解构YouTube网红视频中的用户参与度：一种基于注意力的方法

网红营销已成为一种广泛使用的触达客户的策略。尽管网红和品牌合作伙伴对预测网红视频参与度的兴趣日益增长，但关于不同视频数据模态在预测参与度中相对重要性的研究很少。我们使用一个可解释的深度学习框架来分析长格式YouTube网红视频中的非结构化数据——涵盖文本、音频和视频图像——该框架利用模型对视频元素的注意力。该框架实现了强劲的样本外预测，随后使用一种剔除伪关联的新方法进行事后解释。我们基于预测的结果揭示，在预测视频参与度时，通过文字（文本）“说了什么”比通过图像（视频图像）或声学（音频）“怎么说”更重要。基于解释的发现表明，在视频的关键起始阶段（前30秒），听觉刺激（例如品牌提及和音乐）与言语参与度（评论）中表达的情感相关，而视觉刺激（例如人类和包装商品的视频图像）与非言语参与度（点赞/踩比率）中表达的情感相关。我们通过多种方法验证我们的方法，将发现与相关理论联系，并讨论对网红、品牌和代理机构的影响。