Video Influencers: Unboxing the Mystique

要約

インフルエンサー マーケティングは、顧客にリーチするための非常に人気のあるツールになりました。
インフルエンサー動画の急速な成長にもかかわらず、動画エンゲージメントを説明する上での構成要素の有効性に関する研究はほとんどありません。
YouTube のインフルエンサーを研究し、予測と解釈の両方の目標を達成する新しい「解釈可能なディープ ラーニング」フレームワークを使用して、テキスト、オーディオ、画像にわたる非構造化ビデオ データを分析します。
私たちの予測ベースのアプローチは、構造化されていないデータを分析し、言葉 (テキスト) での「語られていること」が、画像 (画像) での「語られ方」よりも影響力があることを発見し、その後に音響 (オーディオ) が続きます。
私たちの解釈ベースのアプローチは、非構造化データの同じソースを分析してビデオ要素に起因する重要性を測定することにより、モデル予測の完了後に実装されます。
いくつかの誤った交絡関係を排除し、理論に基づく関係のより小さなサブセットを識別します。
人間の思考の二重システム フレームワークに基づく浅い関与と深い関与の測定に明確な効果を確立する新しい調査結果を明らかにします。
私たちのアプローチはシミュレートされたデータを使用して検証され、インフルエンサーとブランドの調査結果から学んだことについて説明します。

要約(オリジナル)

Influencer marketing has become a very popular tool to reach customers. Despite the rapid growth in influencer videos, there has been little research on the effectiveness of their constituent elements in explaining video engagement. We study YouTube influencers and analyze their unstructured video data across text, audio and images using a novel ‘interpretable deep learning’ framework that accomplishes both goals of prediction and interpretation. Our prediction-based approach analyzes unstructured data and finds that ‘what is said’ in words (text) is more influential than ‘how it is said’ in imagery (images) followed by acoustics (audio). Our interpretation-based approach is implemented after completion of model prediction by analyzing the same source of unstructured data to measure importance attributed to the video elements. We eliminate several spurious and confounded relationships, and identify a smaller subset of theory-based relationships. We uncover novel findings that establish distinct effects for measures of shallow and deep engagement which are based on the dual-system framework of human thinking. Our approach is validated using simulated data, and we discuss the learnings from our findings for influencers and brands.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google