[论文解读] Machine Learning Techniques for Brand-Influencer Matchmaking on the Instagram Social Network

Taylor Sweet, Austin Rothwell+1 more|arXiv (Cornell University)|Jan 17, 2019

Digital Marketing and Social Media参考文献 5被引用 6

一句话总结

本文提出了一种基于内容分析的机器学习系统，通过分析Instagram个人资料图片，实现品牌与网红之间的匹配。该系统利用预训练的Inception-v3神经网络进行特征提取，并采用'词袋'向量化方法结合k-近邻算法实现基于相似性的匹配。其主要贡献在于提出了一种新颖的、以图像为核心的算法，能够根据视觉内容相似性识别品牌与网红的配对，实证表明该方法在识别Mountain Hardwear和Domino’s Pizza等品牌相关网红方面表现优异。

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.

研究动机与目标

• 解决在日益增长的社交媒体营销环境中，为小型品牌识别合适且经济实惠的网红所面临的挑战。
• 开发一种基于视觉内容相似性而非标签、用户名等元数据的匹配系统，实现品牌与网红的精准匹配。
• 构建一个可扩展、以内容为核心的工具，利用深度学习与向量相似性，预测具有潜力的品牌-网红合作关系。
• 提供首个针对Instagram个人资料的内容分析流水线，实现自动化、数据驱动的网红发现。

提出的方法

• 抓取Instagram用户数据，重点关注来自多样化用户账户的个人资料图片。
• 应用预训练的TensorFlow Inception-v3神经网络，从每张图片中提取视觉特征。
• 通过视觉描述符的聚类，将图像特征向量转换为'词袋'表示。
• 使用k-近邻算法（k-NN），基于向量化内容计算品牌个人资料与网红个人资料之间的相似性。
• 根据与目标品牌个人资料的相似度对网红进行排序，生成潜在合作伙伴的优先列表。
• 通过包含五类广泛用户类别的合成数据集以及Mountain Hardwear和Domino’s Pizza等真实品牌案例对方法进行验证。

实验结果

研究问题

• RQ1 能否通过深度学习与基于向量的相似性度量，有效建模品牌与网红个人资料之间的视觉内容相似性？
• RQ2 基于内容的图像分析方法在识别相关网红方面，相较于基于元数据的方法表现如何？
• RQ3 基于k-NN的系统在多大程度上能够根据与品牌视觉形象的契合度对网红进行排序？
• RQ4 该算法在相同市场细分内的不同品牌之间（如披萨连锁品牌）是否具备泛化能力？
• RQ5 通过整合额外的元数据或可定制的内容标准，能否进一步提升系统性能？

主要发现

• 该算法成功识别出'Mountain Hardwear'为具有相似户外与服饰内容的品牌的最匹配网红，依据是视觉相似性。
• 对于两家相似的披萨品牌——Giordano’s Pizza与Domino’s Pizza，该算法生成了截然不同、品牌特异的网红排名，表明其对内容差异具有敏感性。
• 在包含五类广泛用户类别的受控环境中，该模型在识别相关网红方面表现出高准确性，但其在完整Instagram用户群体中的泛化能力尚未得到验证。
• 使用Inception-v3进行图像特征提取效果良好，但未来可借助更高保真度的视觉分析模型进一步优化。
• 整合关注数、点赞数和发布频率等元数据，可提升品牌在目标受众规模或参与度方面的需求匹配精度。
• 该系统使品牌能够定义超越自身个人资料内容的期望网红主题，例如即使品牌自身仅聚焦披萨，也能匹配到以美食内容为主的创作者。