[논문 리뷰] Machine Learning Techniques for Brand-Influencer Matchmaking on the Instagram Social Network

Taylor Sweet, Austin Rothwell외 1명|arXiv (Cornell University)|2019. 01. 17.

Digital Marketing and Social Media참고 문헌 5인용 수 6

한 줄 요약

이 논문은 프로필 이미지의 콘텐츠 기반 분석을 활용하여 브랜드를 인스타그램 인플루언서와 매칭하는 기계학습 시스템을 제안한다. 이는 사전 훈련된 Inception-v3 신경망을 사용해 특징을 추출하고, k-최근접 이웃(k-NN)을 활용한 '단어의 집합' 벡터화 기법을 통해 유사도 기반 매칭을 수행한다. 주요 기여는 빌드-인플루언서 쌍을 시각적 콘텐츠 유사도 기반으로 식별하는 새로운 이미지 중심 알고리즘을 개발한 것으로, 모터사이클 하드웨어(Mountain Hardwear)와 도미노 피자(Domino’s Pizza)와 같은 브랜드에 대해 관련성이 높은 인플루언서를 효과적으로 식별하는 데 성공했다.

ABSTRACT

The social media revolution has changed the way that brands interact with consumers. Instead of spending their advertising budget on interstate billboards, more and more companies are choosing to partner with so-called Internet "influencers" --- individuals who have gained a loyal following on online platforms for the high quality of the content they post. Unfortunately, it's not always easy for small brands to find the right influencer: someone who aligns with their corporate image and has not yet grown in popularity to the point of unaffordability. In this paper we sought to develop a system for brand-influencer matchmaking, harnessing the power and flexibility of modern machine learning techniques. The result is an algorithm that can predict the most fruitful brand-influencer partnerships based on the similarity of the content they post.

연구 동기 및 목표

• 성장하는 소셜 미디어 마케팅 환경에서 소규모 브랜드가 적합하고 저비용의 인플루언서를 식별하는 데 도전하는 데 목적이 있다.
• Hashtag나 사용자명과 같은 메타데이터가 아닌, 시각적 콘텐츠 유사도 기반으로 브랜드와 인플루언서를 매칭하는 시스템을 개발하는 데 목적이 있다.
• 딥러닝과 벡터 유사도를 활용해 확장 가능한 콘텐츠 기반 도구를 만들고, 유망한 브랜드-인플루언서 파트너십을 예측하는 데 목적이 있다.
• 인스타그램 프로필에 대한 첫 번째이자 유일한 콘텐츠 분석 파이프라인을 제공하여 자동화되고 데이터 기반의 인플루언서 탐색을 가능하게 하는 데 목적이 있다.

제안 방법

• 다양한 사용자 계정의 프로필 이미지에 중점을 두고 인스타그램 사용자 데이터를 크롤링했다.
• 각 이미지에서 시각적 특징을 추출하기 위해 사전 훈련된 텐서플로우(TensorFlow) Inception-v3 신경망을 적용했다.
• 시각적 기술자들(visual descriptors)의 군집화를 통해 이미지 특징 벡터를 '단어의 집합' 표현으로 변환했다.
• 벡터화된 콘텐츠 기반으로 브랜드 프로필과 인플루언서 프로필 간의 유사도를 k-최근접 이웃(k-NN)을 사용해 계산했다.
• 목표 브랜드 프로필과의 유사도 기반으로 인플루언서를 순위 매겨 우선순위가 높은 잠재적 파트너 목록을 생성했다.
• 5개의 광범위한 사용자 카테고리로 구성된 합성 데이터셋과 실제 브랜드 사례(예: Mountain Hardwear, Domino’s Pizza)를 사용해 접근 방식을 검증했다.

실험 결과

연구 질문

• RQ1 딥러닝과 벡터 기반 유사도 측정법을 사용해 브랜드와 인플루언서 프로필 간의 시각적 콘텐츠 유사도를 효과적으로 모델링할 수 있는가?
• RQ2 메타데이터 기반 방법에 비해 콘텐츠 기반 이미지 분석 접근 방식이 관련성이 높은 인플루언서를 식별하는 데 얼마나 우수한가?
• RQ3 k-NN 기반 시스템이 브랜드의 시각적 정체성과 일치하는 정도로 인플루언서를 순위 매길 수 있는가?
• RQ4 피자 체인 같은 동일한 마켓 세그먼트 내 다양한 브랜드에 대해 알고리즘이 일반화될 수 있는가?
• RQ5 추가적인 메타데이터나 사용자 정의 가능한 콘텐츠 기준을 통합함으로써 시스템에 어떤 개선을 이룰 수 있는가?

주요 결과

• 시각적 유사도 기반으로, 알고리즘이 외출 및 의류 콘텐츠가 유사한 브랜드에 대해 'Mountain Hardwear'를 가장 적합한 인플루언서로 성공적으로 식별했다.
• 기본적으로 유사한 피자 브랜드인 Giordano’s Pizza와 Domino’s Pizza에 대해 알고리즘이 브랜드 특성에 맞는 별개의 인플루언서 순위를 생성했으며, 콘텐츠 차이에 민감하게 반응함을 입증했다.
• 5개의 광범위한 사용자 카테고리로 구성된 통제된 환경에서는 높은 정확도로 관련성이 높은 인플루언서를 식별했지만, 전체 인스타그램 사용자 기반으로의 일반화는 검증되지 않았다.
• Inception-v3를 사용한 이미지 특징 추출이 효과적이었지만, 향후에는 더 높은 정밀도의 시각적 분석 모델을 활용할 수 있을 것이다.
• 팔로워 수, 좋아요 수, 게시 빈도 등의 메타데이터를 통합하면, 특정 규모의 대중층이나 참여도를 원하는 브랜드의 타겟팅 정밀도를 향상시킬 수 있다.
• 시스템은 브랜드 프로필 콘텐츠 외부의 테마를 정의할 수 있어, 예를 들어 브랜드 자체가 피자 전문이지만 도미노 피자(Domino’s Pizza)와 같은 요리 중심 창작자와도 매칭할 수 있다.