With the increase of social media users, marketing through social media channels is becoming more and more important for large and small businesses around the globe. This form of marketing can be done in different ways. For example, through ads on social media platforms or by using influential opinion leaders (influencers) to reach out to a large number of customers. It can be difficult, especially for smaller brands, to navigate through the vastness of influencer marketing and find the right partner. This master thesis investigates how a process for brands to create a deal for a product/service they want to promote and how machine learning can be applied to recommend suitable influencers. Finding the right match is necessary for brands looking to take advantage of the rise of social media marketing. The thesis includes research of potential input and output for a machine learning algorithm, suggestions regarding which machine learning type and machine learning algorithm could be used, and presents a design of the deal creation process. The master thesis is conducted with the support of a startup company called Splick. Splick connects brands and influencers with an easy-to-use platform. Collaborations through Splick can be done with the help of affiliate links that track everything from clicks to sales. Every partnership is different since it depends on the brand, the influencer, and the type of product/service the brand is trying to promote. This makes it necessary to take a wide variety of metrics and benchmarks into consideration. The thesis found that a combination of metrics from the participants of the deal and the deal itself, metrics from various social media platforms where the influencer is active, and benchmarks from Splick’s affiliate link service would all be useful. The suggested output of a machine learning algorithm is common points of interest found in partnerships with similar brands and influencers that occurred in the past and turned out to be successful. Out of the machine learning types and algorithms analyzed, an unsupervised learning approach using Neural Network-based clustering seemed to be a viable way to proceed. Further research would be necessary regarding the presented machine learning approach to create a more clear plan for development and implementation. / Med ökningen av användare på sociala medier blir marknadsföring via sociala mediekanaler allt viktigare för små och stora företag runt om i världen. Denna form av marknadsföring kan utföras på olika sätt. Till exempel genom annonser på sociala medieplattformar eller genom att använda inflytelserika opinionsbildare (influencers) för att nå ut till ett stort antal kunder. Det kan vara svårt, särskilt för mindre företag, att utnyttja kraften av influencer marknadsföring och hitta rätt partner. Denna masteruppsats undersöker en process för företag att skapa en överrenskommelse för en produkt/tjänst de vill marknadsföra och hur maskininlärning kan tillämpas för att rekommendera lämpliga influencers. Att hitta rätt partner är nödvändigt för företag som vill dra fördel av marknadsföring på sociala medier. Examensarbetet inkluderar forskning om potentiell input och output för en maskininlärningsalgoritm, förslag om vilken maskininlärningstyp och maskininlärningsalgoritm som kan användas och presenterar en design av processen för att skapa överrenskommelser med influencers. Examensarbetet genomförs med stöd av ett startupföretag som heter Splick. Splick kopplar samman företag och influencers med en lättanvänd plattform. Samarbeten genom Splick kan göras med hjälp av affiliate-länkar som spårar allt från klick till försäljning. Alla samarbeten är olika eftersom det beror på företaget, influencern och vilken typ av produkt/tjänst företaget vill marknadsföra. Detta gör det nödvändigt att ta hänsyn till en mängd olika mätvärden och riktmärken. Avhandlingen fann att en kombination av mätvärden från deltagarna och själva överrenskommelsen, mätvärden från olika sociala medieplattformar där influencern är aktiv och riktmärken från Splicks affiliate-länktjänst skulle vara användbara. Den föreslagna outputen av en maskininlärningsalgoritm är intressepunkter som hittas i samarbeten med liknande företag och influencers som inträffat tidigare och som visade sig vara lönsamma. Av de maskininlärningstyper och algoritmer som analyserats, verkade en unsupervised learning metod med hjälp av Neural Network-based clustering vara en bra metod att gå vidare med. Ytterligare forskning skulle behövas angående metoden för maskininlärning för att skapa en tydligare plan för utveckling och implementering.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:umu-192335 |
| Date | January 2022 |
| Creators | Hedlund, Jonathan |
| Publisher | Umeå universitet, Institutionen för tillämpad fysik och elektronik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds