دوره 11، شماره 3 - ( 9-1403 )
جلد 11 شماره 3 صفحات 39-21 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Moradi M. Analysis of Users' Interaction with E-Marketers' Posts on Instagram Social Network. Human Information Interaction 2024; 11 (3)
URL: http://hii.khu.ac.ir/article-1-3181-fa.html
URL: http://hii.khu.ac.ir/article-1-3181-fa.html
مرادی محمد. تحلیل تعامل کاربران با پستهای بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام. تعامل انسان و اطلاعات. 1403; 11 (3)
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بزرگمهر قائنات، قائنات، ایران.
چکیده: (3752 مشاهده)
زمینه و هدف: شبکههای اجتماعی و نفوذ هر چه بیشتر آنها در میان کاربران مختلف در تمام نقاط دنیا باعث شده است که این شبکهها به ابزارهایی مناسب برای تبلیغات و تجارت الکترونیک تبدیل شوند. شبکه اجتماعی اینستاگرام به عنوان یکی از ابزارهای قدرتمند بازاریابی شناخته میشود و افزایش بازدید، پسند و نظر در اینستاگرام، نقش مهمی در دیده شدن کسبوکارها دارد. هدف این پژوهش تحلیل رفتار کاربران در مواجهه با پستهای بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام بهمنظور افزایش تعاملات کاربران با پستهای بازاریابان الکترونیکی میباشد.
روش پژوهش: طبق مطالعات کتابخانهای، عوامل تاثیرگذار بر میزان بازدید، پسند و نظر پستهای بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام استخراج شده است. پس از استخراج دادههای متناسب با هر عامل شناسایی شده، به محاسبه وزن و اهمیت هر یک بر اساس مدل رگرسیون پرداخته شده است. همچنین با استفاده از تکنیکهای دادهکاوی به ایجاد مدل طبقهبند درخت تصمیم برای پیشبینی و مدیریت پستها بهمنظور افزایش میزان بازدید، پسند و نظر، ایجاد شده است.
یافتهها: به طور مستقیم، عواملی مانند «تعداد پستها»، «تعداد دنبالکنندگان»، «نوع پست»، «محتوای پست» و «زمان پست» عوامل بالقوهای هستند که بر تعداد بازدید، پسندها و نظرها تأثیرگذار هستند. طبق نتایج بدست آمده عامل «محتوای پست با موضوع نظرسنجی» با دارا بودن علامت مثبت و ضریب 420290.616 بیشترین تاثیر مثبت را بر میزان بازدید یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 5417.751 بیشترین تاثیر مثبت را بر میزان پسند یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 2164.016 بیشترین تاثیر مثبت را بر میزان نظر یک پست داشته است.
نتیجهگیری: بر اساس عوامل موثر استخراجشده، محاسبه وزن و اهمیت هر عامل و مدل درخت تصمیم ایجادشده میتوان به مدیریت پستها در جهت افزایش میزان بازدید، پسند و نظر پرداخت.
روش پژوهش: طبق مطالعات کتابخانهای، عوامل تاثیرگذار بر میزان بازدید، پسند و نظر پستهای بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام استخراج شده است. پس از استخراج دادههای متناسب با هر عامل شناسایی شده، به محاسبه وزن و اهمیت هر یک بر اساس مدل رگرسیون پرداخته شده است. همچنین با استفاده از تکنیکهای دادهکاوی به ایجاد مدل طبقهبند درخت تصمیم برای پیشبینی و مدیریت پستها بهمنظور افزایش میزان بازدید، پسند و نظر، ایجاد شده است.
یافتهها: به طور مستقیم، عواملی مانند «تعداد پستها»، «تعداد دنبالکنندگان»، «نوع پست»، «محتوای پست» و «زمان پست» عوامل بالقوهای هستند که بر تعداد بازدید، پسندها و نظرها تأثیرگذار هستند. طبق نتایج بدست آمده عامل «محتوای پست با موضوع نظرسنجی» با دارا بودن علامت مثبت و ضریب 420290.616 بیشترین تاثیر مثبت را بر میزان بازدید یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 5417.751 بیشترین تاثیر مثبت را بر میزان پسند یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 2164.016 بیشترین تاثیر مثبت را بر میزان نظر یک پست داشته است.
نتیجهگیری: بر اساس عوامل موثر استخراجشده، محاسبه وزن و اهمیت هر عامل و مدل درخت تصمیم ایجادشده میتوان به مدیریت پستها در جهت افزایش میزان بازدید، پسند و نظر پرداخت.
فهرست منابع
1. هرندی، عطاءاله؛ میرزائیان خمسه، پیوند. (1402). تبیین نقش بازاریابی رسانههای اجتماعی شرکتی بر درگیرسازی مشتریان: بررسی تجربه برند و نسل سنی مشتریان. بررسیهای مدیریت رسانه، 2(3)، 337-365. [DOI:10.22059/mmr.2024.369197.1071]
2. لبافی، سمیه؛ روشندل اربطانی، طاهر؛ محمدی، داوود. (1396). بررسی نقش شبکه های اجتماعی در بازاریابی با استفاده از چارچوب تیلور و اوکازاکی (مطالعه موردی). نشریه مطالعات رسانهای، 12(3)، 103-114. https://www.magiran.com/p1973516
3. References
4. Abu-Shanab, E., Al-Sharafi, M. A., & Al-Emran, M. (2024). The influence of network externality and fear of missing out on the continuous use of social networks: a cross-country comparison. International Journal of Human-Computer Interaction, 40(15), 4058-4070. [DOI:10.1080/10447318.2023.2208990]
5. Aldous, K. K., An, J., & Jansen, B. J. (2019, July). View, like, comment, post: Analyzing user engagement by topic at 4 levels across 5 social media platforms for 53 news organizations. In Proceedings of the International AAAI Conference on Web and Social Media (Vol. 13, pp. 47-57). [DOI:10.1609/icwsm.v13i01.3208]
6. AlRawashdeh, H., Shwedeh, F., & Abdallah, S. (2017, July). How post time and type affect user engagement on public profiles in the Arab World. In Proceedings of the 2017 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2017 (pp. 554-561). [DOI:10.1145/3110025.3110108]
7. Anand, K., Urolagin, S., & Mishra, R. K. (2021). How does hand gestures in videos impact social media engagement-Insights based on deep learning. International Journal of Information Management Data Insights, 1(2), 100036. [DOI:10.1016/j.jjimei.2021.100036]
8. Antonakopoulou, S., & Veglis, A. (2021). How post time and post type affect the engagement on Facebook: The case of a national media organization. Observatorio (OBS*), 15(4). [DOI:10.15847/obsOBS15420211856]
9. Dhanesh, G., Duthler, G., & Li, K. (2022). Social media engagement with organization-generated content: Role of visuals in enhancing public engagement with organizations on Facebook and Instagram. Public Relations Review, 48(2), 102174. [DOI:10.1016/j.pubrev.2022.102174]
10. Dolan, R., Conduit, J., Frethey-Bentham, C., Fahy, J., & Goodman, S. (2019). Social media engagement behavior: A framework for engaging customers through social media content. European journal of marketing, 53(10), 2213-2243. [DOI:10.1108/EJM-03-2017-0182]
11. Fu, G. (2005). Modeling water availability and its response to climatic change for the Spokane River Watershed. Washington State University. https://hdl.handle.net/2376/413
12. Gkikas, D. C., Tzafilkou, K., Theodoridis, P. K., Garmpis, A., & Gkikas, M. C. (2022). How do text characteristics impact user engagement in social media posts: Modeling content readability, length, and hashtags number in Facebook. International Journal of Information Management Data Insights, 2(1), 100067. [DOI:10.1016/j.jjimei.2022.100067]
13. Harandi, A. O., & MirzaeianKhamseh, P. (2023). Explaining the Role of Company's Social Media Marketing on Customer Engagement: Examining Brand Experience and Customer Age Generation. , 2(3), 337-365. (in Persian) [DOI:10.22059/mmr.2024.369197.1071]
14. Huang, J., Wang, C., Su, M., Dai, Q., & Bhuiyan, M. Z. A. (2018, October). Inspecting influences on likes and comments of photos in instagram. In 2018 IEEE SmartWorld, Ubiquitous Intelligence & Computing, Advanced & Trusted Computing, Scalable Computing & Communications, Cloud & Big Data Computing, Internet of People and Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI) (pp. 938-945). IEEE. [DOI:10.1109/SmartWorld.2018.00168]
15. Jaakonmäki, R., Müller, O., & Vom Brocke, J. (2017, January). The impact of content, context, and creator on user engagement in social media marketing. In Proceedings of the Annual Hawaii International Conference on System Sciences (Vol. 50, pp. 1152-1160). IEEE Computer Society Press.
https://doi.org/10.24251/HICSS.2017.136 [DOI:10125/41289]
16. Joo, S., Lu, K., & Lee, T. (2020). Analysis of content topics, user engagement and library factors in public library social media based on text mining. Online information review, 44(1), 258-277. [DOI:10.1108/OIR-11-2018-0345]
17. Kontsevaia, D. B., & Berger, P. D. (2017). Analyzing factors affecting the success of social media posts for B2B networks: a fractional-factorial design approach. International Journal of Business, Economics and Management, 4(6), 112-123. [DOI:10.18488/journal.62.2017.46.112.123]
18. Labbafi, S., Roshandel, T., & Mohammadi, D. (2018). Role of Social Network in marketing; use of the Taylor and Okazaki framework (Case Study). Media Studies, 12(3), 103-114. (in Persian) https://www.magiran.com/p1973516
19. Lee, D., Hosanagar, K., & Nair, H. S. (2018). Advertising content and consumer engagement on social media: Evidence from Facebook. Management science, 64(11), 5105-5131. [DOI:10.1287/mnsc.2017.2902]
20. León-Alberca, T., Renés-Arellano, P., & Aguaded, I. (2024). Digital Marketing and Technology Trends: Systematic Literature Review on Instagram. In International Conference On Communication And Applied Technologies (pp. 309-318). Springer, Singapore. [DOI:10.1007/978-981-99-7210-4_29]
21. Li, Y., & Xie, Y. (2020). Is a picture worth a thousand words? An empirical study of image content and social media engagement. Journal of marketing research, 57(1), 1-19. [DOI:10.1177/0022243719881113]
22. Misra, A., Dinh, T. D., & Ewe, S. Y. (2024). The more followers the better? The impact of food influencers on consumer behaviour in the social media context. British Food Journal. [DOI:10.1108/BFJ-01-2024-0096]
23. Monacho, B. C., & Slamet, Y. U. L. I. U. S. (2023). The Effect of Influencer Engagement Rate in Increasing Followers of Instagram Official Account. Jurnal Komunikasi: Malaysian Journal of Communication, 39(2), 373-388. https://ejournal.ukm.my/mjc/issue/view/1605 [DOI:10.17576/JKMJC-2023-3902-21]
24. Moon, S., & Yoo, S. (2022). Are More Followers Always Better? The Non-Linear Relationship between the Number of Followers and User Engagement on Seeded Marketing Campaigns in Instagram. Asia Marketing Journal, 24(2), 62-77. [DOI:10.53728/2765-6500.1589]
25. Peng, Y., & Lu, L. (2024). Untangling influence: The effect of follower-followee comparison on social media engagement. Journal of Retailing and Consumer Services, 78, 103747. [DOI:10.1016/j.jretconser.2024.103747]
26. Pourazad, N., Stocchi, L., & Narsey, S. (2023). A comparison of social media influencers' KPI patterns across platforms: Exploring differences in followers and engagement on Facebook, Instagram, YouTube, TikTok, and Twitter. Journal of Advertising Research, 63(2), 139-159. [DOI:10.2501/JAR-2023-008]
27. Schultz, C. D. (2016, August). Driving likes, comments, and shares on social networking sites: how post characteristics affect brand interactions in apparel retailing. In Proceedings of the 18th Annual International Conference on Electronic Commerce: e-Commerce in Smart connected World (pp. 1-9). [DOI:10.1145/2971603.2971612]
28. Shahbaznezhad, H., Dolan, R., & Rashidirad, M. (2021). The role of social media content format and platform in users' engagement behavior. Journal of Interactive Marketing, 53(1), 47-65. [DOI:10.1016/j.intmar.2020.05.001]
29. Stepaniuk, K. (2015). The relation between destination image and social media user engagement-theoretical approach. Procedia-Social and Behavioral Sciences, 213, 616-621. [DOI:10.1016/j.sbspro.2015.11.459]
30. Sun, Y., Jia, R., Razzaq, A., & Bao, Q. (2024). Social network platforms and climate change in China: Evidence from TikTok. Technological Forecasting and Social Change, 200, 123197. [DOI:10.1016/j.techfore.2023.123197]
31. Tassawa, C. (2019). Factors influencing Facebook page posts' likes, shares, and comments in sport marketing. ABAC Journal, 39(3), 56-69.
32. www.assumptionjournal.au.edu/index.php/abacjournal/article/view/4201
33. Thomson, T. J., & Greenwood, K. (2017). I "like" that: Exploring the characteristics that promote social media engagement with news photographs. Visual Communication Quarterly, 24(4), 203-218. [DOI:10.1080/15551393.2017.1388701]
34. Thorgren, E., Mohammadinodooshan, A., & Carlsson, N. (2024, May). Temporal Dynamics of User Engagement on Instagram: A Comparative Analysis of Album, Photo, and Video Interactions. In Proceedings of the 16th ACM Web Science Conference (pp. 224-234). [DOI:10.1145/3614419.3644029]
35. Torbarina, M., Jelenc, L., & Brkljačić, I. (2020). Increasing consumer engagement on social networks: Social media influencer's followers 'like'to see a face in a post. Market-Tržište, 32(Special Issue), 67-81. [DOI:10.22598/mt/2020.32.spec-issue.67]
36. Van Bavel, J. J., Robertson, C. E., Del Rosario, K., Rasmussen, J., & Rathje, S. (2024). Social media and morality. Annual review of psychology, 75(1), 311-340. [DOI:10.1146/annurev-psych-022123-110258]
37. Vassio, L., Garetto, M., Chiasserini, C., & Leonardi, E. (2021, November). Temporal dynamics of posts and user engagement of influencers on Facebook and Instagram. In Proceedings of the 2021 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (pp. 129-133). [DOI:10.1145/3487351.3488340]
38. Vassio, L., Garetto, M., Leonardi, E., & Chiasserini, C. F. (2022). Mining and modelling temporal dynamics of followers' engagement on online social networks. Social Network Analysis and Mining, 12(1), 96. [DOI:10.1007/s13278-022-00928-2]
39. Wahid, R. M., & Gunarto, M. (2022). Factors driving social media engagement on Instagram: Evidence from an emerging market. Journal of Global Marketing, 35(2), 169-191. [DOI:10.1080/08911762.2021.1956665]
40. Wies, S., Bleier, A., & Edeling, A. (2023). Finding goldilocks influencers: How follower count drives social media engagement. Journal of Marketing, 87(3), 383-405. [DOI:10.1177/00222429221125131]
41. Xiang, H., Xie, M., & Fang, Y. (2024). Study on the architecture space-social network characteristics based on social network analysis: A case study of Anshun Tunpu settlement. Ain Shams Engineering Journal, 15(1), 102333. [DOI:10.1016/j.asej.2023.102333]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
