論文の概要: Computational Studies in Influencer Marketing: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2506.14602v1
- Date: Tue, 17 Jun 2025 15:05:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-18 17:34:59.534419
- Title: Computational Studies in Influencer Marketing: A Systematic Literature Review
- Title（参考訳）: インフルエンサーマーケティングにおける計算学的研究 : 体系的文献レビュー
- Authors: Haoyang Gui, Thales Bertaglia, Catalina Goanta, Gerasimos Spanakis,
- Abstract要約: 本稿では,インフルエンサーマーケティングにおける計算研究の現状について概説する。
このレビューでは、インフルエンサーの識別と性格化、広告戦略とエンゲージメント、スポンサードコンテンツ分析と発見、フェアネスの4つの主要な研究テーマを特定した。
主要な発見は、規制の遵守と倫理的配慮に限定された、商業的な成果の最適化に強く焦点を絞っていることを示している。
- 参考スコア（独自算出の注目度）: 6.512258839228367
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Influencer marketing has become a crucial feature of digital marketing strategies. Despite its rapid growth and algorithmic relevance, the field of computational studies in influencer marketing remains fragmented, especially with limited systematic reviews covering the computational methodologies employed. This makes overarching scientific measurements in the influencer economy very scarce, to the detriment of interested stakeholders outside of platforms themselves, such as regulators, but also researchers from other fields. This paper aims to provide an overview of the state of the art of computational studies in influencer marketing by conducting a systematic literature review (SLR) based on the PRISMA model. The paper analyses 69 studies to identify key research themes, methodologies, and future directions in this research field. The review identifies four major research themes: Influencer identification and characterisation, Advertising strategies and engagement, Sponsored content analysis and discovery, and Fairness. Methodologically, the studies are categorised into machine learning-based techniques (e.g., classification, clustering) and non-machine-learning-based techniques (e.g., statistical analysis, network analysis). Key findings reveal a strong focus on optimising commercial outcomes, with limited attention to regulatory compliance and ethical considerations. The review highlights the need for more nuanced computational research that incorporates contextual factors such as language, platform, and industry type, as well as improved model explainability and dataset reproducibility. The paper concludes by proposing a multidisciplinary research agenda that emphasises the need for further links to regulation and compliance technology, finer granularity in analysis, and the development of standardised datasets.
- Abstract（参考訳）: インフルエンサーマーケティングはデジタルマーケティング戦略の重要な特徴となっている。
急速な成長とアルゴリズムの関連性にもかかわらず、インフルエンサーマーケティングにおける計算研究の分野はいまだ断片的であり、特に採用されている計算方法論に関する限られた体系的なレビューがある。
これにより、インフルエンサー・エコノミーにおける科学的測定は、規制当局のようなプラットフォーム外の利害関係者の負担が軽減されるだけでなく、他の分野からの研究者の負担も少なくなっている。
本稿では,PRISMAモデルに基づく体系的文献レビュー(SLR)を実施し,インフルエンサーマーケティングにおける計算研究の現状について概観する。
本研究分野における主要な研究テーマ,方法論,今後の方向性を明らかにするため,69の論文を分析した。
このレビューでは、インフルエンサーの識別と性格化、広告戦略とエンゲージメント、スポンサードコンテンツ分析と発見、フェアネスの4つの主要な研究テーマを特定した。
方法論的には、これらの研究は機械学習に基づく技術(例えば分類、クラスタリング)と非機械学習に基づく技術(例えば統計分析、ネットワーク分析)に分類される。
主要な発見は、規制の遵守と倫理的配慮に限定された、商業的な成果の最適化に強く焦点を絞っていることを示している。
レビューでは、言語、プラットフォーム、産業タイプといった文脈的要素を取り入れた、より微妙な計算研究の必要性と、モデル説明可能性の改善とデータセットの再現性を強調している。
この論文は、規制とコンプライアンス技術へのさらなるリンクの必要性、分析のきめ細かい粒度、標準化されたデータセットの開発に焦点を当てた、多分野の研究課題を提案することで締めくくられる。
関連論文リスト
- A Causal Inference Approach for Quantifying Research Impact [23.828907866209494]
引用数とインパクトファクターは、個々の研究への影響を測定するのに使うことができる。
ディープラーニングはコンピュータビジョンと自然言語処理に大きな影響を与える。
その結果,ディープラーニングの影響はMLモデルの解釈可能性の影響の3.1倍であった。
論文 参考訳（メタデータ） (2025-03-07T10:06:42Z) - CS-PaperSum: A Large-Scale Dataset of AI-Generated Summaries for Scientific Papers [3.929864777332447]
CS-PaperSumは、31の上位コンピュータサイエンスカンファレンスから91,919件の大規模データセットである。
我々のデータセットは、自動文献分析、研究トレンド予測、AIによる科学的発見を可能にする。
論文 参考訳（メタデータ） (2025-02-27T22:48:35Z) - Automating Bibliometric Analysis with Sentence Transformers and Retrieval-Augmented Generation (RAG): A Pilot Study in Semantic and Contextual Search for Customized Literature Characterization for High-Impact Urban Research [2.1728621449144763]
文献分析は、都市科学における研究動向、スコープ、影響を理解するために不可欠である。
キーワード検索に依存する伝統的な手法は、記事のタイトルやキーワードに明記されていない価値ある洞察を明らかにするのに失敗することが多い。
我々は、生成AIモデル、特にトランスフォーマーとレトリーバル拡張生成(RAG)を活用して、バイオロメトリ分析の自動化と強化を行う。
論文 参考訳（メタデータ） (2024-10-08T05:13:27Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。
直接支援できる論理的推論は、学習、近似、予測において非常に限られています。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - A Comprehensive Study of Groundbreaking Machine Learning Research:
Analyzing highly cited and impactful publications across six decades [1.6442870218029522]
機械学習(ML)は、コンピュータ科学やその他の関連分野の研究分野として注目されている。
重要なトレンド、影響力のある著者、そしてこれまでの重要な貢献を識別するために、高度に引用された出版物の風景を理解することが不可欠である。
論文 参考訳（メタデータ） (2023-08-01T21:43:22Z) - Mapping Computer Science Research: Trends, Influences, and Predictions [0.0]
我々は、トレンド研究領域を予測するために、決定木やロジスティック回帰モデルを含む高度な機械学習技術を採用している。
分析の結果,研究論文(参照数)に引用される参考資料の数は,トレンド研究領域を決定する上で重要な役割を担っていることが明らかとなった。
ロジスティック回帰モデルは、傾向を予測するために決定木モデルより優れ、高い精度、精度、リコール、F1スコアを示す。
論文 参考訳（メタデータ） (2023-08-01T16:59:25Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Through the Data Management Lens: Experimental Analysis and Evaluation
of Fair Classification [75.49600684537117]
データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。
我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。
我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
論文 参考訳（メタデータ） (2021-01-18T22:55:40Z)
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。