A Multimodal Analysis of Influencer Content on Twitter

要約

インフルエンサー マーケティングには、ブランドが人気のコンテンツ クリエイター (つまり、インフルエンサー) と協力して、そのリーチ、信頼、視聴者への影響力を活用して、製品やサービスを宣伝および推奨する幅広い戦略が含まれます。
インフルエンサーのフォロワーは、明示的な直接的な製品プロモーションではなく、本物の製品の推奨を受けた後に製品を購入する可能性が高いため、個人の意見と商業コンテンツのプロモーションとの境界線が曖昧になることがよくあります。
このため、インフルエンサー広告に関連する規制遵守違反 (誤解を招く広告や隠れたスポンサーシップなど) の自動検出が特に困難になります。
この研究では、(1) 商用インフルエンサー コンテンツの自動検出を支援するために、商用および非商用カテゴリにマッピングされた 15,998 件のインフルエンサー投稿で構成される新しい Twitter (現在 X) データセットを導入します。
(2) テキスト情報と視覚情報を組み合わせた広範な予測モデルを実験し、私たちが提案するクロスアテンションアプローチが最先端のマルチモーダルモデルよりも優れていることを示します。
(3) モデルの長所と限界を徹底的に分析します。
私たちは、マルチモーダル モデリングが商業投稿を識別し、誤検知の量を減らし、未公開の商業投稿の発見に役立つ関連コンテキストをキャプチャするのに役立つことを示します。

要約(オリジナル)

Influencer marketing involves a wide range of strategies in which brands collaborate with popular content creators (i.e., influencers) to leverage their reach, trust, and impact on their audience to promote and endorse products or services. Because followers of influencers are more likely to buy a product after receiving an authentic product endorsement rather than an explicit direct product promotion, the line between personal opinions and commercial content promotion is frequently blurred. This makes automatic detection of regulatory compliance breaches related to influencer advertising (e.g., misleading advertising or hidden sponsorships) particularly difficult. In this work, we (1) introduce a new Twitter (now X) dataset consisting of 15,998 influencer posts mapped into commercial and non-commercial categories for assisting in the automatic detection of commercial influencer content; (2) experiment with an extensive set of predictive models that combine text and visual information showing that our proposed cross-attention approach outperforms state-of-the-art multimodal models; and (3) conduct a thorough analysis of strengths and limitations of our models. We show that multimodal modeling is useful for identifying commercial posts, reducing the amount of false positives, and capturing relevant context that aids in the discovery of undisclosed commercial posts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google