К вопросу о применении больших данных в задачах оптимизации инфлюенс-маркетинга компании: разработка индекса полезности инфлюенсера

целью исследования является разработка авторского подхода к оптимизации инфлюенс-маркетинга на основе авторского индекса полезности блогера (BVI) и современных технологий анализа больших данных (Python, LLM). Методы: в исследовании используются методы сбора и обработки больших объёмов данных из социальных сетей посредством Python (Pandas, API-запросы), алгоритмы многопоточного и асинхронного анализа данных, а также функции больших языковых моделей (LLM) для структурирования и интерпретации полученных результатов. Кроме них применялись общенаучные методы, сравнительный, описательный и обобщающий анализ. Результаты (Findings): предложен индекс полезности блогера (BVI), который позволяет выявлять наиболее релевантных инфлюенсеров с учётом пересечения их аудиторий и целевой аудитории компании. Разработан программный код на Python, который автоматически рассчитывает BVI, формирует базу потенциально эффективных каналов и позволяет оценивать варианты сотрудничества. Показано, что использование больших данных, LLM и современных цифровых технологий для аналитики в инфлюенс-маркетинге обеспечивают расширение возможностей в поддержке принятия решений. Выводы: полученные данные подтверждают эффективность разработанного индекса BVI и подходов к его вычислению, т.к. позволяет улучшить процесс для выбора блогеров, существенно сократить время- и трудо- затраты в инфлюенс-маркетинге. Предложенный подход с применением больших данных, Python и LLM расширяет возможности маркетинговых исследований, поскольку служит базисом для принятия экономически обоснованных решений с последующим ростом эффективности маркетинговых кампаний.

инфлюенс-маркетинг, индекс полезности блогера (BVI), аналитика, нейросети, большие данные, большие языковые модели (LLM), Python, оптимизация маркетинга, аудитория