Computational Studies in Influencer Marketing: A Systematic Literature Review

要約

インフルエンサーマーケティングは、デジタルマーケティング戦略の重要な特徴となっています。
その急速な成長とアルゴリズムの関連性にもかかわらず、インフルエンサーマーケティングにおける計算研究の分野は断片化されたままです。
これにより、インフルエンサー経済における包括的な科学的測定は非常に少なく、規制当局などのプラットフォーム自体の外側の関心のある利害関係者だけでなく、他の分野の研究者も損なうことになります。
このペーパーは、Prismaモデルに基づいて系統的文献レビュー（SLR）を実施することにより、インフルエンサーマーケティングにおける計算研究の最先端の概要を提供することを目的としています。
このペーパーでは、69の研究を分析して、この研究分野の主要な研究テーマ、方法論、将来の方向性を特定します。
このレビューでは、インフルエンサーの識別と特性評価、広告戦略とエンゲージメント、スポンサー付きコンテンツ分析と発見、公平性という4つの主要な研究テーマを特定しています。
方法論的には、研究は機械学習ベースの技術（分類、クラスタリングなど）および非マシン学習ベースの手法（統計分析、ネットワーク分析など）に分類されます。
重要な調査結果は、規制のコンプライアンスと倫理的考慮事項に限られた注意を払って、商業的成果の最適化に重点を置いていることを明らかにしています。
このレビューでは、言語、プラットフォーム、業界の種類などのコンテキスト要因を組み込んだ、より微妙な計算研究の必要性と、モデルの説明可能性とデータセットの再現性を改善する必要性を強調しています。
この論文は、規制とコンプライアンステクノロジーへのさらなるリンクの必要性、分析におけるより細かい粒度、および標準化されたデータセットの開発を強調する学際的な研究アジェンダを提案することで締めくくります。

要約(オリジナル)

Influencer marketing has become a crucial feature of digital marketing strategies. Despite its rapid growth and algorithmic relevance, the field of computational studies in influencer marketing remains fragmented, especially with limited systematic reviews covering the computational methodologies employed. This makes overarching scientific measurements in the influencer economy very scarce, to the detriment of interested stakeholders outside of platforms themselves, such as regulators, but also researchers from other fields. This paper aims to provide an overview of the state of the art of computational studies in influencer marketing by conducting a systematic literature review (SLR) based on the PRISMA model. The paper analyses 69 studies to identify key research themes, methodologies, and future directions in this research field. The review identifies four major research themes: Influencer identification and characterisation, Advertising strategies and engagement, Sponsored content analysis and discovery, and Fairness. Methodologically, the studies are categorised into machine learning-based techniques (e.g., classification, clustering) and non-machine-learning-based techniques (e.g., statistical analysis, network analysis). Key findings reveal a strong focus on optimising commercial outcomes, with limited attention to regulatory compliance and ethical considerations. The review highlights the need for more nuanced computational research that incorporates contextual factors such as language, platform, and industry type, as well as improved model explainability and dataset reproducibility. The paper concludes by proposing a multidisciplinary research agenda that emphasises the need for further links to regulation and compliance technology, finer granularity in analysis, and the development of standardised datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google