人工智能在“网红”营销中的作用

　　“网红”营销，也就是我们说的“影响者（Influencer）”营销在最近几年发展很火。从以前的请明星代言，到如今各种社交媒体上的大V，这是一种新的转变方式。像奔驰请杨笠代言、“何同学”带火乐歌股份的AirDesk视频。这些营销事件中有好有坏，对于广告主来说使用人工智能技术解决“网红”营销中的一些问题也是一种很好的方向。本文来自GlobalTech Outlook的一篇文章，实话说原文不如想象写得好，而且含糊不清。可能并不是技术人员写的，但是我们可以借此帮助思考。

　　概述

　　人工智能在“网红营销”中有很多应用的方向，它不仅可以帮助“网红”的形象更加完善，还可以接触到新的受众。可以帮助我们减轻虚假指标等困扰。下面将描述八种可能的应用方向。

　　识别假“网红”和参与指标

　　从2021年开始，超过66%的品牌报告说遇到了不可忽视的虚假力量。具有误导性的扩大承诺的给广大厂商造成了很大的损失。但是使用人工智能技术，基于影响者的活跃度分析、口碑分析、传播分析。寻找异常的营销者，包括粉丝很多、活跃度很低，甚至是活跃度很高，但粉丝内容过于一致等情况。基于数据将营销者分在不同的类别中，并寻找异常指标来识别虚假影响力。这将帮助广告商降低受骗的概率。

　　分析影响者的受众

　　受众分析是选择影响者营销最重要的步骤之一。这不仅仅是营销部门手动洞察分析的结果。使用营销者粉丝的画像数据，寻找受众标签，可以帮助我们寻找与品牌定位更加符合的营销者形象。像奔驰选择杨笠似乎就可能寻找这种方式减低。

　　薪酬的估计

　　想象一个场景，你可以把影响者的指标和内容与其他力量进行比较，然后测算谈判额度。计算投入产出比。这个其实也就是基于影响者的数据去计算投入多少钱合适。说实话虽然原文认为这是一个很好的方向，但我个人认为这种市场价格大多数还是按照报价协商，算法的机会应该不大。

　　预测营销结果

　　基于历史营销数据，基于营销者自身的信息。预测营销事件带来的影响，包括可能的粉丝增长、销售额的突破等。这个在实际操作中应该是很有希望的。不过，这部分数据可能平台会掌握比较多。毕竟基于平台海量的营销数据，他们可以获取更加全面的预测结果。

　　追踪包含你的品牌的图片

　　计算机视觉可以帮助我们追踪营销素材在网络中的传播，可以帮助我们追踪营销影响，甚至是防止侵权行为。

　　计算指标和投资回报率

　　77%的人利用赚取的媒体价值（EMV）来判断投资回报率，而这是一种不可忽视的力量。经常用来度量影响者影响的回报，它主要计算的是媒体影响力的指标。但是这个指标依赖于粉丝分析、传播分析和影响力分析。并不是很容易计算。但是算法也许可以帮助我们根据预测的影响力来度量。

　　为每个影响者营销挑选最佳内容

　　基于营销的内容与影响者自身的数据，挑选合适的素材与形式，预测不同营销活动的效果，进而帮助我们挑选营销活动最佳内容也是一个方向。