Como Extrair Dados Públicos do Instagram para Pesquisa de Marketing

O Instagram encerrou o acesso à API pública em 2020, mas os endpoints públicos da web ainda retornam perfis, postagens e dados de hashtags como JSON. Veja o que é acessível, por que os IPs móveis são importantes e onde está o limite.

O Instagram fechou o acesso público à sua API oficial em 2020, por isso todos os guias para extração de dados do Instagram agora se apoiam nos endpoints públicos da web. A boa notícia para pesquisa de marketing: esses endpoints ainda retornam perfis, postagens, reels e volumes de hashtags como JSON limpo, sem necessidade de login. O problema é que o Instagram é uma das plataformas mais agressivas em sinalizar tráfego automatizado, então o IP que você usa e o ritmo que mantém decidem se o endpoint permanece aberto. Este guia cobre o que é acessível, o código para alcançá-lo, e as linhas do ToS e GDPR que você não deve cruzar.

Quais dados públicos do Instagram você pode realmente coletar

Sem uma conta, você pode acessar uma quantidade surpreendente de dados, todos úteis para pesquisa de mercado e influenciadores:

Perfis: nome completo, bio, contagem de seguidores e seguidos, contagem de postagens, status verificado e de negócios.
Postagens e reels: legenda, hashtags, menções, URLs de mídia, contagem de curtidas e comentários, timestamps e os primeiros comentários.
Hashtags: volume total de postagens e clusters de tags relacionadas - útil para encontrar tags adjacentes menos saturadas.
Lugares: nome, coordenadas, endereço e contagem de postagens para um local.

O que você não pode obter sem uma sessão autenticada: listas completas de seguidores, a lista de contas que curtiram uma postagem, contas privadas e stories. Esses endpoints exigem um cookie de sessão, e é exatamente aí que se concentram os bans de conta e violações do ToS. Para pesquisa, mantenha-se na superfície pública.

Comparação de dados públicos do Instagram, como perfis, postagens e volume de hashtags, com dados protegidos por login, como listas de seguidores e curtidores, que apresentam risco de banimento de conta — Os dados públicos da web são a superfície segura; qualquer coisa por trás de um cookie de sessão apresenta risco de banimento de conta e violação do ToS.

O endpoint de perfil público, com código

O aplicativo web do Instagram busca dados de perfil de um endpoint JSON que qualquer um pode chamar, desde que você envie o cabeçalho de id do aplicativo web público. Roteie através de um proxy e você terá dados de perfil em poucas linhas:

import requests

PROXY = "http://USER:PASS@gate.quantumproxies.io:8000"  # mobile pool
proxies = {"http": PROXY, "https": PROXY}

HEADERS = {
    "x-ig-app-id": "936619743392459",  # public web app id
    "User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 17_2 like Mac OS X) "
                  "AppleWebKit/605.1.15 (KHTML, like Gecko) Mobile/15E148",
}

def profile(username):
    url = "https://www.instagram.com/api/v1/users/web_profile_info/"
    r = requests.get(url, params={"username": username},
                     headers=HEADERS, proxies=proxies, timeout=20)
    r.raise_for_status()
    return r.json()["data"]["user"]

u = profile("natgeo")
print(u["full_name"], u["edge_followed_by"]["count"])

O mesmo payload carrega postagens recentes sob edge_owner_to_timeline_media, então uma chamada fornece o perfil e seu engajamento mais recente juntos:

for edge in u["edge_owner_to_timeline_media"]["edges"]:
    node = edge["node"]
    print(node["shortcode"],
          node["edge_media_preview_like"]["count"],   # likes
          node["edge_media_to_comment"]["count"])       # comments

Por que proxies móveis são melhores no Instagram

A falha mais comum do Instagram é um bloqueio por limite de taxa: o endpoint começa a retornar erros e bane temporariamente o IP que o acessou. Esperar e aumentar os timeouts ajuda um pouco, mas a solução duradoura é o tipo de IP. Proxies móveis são a opção mais forte aqui por causa do CGNAT - um único IP móvel é compartilhado por milhares de assinantes reais, então o Instagram não pode bloqueá-lo sem atingir usuários genuínos. Isso torna as saídas móveis as mais difíceis de banir e a correspondência mais próxima de como a maioria das pessoas realmente navega no aplicativo. Nosso explicador sobre por que o CGNAT torna os IPs móveis confiáveis cobre o mecanismo, e proxies móveis vs VPNs explica por que uma VPN não pode fazer isso.

Combine um pool de proxies móveis com ritmo humano - atrasos aleatórios, concorrência limitada e uma parada quando a taxa de bloqueio aumenta - e os endpoints públicos permanecem abertos em longas execuções de coleta.

Proxies residenciais são uma alternativa razoável quando um pool móvel não está disponível - nossa rede residencial abrange mais de 200 países para coleta geo-precisa - mas especificamente no Instagram, as saídas móveis sobrevivem por mais tempo. Seja qual for o tipo de IP, trate uma resposta de limite de taxa como um sinal para desacelerar, não para tentar novamente com mais força: recue, rotacione e aumente o intervalo entre as chamadas. Um scraper que respeita o limite coleta muito mais ao longo do dia do que um que força os bloqueios e queima seu pool em uma hora.

Um pipeline resiliente de Instagram público roteando uma lista de sementes de nomes de usuário e hashtags através de um proxy móvel para o endpoint JSON web_profile_info público e em linhas estruturadas — IPs móveis mais ritmo humano mantêm o endpoint público aberto em longas execuções - CGNAT torna essas saídas difíceis de banir.

Obtenha proxies móveis projetados para plataformas sociais

Hashtags e descoberta

Para descoberta de tendências e influenciadores, dados de hashtags superam a extração de perfis individuais. As páginas de hashtags expõem o volume de postagens e clusters de tags relacionadas, que permitem mapear o quão saturado um tópico está e encontrar tags adjacentes mais silenciosas para direcionar. Combine isso com taxas de engajamento por perfil - curtidas e comentários sobre contagem de seguidores - e você tem uma lista defensável de criadores sem nunca tocar em dados protegidos. Se sua pesquisa abrange plataformas, a mesma disciplina se aplica a dados públicos do TikTok, e há sobreposição com automação social em Instagram, TikTok e X.

O que manter e o que descartar

Para pesquisa, armazene os sinais agregados e descarte o resto. Contagens de seguidores e seguidos, frequência de postagens, média de curtidas e comentários, e uso de hashtags dizem tudo sobre alcance e engajamento sem reter um monte de detalhes pessoais. URLs de mídia expiram e legendas completas incham seu armazenamento, então mantenha identificadores estáveis como o shortcode mais as métricas, e recupere o conteúdo sob demanda. Minimizar o que você mantém é tanto uma boa engenharia quanto o lado mais seguro da linha do GDPR - uma tabela de taxas de engajamento é muito menos sensível do que um armazém de contas nomeadas e suas postagens.

As linhas do ToS e GDPR

Duas fronteiras importam. Primeiro, os termos do Instagram restringem a coleta automatizada, e usar uma sessão logada para extrair dados protegidos arrisca a conta, não apenas o IP - mantenha-se nos endpoints públicos, não autenticados, para pesquisa. Segundo, handles de seguidores, autores de comentários e detalhes de perfil são dados pessoais. Sob o GDPR e regimes similares, você precisa de uma base legal para coletar e armazenar isso, deve minimizar o que mantém e deve evitar construir perfis de indivíduos identificáveis sem uma razão clara. Métricas agregadas (contagens de seguidores, taxas de engajamento, volumes de hashtags) são muito mais seguras do que listas de pessoas nomeadas. Nosso guia sobre GDPR e extração de dados pessoais cobre os detalhes - e isso é orientação prática, não aconselhamento jurídico.

Perguntas frequentes

Você pode extrair dados do Instagram sem uma conta?

Sim, para dados públicos. O endpoint de perfil web retorna bios, contagens de seguidores e postagens recentes como JSON quando você envia o cabeçalho público x-ig-app-id, e as páginas de hashtags e lugares expõem volume e metadados. Listas de seguidores, curtidores e contas privadas precisam de uma sessão autenticada e devem ser evitadas para pesquisa.

Por que o Instagram continua limitando a taxa do meu scraper?

Você está acessando o endpoint muito rápido de um IP que o Instagram não confia. Desacelere com atrasos aleatórios, limite a concorrência e mude para proxies móveis - um IP móvel CGNAT é compartilhado por milhares de usuários reais, então o Instagram é muito mais lento para bloqueá-lo do que um endereço de datacenter.

É legal extrair dados do Instagram?

Coletar dados públicos e não pessoais para pesquisa geralmente apresenta menor risco, mas os termos do Instagram restringem a automação e dados pessoais são regidos pelo GDPR e leis similares. Mantenha-se nos endpoints públicos, minimize os dados pessoais que armazena e consulte um advogado para qualquer coisa envolvendo indivíduos identificáveis em escala. Isso não é aconselhamento jurídico.

Qual é o melhor tipo de proxy para extração de dados do Instagram?

Proxies móveis. Porque o CGNAT mapeia um IP móvel para muitos assinantes reais, a plataforma não pode bani-lo sem danos colaterais, tornando as saídas móveis as mais duráveis para coleta sustentada. Proxies residenciais são uma segunda escolha razoável; IPs de datacenter são bloqueados mais rapidamente.

Dados públicos do Instagram são muito acessíveis para pesquisa de marketing - os endpoints de perfil, postagem e hashtag ainda retornam JSON limpo. As duas variáveis que decidem o sucesso são o IP (móvel vence) e a moderação (apenas dados públicos, ritmo humano, dados pessoais mínimos). Acertar isso e o endpoint permanece aberto.

Comece a coletar com proxies móveis da QuantumProxies