SAGraph：面向营销中影响者选择的大规模社交图谱数据集，具备全面上下文信息

影响者营销活动的成功在很大程度上取决于识别能够有效利用其可信度和影响力来推广产品或服务的关键意见领袖。选择影响者的过程对于提升品牌知名度、培养消费者信任和推动销售至关重要。传统研究通常将用户态度、互动频率和广告内容等复杂因素简化为简单的数值。然而，这种还原论方法未能捕捉到影响者营销效果的动态本质。为了弥合这一差距，我们提出了 SAGraph，一个来自微博的新型综合数据集，它捕获了跨越六个产品领域的多维营销活动数据。该数据集包含 345,039 个用户画像及其完整的互动历史，包括跨越 44,000 篇帖子的 130 万条评论和 55.4 万次转发，提供了影响者营销动态方面前所未有的粒度。SAGraph 独特地整合了用户画像、内容特征和时间互动模式，使得对影响者营销机制的深入分析成为可能。使用传统基线和最先进的大语言模型（LLMs）的实验结果证明了内容分析在预测广告效果中的关键作用。我们的发现揭示了基于 LLM 的方法在理解和预测活动成功方面取得了优越的性能，为数据驱动的影响者营销策略开辟了新途径。我们希望该数据集能激发进一步的研究 https://github.com/xiaoqzhwhu/SAGraph/。