[논문 리뷰] 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 Raeisi외 1명|arXiv (Cornell University)|2021. 09. 26.

Digital Marketing and Social Media인용 수 4

한 줄 요약

이 연구는 소비자가 생성한 콘텐츠(CGC)를 활용한 트위터 기반 감성 분석 프레임워크를 제안하여 유명인 브랜딩 의사결정을 지원하며, 어휘 기반(Naïve Bayes)과 기계학습(Naïve Bayes) 방법을 비교한다. 기계학습 방법이 감성 분류 정확도에서 높은 성능을 보임을 확인하여 마케팅 캠페인에 더 효과적인 유명인 후보를 데이터 기반으로 선정할 수 있다.

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.

연구 동기 및 목표

• 유명인 브랜딩 의사결정을 위한 감성 분석에서 어휘 기반 및 기계학습 접근법의 성능을 평가하고 비교하는 것.
• 소비자에게 브랜드에 비해 심리적·정서적 영향을 더 크게 미치는 유명인 인플루언서를 소셜 미디어 콘텐츠의 감성 기반으로 특정하는 것.
• 자동 감성 및 극성 분석을 활용하여 향후 광고 캠페인에 최적의 인플루언서를 선정하는 데 실질적인 통찰을 제공하는 것.
• 소셜 미디어 마이닝(SMM)과 빅데이터 분석이 마케팅 연구 및 브랜드 전략의 의사결정 향상에 얼마나 기여하는지 평가하는 것.

제안 방법

• 브랜드 및 그 유명인 후원자와 관련된 트위터 게시물에서 소비자가 생성한 콘텐츠(CGC)를 수집하였다.
• 두 가지 감성 분석 기법을 적용: 어휘 기반 접근법(Naïve 알고리즘)과 기계학습 접근법(Naïve Bayes 알고리즘).
• 트윗에 대한 극성 및 감성 분석을 수행하여 브랜드와 유명인 후원자에 대해 소비자의 감성을 긍정, 부정, 중립으로 분류하였다.
• 워드클라우드 시각화를 활용해 CGC 내 핵심 감성 관련 용어와 주제를 식별하였다.
• 정량적 평가 지표(정확도 비교에 의해 암시됨)를 사용하여 두 감성 분석 방법의 정확도 및 성능을 비교하였다.
• 결과를 통합하여 향후 인플루언서 선정 및 캠페인 최적화를 안내하는 의사결정 모델을 구축하였다.

실험 결과

연구 질문

• RQ1 트위터에서 브랜드 및 유명인에 대한 소비자 감성을 분류할 때, 어휘 기반 방법과 기계학습 방법 중 어느 것이 더 높은 정확도를 보이는가?
• RQ2 브랜드에 대한 소비자 감성과 그 유명인 후원자에 대한 감성은 어떻게 비교되며, 어느 쪽이 더 강한 정서적 반응을 유도하는가?
• RQ3 브랜드당 두 명의 유명인 인플루언서 중에서, CGC 내 감성 패턴에 의해 나타난 바와 같이 소비자에게 더 큰 심리적 영향을 미치는 인플루언서는 누구인가?
• RQ4 소셜 미디어 콘텐츠의 감성 분석이 유명인 브랜딩 및 마케팅 연구의 전략적 의사결정에 얼마나 기여할 수 있는가?

주요 결과

• 기계학습 기반 감성 분석(Naïve Bayes 알고리즘)이 트위터 CGC 내 소비자 감성 분류에서 어휘 기반 접근법보다 더 높은 정확도를 달성하였다.
• 유명인 후원자에 대한 소비자 감성이 브랜드 인식과 캠페인 효과성의 중요한 예측 변수로 확인되었다.
• 특정 인플루언서가 청중과 더 강한 정서적 공명을 이끌어내는 것으로 특정되었으며, 이는 향후 캠페인에 대한 데이터 기반 선정 가능성을 제공하였다.
• 감성 분석과 소셜 미디어 마이닝의 통합은 마케팅 전략 최적화, 캠페인 리스크 감소, 자원 배분 향상에 실질적인 통찰을 제공하였다.
• 최종 의사결정 모델은 감성 기반 통찰이 마케팅 연구에서 경쟁 우위 확보 및 전략적 계획 수립에 기여함을 입증하였다.
• 결과적으로 기업은 소비자 감성 모니터링을 지속적으로 수행하고, 자동 감성 분석을 활용해 브랜딩 이니셔티브에 가장 효과적인 인플루언서를 선정해야 한다고 제안한다.