Home » Case Studies »
Das Potential von Influencern ist enorm. Vor allem die jüngere Generation kann durch passende Werbebotschafter erreicht werden. Problematisch ist allerdings, dass kaum ein anderer Marketingkanal so anfällig für Betrug und Manipulation ist.
Warum? Gekaufte Likes, Follower, Absprachen zwischen Followern, um ihre Accounts zu manipulieren sind schnell gemacht. Durch herkömmliche KPIs und bestehende Tools lassen sich Manipulationen nur bedingt erkennen und geben falsche Aussagen über das Potential und Wertigkeit eines Influencers.
Wie die folgende Case Study zeigt, können sich Unternehmen nicht auf die Reichweite, Authentizität und den Vertrauensübertrag verlassen, den die Influencer-Profile versprechen.
In Kooperation mit dem WDR und einslive hat Deep Data Analytics drei weibliche Influencer auf Herz und Nieren überprüft. Dabei geht DDA neue Wege: Abseits der bekannten statistischen Werte, die jedes Influencer Profil und bestehende Tools ausweisen, nutzt DDA Machine Learning bzw. ein Neuronales Netz, um Fake Influencern auf die Schliche zu kommen.
In einer Studie von linqia.com gaben 86% der befragten Unternehmen an, auf Influencer Marketing zu setzen.
Von den Studienteilnehmern wurde besonders die Möglichkeit authentische Markeninhalte zu platzieren hervorgehoben (89%).
43% wollen zudem eine jüngere Generation erreichen, die klassischer Werbung nicht vertraut.
**Update**
Eine der analysierten Influencerinnen hat die von uns festgestellten fakes gegenüber dem WDR zugegeben. Eine zweite hat nach Konfrontation mit den Ergebnissen ihre Social Media Accounts deaktiviert. Von der dritten untersuchten Influencrin gab es bis dato keine Rückmeldung.
Analysierte Influencer
Deep Data Analytics nimmt Persönlichkeitsrechte sehr ernst. Es geht DDA nicht darum einzelne Influencer vorzuführen. Daher sind alle Angaben, die die Identifizierung einzelner Personen und Influencer-Profile ermöglichen würden, entfernt worden.
Die drei ausgewählten Profile sind alle aus dem DACH Raum, nennen sich selbst Influencer und haben zwischen 120.000 und 260.000 Follower. Sie sind hauptsächlich in den Bereichen Beauty und Fashion unterwegs und sind in der Vergangenheit bezahlte Kooperationen mit Unternehmen eingegangen.
Klassische Betrachtung: Follower, Likes, Kommentare, Engagement Rate
In der klassischen Betrachtung von (Instagram-)Influencern fließen die Anzahl der Follower, der Likes, Kommentare und berechnete KPI, wie z.B. die Engagement Rate, in die Bewertung mit ein.
Hier einmal die exemplarischen Werte einer der betrachteten Influencerinnen:
likes
comments
engagement rate
Das Absinken der Engagement Rate mit Zunahme der Follower kann als normal betrachtet werden. Je mehr Follower ein Influencer hat, umso unwahrscheinlicher ist es, dass jedes Posting alle oder auch nur einen Großteil der Follower erreicht.
Problematisch hierbei ist, dass die Anzahl der Accounts, die ein Follower abonniert hat, ebenfalls als KPI genutzt wird um die Reichweite zu bewerten. D.h. Fake Accounts, die nur wenigen Accounts folgen, fallen hierbei in die Gewichtung.
Fake Influencer Detection – The DDA Way
Unsere Machine Learning Modelle analysieren Follower, Likes und Kommentare auf einer völlig neuen Ebene und werden mit Meta Daten angereichert, um einen tieferen Blick auf Interaktionen mit den Inhalten eines Influencers zu erhalten.
Ein einfaches Beispiel für diese Anreicherung ist die Betrachtung des Zeitverlaufs der Interaktionen mit jedem einzelnen Posting.
Eine der Influencerinnen zeigt regelmäßig folgendes Bild, wenn man die Kommentare gegen die Zeit nach dem Posting aufzeichnet.
Bei einigen Postings weicht der zeitliche Verlauf signifikant ab.
Analysiert man diese zeitlich abweichenden Kommentare näher, ist auffällig, dass diese fast ausschließlich aus Ein-Wort Antworten bestehen, die von Bots bekannt sind und keinen Bezug auf das gepostete Bild nehmen: Awesome / Cool / Nice
Follower
Besonderen Wert haben die Follower eines Influencers. Diese sind das eigentliche Ziel einer Influencer Kampagne und sollen von Produkten und Unternehmen überzeugt werden.
Gerade bei Accounts mit mehreren hunderttausend Followern stellt sich die Frage, wie viele wirklich „echte Menschen“ repräsentiert werden, die von der Werbebotschaft erreicht werden können.
Hierzu untersucht Deep Data Analytics die Follower Profile unter verschiedenen Gesichtspunkten und identifiziert Follower, die als nicht wertvoll zu betrachten sind, weil sie z.B. keine eigenen Postings haben, mehreren tausend Accounts folgen und selber keine Follower oder selber nur fragwürdige Follower aufweisen.
Gleichzeitig lassen sich Daten über Zeit, Interaktionen und Followerzahl miteinander korrelieren.
Bei einer der für den WDR analysierten Influencerinnen ergab sich bei der Betrachtung von Kommentaren, Anzahl der Follower in Bezug auf die Zeit folgendes Bild.
Auch wenn sich die Anzahl der Follower in Jahresfrist fast verzehnfacht hat, ist die Anzahl der Kommentare unter den Postings fast gleich geblieben. Die schwarze Linie gibt die durchschnittliche Anzahl an Kommentaren pro Posting an, die rote Linie repräsentiert das Follower Wachstum.
Instagram Pods und Pattern Recognition
Der Mensch tendiert dazu in Mustern zu handeln, so sehr er auch versucht diese zu verbergen. Daher gilt es diese Muster zu erkennen und zu analysieren.
Findige Influencer setzen nicht auf automatisierte Hilfsmittel wie Kommentar-Bots, sondern schließen sich in WhatsApp- oder Facebook-Gruppen zusammen, um sich gegenseitig mit Kommentaren und Likes zu pushen, sobald neuer Content erstellt wurde.
Diese Art der Manipulation ist in Instagramm selber nur schwer zu entdecken. Deep Data Analytics nutzt Algorithmen zur Muster Erkennung, die alle Interaktions-(Meta)-Daten nach wiederkehrenden Mustern durchsucht.
Mittels Pattern Recognition können wir Muster in den Verhaltensweisen der Influencer und Follower erkennen.
Fake Wahrscheinlichkeit
Alle oben genannten Punkte sind Indizien, die zeigen, ob ein Influencer mit unlauteren Mitteln arbeitet und können nicht abschließend klären, ob es sich um Fakes handelt oder nicht. Als erfolgreicher Influencer zieht man immer auch fragwürdige Accounts an, die kommentieren und liken, ob man will oder nicht.
Die angereicherten Daten des Influencers, seiner Follower und Interaktionen auf dem Profil dienen als Features für das Neuronale Netz von Deep Data Analytics. Anhand der Daten und unterschiedlicher Gewichtungen entsteht ein umfassendes Bild zur Bewertung der Influencer und der Wahrscheinlichkeit mit der gefaked wurde.
Abseits von Fakes ist es für Unternehmen von Bedeutung, wie die Follower eines Influencers mit den Inhalten interagieren, wie die Botschaften ankommen und von den Rezipienten aufgenommen werden. Deep Data Analytics bietet hier Influencer Analysen, die Influencer und Ihre Community themenspezifisch und auf die ausgelösten Emotionen hin untersuchen.
Der Beitrag des WDR
Ergebnisse der Case Study
Die Analyse hat ergeben, dass jedes der analysierten Influencerprofile ein hohes Maß an Manipulation aufweist.
Der WDR hat die Influencer mit den Ergebnissen konfrontiert, was zur Folge hatte, dass eine Influencerin die Manipulation sofort zugegeben hat. Eine weitere Influencerin hat nach Konfrontation mit den Ergebnissen ihre Social Media Accounts deaktiviert.
Die Resultate zeigen, dass Influencer Marketing immer noch in den Kinderschuhen steckt. Es wäre tragisch, wenn Unternehmen durch Manipulationen den Glauben an diesen Marketingkanal verlieren. Es ist normal, dass bei der neuen Disziplin jede Möglichkeit ausgeschöpft wird, seinen Profit zu maximieren, vor allem, wenn es noch keine Rechtsprechungen in diesem Bereich gibt. Letztendlich muss jede Partei im Influencer-Ökosystem ihren Beitrag leisten und Verantwortung übernehmen, damit die Branche erwachsen werden kann. Unternehmen müssen mehr hinterfragen, Agenturen besser prüfen und Influencer ehrlicher werden. Nur so kann gewährleistet werden, dass sich Influencer Marketing zu dem Kanal entwickelt, der er vorgibt zu sein – vertrauenswürdig, ehrlich, direkt und näher am Kunden als jeder andere Kanal.