面向影响者营销的数据科学：特征处理与定量分析
社会与信息网络
2019-06-17 v1
摘要
通过社交媒体内容影响目标受众已成为营销领导者新的关注焦点。尽管影响者每天产生大量异构数据，但影响者营销（IM）领域的专业人士仍依赖于社区规模或参与率等简单的定量指标来评估影响者的价值。鉴于鲜有研究论文提出一个框架，利用定量影响者数据（粉丝数、参与度等）、定性信息（年龄、国家、城市等）、自然文本（个人资料和帖子描述）以及视觉信息（图像和视频）来量化影响者的表现，我们决定探索这些变量并定量评估它们的依赖关系。通过分析 5 个社交媒体平台上 713,824 名影响者在一年期间的数据，我们识别了价值主张数据（参与度、触达率、受众）、人口统计数据、自然文本模式与视觉信息之间的关系。本文的主要目标是为 IM 专业人士提供一种现代方法论，以更好地理解其影响者的价值，并为用于聚类、评分或推荐的机器学习算法提供数据支持。
引用
@article{arxiv.1906.05911,
title = {Data Science for Influencer Marketing : feature processing and quantitative analysis},
author = {Anil Narassiguin and Selina Sargent},
journal= {arXiv preprint arXiv:1906.05911},
year = {2019}
}