Marketing de Influencers en Instagram : Un framework para encontrar la mejor estrategia de marketing basado en algoritmos de clustering de influencers y similitud con el público objetivo

Abstract

A partir del nacimiento de las redes sociales, las compañías han lentamente abandonado las formas tradicionales de promocionar sus productos y servicios, para dar lugar a una nueva forma de hacer marketing: el llamado Marketing de Influencers. Este se basa en utilizar a los influencers de las redes sociales (nuevas “celebridades” en Internet) para que estos publiciten los productos de las empresas o marcas a través de sus publicaciones visitadas por millones de usuarios. No obstante, esta reciente estrategia de marketing online plantea una nueva problemática para las empresas, relacionada con la selección de los mejores influencers para promocionar los productos de manera exitosa, generando ganancias a las firmas. Dado que la literatura sobre esta temática es diversa y no sugiere una estrategia definitiva a seguir por las compañías, el presente estudio propone un conjunto de herramientas analíticas que puedan servirle a estas al momento de enfrentarse al problema principal del Marketing de Influencers. Particularmente, se sugiere la utilización de algoritmos de clustering sobre los datos de los influencers actuales para encontrar patrones que los caractericen y el posterior uso de estos resultados para llevar a cabo experimentos controlados que ayuden a comprender cómo influyen distintas características de los influencers sobre el comportamiento de los consumidores. De esta forma, gracias a la base de datos de influencers de Instagram provista por la compañía Upfluence, corrimos el algoritmo de k -prototypes para formar grupos de influencers e identificar sus características representativas. A partir de estos resultados, creamos perfiles de influencers ficticios de Instagram con el objetivo de realizar un experimento (N=213) que analice el impacto de la similitud entre el influencer y el consumidor sobre la disposición a comprar y pagar por el producto y la disposición a recomendar y a republicar el contenido del influencer. De la etapa de clustering, concluimos que la cantidad de seguidores (sinónimo de popularidad), es una de las variables más interesantes al momento de identificar distintos grupos de influencers, mientras que de la etapa experimental, concluimos que la similitud entre el influencer y el seguidor (medida a partir de la similitud ideológica o de postura ante la legalización del aborto en Argentina) parece tener un impacto significativo sobre la disposición a comprar del seguidor , cuando este está en contra de la legalización del aborto. En conclusión, esta investigación no solo puede considerarse como el primer intento de combinar un análisis de clustering (técnica de Machine Learning) con experimentos (método de investigación en Marketing), sino que también propone que las compañías tengan en cuenta la similitud que existe entre su público objetivo y los influencers que pretenden seleccionar para publicitar sus productos.

Since the emergence of social networks, companies have slowly abandoned traditional strategies for promoting their products and services, in favor of a new way of doing marketing: the so-called Influencer Marketing. It consists in advertising products through social media influencers (considered “online celebrities” on the Internet) and their posts viewed by millions of followers. However, along with this recent online marketing strategy a new business problem also arises: which influencers should companies and brands choose in order to maximize their sales? Given that the literature on this topic is diverse and does not suggest a definitive strategy to be followed by companies, this study proposes a set of analytical tools that can be useful for firms when facing the main problem of Influencer Marketing. Particularly, we suggest running clustering algorithms on current influencers data in order to find patterns that characterize them and using these results to carry out controlled experiments that help to understand how different influencers characteristics affect consumer behavior. Therefore, using the database of Instagram influencers provided by the company Upfluence, we ran a k -prototypes algorithm to identify groups of influencers. With these results, we created fictitious profiles of Instagram influencers in order to run an experiment (N = 213) that studies the impact of the similarity between the influencer and their followers on the willingness to buy and pay for the product and the willingness to recommend and republish the content of the influencer. From the clustering step, we conclude that the number of followers (measure of popularity) is one of the most interesting variables when identifying different groups of influencers, while from the experimental step, we conclude that the similarity between the influencer and their followers (which was measured using the ideological similarity or position regarding the legalization of abortion in Argentina) seems to have a significant effect on the willingness to buy (the product) of the follower when they are against abortion. In conclusion, this research can not only be considered as a first attempt to combine clustering analysis (machine learning technique) and experiments (marketing research method), but also proposes that companies should take into account the similarity that exists between their target audience and the influencers they select to advertise their products.