روش هوشمند انتخاب مایکرواینفلوئنسر برای برندها

به گزارش روابط عمومی دانشگاه علم و فرهنگ جهاددانشگاهی، مقاله‌ای با عنوان «یک روش پیشنهادگر مایکرواینفلوئنسر بر پایه ویژگی‌های برند با استفاده از رویکردهای یادگیری عمیق» A micro-influencer recommender method based on brand features using deep learning approaches  توسط دکتر محمدجواد شایگان‌فرد عضو هیات علمی گروه مهندسی کامپیوتر دانشگاه علم و فرهنگ، در نشریه بین‌المللی Telematics and Informatics Reports از انتشارات Elsevier منتشر شد.
این پژوهش که توسط دکتر محمد جواد شایگان فرد و با استخراج از پایان نامه نسیم کاظم شیرودی دانشجوی کارشناسی ارشد تجارت الکترونیک دانشگاه علم و فرهنگ انجام شده است، نشان می‌دهد برندها می‌توانند با کمک هوش مصنوعی، اینفلوئنسرهای کوچکی را پیدا کنند که بیشترین تعامل را برایشان ایجاد می‌کنند.
بازاریابی اینفلئونسرها به یکی از راهبردهای حیاتی برای برندها تبدیل شده است و میکرو اینفلوئنسرها نقش محوری در شکل‌دهی رفتار مصرف‌کنندگان در شبکه‌های اجتماعی ایفا می‌کنند. این افراد تأثیر قابل‌توجهی بر فرآیند تصمیم‌گیری کاربران دارند؛ با این حال، شناسایی میکرو اینفلوئنسرهای مناسب که با هویت برند همسو باشند و بیشترین تعامل را ایجاد کنند، همچنان یک چالش جدی محسوب می‌شود.
این پژوهش با هدف توسعه یک سیستم مؤثر برای پیش‌بینی میکرو اینفلوئنسرهایی که بیشترین تعامل را برای برندها به همراه دارند انجام شده است. روش پیشنهادی، ترکیبی از ResNet برای استخراج ویژگی‌های بصری از پست‌های اینستاگرام و BERT برای استخراج ویژگی‌های متنی است که دقت بالایی در پیش‌بینی نرخ تعامل نشان می‌دهد. این روش توانسته نسبت به مدل‌های قبلی تا ۱۲٪ دقت بالاتر داشته باشد. با استفاده از این سیستم، برندها راحت‌تر می‌توانند میکرو اینفلوئنسرهای مناسب را شناسایی کنند و تعامل بیشتری از کاربران بگیرند.
 
این مقاله در مجله بین المللی با عنوان Telematics and Informatics Reports از انتشارات Elsevier  با ضریب تاثیر 4.7 و چارک Q1 چاپ شده است.
برای مطالعه کامل مقاله اینجا کلیک کنید.