Influencer Videos: 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となっています。
インフルエンサー動画の急速な成長にもかかわらず、動画のエンゲージメントを説明する際のそ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。
私たちは YouTube のインフルエンサーを調査し、予測と解釈の両方の目標を達成する「解釈可能な深層学習」フレームワークを使用して、テキスト、音声、画像にわたる非構造化ビデオ データを分析します。
当社の予測ベースのアプローチは、非構造化データを分析し、画像 (画像) や音響 (音声) での「どのように言われるか」よりも、言葉 (テキスト) で「何を言っているか」の方が影響力があることを発見しました。
私たちの新しい解釈ベースのアプローチは、モデル予測の完了後に実装され、同じ非構造化データのソースを分析してビデオの特徴に起因する重要性を測定します。
2 つのステップでいくつかの誤った関係を削除し、理論を使用して確認された関係のサブセットを特定します。
私たちは、人間の思考の二重システムの枠組みに基づいて、浅い関与と深い関与の尺度に明確な関連性を確立する新しい発見を発見しました。
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についての調査結果からの学びについて議論します。

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 features in explaining video engagement. We study YouTube influencers and analyze their unstructured video data across text, audio and images using an ‘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) or acoustics (audio). Our novel 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 features. We eliminate several spurious relationships in two steps, identifying a subset of relationships which are confirmed using theory. We uncover novel findings that establish distinct associations for measures of shallow and deep engagement 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