【CNMO新聞】Kylie Jenner、Kim Kardashian、Felix Kjellberg（即YouTube的PewDiePie）以及其他擁有超大社交媒體影響力的人可能沒有一個擁有一塵不染的聲譽，但這一點在銷售商品時卻是起到了很好的作用，Tomoson最近進行的一項調查中顯示，企業在“影響力”營銷方面花費的每1美元，平均就可以賺回6.5美元。
當然，訣竅是為特定品牌尋找合適的“大使”。在一篇論文里，哥倫比亞大學的研究人員描述了一個可以預測頂級社交媒體用戶和公司之間合作伙伴關系的人工智能系統。他們寫道：“對于小品牌來說，找到合適的‘影響者’并不容易，比如一個與他們的企業形象保持一致、并且可以負擔的起的人，所以我們希望利用現代機器學習技術的力量和靈活性，開發一個品牌和‘影響者’的匹配系統。”
論文的作者選擇關注Instagram上的“影響者”。研究人員為“影響者”和目標品牌特征構建了一個內容分析工具，并且使用了一個開源的Python工具從所有媒體上下載用戶數據，這些用戶數據包括上傳到用戶賬戶的相關的標題和主題標簽。
為了實驗，論文的作者從品牌特征和20個用戶帳戶中抽取了五個主題：狗、貓、山、汽車和披薩。他們在谷歌的開源TensorFlow框架中應用了在ImageNet數據庫上訓練的圖像分類算法（Inception-v3），該框架會為每個圖像輸出一個列表，列舉了最有可能的五個標簽。
接下來，用三個最有可能的標簽組裝成每個用戶的字符串，然后，為單詞單獨分配數值，表示它們在給定特征中出現的頻率。最后，將“影響者”和目標品牌數據都輸入到一個模型之中，該模型會給出匹配建議。
在測試中，該人工智能系統表現良好。對于在同一個垂直市場競爭的兩家目標公司，達美樂披薩和佐丹奴披薩，它推薦了幾個相同的Instagram “影響者”，但是順序不同，表現出在匹配中具有一定程度的細微差別。對于每個目標品牌，它都成功地標出了這個類別的頂級“影響者”。
研究人員提醒說，該人工智能系統的性能尚未在“不太明顯”的類別上進行測試，并且其預測依賴于圖像分類算法的準確標記。他們還表示，可以使用自定義參數和其他Instagram個人資料元數據來改進算法預測的質量，例如關注者的數量、每個帖子的平均喜歡數量等等。
然而，他們認為這是邁向“影響者”自動化發現系統的第一步，一旦成功，將可以節省企業的時間、金錢并可以省去一大堆令人頭痛的問題。
他們寫道：“結果表明，我們的算法在得到了各種潛在的‘影響者’特征后，能夠識別出與特定目標品牌結合最緊密的那些人，如果利用了社交媒體上存在的大量數據，就可以用于促進品牌和‘影響者’的匹配。這不僅可以幫助公司找到符合其品牌形象的內容創作者，還可以為小型創作者提供機會，讓他們通過發帖掙錢，進一步鼓勵他們在未來創造高質量的內容。”
