Анализ целевой аудитории сообщества VK

Параметр	Описание
Описание	Веб-приложение для анализа аудитории сообществ ВКонтакте. Инструмент собирает данные о подписчиках (пол, возраст, география) и постах (типы контента, вовлечённость), визуализирует статистику в виде графиков и формирует рекомендации по оптимизации контент-стратегии. Проект решает задачу автоматизации SMM-аналитики и помогает администраторам сообществ понимать свою целевую аудиторию.
Область знаний	Веб-разработка, анализ данных, работа с API социальных сетей, визуализация данных, SMM-аналитика, Python-программирование.
Близкие понятия	SMM-аналитика, парсинг VK API, дашборд для сообществ, анализ целевой аудитории (ЦА), вовлечённость (ER), демографический портрет аудитории, контент-стратегия, репрезентативная выборка, Flask-приложение.
Среда разработки	Python 3.8+, Flask, vk_api, matplotlib, pandas

Цель проекта

Разработать веб-приложение для автоматического анализа аудитории сообществ ВКонтакте с целью получения демографической статистики и рекомендаций по оптимизации контент-стратегии. Приложение должно предоставлять наглядную визуализацию данных в виде графиков и формировать практические советы для администраторов сообществ.

Задачи

1. Интеграция с VK API — реализовать сбор данных о подписчиках и постах сообщества.
2. Обработка данных — агрегировать информацию о поле, возрасте, географии и вовлечённости.
3. Визуализация — построить 4 графика:
   • Распределение по полу (круговая диаграмма)
   • Возрастное распределение (гистограмма)
   • Топ-5 городов (горизонтальная столбчатая диаграмма)
   • Вовлечённость по типам контента (столбчатая диаграмма)
4. Формирование рекомендаций — на основе полученных данных выдать текстовые советы по контент-стратегии.
5. Создание веб-интерфейса — разработать удобную форму для ввода ссылки на сообщество и отображения результатов.

Структура проекта

Структура проекта в VS Code:

Основной python-скрипт приложения. Обеспечивает интеграцию с VK API, сбор данных о подписчиках и постах, генерацию 4 графиков, формирование рекомендаций и работу веб-сервера на Flask:

from flask import Flask, render_template, request, jsonify
import vk_api
import matplotlib
matplotlib.use('Agg')  
import matplotlib.pyplot as plt
from collections import Counter
from datetime import datetime
import os
import base64
import io

app = Flask(__name__)

# Папка для статики
os.makedirs('static', exist_ok=True)

TOKEN = "Ваш токен"

# Собирает данные о сообществе
def get_community_data(group_id):
    try:
        vk_session = vk_api.VkApi(token=TOKEN)
        vk = vk_session.get_api()
        
        # Определяем ID сообщества
        if str(group_id).lstrip('-').isdigit():
            owner_id = int(group_id)
            group_id_for_api = owner_id
        else:
            group_id_for_api = group_id
        
        # Получаем информацию о сообществе
        try:
            group = vk.groups.getById(group_id=group_id_for_api, fields='members_count,description')[0]
            community_name = group['name']
            members_count = group['members_count']
        except:
            # Если не получилось, пробуем как числовой ID
            group = vk.groups.getById(group_id=str(group_id_for_api), fields='members_count,description')[0]
            community_name = group['name']
            members_count = group['members_count']
        
        # Собираем подписчиков
        members_data = []
        try:
            members = vk.groups.getMembers(group_id=group_id_for_api, fields='sex,bdate,city', count=500)
            for user in members['items']:
                user_info = {}
                
                # Пол
                if user.get('sex') == 1:
                    user_info['sex'] = 'Женщины'
                elif user.get('sex') == 2:
                    user_info['sex'] = 'Мужчины'
                else:
                    user_info['sex'] = 'Не указан'
                
                # Возраст
                if user.get('bdate'):
                    bdate = user['bdate']
                    if len(bdate.split('.')) == 3:
                        try:
                            year = int(bdate.split('.')[2])
                            age = datetime.now().year - year
                            if 0 < age < 100:
                                user_info['age'] = age
                        except:
                            pass
                
                # Город
                if user.get('city') and user['city'].get('title'):
                    user_info['city'] = user['city']['title']
                
                members_data.append(user_info)
        except Exception as e:
            print(f"Ошибка при сборе подписчиков: {e}")
        
        # Собираем посты
        posts_data = []
        try:
            wall = vk.wall.get(owner_id=owner_id if str(group_id).lstrip('-').isdigit() else group_id, count=20, filter='owner')
            for post in wall['items']:
                post_info = {
                    'text': post.get('text', '')[:100],
                    'likes': post['likes']['count'],
                    'comments': post['comments']['count'],
                    'reposts': post['reposts']['count'],
                    'views': post.get('views', {}).get('count', 0)
                }
                
                # Тип контента (без эмодзи, чтобы не было проблем с шрифтами)
                if post.get('attachments'):
                    attach_type = post['attachments'][0]['type']
                    if attach_type == 'photo':
                        post_info['type'] = 'Фото'
                    elif attach_type == 'video':
                        post_info['type'] = 'Видео'
                    elif attach_type == 'link':
                        post_info['type'] = 'Ссылка'
                    else:
                        post_info['type'] = 'Текст'
                else:
                    post_info['type'] = 'Текст'
                
                # ER
                if post_info['views'] > 0:
                    post_info['er'] = (post_info['likes'] + post_info['comments'] + post_info['reposts']) / post_info['views'] * 1000
                else:
                    post_info['er'] = 0
                
                posts_data.append(post_info)
        except Exception as e:
            print(f"Ошибка при сборе постов: {e}")
        
        return {
            'success': True,
            'community_name': community_name,
            'members_count': members_count,
            'members': members_data,
            'posts': posts_data
        }
        
    except Exception as e:
        return {'success': False, 'error': str(e)}

# Генерирует графики
def generate_charts(members_data, posts_data):
    charts = {}
    
    # Настройка шрифтов для русских букв
    plt.rcParams['font.family'] = 'sans-serif'
    plt.rcParams['font.sans-serif'] = ['Arial', 'DejaVu Sans']
    
    # 1. Распределение по полу
    if members_data:
        fig, ax = plt.subplots(figsize=(6, 4))
        sex_counts = Counter([m.get('sex', 'Не указан') for m in members_data])
        ax.pie(sex_counts.values(), labels=sex_counts.keys(), autopct='%1.1f%%')
        
        buf = io.BytesIO()
        plt.savefig(buf, format='png', bbox_inches='tight', dpi=100)
        buf.seek(0)
        charts['sex'] = base64.b64encode(buf.getvalue()).decode()
        plt.close(fig)
    
    # 2. Возрастное распределение
    ages = [m['age'] for m in members_data if 'age' in m]
    if ages:
        fig, ax = plt.subplots(figsize=(6, 4))
        ax.hist(ages, bins=15, color='skyblue', edgecolor='black')
        ax.set_xlabel('Возраст')
        ax.set_ylabel('Количество')
        
        buf = io.BytesIO()
        plt.savefig(buf, format='png', bbox_inches='tight', dpi=100)
        buf.seek(0)
        charts['age'] = base64.b64encode(buf.getvalue()).decode()
        plt.close(fig)
    
    # 3. Топ-5 городов
    cities = [m['city'] for m in members_data if 'city' in m and m['city'] != 'Не указан']
    if cities:
        fig, ax = plt.subplots(figsize=(8, 5))
        city_counts = Counter(cities).most_common(5)
        city_names, city_values = zip(*city_counts)
    
        # Создаём горизонтальную столбчатую диаграмму
        bars = ax.barh(city_names, city_values, color='lightcoral', edgecolor='darkred')
        ax.set_title('Топ-5 городов аудитории', fontsize=14, fontweight='bold')
        ax.set_xlabel('Количество подписчиков', fontsize=11)
        ax.set_ylabel('Город', fontsize=11)
        
        plt.tight_layout()
    
        buf = io.BytesIO()
        plt.savefig(buf, format='png', bbox_inches='tight', dpi=100)
        buf.seek(0)
        charts['cities'] = base64.b64encode(buf.getvalue()).decode()
        plt.close(fig)
    
    # 4. Вовлечённость по типам контента
    if posts_data:
        fig, ax = plt.subplots(figsize=(8, 5))
        type_er = {}
        for post in posts_data:
            post_type = post['type']
            if post_type not in type_er:
                type_er[post_type] = []
            type_er[post_type].append(post['er'])
        
        avg_er = {t: sum(ers)/len(ers) for t, ers in type_er.items()}
        bars = ax.bar(avg_er.keys(), avg_er.values(), color='lightgreen', edgecolor='darkgreen')
        ax.set_ylabel('ER (на 1000 просмотров)', fontsize=11)
        plt.xticks(rotation=45)
        
        # Добавляем значения на столбцы
        for bar, val in zip(bars, avg_er.values()):
            ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.5, 
                   f'{val:.1f}', ha='center', va='bottom', fontsize=9)
        
        plt.tight_layout()
        
        buf = io.BytesIO()
        plt.savefig(buf, format='png', bbox_inches='tight', dpi=100)
        buf.seek(0)
        charts['engagement'] = base64.b64encode(buf.getvalue()).decode()
        plt.close(fig)
    
    return charts

@app.route('/')
def index():
    return render_template('index.html')

@app.route('/analyze', methods=['POST'])
def analyze():
    group_url = request.json.get('group_url', '').strip()
    
    if not group_url:
        return jsonify({'success': False, 'error': 'Введите ссылку на сообщество'})
    
    # Извлекаем ID сообщества из ссылки
    if 'vk.com/' in group_url:
        group_id = group_url.split('vk.com/')[-1].split('/')[0]
    else:
        group_id = group_url
    
    # Собираем данные
    data = get_community_data(group_id)
    
    if not data['success']:
        return jsonify({'success': False, 'error': data.get('error', 'Ошибка при получении данных')})
    
    # Генерируем графики
    charts = generate_charts(data['members'], data['posts'])
    
    # Считаем статистику
    stats = {}
    
    # Пол
    if data['members']:
        sex_counts = Counter([m.get('sex', 'Не указан') for m in data['members']])
        stats['sex'] = dict(sex_counts)
    
    # Возраст
    ages = [m['age'] for m in data['members'] if 'age' in m]
    if ages:
        stats['avg_age'] = sum(ages) / len(ages)
        stats['min_age'] = min(ages)
        stats['max_age'] = max(ages)
    
    # Города
    cities = [m['city'] for m in data['members'] if 'city' in m and m['city'] != 'Не указан']
    if cities:
        stats['top_cities'] = Counter(cities).most_common(5)
    
    # Посты
    if data['posts']:
        avg_er = sum(p['er'] for p in data['posts']) / len(data['posts'])
        stats['avg_er'] = avg_er
        # Лучший тип контента
        type_er = {}
        for post in data['posts']:
            if post['type'] not in type_er:
                type_er[post['type']] = []
            type_er[post['type']].append(post['er'])
        best_type = max(type_er.keys(), key=lambda t: sum(type_er[t])/len(type_er[t]))
        stats['best_post_type'] = best_type
    
    # Рекомендации
    recommendations = []
    if 'avg_age' in stats:
        if stats['avg_age'] < 20:
            recommendations.append("🎯 Аудитория молодая (до 20 лет) → используйте короткие, трендовые форматы, мемы, TikTok-подход")
        elif stats['avg_age'] < 30:
            recommendations.append("🎯 Аудитория 20-30 лет → чередуйте развлекательный и полезный контент, используйте качественные фото")
        else:
            recommendations.append("🎯 Аудитория 30+ лет → делайте акцент на полезный, экспертный контент, длинные посты")
    
    if stats.get('best_post_type'):
        recommendations.append(f"📈 Лучший формат контента: {stats['best_post_type']} → публикуйте чаще именно его")
    
    if data['posts'] and stats.get('avg_er'):
        if stats['avg_er'] < 50:
            recommendations.append("⚠️ Вовлечённость ниже среднего → попробуйте добавить опросы, конкурсы и интерактив")
        elif stats['avg_er'] > 150:
            recommendations.append("🔥 Отличная вовлечённость! Продолжайте в том же духе")
    
    # Добавляем рекомендацию по городам
    if stats.get('top_cities'):
        main_city = stats['top_cities'][0][0]
        main_city_count = stats['top_cities'][0][1]
        total_with_city = sum(count for _, count in stats['top_cities'])
        if len(stats['top_cities']) > 1:
            recommendations.append(f"🏙️ Топ-5 городов: {', '.join([f'{city} ({cnt})' for city, cnt in stats['top_cities'][:3]])}")
        recommendations.append(f"📍 Основная аудитория из {main_city} → можно проводить локальные мероприятия или делать привязку к городу")
    
    return jsonify({
        'success': True,
        'community_name': data['community_name'],
        'members_count': data['members_count'],
        'stats': stats,
        'charts': charts,
        'recommendations': recommendations
    })

if __name__ == '__main__':
    app.run(debug=True)

После запуска приложение доступно по адресу: http://127.0.0.1:5000

Выводы

1. Разработано полноценное веб-приложение для анализа сообществ ВКонтакте, работающее на localhost.
2. Реализована интеграция с VK API — приложение успешно получает данные о подписчиках (пол, возраст, город) и постах (типы контента, вовлечённость).
3. Создана система визуализации — 4 информативных графика, отображающих ключевые метрики аудитории:
   • Распределение по полу (круговая диаграмма)
   • Возрастное распределение (гистограмма)
   • Топ-5 городов (горизонтальная столбчатая диаграмма)
   • Вовлечённость по типам контента (столбчатая диаграмма)
4. Автоматическое формирование рекомендаций — на основе анализа данных приложение выдаёт практические советы по оптимизации контент-стратегии.
5. Удобный пользовательский интерфейс — адаптивный дизайн, анимации загрузки, понятная навигация.