5 分钟阅读
亮点
旨在构建强大生态系统的新策略
如今,“掐线”运动和移动网络可谓无处不在,而消费者对品牌信息的信任度亦不断下降,这促使影响者数量不断增长。与此同时,由社交媒体影响者(包括微影响者)主导的营销模式,即“影响者营销”,亦逐渐崛起。
微影响者通常拥有1,000至10,000位关注者。他们通过输出相关且可靠的内容和深入探究并迎合受众兴趣而逐渐创造出一个利基市场。从一个由精心挑选的名人主导的行业,包装消费品(CPG)行业现在随着数字授权的普通大众而激增。
考虑到影响者营销领域的广泛范围,我们将研究如何将机器学习算法与不同的社交媒体关键绩效指标(KPI)相结合,以帮助识别真正的影响者。
影响者营销驱动转型4.0
例如,普遍认为,名人在广告中只是照本宣科,而影响者对其在社交媒体上代言的产品则要投入更多。然而,采用影响者营销模式也存在许多风险,因为这会使品牌面临更为严格的审查。
这就是说,品牌所能通过诚实反馈获取的,是消费者的信任。此外,影响者还可在广告之外围绕品牌发挥创意和讲述故事等。影响者营销作为一种策略仍处于萌芽阶段。品牌尚未确定奖励、酬报和聘用影响者的最佳实践。
通常,CPG品牌会聘请影响者营销机构来执行相关活动。该等机构大多拥有影响者数据库,而这可能会为品牌营销人员带来挑战,因为其会限制后者对影响者的选择。此外,影响者选拔过程亦缺乏透明度且管理不当。
品牌已开始探索的另一种方法是加入影响者网络,以便通过聘用不经常更换品牌的影响者来实现长期稳定的品牌宣传效果。然而,这也并非完美之策。通常我们很难根据网络规模来聘用影响者,因为无法判断其网络规模的增长是否是有机的。此外,一连串欺诈行为使得品牌难以衡量影响者营销活动的投资回报率。
当务之急是构建一个全面的机器学习框架。该框架需能帮助品牌聘用影响者、衡量影响活动的结果等。
构建一个健全的框架
每个KPI的权重均是由活动目标决定的。拟议框架可利用自然语言处理(NLP)和图像识别技术来验证影响者所策划内容的合法性。以下是在确定影响者指数得分之前应该考虑的一些KPI。
该框架将端到端综合算法与几个社交媒体KPI相结合,以得出影响者指数得分。为确保影响者指数得分的公允性,需严格验证入围影响者的档案,认真核查相关参数,包括参与荚、机器人生成评论、关注者与参与者比率以及关注者突然增加等异常情况等。
引导影响者营销实践
活动概要须能帮助品牌识别影响者必须具备且对品牌较为重要的特征。而后,品牌经理可使用我们提出的框架来扫描影响者的全部技能(或才能),并根据其指数得分选择个人资料。(指数得分主要评估影响者对品牌活动的共鸣程度。)
为确保影响者指数得分的公允性,需严格验证入围影响者的档案,并通过核查相关参数来审查影响者发布的贴文。该等参数包括参与荚、机器人生成评论、关注者与参与者比率以及关注者突然增加等异常情况等。这可帮助品牌聘用对其真正有益的影响者。
一旦确定影响者,品牌就会通过合同协议与其建立合作关系。通过社交媒体渠道开展影响者营销活动期间,品牌需实时衡量业务成果和各种战略KPI。在这方面,端到端集成框架(见图2)亦可为品牌提供助益;端到端集成框架可帮助品牌开展所有营销活动并优化营销支出。
旨在帮助品牌与影响者建立牢固关系的框架
虽然Twitter、Instagram、Facebook等社交媒体已采取措施来识别虚假账户,并已决定清除赞助贴文,但远未解决影响者营销相关问题。我们提出的框架纳入了独特的社交媒体KPI,可帮助品牌提升影响者选聘的透明度及其对相关流程的掌控力。如此以来,品牌将无需再从不透明的信息库中选择影响者。相应地,品牌将可与影响者建立持久的关系,从而增进消费者对品牌的信任。