Секретный соус вовлечения: как найти идеального инфлюенсера для вашей кампании.

Когда рекламодатели планируют кампании в сфере инфлюенс-маркетинга, они часто обращают внимание на количество подписчиков у инфлюенсера. Однако вопрос о том, кто эффективнее привлекает аудиторию — инфлюенсеры с большим или меньшим числом подписчиков — до сих пор остается открытым.

В недавнем исследовании Саймон Вис, Александр Блейер и Александр Эделинг проанализировали данные о 802 рекламных кампаниях в Instagram с участием более 1700 инфлюенсеров. Они использовали метод наблюдения, а также провели исследования с использованием трекинга глаз и лабораторные эксперименты. Результаты показали, что существует обратная U-образная зависимость между количеством подписчиков у инфлюенсера и вовлеченностью аудитории в рекламный контент.

Большое количество подписчиков означает более широкий охват, но также может указывать на более слабую связь между инфлюенсером и его аудиторией, что снижает вероятность вовлеченности. То есть, по мере увеличения числа подписчиков, вовлеченность сначала растет, а затем начинает снижаться.

Авторы также исследовали влияние двух факторов на эту зависимость: кастомизация контента под аудиторию инфлюенсера и узнаваемость рекламируемого бренда. Если контент более персонализирован и бренд менее знаком аудитории, это может свидетельствовать о том, что инфлюенсер ценит свои отношения с подписчиками. В таком случае, обратная U-образная зависимость становится менее выраженной.

Эти новые результаты и связанные с ними рекомендации могут помочь менеджерам улучшить свои стратегии инфлюенс-маркетинга.

Для маркетологов:

1. Оптимизация выбора инфлюенсеров:

- Избегайте крайностей: Не стоит выбирать только самых крупных или самых мелких инфлюенсеров. Оптимальный уровень популярности находится в средней зоне.

- Учитывайте специфику бренда: Для менее известных брендов сотрудничество с крупными инфлюенсерами может быть более выгодным, чем для известных брендов.

- Анализируйте вовлеченность: При выборе инфлюенсера обращайте внимание не только на количество подписчиков, но и на уровень их вовлеченности в предыдущий контент.

2. Создание гибких кампаний:

- Позволяйте инфлюенсерам проявлять креативность: Особенно это касается крупных инфлюенсеров. Дайте им возможность создавать оригинальный контент, адаптированный под их аудиторию.

- Адаптируйте контент под аудиторию инфлюенсера: Учитывайте интересы и ценности аудитории каждого инфлюенсера при создании рекламных материалов.

- Отслеживайте метрики вовлеченности: Регулярно анализируйте результаты кампании и вносите необходимые корректировки.3. Управление ожиданиями:

- Не ожидайте мгновенных результатов: Успех кампании зависит от многих факторов, и увеличение количества подписчиков не гарантирует высокий уровень вовлеченности.

- Будьте готовы к экспериментам: Не бойтесь пробовать новые форматы и подходы.

Для блогеров:

1. Оптимизация контента:

- Анализируйте свои показатели: Отслеживайте, какие посты вызывают наибольший отклик у аудитории.

- Удаляйте неэффективный контент: Регулярно просматривайте свой профиль и удаляйте посты с низкой вовлеченностью.

- Экспериментируйте с форматами: Пробуйте разные форматы контента, чтобы найти то, что лучше всего работает для вашей аудитории.

2. Управление взаимоотношениями с аудиторией:

- Взаимодействуйте с комментаторами: Отвечайте на комментарии и сообщения, создавайте чувство общности.

- Создавайте персонализированный контент: Покажите своей аудитории, что вы цените их мнение и интересы.

3. Построение долгосрочных отношений с брендами:

- Будьте прозрачны: Открыто говорите о своих ценностях и принципах.

- Предлагайте уникальные условия сотрудничества: Выделитесь на фоне других блогеров.

Общие рекомендации:

- Учитывайте фактор времени: Вовлеченность аудитории может меняться со временем, поэтому важно регулярно анализировать свои показатели.

- Сочетайте разные каналы продвижения: Не ограничивайтесь только социальными сетями. Используйте другие каналы для привлечения новой аудитории.

- Будьте готовы к изменениям: Рынок социальных медиа постоянно развивается, поэтому важно быть гибкими и адаптироваться к новым трендам.

Ключевые выводы для обоих:

- Качество важнее количества: Высокое количество подписчиков не всегда гарантирует успех кампании. Важна вовлеченность аудитории.

- Персонализация – ключ к успеху: Создавайте контент, который резонирует с вашей аудиторией.

- Стройте долгосрочные отношения: Как с брендами, так и с аудиторией.

Следуя этим рекомендациям, вы сможете более эффективно использовать потенциал маркетинга влияния и достигать поставленных целей.

Понятие социального влияния, введенное Кацем и Лазарсфельдом в 1955 году, описывает степень, в которой человек может влиять на взгляды и поведение других.

С тех пор существует давняя традиция исследований, связывающая социальное влияние с социальными сетями в целом и с числом подписчиков в частности.

Исследователи стремятся определить тех людей, которые могут максимально эффективно распространять информацию или поведение в своих социальных сетях (например, Aral и Dhillon 2018).

В маркетинге наиболее близким термином является "посев" — это метод нативной рекламы, который включает размещение контента в социальных сетях, блогах и сообществах, где находится целевая аудитория. Этот формат позволяет продвигать товары или услуги без прямой рекламы, что делает его более привлекательным для пользователей. (Hinz et al. 2011). Как правило исследования показывают положительную связь между числом подписчиков и распространением новых идей или продуктов (например, Goldenberg et al. 2009; Libai, Muller и Peres 2013; Yoganarasimhan 2012). В результате многие исследования предлагают привлекать к продвижению продуктов и идей блоггеров с большим числом подписчиков, потому что они обладают потенциально большими возможностями для охвата аудитории.

Напротив, исследования, которые учитывают не только охват, но и силу влияния на других (т.е. вероятность отклика), дают более неоднозначные результаты относительно оптимальной стратегии посева. Hinz et al. (2011) и Libai, Muller, и Peres (2013) по-прежнему рекомендуют выбирать в качестве проводников идей рекламной кампании людей с большим числом подписчиков, даже если они не имеют большого влияния на людей, но Chen, Van der Lans и Phan (2017) обнаружили, что оценка числа подписчиков с учетом силы влияния блоггера на своих подписчиков дает существенно отличающиеся и более эффективные рекомендации по посеву, чем выбор инфлюенсеров исключительно на основе числа подписчиков. В другом подходе Haenlein и Libai (2013) предлагают привлекать блоггеров с высоким LTV их аудитории, но не обязательно с большим числом подписчиков.

Инфлюенс-маркетинг имеет ряд особенностей.

Во-первых, инфлюенсеры имеют договорные обязательства по созданию контента и продвижению предложения рекламодателя.

Во-вторых, инфлюенсеры распространяют контент на всю свою аудиторию, а не выбирают определенных подписчиков.

Эти особенности могут повлиять на эффективность инфлюенс-маркетинга.

Некоторые исследования показали положительную связь между количеством подписчиков у инфлюенсера и вовлеченностью аудитории в рекламный контент. Однако эти исследования не учитывают всех факторов, которые могут влиять на эффективность инфлюенсеров - например, качество контента, узнаваемость бренда и степень персонализации рекламных сообщений.

Как количество подписчиков у лидера мнений влияет на взаимодействие с его рекламным контентом

Опираясь на существующие исследования и 13 интервью с экспертами отрасли, можно вывести концептуальную модель этой взаимосвязи, представленную на рисунке ниже. Мы начинаем с теоретического обоснования того, почему ожидаем обратную U-образную зависимость (H1), а затем обсуждаем возможное влияние на нее двух важных факторов: персонализации контента (H2) и узнаваемости бренда (H3).

Вовлеченность относится к измеримым взаимодействиям пользователей на социальной платформе в ответ на спонсируемый контент инфлюенсера, которые возникают из мотивационных факторов (Van Doorn et al. 2010). Эти взаимодействия включают лайки контента инфлюенсера, комментарии к нему или тегирование других пользователей, чтобы привлечь их внимание к контенту. Следуя Hinz et al. (2011), мы будем использовать двухфакторную модель, которая связывает вовлеченность с количеством подписчиков.

На платформе социальных медиа инфлюенсер i имеет количество подписчиков Di (Di > 0), которое отражает количество подписчиков в заданный период. Инфлюенсер i публикует спонсируемый контент (пост или сторис) для подписчиков, и Ni - это количество подписчиков, которые были подвержены воздействию контента (Ni ≤ Di),1 что обеспечивает меру эффективного охвата инфлюенсера i. Достигнутые подписчики n () решают, взаимодействовать ли с контентом с некоторой вероятностью pi. Эта вероятность вовлеченности аналогична вероятности конверсии в литературе по распространению (например, Hinz et al. 2011) или вероятности клика в исследованиях онлайн-рекламы (например, Bleier и Eisenbeiss 2015). Предполагая среднюю вероятность вовлеченности, специфичную для инфлюенсера (), ожидаемая вовлеченность Ei со спонсированным контентом инфлюенсера i определяется следующим образом:

Увеличение вовлеченности требует увеличения либо Ni (экспонирования большего количества пользователей контентом), либо pi (увеличения вероятности того, что средний пользователь будет взаимодействовать с контентом), и оба фактора, вероятно, являются функцией Di.

Охват - это количество пользователей, подвергшихся воздействию контента инфлюенсера i; по построению он также является функцией количества подписчиков, поскольку каждый дополнительный подписчик увеличивает размер потенциальной аудитории, которую можно охватить контентом. Мы определяем:

Здесь мы предполагаем линейность и опускаем точку пересечения, поскольку ни один подписчик не подвергается воздействию контента, если Di = 0.

Вероятность вовлеченности описывает среднюю мотивацию подписчиков инфлюенсера взаимодействовать со спонсированным контентом. Как правило в литературе предполагается прямая связь между количеством подписчиков и вероятностью вовлеченности (Katona, Zubcsek и Sarvary 2011); она работает по крайней мере частично потому, что подписчики полагаются на количество подписчиков как на сигнал принятия решения о том, следует ли взаимодействовать с контентом, опубликованным человеком (Valsesia, Proserpio и Nunes 2020). Использование сигналов особенно эффективно в онлайн-отношениях, поскольку информация по своей природе более неполная и неопределенная, чем в офлайн-отношениях, поэтому сторонам необходимо полагаться на внешнюю информацию для сбора нюансных знаний друг о друге (Grewal и Stephen 2019). Большое количество связей в социальных сетях и отсутствие реальных взаимодействий, как в офлайн-отношениях, усугубляют необходимость использования сигналов для формирования мнений и принятия решений.

Таким образом, в контексте инфлюенсер-маркетинга сигнал количества подписчиков может помочь подписчикам сформировать восприятие своих отношений или связи с инфлюенсером.

Предыдущие исследования и отраслевые данные показывают, что пользователи заботятся об этих связях и полагаются на влияние воспринимаемых близких связей, что делает инфлюенс-маркетинг таким привлекательным (Ye et al. 2021).

Сила связи - это мощность связи между членами сети, отражающая воспринимаемую значимость, интенсивность и близость их отношений (Aral и Walker 2014; Duhan et al. 1997; Granovetter 1973).

Учитывая, что сила связи также связана с количеством взаимодействия между акторами (Roberts и Dunbar 2011), а внимание является ограниченным ресурсом, средняя сила связи уменьшается с увеличением количества подписчиков (например, Gilbert и Karahalios 2009; Katona, Zubcsek и Sarvary 2011; Miritello et al. 2013).

Отражая эту естественную, отрицательную связь между количеством подписчиков и силой связи, большое количество подписчиков у инфлюенсера может служить для подписчиков сигналом о том, что этот инфлюенсер будет уделять меньше внимания укреплению связи с каждый отдельным подписчиком, ослабляя в их восприятии силу своей связи с лидером мнений (Wang et al. 2019).

Напротив, инфлюенсер с меньшим количеством подписчиков может восприниматься как более близкий, с потенциально значимыми отношениями, поэтому подписчики могут быть более склонны взаимодействовать с его контентом. Как показывают De Bruyn и Lilien (2008), люди чаще открывают электронные письма от отправителей, с которыми у них более сильная связь, а Aral и Walker (2014) демонстрируют, что сила связи способствует принятию онлайн-предложений, полученных от представителей своего круга контактов.

Таким образом, количество подписчиков является важным сигналом, который помогает объяснить вероятность вовлеченности.

Поскольку подписчики выявляют более тесные связи с инфлюенсерами с меньшим количеством подписчиков, а воспринимаемая сила связи способствует вероятности вовлеченности, подписчики более склонны взаимодействовать со спонсированным контентом инфлюенсеров с меньшим количеством подписчиков. Формально,

где c описывает влияние количества подписчиков на вероятность вовлеченности, которое, как мы ожидаем, будет отрицательным (−c), а b описывает вероятность вовлеченности, когда количество подписчиков близко к 0, что, как мы ожидаем, является положительным.

Чтобы повысить интуитивность нашего изложения, мы описываем вероятность вовлеченности в соответствии с линейной функцией связи (для аналогичного подхода см. Wang, Aribarg и Atchadé [2013]) в пределах единичного интервала.

Вовлеченность можно выразить как произведение охвата и вероятности вовлечения (Ei= Ni× pi), переформулированное как:

Отсюда следует, что, поскольку a > 0 и c > 0, взаимосвязь между охватом и вовлеченностью нелинейна, а представляет собой параболу.

H.1: Охват инфлюенсера показывает обратное U-образное влияние на взаимодействие со спонсируемым контентом.

Как правило в рамках одной кампании участвует несколько блоггеров, что дает возможность управлять результатами, используя связь между охватами и вовлеченностью (H1). Маркетингу под силу контролировать эти показатели.

Адаптация контента, "рыбы" заказчика, которую он дает всем участникам продвижения для продвижения в качестве исходного материала - описывает степень независимости различных блоггеров, поэтому она так важна.

Узнаваемость бренда кампании отражает является ли бренд широко известным или нишевым (Cunha, Forehand и Angle 2015), что является ключевой идентифицирующей информацией о спонсоре кампании.

Степень адаптации контента блоггером и уровень знания бренда-заказчикам кампании представляют собой эффекты - контекстуальные сигналы, которые определяют, как потребители воспринимают полученное рекламное сообщение с точки зрения ее значимости (Пурохит и Шривастава 2001; Ричардсон, Дик и Джейн 1994). Заимствуя теорию диагностичности контекстуальных сигналов, можно предположить, что создание более персонализированного контента или поддержка менее знакомого бренда свидетельствует о готовности блоггера участвовать в усилиях по налаживанию отношений, что должно побудить подписчиков интерпретировать сигнал о большом количестве его подписчиков, как менее проблематичный при оценке своих отношений с ним. Аналогичные эффекты контекстуальных сигналов были задокументированы в исследованиях про обзоры качества потребительских товаров, продуктов (Уотсон, Гош и Трусов, 2018) или выбора фильмов (Базурой, Десаи и Талукдар, 2006).

Кампании различаются степенью автономии, которую инфлюенсеры имеют при создании контента, и можно предположить, что увеличение усилий по кастомизации контента должно передавать ценность, которую инфлюенсер придает своим подписчикам (Algoe, Haidt и Gable 2008), поскольку это подразумевает реляционные усилия тремя основными способами.

Во-первых, подписчики могут подозревать мотивы удобства, если инфлюенсер использует стандартную формулировку кампании без адаптации ее к аудитории, в то время как они могут ценить творческий подход при создании уникального сообщения инфлюенсером (Haenlein et al. 2020).

Во-вторых, стандартизованная формулировка может означать недостаточное знание инфлюенсера рекламируемого продукта или услуги, в то время как кастомизация контента сигнализирует о том, что инфлюенсер получил достаточную информацию, чтобы рекомендовать продукт своими собственными словами.

В-третьих, подписчики, которые сталкиваются с однообразным контентом кампании, могут воспринимать инфлюенсера как оппортуниста, стремящегося исключительно извлечь выгоду из сотрудничества, вместо того чтобы работать над тем, чтобы дать подписчикам полезные советы (Scholz 2021).

Усилия по адаптации контента вместо этого должны вызывать положительное восприятие ценности отношений подписчиков с инфлюенсером, поэтому негативное влияние количества его подписчиков на вероятность их взаимодействия с контентом инфлюенсера может уменьшиться. Формально адаптация контента сгладит кривую вероятности взаимодействия с охватом на z, что приведет к пересмотренной модели вероятности взаимодействия:

и соответствующая пересмотренная модель взаимодействия:

Поскольку всякий раз, когда z < 0, az < 0 и (ac + az) < ac, коэффициент квадратичного члена становится менее отрицательным, а парабола расширяется.

Поэтому можно спрогнозировать, что большая степень кастомизации контента ослабляет обратную U-образную зависимость между охватами (количеством подписчиков) инфлюенсера и взаимодействием. Таким образом можно сформулировать гипотезу:

H2: Большая кастомизация контента ослабляет обратную U-образную зависимость количества подписчиков/охватов инфлюенсера от взаимодействия с рекламным контентом.

Поддержка менее известного бренда представляет собой реляционные усилия со стороны инфлюенсера, что может ослабить негативное влияние количества подписчиков на вероятность взаимодействия с его контентом, позволяя лидерам мнений с большой аудиторией усилить связи со своими подписчиками.

Во-первых, подписчики могут воспринимать поддержку широко известных брендов как оппортунистическую, поскольку она связана с относительно низким риском и усилиями по проверке (то есть устоявшаяся репутация знакомых брендов требует меньшей проверки со стороны инфлюенсера) (Campbell и Keller 2003), но поддержка менее известного бренда подразумевает мотивацию инфлюенсера поделиться оригинальным контентом.

Во-вторых, подписчики могут предположить, что неизвестные бренды имеют меньшие рекламные бюджеты (East 2019), поэтому они могут видеть в этом искренние мотивы, желание поддержать бренд, вместо того чтобы подозревать денежные стимулы.

В-третьих, поддержка известных брендов может повысить видимость или влияние инфлюенсера, поэтому подписчики могут заподозрить такие мотивы, в то время как для незнакомых брендов это немыслимо.

Следовательно, поддержка менее известных брендов должна помочь инфлюенсерам с большим количеством подписчиков формировать сильные связи с собственной аудиторией.

В соответствии с гипотезой H2, более низкая известность рекламируемого бренда сгладит кривую вероятности взаимодействия. Сравнительно низкая известность бренда сглаживает обратную U-образную зависимость между охватами и взаимодействием.

Таким образом можно сформулировать следующую гипотезу.

H3: Более низкая известность бренда ослабляет обратную U-образную зависимость охватов инфлюенсера от взаимодействия с рекламным контентом.

В данном исследовании анализируются инфлюенсеры в Instagram, одной из крупнейших социальных сетей с более чем 1 миллиардом активных пользователей (Statista 2020), такой что 93% рекламодателей планируют использовать ее для инфлюенс-маркетинга (Linqia 2021).

Чтобы проверить гипотезы, использовалась сложная эмпирическая стратегия.

Во-первых, в Исследовании 1 формально проверили H1-H3 с помощью крупного полевого исследования и данных наблюдений.

Во-вторых, провели пять дополнительных исследований.

В Исследовании 2, используя данные отслеживания глаз, подтвердили что пользователи ищут количество подписчиков блоггера как релевантную подсказку для информирования своей мотивации к взаимодействию с рекламным контентом инфлюенсера.

В Исследовании 3а продемонстрировали в лабораторном эксперименте, что вероятность взаимодействия уменьшается с ростом количества подписчиков лидера мнений, а также как этот эффект разворачивается через прочность связи.

Исследование 3b связывает лабораторные результаты с результатами полевых исследований, показывая, что прогнозируемые в лабораторных условиях показатели взаимодействия приведут к обратной U-образной зависимости между охватами и взаимодействием, как предполагали изначально в рамках построения гипотез и наблюдаем в полевых условиях. Мы также определили условия, при которых U-образная форма исчезнет.

Затем, в исследованиях 3c и 3d, проверили, как свойства кампании влияют на снижение вероятности взаимодействия из-за более высоких охватов (роста количества подписчиков).

Подробнее информацию о полученных результатах исследования можно посмотреть здесь.

Чтобы проверить модель с помощью данных наблюдений, нужна подробная информация о метриках взаимодействия и информации об инфлюенсерах.

Некоторые из этих данных не являются публичными (например, показы, клики) или не доступны исторически (например, истории), могли быть изменены инфлюенсером после публикации (например, удаленные сообщения) и не позволяют точно определить, какой контент относится к конкретной кампании.

Чтобы обойти эти проблемы, авторы исследования прибегли к собственному набору данных, собранному из данных, предоставленных пятью агентствами по работе с соцсетями, специализирующимися на инфлюенс-маркетинге. Агентства различаются по размеру, от небольших бутиков до одного из крупнейших международных агентств, специализирующихся на маркетинге влияния, которое является официальным партнером Instagram.

Эти собранные данные включают информацию о 802 кампаниях, случайно выбранных из портфолио кампаний агентств, без экстремально успешных и неудачных кампании с точки зрения уровня взаимодействия с контентом лидеров мнений.

Рекламируемые бренды представляют разные категории, включая красоту, моду и ювелирные изделия, поэтому дают репрезентативную выборку компаний, рекламируемых в Instagram (Businessnes 2019). Выборка содержит 6422 поста и 6178 историй от 1738 инфлюенсеров, опубликованных с 2017 по 2020 год.

В целом этот спонсированный контент привлек значительное внимание, получив более 775 миллионов показов, более 49 миллионов лайков и более 1,4 миллиона комментариев.

Рассмотрим эффект от использования разных лидеров мнений на примере с ограниченным бюджетом и набором известных блоггеров (подробнее - здесь). На левой стороне нашей кривой (параболы), показывающей связь между количеством подписчиков и взаимодействием с контентом для среднего инфлюенсера с 178,983 подписчиков и 6,059 лайками за пост, 10% увеличение количества подписчиков инфлюенсера приводит к 6,2% увеличению лайков. Этот эффект приводит к значительному увеличению взаимодействия на 376 лайков за пост. Однако этот эффект снижается по мере увеличения количества подписчиков. Для инфлюенсера с аудиторией 2,5 миллиона - мы уже отмечаем снижение на 314 лайков за пост при 10% увеличении количества подписчиков.

Переходя к модерирующим эффектам двух свойств кампании, в соответствии с гипотезами - по H2: обнаружили ослабляющую модерирующую роль кастомизации контента как для взаимодействия с постом (β3 = .025, p < .01), так и для взаимодействия с историей (β3 = .049, p < .01); в H3: менее известные бренды также ослабляют обратную U-образную зависимость для взаимодействия с постом (β3 = −.016, p < .01), хотя и не для взаимодействия с историей (β3 = .026, н.з.). Построим графики модерирующих эффектов для кастомизации контента и знания бренда.

Опираясь на результаты полевых исследований, в Исследованиях 2 и 3 удалось пролить больше света на механизм, предложенный в "Концептуальной основе". В частности, авторы исследования сосредоточились на отрицательной связи между охватами инфлюенсера и вероятностью взаимодействия в серии из пяти экспериментов. С этой целью сначала установили доказательства того, что подписчики полагаются на данные об аудитории блогера для определения своей вероятности взаимодействия (Исследование 2). Затем показали, что вероятность взаимодействия уменьшается с охватами согласно эффекту посредничества через воспринимаемую прочность связи (Исследование 3а). Затем связали экспериментальные данные с данными полевых наблюдений, чтобы определить условия, при которых существует обратная U-образная зависимость между количеством подписчиков и взаимодействием аудитории с контентом (Исследование 3b). Наконец, получили дальнейшие сведения о влиянии кастомизации контента и знания бренда на зависимость охватов и вовлеченность (Исследования 3c и 3d).

Чтобы установить связь между количеством подписчиков инфлюенсера и вероятностью взаимодействия, необ ходимо сначала проверить, полагаются ли пользователи на информацию об его аудитории для определения своей мотивации к взаимодействию с рекламным контентом инфлюенсера. Для этого теста использовали новую технологию отслеживания глаз, которая позволяет проводить удаленный сбор данных на основе браузера через веб-камеры участников (Labvanced 2022).

С помощью эксперимента с повторными измерениями между испытуемыми в выборки из 87 пользователей Instagram (Mвозраст = 26.1 год; 49,4% женщин), ошибка калибровки которых была ниже порогового значения, рекомендованного поставщиком программного обеспечения, проверили, заставляет ли просьба участников оценить вероятность их взаимодействия со спонсируемым контентом лидера мнений направлять свое визуальное внимание больше на информацию о степени влияния (основной области интересов), чем просьба просто просмотреть профиль блоггера.

В качестве показателей движения глаз оценивали частоту фиксации взгляда, которую измеряли как долю взглядов на интересующую область по сравнению со всеми взглядами, и время первого посещения, представляющую собой сумму продолжительности фиксации во время первого посещения интересующей области. Таким образом, использовали показатели, основанные как на частоте, так и на продолжительности, чтобы наиболее полно учесть визуальное внимание (Хонг, Мисра и Вилкассим, 2016; Стюарт, Пикеринг и Стерт, 2004; Ван дер Ланс и Ведель, 2017).

Прежде чем представить участникам четыре профиля реальных инфлюенсеров Instagram, в контрольной группе попросили их рассмотреть свою вероятность взаимодействия с рекламным контентом от соответствующего инфлюенсера (поставив лайк, поделившись или прокомментировав). В контрольной группе попросили участников эксперимента осмотреть профиль так, как они обычно делают в Instagram, без каких-либо дополнительных инструкций. Затем респонденты просматривали каждый профиль в течение 15 секунд, в это время записывали движения их глаз.

В модели частоты фиксации взгляда коэффициент фиктивного элемента управления является значительно положительным (β = .013, p = .043), что указывает на то, что участники, обработанные вопросом о вероятности взаимодействия, уделяют значительно больше внимания информации о количестве подписчиков инфлюенсера.

В модели времени первого прохода фиктивный элемент управления также является значительно положительным (β = 63,962, p = .039), поэтому участники также дольше фиксируют взгляд на информации о количестве подписчиков блогера. Результаты качественно эквивалентны, когда мы учитываем уровень достоверности взглядов, тем самым уменьшая влияние моргания или саккад (Labvanced 2022; Van der Lans и Wedel 2017). Эти результаты показывают, что количество подписчиков инфлюенсера является релевантной подсказкой, которая информирует пользователей о вероятности взаимодействия.

В онлайн-лабораторном эксперименте авторы исследования манипулировали количеством подписчиков инфлюенсера, чтобы установить в контролируемых условиях, что вероятность взаимодействия уменьшается с ростом охватов, а также продемонстрировать, как количество подписчиков влияет на вероятность взаимодействия через воспринимаемую прочность связи между блоггером и его аудиторией.

Участники и концепция исследования

В исследовании приняли участие 151 пользователь Instagram (средний возраст = 33,1 года; 59,6% женщин), которые прошли проверку на внимание. Участники должны были представить себе, что они следуют за инфлюенсером с различным количеством подписчиков: небольшим, средним или значительным, а затем оценить свою вероятность взаимодействия с рекламным контентом этого инфлюенсера.

Процедура

Для обеспечения взаимопонимания мы предоставили участникам краткое введение в маркетинг влияния. Затем, чтобы побудить их погрузиться в сценарий, показали фотографии профилей двух вымышленных инфлюенсеров, «its.me.sophie» и «lea.la.vida», и попросили их подписаться на одного из них. Затем участники увидели якобы выдержку из профиля выбранного инфлюенсера в Instagram, представленного как инфлюенсер с малым («3148 подписчиков»), средним («220 тыс. подписчиков») или значительным («3,1 млн. подписчиков») количеством подписчиков. Участникам также сообщили, что сегодня в их ленте появилось спонсированное сообщение от инфлюенсера. Участники оценили свою вероятность взаимодействия с постом с помощью пункта: «Насколько вероятно, что вы будете взаимодействовать с постом, который вы видите у [инфлюенсера] (например, поставив лайк или прокомментировав его)?» (1 = «очень маловероятно» и 7 = «очень вероятно»).

Для проверки механизма медиации попросили участников оценить воспринимаемую силу связи с инфлюенсером с помощью трех пунктов: «Я бы чувствовал себя близким к [инфлюенсеру]», «Моя связь с [инфлюенсером] была бы сильной» и «Я бы чувствовал себя очень знакомым с [инфлюенсером]» (α = .93), адаптировано из Mittal, Hupperts и Khare (2008) и оценивалось по семибалльной шкале (1 = «категорически не согласен» и 7 = «полностью согласен»).

Результаты

Ключевой вывод на основе полученных данных - сила связей остается доминирующим фактором при выборе из нескольких альтернативных лидеров мнений. Подробнее с результатами можно ознакомиться здесь.

С таким новым подходом к оценке эффективности лидеров мнений, который связывает количество подписчиков инфлюенсера с общим уровнем взаимодействия, результаты кампании становятся более предсказуемы.

Хотя исследований количества подписчиков в социальных сетях довольно много, особенно в отношении стратегий привлечения, доказательства роли количества подписчиков в маркетинге влияния как отдельного типа тактики социальных медиа встречаются редко.

Поэтому мы излагаем подробную основу, которая сочетает в себе охват и вероятность взаимодействия, две силы с противодействующими эффектами, управляемыми количеством подписчиков, и показываем, как обе силы взаимодействуют и создают уникальный паттерн обратной U-образной формы.

Одним из строительных блоков этой основы является идея о том, что количество подписчиков служит подсказкой, которую подписчики используют для оценки своих отношений с инфлюенсерами. Эта перспектива использования подсказок появляется в литературе о социальных медиа (Valsesia, Proserpio и Nunes 2020) и предоставляет актуальный теоретический подход для объяснения наших результатов и оценки онлайн-отношений в целом (Meyners et al. 2017).

В социальных сетях связи должны обращаться к внешним данным, чтобы компенсировать отсутствие более подробной информации, которая обычно доступна в личных отношениях. Без взаимодействия, которое помогает определить силу взаимоотношений, публично видимые подсказки, такие как количество подписчиков, становятся значительно более важными для оценки качества связи.

Мы фокусируемся на эффектах использования подсказок, но это не исключает параллельный путь, в котором количество подписчиков также связано с взаимодействием через оценки фактически наблюдаемых (или испытанных) отношений "инфлюенсер-подписчик".

Еще один важный фактор оценки может возникнуть, когда большое количество подписчиков приводит к большей гетерогенности аудитории, что может снизить вероятность взаимодействия подписчиков, поскольку инфлюенсеру становится труднее адаптировать контент к более разнообразным интересам более широкой аудитории.

Кроме того, отмечая, что отношения являются универсальными, мощными столпами маркетинга влияния, мы предлагаем теоретический отчет об их посреднической роли через прочность связи.

Мы обнаружили, что воспринимаемая прочность связи является доминирующим механизмом, через который количество подписчиков влияет на взаимодействие, подчеркивая важность управления восприятием отношений в социальных медиа.

Вводя кастомизацию контента и знание бренда как факторы, которые помогают повысить восприятие пользователем того, как инфлюенсеры привержены своим отношениям с подписчиками, что повышает вероятность взаимодействия подписчиков с контентом блоггера, авторы исследования предлагают интересные идеи о том, как лидеры мненний с большим количеством подписчиков могут страдать от дефицита прочности связи. Эти компенсаторные эффекты добавляют важные нюансы к существующей литературе об эффектах подсказок и характеристиках сети инфлюенсеров в социальных медиа (например, Valsesia, Proserpio и Nunes 2020).

Еще одним интересным результатом является эффект насыщения количества подписчиков. В то время как предыдущие исследования ставят под сомнение его существование в традиционной (Hanssens, Parsons и Schultz 2001) или в онлайн-рекламе (например, Chae, Bruno и Feinberg 2019), данная статья указывает на риск насыщения в цифровых каналах, показывая, что маркетинг влияния представляет собой еще один канал, в котором могут возникать такие эффекты.

Наше исследование предлагает более точные данные об эффективности инфлюенсеров, основанные на строгом анализе. В отличие от предыдущих описательных исследований, которые полагались только на публично доступные метрики взаимодействия, мы учитываем удаленные посты и истории. Наши результаты показывают, что 21% постов были удалены из профилей инфлюенсеров, некоторые вскоре после публикации. Мы также обнаружили, что удаленные посты имели значительно меньше лайков и комментариев, чем оставшиеся в профилях. Это свидетельствует о том, что инфлюенсеры оптимизируют свои профили, основываясь на метриках взаимодействия, видимых для пользователей и рекламодателей. Таким образом, наше исследование предлагает более достоверные данные об эффективности инфлюенсеров, которые могут быть полезны для менеджеров при принятии решений.

Мы продолжаем обсуждение, стоит ли рекламодателям сотрудничать с инфлюенсерами с большим или очень маленьким количеством подписчиков. Наше исследование показывает, что существует обратная U-образная зависимость между количеством подписчиков и уровнем взаимодействия. Это означает, что инфлюенсеры со средним количеством подписчиков являются "золотой серединой", так как они имеют достаточно большую и активную аудиторию. В зависимости от типа взаимодействия, мы выявили, что оптимальные точки находятся на уровне 1,124,221 подписчиков (для упоминаний) и 1,877,936 подписчиков (для лайков).

Наши результаты могут помочь в принятии решений о том, как организовать контент в рамках кампании: стоит ли придерживаться единого стиля или предоставить инфлюенсерам творческую свободу. Хотя маркетинговая литература советует создавать согласованные впечатления для лучшего запоминания, наши данные показывают, что в маркетинге влияния важно допускать некоторую несогласованность. Это поможет усилить ощущение сильной связи аудитории с блоггером, что в целом приводит к росту эффективности кампании. Мы рекомендуем брендам позволять лидерам мнений с большой аудиторией создавать оригинальный контент в своем стиле, а не просто повторять официальные сообщения бренда.

Кроме того, наши результаты ставят под сомнение общепринятые мнения о том, как свойства кампании влияют на сотрудничество с инфлюенсерами. Например, обратная U-образная зависимость между количеством подписчиков и взаимодействием менее выражена для менее известных брендов. Это дает им возможность работать с инфлюенсерами с большим количеством подписчиков, так как проблемы с низкой прочностью связи не так критичны. В то же время известные бренды должны сотрудничать с инфлюенсерами, у которых не слишком много и не слишком мало подписчиков, чтобы максимизировать взаимодействие. Мы рекомендуем инфлюенсерам с большим количеством подписчиков рассмотреть возможность партнерства с менее известными брендами для взаимной выгоды.

Результаты нашего исследования имеют важные последствия для управления бюджетом в маркетинге влияния.

Мы обнаружили, что максимальное количество лайков и наименьшая стоимость за лайк достигаются при сотрудничестве с инфлюенсерами, у которых от 100 000 до 500 000 подписчиков.

При равных управленческих затратах кампания с множеством инфлюенсеров с небольшим количеством подписчиков (10 000) оказывается столь же эффективной, как кампания с несколькими инфлюенсерами с большим количеством подписчиков (1 миллион).

Однако, если учесть более высокие управленческие затраты для инфлюенсеров с очень маленьким и очень большим количеством подписчиков, мы видим, что эффективность кампании с инфлюенсерами с небольшим количеством подписчиков значительно снижается. В итоге, такая кампания достигает результатов, сопоставимых с кампаниями, состоящими из инфлюенсеров с примерно 2 миллионами подписчиков.

Эти результаты дают полезные рекомендации для управления кампаниями.

Хотя мы в основном анализировали спонсируемый контент, расчеты на уровне кампании также показывают различия в стоимости постов между инфлюенсерами с разным количеством подписчиков и подчеркивают преимущества сотрудничества с инфлюенсерами, у которых количество подписчиков находится между часто рекомендуемыми очень маленьким и очень большим объемом аудитории.

Источник: