande till sin egen utgångsnivå. Ett konto som får 200 nya följare i månaden från en bas på 2 000 växer med 10 procent per månad, vilket är sunt. Ett konto som får 200 följare från en bas på 50 000 växer med 0,4 procent, vilket tyder på ett problem med räckvidd eller innehåll som är värt att undersöka.
Följartillväxten bör följas tillsammans med källorna till nya följare. Instagram Insights visar hur följarna hittade kontot (via en Reel, via Utforska-sidan, via ett profilbesök efter en taggning). Den datan visar vilka innehållsformat och spridningskanaler som faktiskt driver publiktillväxten, så att varumärket kan satsa mer på det som fungerar och mindre på det som ger visningar utan att publiken växer.
Vad visar Instagram Insights inte?
Instagram Insights är en användbar startpunkt, men har strukturella blinda fläckar som varumärken måste förstå innan de fattar strategibeslut enbart på inbyggd data. Den största luckan är attribution: Insights kan visa att en följare klickade på länken i biografin, men inte om personen sedan köpte, registrerade sig eller gjorde någon annan kommersiell handling längre fram. Varje konverteringsmått som spelar roll för varumärkets resultat uppstår utanför Instagram, vilket betyder att den inbyggda analysen alltid bara kan berätta en del av historien.
Insights visar inte heller hur räckvidden avtar över tid. Ett inlägg som nådde 10 000 personer under de första två timmarna och sedan planade ut ser likadant ut i Insights som ett inlägg som nådde samma 10 000 personer gradvis under tre dagar. Avklingningskurvan visar om innehållet brann starkt och snabbt (bra för virala format, oroande för stadig tillväxt) eller byggde upp långsamt (en annan spridningsdynamik som är värd att förstå), men kurvan syns inte i det inbyggda gränssnittet.
Dataperioden på 90 dagar är en strukturell begränsning med strategiska följder. Varumärken kan inte jämföra den här januaris resultat med förra januaris i inbyggda Insights eftersom datan inte finns längre bak än 90 dagar. Att hitta säsongsmönster, mäta innehållets resultat år för år eller följa publikens utveckling på lång sikt kräver antingen ett analysverktyg från tredje part som arkiverar data bortom den inbyggda perioden eller en manuell export och loggning som hålls igång jämnt över tid.
Sparandegraden som procent av räckvidden visas inte heller direkt. Insights visar det totala antalet sparningar på ett inlägg men inte sparningar delat med räckvidd, vilket betyder att varumärket måste räkna ut det för hand för varje inlägg för att förstå om sparandegraden är stark eller svag i förhållande till hur många som såg innehållet. Samma sak gäller delningsgraden: siffran rapporteras, men procentberäkningen kräver handräkning som de flesta konton aldrig gör.
Hur tolkar du analysen för att fatta innehållsbeslut?
Sätt en utgångsnivå innan du utvärderar resultat
Ett enskilt inläggs resultat betyder nästan ingenting utan en utgångsnivå att jämföra med. Första steget för att använda Instagram-analys väl är att räkna ut genomsnittet för ett rimligt urval av senaste inlägg: genomsnittlig räckviddsgrad, genomsnittlig sparandegrad, genomsnittlig andel som tittar klart på Reels och genomsnittlig engagemangsgrad. De här genomsnitten blir utgångsnivån som nytt innehåll bedöms mot. Ett inlägg som ligger över utgångsnivån på sparandegrad ger starkare signaler om innehållets värde än genomsnittet. Ett som ligger under på räckviddsgrad kan ha visats för en mindre andel av följarna än vanligt.
Utgångsnivån bör räknas om regelbundet (en gång i månaden är rimligt för de flesta konton) för att ta hänsyn till förändringar i följarbasen, säsongsmönster och ändringar i algoritmen. En utgångsnivå som sattes i december ser annorlunda ut än en som sattes i augusti för de flesta varumärken, och beslut som fattas mot en inaktuell utgångsnivå blir missvisande.
Hitta mönster mellan innehållstyper
Den mest användbara innehållsanalysen jämför resultat mellan innehållstyper och bedömer inte enskilda inlägg var för sig. Ett varumärke som tittar på genomsnittlig sparandegrad för lärorika karuseller jämfört med produktinlägg hittar ofta en tydlig skillnad som visar hur mycket av varje typ man bör producera. Ett varumärke som jämför genomsnittlig andel som tittar klart för Reels där någon pratar in i kameran med Reels som visar något i praktiken kan se att det ena formatet genomgående slår det andra hos just den publiken.
Den här sortens mönsteranalys kräver tillräckligt många datapunkter i varje kategori för att vara meningsfull: minst tio inlägg av varje innehållstyp innan du drar slutsatser. Beslut som fattas på två eller tre datapunkter i en kategori är ingen mönsteranalys. De är reaktioner på enskilda resultat som kan vara undantag. Tålamod att samla tillräckligt med data innan man ändrar strategi är en av de mest underskattade disciplinerna i Instagram-analys.
Skilj signal från brus
Inte varje variation i resultat är en signal som är värd att agera på. Ett enskilt inlägg som presterar dåligt kan spegla hur algoritmen betedde sig just den dagen, ett ovanligt publikmönster den veckodagen eller ren slump i spridningen. Ett inlägg som presterar mycket bättre kan ha delats av ett stort konto eller fått en algoritmpuff som inte går att upprepa. Frågan att ställa innan du agerar på en datapunkt är om variationen är jämn över flera inlägg eller bara gäller ett.
Säsongsmönster, uppdateringar av algoritmen och stora externa händelser skapar alla brus i Instagram-analys som kan misstas för innehållssignaler. Ett varumärke som publicerar under en stor nyhetshändelse och ser lågt engagemang kan dra slutsatsen att innehållet var svagt när publiken bara var distraherad. Ett varumärke som publicerar under en lugn period och ser högt engagemang kan dra slutsatsen att innehållet var ovanligt starkt när bristen på konkurrerande innehåll var den verkliga orsaken. Sammanhanget spelar lika stor roll som siffran.
Veta när man inte ska agera på data
Instagram-analys kan visa vad som presterar, men inte alltid förklara varför, och att optimera hårt för det som presterar just nu kan efter hand göra innehållsstrategin så smal att det skadar varumärkesbyggandet på lång sikt. Ett konto som överger alla innehållstyper utom Reels för att Reels ger mer räckvidd kan sex månader senare upptäcka att flödet inte längre lockar nya profilbesökare och att sparandegraden har rasat eftersom det inte finns något lärorikt karusellinnehåll som följarna kan bokmärka.
Det rätta förhållningssättet till data är att låta den vägleda beslut, inte automatisera dem. Om datan tyder på att en innehållstyp presterar dåligt är frågan om det dåliga resultatet beror på att publiken är ointresserad eller på att innehållstypen genomförts dåligt. Svaret dåligt genomförd tyder på att man bör förbättra formatet och inte ta bort det. Svaret verkligt ointresse tyder på att man bör prioritera ned det till förmån för det som publiken har visat att den värderar.
Genomgångar som ger beslut och inte bara observationer
Att titta på Instagram-statistiken varje dag ger en ström av datapunkter utan tillräckligt sammanhang för att vara användbara. Att titta varje månad ger tillräckligt med data för att hitta äkta mönster, jämföra mot utgångsnivåer och fatta välgrundade beslut om innehållets riktning. En månatlig genomgång som tar upp tre frågor ger mer strategiskt värde än daglig bevakning: vilken innehållstyp fick starkast sparande- och delningsgrad den här månaden, vilken innehållstyp fick svagast räckviddsgrad och hur ser den här månadens följartillväxt ut jämfört med förra månaden?
Veckovisa genomgångar passar varumärken som kör betalda kampanjer där budgetbeslut behöver snabbare återkoppling från datan, men den organiska innehållsstrategin ändras sällan så snabbt att veckoanalys behövs. Genomgångarnas takt ska följa beslutscykeln, inte oron över resultaten.
Hur kopplar du Instagram-analys till kommersiella resultat?
UTM-parametrar på varje länk i biografin
Länken i biografin är den främsta utgången från Instagram till webbplatsen, och varje klick via den länken bör spåras med en UTM-parameter som anger Instagram som källa i webbplatsens analys. En UTM-parameter är en tagg som läggs till i webbadressen och talar om för webbplatsens analysverktyg varifrån besökaren kom. Utan den kan Instagram-trafik som kommer till webbplatsen visas som direkttrafik, vilket gör den osynlig i varje analys av var webbplatsens besökare kommer ifrån.
För att sätta upp UTM-spårning för länken i biografin lägger du till parametrar för källa, medium och kampanj i webbadressen innan du publicerar den i biografin. De exakta värdena är mindre viktiga än att du använder dem konsekvent och regelbundet går igenom den taggade trafiken i webbplatsens analysverktyg. Ett varumärke med UTM-spårning på plats kan se inte bara hur många som klickade på länken i biografin (som Insights rapporterar) utan också hur länge de besökarna stannade på webbplatsen, vilka sidor de tittade på och om någon av dem konverterade.
Följ upp hur länkklistermärken i Stories presterar
Länkklistermärken i Stories är en av få platser på Instagram där du kan lägga en direkt, klickbar länk till en viss sida. Varje länkklistermärke bör använda en UTM-taggad webbadress som anger både Instagram som källa och den kampanj eller det innehåll som storyn marknadsförde. Då går det att mäta vilket Stories-innehåll som driver den mest värdefulla webbplatstrafiken, och inte bara vilket som får flest klick.
Skillnaden mellan klick på länkklistermärken i Insights och faktiska konverteringar i webbplatsanalysen är en av de mest användbara diagnostiska datapunkterna som finns. Om Stories-innehållet ger många länkklick men nästan inga konverteringar på målsidan ligger problemet i upplevelsen på landningssidan, inte i Instagram-innehållet. Om länkklicken är få trots många Stories-visningar ligger problemet antingen i själva innehållet eller i var uppmaningen står i storyn.
Mät följarnas kvalitet genom beteendet på webbplatsen
Inte alla Instagram-följare som klickar vidare till webbplatsen är lika värdefulla, och webbplatsanalys kan visa kvalitetsskillnaden mellan trafik från olika typer av Instagram-innehåll. En följare som kom från en lärorik karusell och tillbringade fyra minuter med att läsa en produktsida är en annan sorts besökare än en som kom från en Reel och hoppade av direkt. De här kvalitetsskillnaderna syns inte i Instagram Insights men syns i webbplatsanalysen när trafiken är rätt taggad efter källa och innehållstyp.
Med tiden visar den här analysen vilka innehållskategorier som lockar de kommersiellt mest värdefulla besökarna, vilket är mer användbar information än vilka kategorier som lockar flest klick. Ett varumärke som upptäcker att dess karuseller med guider ger en oproportionerligt stor andel besökare som konverterar har fått en strategisk insikt att agera på: fler karuseller med guider, eller åtminstone karuseller med starkare länkar till webbplatsen.
Gränserna för attribution på Instagram
Instagram avslutar sällan en försäljning vid första kontakten. En kund kan upptäcka varumärket via en Reel, följa kontot, se flera karuseller under två veckor, klicka på länken i biografin, besöka webbplatsen, lämna den, komma tillbaka via en sökning och sedan köpa. I den resan bidrog Instagram till resultatet men får ingen del av äran i en attributionsmodell med sista klicket, där sökbesöket får äran för försäljningen. Attributionsmodeller med flera kontaktpunkter, som ger delvis ära åt varje kontaktpunkt i kundresan, är mer exakta, men de kräver en datainfrastruktur som går utöver Instagram Insights.
Den praktiska följden för de flesta varumärken är att Instagrams kommersiella bidrag systematiskt rapporteras för lågt i modeller som bara ger äran till sista klicket före köpet. Om du jämför grupper av kunder som följde varumärket på Instagram före köpet med dem som inte gjorde det, med hjälp av data från webbplatsanalysen, får du ett grovt mått på Instagrams verkliga bidrag till intäkterna även utan en avancerad attributionsmodell. Jämförelsen är ofullkomlig men mer användbar än att anta att den inbyggda Insights-datan fångar hela bilden.
Vilka riktmärken är realistiska för Instagram-resultat?
Riktmärken varierar mycket med kontots storlek, innehållskategori och publikens egenskaper, vilket gör att genomsnitt för hela branschen ofta är missvisande när de tillämpas på ett enskilt konto. En engagemangsgrad på 4 procent är stark för ett konto med 100 000 följare och typisk för ett konto med 2 000 följare, eftersom mindre konton ofta har publiker med en mer personlig koppling som engagerar sig mer. Att jämföra engagemangsgraden för ett konto med 10 000 följare med genomsnittet för ett konto med 500 000 följare ger en falsk måttstock åt båda hållen.
De mest användbara riktmärkena är de som utgår från kontot självt: kontots egna historiska genomsnitt, uträknade på ett rimligt urval innehåll under en jämn tidsperiod. Ett konto som känner sin egen utgångsnivå för räckviddsgrad, sparandegrad och följartillväxt kan se om resultaten blir bättre, är stabila eller försämras utan att behöva externa referenspunkter. Externa riktmärken är användbara för att grovt förstå var kontot ligger i sin kategori, men det är riktmärken från kontot självt som ger beslut man kan agera på.
Som allmän orientering: en räckviddsgrad på 10 till 25 procent av följarna per inlägg är sund för flödesinnehåll. En sparandegrad över 1 till 2 procent av räckvidden visar genuint värdefullt innehåll. Över 40 till 50 procent som tittar klart på Reels visar att innehållet håller kvar tittarna bra. En månatlig följartillväxt på 3 till 5 procent är bra för ett konto i en aktiv tillväxtfas. De här intervallen visar riktning och är inga krav, och ett konto som ligger över eller under dem på ett visst mått kan ha giltiga skäl som inte syns i ett genomsnitt för alla branscher.
Om hur analys hänger ihop med val av innehållsformat, se Innehållstyper på Instagram: flöde, Reels och Stories. Om hur räckvidds- och engagemangsmått hänger ihop med algoritmen, se Så fungerar Instagrams algoritm. Om hur du använder analys för att förfina strategin för organisk tillväxt, se Strategi för organisk tillväxt på Instagram. Om hur du mäter resultatet av betalda kampanjer, se Strategi för annonser på Instagram.
Hur hänger din webbplats ihop med Instagram-analys?
Instagram Insights visar vad som händer på Instagram. Webbplatsen är där det som händer på Instagram blir intäkter. De två datakällorna tillsammans ger hela bilden av resultaten, och var och en för sig ger bara hälften. Ett varumärke som mäter sina Instagram-resultat enbart via inbyggda Insights mäter innehållets effekt utan att mäta den kommersiella effekten, och de två är inte samma sak.
WEMASY:s Analys och insikter kopplar Instagram-trafik till beteende på webbplatsen så att varumärket kan se vilket innehåll som ger de mest värdefulla besöken, vad besökarna gör när de kommer fram och om satsningen på Instagram ger kommersiella resultat eller bara engagemangsmått. Se vad som ingår på /pricing.
Vanliga frågor
Vad är skillnaden mellan räckvidd och visningar på Instagram?
Räckvidd är antalet unika konton som såg ett inlägg. Visningar är det totala antalet gånger inlägget visades, inklusive flera visningar för samma konto. Ett inlägg med 5 000 i räckvidd och 7 000 visningar sågs mer än en gång av en del av de 5 000 kontona. Räckvidd är det mest användbara måttet för att förstå publikens storlek. Visningar är användbara för att förstå hur ofta innehållet ses igen, vilket är relevant för Reels som får folk att titta om. Med WEMASY:s webbplatsbyggare kan du sätta upp det här direkt på din webbplats.
Hur ofta bör du kolla Instagram-statistiken?
Månatliga genomgångar passar den organiska innehållsstrategin och ger tillräckligt med data för att hitta äkta mönster i stället för att reagera på variationer i enskilda inlägg. Veckovisa genomgångar är rimliga för varumärken som kör betalda kampanjer där budgetbeslut kräver snabbare återkoppling. Daglig bevakning av organiska resultat ger brus i stället för signal och leder till förhastade strategiändringar på otillräcklig data.
Vad är en bra sparandegrad på Instagram?
En sparandegrad över 1 till 2 procent av räckvidden visar innehåll som är värdefullt nog för att följare ska bokmärka det. Lärorika karuseller, steg-för-steg-guider och uppslagsinnehåll får vanligen högre sparandegrad än estetiskt eller underhållande innehåll. Sparandegraden räknas ut genom att dela det totala antalet sparningar med räckvidden och multiplicera med 100. Instagram Insights visar den inte automatiskt utan kräver handräkning.
Varför visar Instagram Insights bara 90 dagars data?
Instagram begränsar den inbyggda Insights-datan till 90 dagar, vilket betyder att jämförelser år för år och trendanalys på lång sikt inte är möjliga med det inbyggda verktyget ensamt. Varumärken som behöver historisk data bortom 90 dagar bör antingen använda ett analysverktyg från tredje part som arkiverar data löpande eller sköta en manuell export och loggning. Utan det går det inte att hitta säsongsmönster eller följa resultat på lång sikt.
Hur följer du upp om Instagram driver intäkter?
Den säkraste metoden är att lägga till UTM-parametrar på länken i biografin och på alla länkklistermärken i Stories så att Instagram-trafik går att känna igen i webbplatsanalysen. Då ser du inte bara hur många som klickade vidare från Instagram utan också vad de besökarna gjorde på webbplatsen och om någon av dem konverterade. Utan UTM-spårning kan Instagram-trafik visas som direkttrafik i webbplatsanalysen och dess kommersiella bidrag blir osynligt.
Vilket Instagram-mått är viktigast för den organiska innehållsstrategin?
Sparandegraden är det enskilt mest användbara måttet för att bedöma värdet av flödesinnehåll, eftersom den speglar publikens äkta avsikt och inte passivt gillande. För Reels är andelen som tittar klart det mått som mest direkt förutsäger spridningen i algoritmen. Räckviddsgraden (räckvidd delat med följare) är det mest användbara måttet på kontonivå för att se om algoritmen behandlar kontot väl eller över tid bromsar dess spridning.