[論文レビュー] Decision Making For Celebrity Branding: An Opinion Mining Approach Based On Polarity And Sentiment Analysis Using Twitter Consumer-Generated Content (CGC)

Ali Nikseresht, Mohammad Hosein Raeisi+1 more|arXiv (Cornell University)|Sep 26, 2021

Digital Marketing and Social Media被引用数 4

ひとこと要約

本研究では、トレンドメディアの消費者生成コンテンツ（CGC）を活用した感情分析フレームワークを提唱し、有名人ブランディング意思決定を支援する。対照的に、辞書ベース（ナイーブベイズ）と機械学習（ナイーブベイズ）のアプローチを比較した。機械学習手法が感情分類においてより高い正確性を示し、マーケティングキャンペーンにおけるより効果的な有名人スポンサーのデータドリブン選定を可能にする。

ABSTRACT

The volume of discussions concerning brands within social media provides digital marketers with great opportunities for tracking and analyzing the feelings and views of consumers toward brands, products, influencers, services, and ad campaigns in CGC. The present study aims to assess and compare the performance of firms and celebrities (i.e., influencers that with the experience of being in an ad campaign of those companies) with the automated sentiment analysis that was employed for CGC at social media while exploring the feeling of the consumers toward them to observe which influencer (of two for each company) had a closer effect with the corresponding corporation on consumer minds. For this purpose, several consumer tweets from the pages of brands and influencers were utilized to make a comparison of machine learning and lexicon-based approaches to the sentiment analysis through the Naive algorithm (lexicon-based) and Naive Bayes algorithm (machine learning method) and obtain the desired results to assess the campaigns. The findings suggested that the approaches were dissimilar in terms of accuracy; the machine learning method yielded higher accuracy. Finally, the results showed which influencer was more appropriate according to their existence in previous campaigns and helped choose the right influencer in the future for our company and have a better, more appropriate, and more efficient ad campaign subsequently. It is required to conduct further studies on the accuracy improvement of the sentiment classification. This approach should be employed for other social media CGC types. The results revealed decision-making for which sentiment analysis methods are the best approaches for the analysis of social media. It was also found that companies should be aware of their consumers' sentiments and choose the right person every time they think of a campaign.

研究の動機と目的

• 有名人ブランディング意思決定における辞書ベースおよび機械学習アプローチの感情分析性能を評価・比較すること。
• ブランドに対する相対的な心理的・感情的影響の観点から、ソーシャルメディアのコンテンツにおける感情に基づいて、どの有名人インフルエンサーが消費者に強い影響を与えるかを特定すること。
• 自動化された感情分析および極性分析を活用して、将来の広告キャンペーンにおける最適なインフルエンサー選定に関する実行可能なイン사이트をマーケターに提供すること。
• ソーシャルメディアマイニング（SMM）およびビッグデータ分析が、市場調査およびブランド戦略における意思決定を強化する有効性を評価すること。

提案手法

• ブランドおよびその有名人スポンサーに関連するTwitter投稿から、消費者生成コンテンツ（CGC）を収集した。
• 2つの感情分析手法を適用した：辞書ベースのアプローチ（ナイーブアルゴリズム）と機械学習アプローチ（ナイーブベイズアルゴリズム）。
• ツイートに対して極性および感情分析を実施し、ブランドおよびその有名人スポンサーに対する消費者の感情を、肯定的、否定的、ニュートラルの3つに分類した。
• ワードクラウド可視化を用いて、CGCにおける感情関連用語およびトピックを特定した。
• 定量的評価指標（正確性比較によって示唆される）を用いて、両方の感情分析手法の正確性とパフォーマンスを比較した。
• 研究結果を統合し、将来のインフルエンサー選定およびキャンペーン最適化を支援する意思決定モデルを構築した。

実験結果

リサーチクエスチョン

• RQ1 Twitter上でのブランドおよび有名人に対する消費者感情分類において、辞書ベース手法と機械学習手法のどちらがより高い正確性を示すか？
• RQ2 ブランドに対する消費者感情とその有名人スポンサーに対する感情を比較すると、どちらのエンティティがより強い感情的反応を引き起こすか？
• RQ3 ブランドごとに2名の有名人インフルエンサーから、CGCにおける感情パターンによって示される心理的影響がより大きいのは誰か？
• RQ4 ソーシャルメディアコンテンツの感情分析が、有名人ブランディングおよび市場調査における戦略的意思決定をどの程度支援できるか？

主な発見

• 機械学習ベースの感情分析（ナイーブベイズアルゴリズム）は、TwitterのCGCにおける消費者感情分類において、辞書ベース手法を上回る高い正確性を達成した。
• 有名人スポンサーに対する消費者感情が、ブランド認知およびキャンペーン効果性の重要な予測要因であることが判明した。
• 本研究では、特定のインフルエンサーが大衆に強い感情的共鳴を生じさせることを同定し、これにより将来のキャンペーンにおけるデータドリブンな選定が可能になった。
• 感情分析とソーシャルメディアマイニングの統合により、マーケティング戦略の最適化、キャンペーンリスクの低減、リソース配分の改善を実現する実行可能なインサイトが得られた。
• 最終的な意思決定モデルは、感情に基づくインサイトが市場調査における競争的ポジショニングおよび戦略的計画を強化することを示した。
• 結果から、企業は消費者感情を継続的にモニタリングし、自動化された感情分析を活用して、ブランド戦略に最も効果的なインフルエンサーを選定すべきであると示唆された。