Predicting Influencer Actual Reach Using Linear Regression

• Main Authors: Khogasteh, Sam, Wiorek, Edvin
• Format: Others
• Language: English
• Published: KTH, Skolan för elektroteknik och datavetenskap (EECS) 2021
• Subjects: Other Computer and Information Science; Annan data- och informationsvetenskap
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-299339

The influencer marketing industry has seen a tremendous growth in recent years, yet the effectiveness of this marketing form is still largely unexplored. This report aims to explore how various performance measures are linked to the reach of social media pages, utilizing the linear regression model. Three different data sets were collected manually, or using web scraping. By splitting these data sets to training- and test data we examined the degree to which the linear regression model can predict the actual reach, the page views and the weekly growth of an influencer. We concluded that there is a statistically significant correlation between multiple performance metrics of a social media page and the actual reach or the page views of that account. This study is however limited by its narrow data set and time frame, warranting future research in order to further establish the degree of this correlation. The results of this study can benefit companies in their process of selecting influencers to collaborate with, as well as determining the expected return on investment for that particular collaboration. This can in turn lead to a more efficient, authentic and transparent marketplace, and to consumers being less exposed to advertisement from misleading and malicious influencers.  === Under de senaste åren har marknadsföringsindustrin med influencers växt drastiskt, ändå är effektiviteten hos denna marknadsföringsform relativt outforskad. Denna rapport avser använda linjär regression för att utforska hur olika prestationsmått är kopplade till räckvidden hos profiler på sociala medier. De olika datamängderna samlades manuellt, eller med hjälp av web scraping. Genom att dela upp datamängderna i träningsdata och testdata undersökte vi i hur hög grad den linjära regressionsmodellen kan förutsäga faktisk räckvidd, sidvisningar och profilens tillväxt under en vecka.  Vi drog slutsatsen att det finns en statistisk signifikant korrelation mellan flera prestationsmått för en profilsida, och antalet sidvisningar for det kontot. Studien är emellertid begränsad av sin datamängd och tidsspann, något som motiverar framtida studier for att ytterligare etablera korrelationsgraden.  Studiens resultat kan gynna företag i deras process att välja vilka influencers de vill samarbeta med, såväl som i deras process att bestämma den förväntade avkastningen för ett specifikt samarbete. Detta kan i sin tur bidra till en mer effektiv, autentisk och transparent marknad, något som också gör att konsumenten ¨ blir mindre exponerad for marknadsföring från vilseledande och illvilliga influencers.