Нам доступна не вся информация. Мы склонны следовать за лидерами мнений, так как это прямой путь к получению знаний, которых нам недостает. Приобщение к эксклюзивной информации позволяет нам испытать чувство облегчения, превосходства и осведомленности, присущей так называемым инфлюенсерам.

Маркетинг влияния использует инфлюенсеров в социальных сетях для повышения узнаваемости бренда, рекламы продуктов и выхода на нишевые рынки. К 2022 году вложения брендов в инфлюенс-маркетинг достигнут 15 миллиардов долларов, да и теперешнее его продвижение не обнаруживает никаких признаков замедления.

На фоне серии локдаунов из-за Covid-19 многие бренды увеличивают бюджеты для найма инфлюенсеров через агентства. Предприниматели заинтересованы в классификации влиятельных людей по определенным интересам, прогнозировании потребностей их целевой аудитории или оценке эффективности инфлюенс-маркетинговых кампаний. Надежным помощником в решении этих задач может стать искусственный интеллект.

Поиск данных о влиятельных лицах в соцсетях

Информацию об инфлюенсерах можно получить из различных источников, в том числе путем качественного поиска в популярных социальных сетях. Набор данных Instagram о влиятельных людях — отличная отправная точка.

Можно узнать и даты публикации постов каждого инфлюенсера.

Профилирование инфлюенсеров с использованием тематического моделирования

Интересы влиятельных лиц обычно публикуются в их профилях. Лидеры мнений, презентуя себя, как правило, описывают свои интересы, выражая их абстрактными понятиями. Обработать эту информацию поможет ключевая технология ИИ, называемая тематическим моделированием.

Она позволит обнаружить наиболее репрезентативную выборку тем (интересов) и наиболее релевантные ключевые слова. Иллюстративные результаты этой методики приведены ниже. Интересы большинства влиятельных людей в нашем наборе данных сводятся к хобби и увлечениям, в то время как интересы, связанные с технологиями, встречаются значительно реже.

Анализ корреляции между интересами может предоставить брендам ценную информацию для процесса найма влиятельных лиц. Например, в нашем наборе данных влиятельные люди, которые признаются в том, что любят прогулки, как правило, также интересуются здоровым образом жизни. Более темный цвет означает низкую корреляцию. Большинство влиятельных людей, по-видимому, специализируются на интересующей их теме.

Прогнозирование вовлеченности инфлюенсеров с использованием классификатора случайного леса

Большинство брендов полагаются на маркетинговые агентства в вопросе найма влиятельных людей. Но они могут достичь более предсказуемого результата, применяя машинное обучение в обработке временных рядов.

Например, прогнозируемое среднее количество ежедневных постов поможет определить пользователей социальных сетей, наиболее подходящих для участия в маркетинговых кампаниях и создания рекламного контента.

Бренды и предприниматели могут использовать классификатор случайного леса или метод мультимножества, чтобы выявить наиболее важные характеристики, необходимые для прогнозирования частоты размещения постов инфлюенсеров.

Как следует из приведенной ниже таблицы, английский или русский языки, а также интерес к развлечениям, технологиям, семье, отношениям, моде, шопингу, напиткам и еде являются наиболее показательными прогностическими факторами, помогающими узнать, как часто инфлюенсер готов публиковать посты в будущем.

Психологическая идентификация инфлюенсеров с помощью кластерного анализа

Отдача от инвестиций во влиятельных людей с конкретными интересами часто не отвечает ожиданиям брендов. Повысить эффективность инвестиционных проектов можно при разработке для каждого психотипа инфлюенсеров определенной маркетинговой стратегии.

Психотип влиятельного лица может зависеть от различных прогностических факторов, связанных не только с интересами, но и с языком общения, частотой постов и т. д.

Методы кластеризации данных помогают в ситуациях неконтролируемого обучения, когда мы в основном исследуем группы наблюдений и пытаемся объединить данные в смысловые кластеры. Как можно видеть на графике ниже, так называемый метод колена предполагает, что влиятельные лица могут быть сгруппированы в 4 кластера, или 4 психотипа.

Теперь вы можете представить, как кластеризация данных позволяет сгруппировать сотни тысяч инфлюенсеров всего в четыре психотипа (см. цветную инфографику ниже). Десять лет назад инфлюенс-маркетинг был ограничен только знаменитостями и несколькими увлеченными блогерами. Благодаря кластеризации данных, бренды и предприниматели могут реализовывать конкретные стратегии для тщательного мониторинга инфлюенсеров каждого психотипа и управления отношениями с ними.

Содействие глубокого обучения вариативному продвижению брендов

Большинство брендов или предпринимателей хотели бы сотрудничать с ведущими лидерами мнений. Поскольку мегаинфлюенсеров слишком мало, многие бренды все чаще инвестируют в микроинфлюенсеров, имеющих шансы быстро подняться в топ-категорию.

Хотя у микроинфлюенсеров гораздо меньше подписчиков, чем у их коллег-“миллионеров”, привлечение их может оказаться более выгодным. Рост социальной активности в 2020 году выявил отсутствие вариативности в подходах инфлюенс-маркетинга.

Глубокое обучение помогает определить вероятность того, что микроинфлюенсер превратится во влиятельное лицо мирового класса. Ниже представлена работа простой искусственной нейронной сети с одним скрытым слоем. Она помогает спрогнозировать, есть ли у влиятельного лица потенциал для выхода в первую лигу.

Мы все инфлюенсеры для кого-то

Маркетинг влияния основан на предположении, что люди следуют советам и действиям других людей в Интернете. Информация может быть скрыта или защищена, но она всегда становится всеобщим достоянием  —  это лишь вопрос времени. Хотя инфлюенсеры считаются наиболее осведомленными людьми, право голоса всегда остается за их многочисленными последователями.

Делая ставку на инфлюенс-маркетинг и эффективно используя ИИ, бренды и предприниматели приобретают бесценный опыт, помогающий им стать лучшими в своем деле.

Читайте также:

Читайте нас в Telegram, VK и Яндекс.Дзен

Перевод статьи Michel Kana, Ph.D, AI-powered Influencer Marketing By Example

Предыдущая статьяНормальное завершение работы в Go
Следующая статьяФункциональное программирование на Python