[논문 리뷰] Data Science for Influencer Marketing : feature processing and quantitative analysis

Anil Narassiguin, Selina Sargent|arXiv (Cornell University)|2019. 05. 10.

Digital Marketing and Social Media참고 문헌 5인용 수 16

한 줄 요약

이 논문은 정량적, 텍스트적, 시각적 특징을 통합하여 인플루언서 평가 및 추천을 햖थ하는 데이터 과학 프레임워크를 제안한다. 자연어 처리(NLP), 이미지 인식, 통계 모델링을 활용해 5개 플랫폼에서 713,824명의 인플루언서를 분석한 결과, 후원 해시태그, 특정 시각적 콘텐츠(예: 사람, 반려동물) 및 전략적 해시태그 사용이 참여율을 크게 향상시키는 것으로 나타났으며, 기계학습 기반 인플루언서 선별을 위한 확장 가능한 방법론을 제공한다.

ABSTRACT

Influencing a target audience through social media content has become a new focus of interest for marketing leaders. While a large amount of heterogeneous data is produced by influencers on a daily basis, professionals in the influ-encer marketing (IM) field still rely on simple quantitative metrics such as community size or engagement rate to estimate the value of an influencer. As few research papers have proposed a framework to quantify the performance of an influencer by using quantitative influencer data (number of followers, engagement,...), qualitative information (age, country, city, etc...), natural text (profile and post descriptions) and visual information (images and videos), we decided to explore these variables and quantitatively evaluate their dependencies. By analyzing 713,824 influencers on 5 social media platforms over a period of one year, we identified relationships between value proposition data (engagement, reach, audience), demographics, natural text patterns and visual information. The main goal of this paper is to provide IM professionals with a modern methodology to better understand the value of their influencers and to feed machine learning algorithms for clustering, scoring or recommendation.

연구 동기 및 목표

• 팔로워 수나 참여율과 같은 기본 지표를 넘어서 인플루언서 가치 평가에 체계적이고 데이터 기반의 방법론이 부족한 문제를 해결하기 위해.
• 소셜 미디어 인플루언서의 정량적, 텍스트적, 시각적 데이터를 통합하는 포괄적인 특징 처리 파이프라인을 개발하기 위해.
• 텍스트 패턴(예: 해시태그)과 시각적 콘텐츠(예: 이미지 내 물체)가 참여율에 미치는 영향을 정량화하기 위해.
• 클러스터링, 스코링, 추천 시스템을 포함해 기계학습 모델을 훈련하기 위한 확장 가능하고 경험 기반의 방법론을 제공하기 위해.
• 비정형 데이터(텍스트 및 이미지)가 참여율에 상당한 영향을 미치며, 인플루언서 선별 시 체계적으로 활용되어야 한다는 점을 입증하기 위해.

제안 방법

• 1년간의 기간 동안 인스타그램, 페이스북, 유튜브, 페인터레스트, 트위터에서 713,824명의 이질적 데이터를 수집하고 처리하였다.
• 프로필 및 게시물 텍스트에서 의미적 및 행동 패턴을 추출하기 위해 워드 임베딩 및 해시태그 분석을 포함한 자연어 처리(NLP) 기법을 적용하였다.
• COCO 데이터셋으로 훈련된 YOLO 기반 객체 탐지 모델을 사용하여 이미지 및 동영상의 시각적 콘텐츠를 자동으로 태그 지정하였다.
• 총 상호작용 수를 리치로 나눈 참여율(ER)을 핵심 성과 지표로 정의하고, 콘텐츠 유형 간의 변동성을 분석하였다.
• 해시태그 사용, 후원 콘텐츠, 탐지된 시각적 객체와 같은 특징과 ER 간의 통계적 분석 및 상관관계 연구를 수행하였다.
• 표준 통계 요약(평균, 중앙값, 사분위수)과 시각화(예: 박스플롯, 시간대별 추세)를 활용해 데이터 분포 및 패턴을 평가하였다.

실험 결과

연구 질문

• RQ1 특히 후원된 해시태그와 일반적인 해시태그 간의 차이가 인플루언서 콘텐츠의 참여율에 어떤 영향을 미치는가?
• RQ2 시각적 콘텐츠(예: 사람, 동물, 음식의 존재)와 소셜 미디어 게시물의 참여율 간의 관계는 어떠한가?
• RQ3 참여 패턴은 다양한 소셜 미디어 플랫폼과 하루 시간대에 따라 어떻게 달라지는가?
• RQ4 비정형 데이터(텍스트 및 이미지)를 얼마나 효과적으로 활용할 수 있을지, 기존 지표를 넘어서 인플루언서 성과 예측에 기여하는가?
• RQ5 정량적, 텍스트적, 시각적 데이터를 융합하기 위한 가장 효과적인 특징 공학 전략은 무엇인가?

주요 결과

• 후원된 해시태그를 포함한 게시물은 비후원 게시물보다 참여율이 유의미하게 높게 나타나, 전략적 해시태그 사용이 노출도와 상호작용을 향상시킨다는 점을 시사한다.
• 일반적이지 않은 특정 해시태그(예: #ig_italy, #earthpix)는 넓은 범위의 태그(예: #hairstylist, #nailart)보다 참여율 성능이 뛰어나는 것으로 나타났다.
• 사람, 고양이, 개의 이미지를 포함한 프로필은 다른 시각적 콘텐츠를 가진 프로필보다 평균 참여율이 유의미하게 높았다.
• 음식 관련 이미지는 참여율이 낮은 경향을 보여, 콘텐츠 유형에 따라 성과가 다름을 시사한다.
• 가장 높은 성능을 보인 해시태그(예: #natgeo, #earthpix)는 중앙값 참여율을 뛰어넘었고, 가장 낮은 성능을 보인 해시태그(예: #chic, #decor)는 중앙값을 크게 밑도는 것으로 나타났다.
• 활동 및 참여율 패턴은 특히 인스타그램과 유튜브에서 피크 시청 시간대와 강한 상관관계를 보였으며, 이는 시간대에 맞춘 콘텐츠 배포가 성과 향상에 기여함을 시사한다.