【CNMO新闻】Kylie Jenner、Kim Kardashian、Felix Kjellberg（即YouTube的PewDiePie）以及其他拥有超大社交媒体影响力的人可能没有一个拥有一尘不染的声誉，但这一点在销售商品时却是起到了很好的作用，Tomoson最近进行的一项调查中显示，企业在“影响力”营销方面花费的每1美元，平均就可以赚回6.5美元。
当然，诀窍是为特定品牌寻找合适的“大使”。在一篇论文里，哥伦比亚大学的研究人员描述了一个可以预测顶级社交媒体用户和公司之间合作伙伴关系的人工智能系统。他们写道：“对于小品牌来说，找到合适的‘影响者’并不容易，比如一个与他们的企业形象保持一致、并且可以负担的起的人，所以我们希望利用现代机器学习技术的力量和灵活性，开发一个品牌和‘影响者’的匹配系统。”
论文的作者选择关注Instagram上的“影响者”。研究人员为“影响者”和目标品牌特征构建了一个内容分析工具，并且使用了一个开源的Python工具从所有媒体上下载用户数据，这些用户数据包括上传到用户账户的相关的标题和主题标签。
为了实验，论文的作者从品牌特征和20个用户帐户中抽取了五个主题：狗、猫、山、汽车和披萨。他们在谷歌的开源TensorFlow框架中应用了在ImageNet数据库上训练的图像分类算法（Inception-v3），该框架会为每个图像输出一个列表，列举了最有可能的五个标签。
接下来，用三个最有可能的标签组装成每个用户的字符串，然后，为单词单独分配数值，表示它们在给定特征中出现的频率。最后，将“影响者”和目标品牌数据都输入到一个模型之中，该模型会给出匹配建议。
在测试中，该人工智能系统表现良好。对于在同一个垂直市场竞争的两家目标公司，达美乐披萨和佐丹奴披萨，它推荐了几个相同的Instagram “影响者”，但是顺序不同，表现出在匹配中具有一定程度的细微差别。对于每个目标品牌，它都成功地标出了这个类别的顶级“影响者”。
研究人员提醒说，该人工智能系统的性能尚未在“不太明显”的类别上进行测试，并且其预测依赖于图像分类算法的准确标记。他们还表示，可以使用自定义参数和其他Instagram个人资料元数据来改进算法预测的质量，例如关注者的数量、每个帖子的平均喜欢数量等等。
然而，他们认为这是迈向“影响者”自动化发现系统的第一步，一旦成功，将可以节省企业的时间、金钱并可以省去一大堆令人头痛的问题。
他们写道：“结果表明，我们的算法在得到了各种潜在的‘影响者’特征后，能够识别出与特定目标品牌结合最紧密的那些人，如果利用了社交媒体上存在的大量数据，就可以用于促进品牌和‘影响者’的匹配。这不仅可以帮助公司找到符合其品牌形象的内容创作者，还可以为小型创作者提供机会，让他们通过发帖挣钱，进一步鼓励他们在未来创造高质量的内容。”
