論文の概要: Video Influencers: Unboxing the Mystique

• arxiv url: http://arxiv.org/abs/2012.12311v1
• Date: Tue, 22 Dec 2020 19:32:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 07:49:35.784387
• Title: Video Influencers: Unboxing the Mystique
• Title（参考訳）: ビデオインフルエンサー:unboxing the mystique
• Authors: Prashant Rajaram and Puneet Manchanda
• Abstract要約: インフルエンサービデオの設計と効果についてはほとんど研究されていない。 動画における広告コンテンツ間の有意な関係を識別するために,トランスファーラーニングによって支援された新しい解釈可能なディープラーニングアーキテクチャを実装した。 重要な発見は、ビデオの最初の30秒におけるブランドの言及は、平均してブランドへの注目度が大幅に高まるが、ビデオに対する感情が大幅に低下していることだ。
• 参考スコア（独自算出の注目度）: 1.7403133838762446
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Influencer marketing is being used increasingly as a tool to reach customers because of the growing popularity of social media stars who primarily reach their audience(s) via custom videos. Despite the rapid growth in influencer marketing, there has been little research on the design and effectiveness of influencer videos. Using publicly available data on YouTube influencer videos, we implement novel interpretable deep learning architectures, supported by transfer learning, to identify significant relationships between advertising content in videos (across text, audio, and images) and video views, interaction rates and sentiment. By avoiding ex-ante feature engineering and instead using ex-post interpretation, our approach avoids making a trade-off between interpretability and predictive ability. We filter out relationships that are affected by confounding factors unassociated with an increase in attention to video elements, thus facilitating the generation of plausible causal relationships between video elements and marketing outcomes which can be tested in the field. A key finding is that brand mentions in the first 30 seconds of a video are on average associated with a significant increase in attention to the brand but a significant decrease in sentiment expressed towards the video. We illustrate the learnings from our approach for both influencers and brands.
• Abstract（参考訳）: インフルエンサーマーケティングは、主にカスタムビデオを通じてオーディエンスにリーチするソーシャルメディアスターの人気が高まっているため、顧客へリーチするためのツールとしてますます使われている。 インフルエンサーマーケティングの急速な成長にもかかわらず、インフルエンサービデオの設計と有効性についてはほとんど研究されていない。 YouTubeインフルエンサービデオの公開データを用いて、動画中の広告コンテンツ(テキスト、音声、画像全体)とビデオビュー、対話率、感情の間の重要な関係を特定するために、転送学習がサポートする新しい解釈可能なディープラーニングアーキテクチャを実装した。 従来の特徴工学を回避し,その代わりにポスト解釈を用いることで,解釈可能性と予測能力のトレードオフを回避する。 本研究では,映像要素の注目度の増加に関連のない要因に影響を及ぼす関係をフィルタリングし,現場でテスト可能な映像要素とマーケティング成果との因果関係の確立を容易にする。 重要な発見は、ビデオの最初の30秒におけるブランドの言及は、平均してブランドへの注目度が大幅に高まるが、ビデオに対する感情が大幅に低下していることだ。 我々は、インフルエンサーとブランドの両方のアプローチから学んだことを説明している。

関連論文リスト

• MERLOT Reserve: Neural Script Knowledge through Vision and Language and Sound [90.1857707251566]
  MERLOT Reserveは、時間とともに動画を共同で表現するモデルである。 我々は、テキストとオーディオのスニペットをMASKトークンに置き換え、正しいマスクアウトスニペットを選択して学習する。 私たちの目標は代替手段よりも早く学習し、大規模に機能します。
  論文  参考訳（メタデータ） (2022-01-07T19:00:21Z)
• Slapping Cats, Bopping Heads, and Oreo Shakes: Understanding Indicators of Virality in TikTok Short Videos [11.089339341624996]
  我々は、TikTokに投稿された短いビデオの要素がバイラル性に与える影響について研究する。 我々の研究は、非ウイルスのTikTokビデオとウイルスを区別する特徴を強調している。
  論文  参考訳（メタデータ） (2021-11-03T18:17:16Z)
• Predicting the Factuality of Reporting of News Media Using Observations About User Attention in Their YouTube Channels [15.650835825104103]
  本稿では,YouTubeチャンネルにおける利用者の注意周期を調査し,ニュースメディアの報道の事実を予測するための新しい枠組みを提案する。 特に、ビデオの視聴回数、お気に入り、嫌い、コメントの時間的進化から派生したリッチな特徴セットを設計し、それをチャンネルレベルに集約する。
  論文  参考訳（メタデータ） (2021-08-27T22:43:00Z)
• Video Person Re-identification using Attribute-enhanced Features [49.68392018281875]
  本稿では属性支援型ビデオ人物Re-IDのためのAttribute Salience Assisted Network (ASA-Net) という新しいネットワークアーキテクチャを提案する。 対象を背景からよりよく分離するために,ハイレベルな属性ではなく,中程度の属性から視覚的注意を学習することを提案する。
  論文  参考訳（メタデータ） (2021-08-16T07:41:27Z)
• Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable Framework [69.5850969606885]
  マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。 精度とモデルの複雑さの両面で大きな改善が見られた。 この研究で提示されるランキングと解釈のテクニックは、任意のマルチメディアランキングタスクに一般化することができる。
  論文  参考訳（メタデータ） (2021-07-29T13:04:25Z)
• Modeling Influencer Marketing Campaigns In Social Networks [2.0303656145222857]
  世界の38億人以上がソーシャルメディアを積極的に利用している。 本研究では、インフルエンサー広告キャンペーンのダイナミクスをシミュレートできるエージェントベースモデル(ABM)を提案する。
  論文  参考訳（メタデータ） (2021-06-03T11:01:06Z)
• Modeling High-order Interactions across Multi-interests for Micro-video Reommendation [65.16624625748068]
  利用者の興味表現を高めるためのセルフオーバーCoアテンションモジュールを提案します。 特に、まず相関パターンを異なるレベルでモデル化し、次に自己注意を使って特定のレベルで相関パターンをモデル化します。
  論文  参考訳（メタデータ） (2021-04-01T07:20:15Z)
• Semi-Supervised Action Recognition with Temporal Contrastive Learning [50.08957096801457]
  2つの異なる速度でラベル付きビデオを用いて2経路の時間的コントラストモデルを学習する。 我々は最先端の半教師付き画像認識手法の映像拡張性能を著しく向上させた。
  論文  参考訳（メタデータ） (2021-02-04T17:28:35Z)
• TCLR: Temporal Contrastive Learning for Video Representation [49.6637562402604]
  2つの新しい損失からなる新しい時間的コントラスト学習フレームワークを開発し、既存のコントラスト自己監督ビデオ表現学習方法を改善する。 一般的な3D-ResNet-18アーキテクチャでは、UCF101で82.4%(+5.1%)、HMDB51で52.9%(+5.4%)の精度を達成した。
  論文  参考訳（メタデータ） (2021-01-20T05:38:16Z)
• Predicting Online Video Advertising Effects with Multimodal Deep Learning [33.20913249848369]
  ビデオ広告のクリックスルー率(CTR)を予測し,CTRを決定する要因を解析する手法を提案する。 本稿では,オンラインビデオ広告のマルチモーダル性を生かして,効果を正確に予測するための最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-22T06:24:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。