网红伴随着现在各种自媒体、直播平台的兴起已经越来越多的开始影响我们的生活。网红经济同时也成为一种新的商家品牌曝光的平台,像我平时也会买李子柒螺蛳粉这样的网红带货产品。
但是网红究竟是如何影响粉丝的呢?最近看到一篇论文,通过AI技术详细介绍了网红是怎么对粉丝的消费品牌意识产生影响的。这篇论文叫做<The effects of visual congruence on increasing consumers’ brand engagement: An empirical investigation of influencer marketing on Instagram using deep-learning algorithms for automatic imageclassification>。他通过AI视觉技术和信息熵分析技术推导出了网红影响粉丝的相关因子。接下来就来具体分析下这篇文章。
先来介绍下一些基础概念:
1.Visual Congruence:VC视觉一致性
2.Visual Congruence-Induced Social Influence:VCSI 视觉一致性引起的社会影响
3.Followers' engagement with their Influencers':F-I 粉丝对网红内容的参与度,比如大家在文章下面点赞、留言都算
4.Followers’ engagement with posts of the Brand endorsed by their Influencers:F–B (粉丝对网红支持品牌的帖子的参与度)
它最终的理论是VCSI是网红对粉丝影响的关键因素。也就是说,粉丝是被网红发的照片或者视频逐渐影响的。这个影响过程如下:
VC-》F-I》F-B
网红对粉丝的影响不是直接推送某些品牌,而是通过网红自身的穿着打扮,首先通过VC视觉去影响粉丝,然后引起粉丝的点赞评论等F-I行为,进而影响粉丝对品牌的认可度F-B。
而且粉丝的F-I行为越多表明网红对粉丝品牌意识的影响越强。
那么以上结论是如何推导出来的呢?一共有两个流程,流程一是通过CNN的网络构建一套网红和粉丝的instagram发布内容一致性判断工程。流程二是通过信息熵技术计算出VC和F-I这些因变量对最终粉丝的F-B的影响。
在流程一中首先要构建一套训练集,
比如上图中网红发了狗狗图片,粉丝也发了猫猫图片,说明网红对粉丝有影响,这是一条正样本。如果网红发了穿裙子的图片,而粉丝发了运动的图片,则构成一条负样本。
通过构建这样的有监督训练集,就可以基于VGG或者Resnet快速训练一个分类模型,用以判断爬取下来的instagram上的网红对粉丝的影响大小。于是我们就可以知道网红对粉丝的影响大小。接着就要加入因变量,看看改变哪些值会决定这个影响力的大小。
接着通过信息熵的手段,增设一些F-I的因变量,比如点击、收藏等,就可以得出F-I对F-B是正相关的。而且F-I越大F-B越大。同理,也可以推出CV对F-I是正相关性的。
基于以上的论断,我们得出VC-》F-I》F-B 这样的影响顺序。所以,网红们,如果想引导你的粉丝对某个品牌进行购物。要适当的多发跟那个品牌相关性强的图片和视频。比如想卖一件黄色的运动服,那么平时多吃一些黄色的东西,或者多运动,是有效的增强VC的方式。VC会构成F-I的增强,从而影响F-B。