Strategisches Influencer Marketing

Inhaltsverzeichnis

Inhaltsverzeichnis

1 Einleitung.

2 Soziale Netzwerke
2.1 Netzwerktribalisierung
2.2. Netzwerkdichte
2.2.1. StarkeBeziehungen
2.2.2. Schwache Beziehungen

3 Influencer Marketing
3.1 Nischenrelevantelnfluenceridentifizieren
3.2 NetzwerkanalytischeForschungsperspektive
3.2.1 QuantitativeZentralitätsanalyse
3.2.2 QualitativePrestigeanalyse

4 Ausblick

Literaturverzeichnis

“We shape our tools, and thereafter our tools shape us”¹

Marshall McLuhan

1 Einleitung

Soziale Netzwerke repräsentieren seit der Etablierung des Internets einen fortwährenden Wachstumstrend und haben dabei beständig an ökonomischer Bedeutung gewonnen², indem sie die Hälfte der globalen Gesellschaft alltäglich online miteinander vernetzen³. Folglich resultie­ren diese in einem persistenten Datenwachstum. Diese Daten repräsentieren das Öl des 21. Jahrhundert⁴ sowie den Grundstein für die soziale Netzwerkanalyse. Letztere bietet Unterneh­men, insbesondere im Hinblick auf das diesjährig-prognostizierte Umsatzwachstum des In­fluencer Marketing (9,7 Milliarden $)⁵, die Opportunität zentrale Akteure für die Vermarktung ihrerNischenprodukte zu identifizieren und diesbezüglich Streuverluste in ihren Marketingak­tivitäten zu vermeiden⁶. Infolge des Fallbeispiels der erfolgreichen Mikro-Influencer-Marke- tingstrategie des australischen Startups HiSmile™⁷ in Verbindung mit dem aktuellen Relevanz­gewinn des Mikro-Influencer-Segmentes⁸, wird sich im Folgenden der elementaren Fragestel­lung gewidmet, welches Potenzial die soziale Netzwerkanalyse Unternehmen bietet, um ni­schenrelevante Mikro-Influencer zu identifizieren. Um dies detaillierter zu ergründen wird der Terminus des sozialen Netzwerkes eingangs definiert, woraufhin das Phänomen der Fragmen- talisierung sowie Partikularisierung der globalen Netzwerkstrukturen beleuchtet und sich einem kritischem Erfolgsfaktor des Influencer Marketing - der Netzwerkdichte - gewidmet wird. Da­rauffolgend wird ein wesentlicher Einblick in das Influencer Marketing offeriert, um die öko­nomischen Implementationsmotive desgleichen, seitens der Unternehmen nachzuvollziehen, gefolgt vom netzwerkanalytischen Grundlagenrepertoire zur nischenrelevanten Influencer Identifikation. Demzufolge wurde fachspezifische Literatur umfangreich analysiert und evalu­iert. Infolge der überwiegenden Kongruenz des Sinngehaltes der Quellen ist ihnen eine hohe Validität und Reliabilität zuzumessen. Die Intention des wissenschaftlichen Diskurses liegt da­rin, dem Rezipienten, aus soziologischer sowie computerwissenschaftlicher Perspektive, ein Grundverständnis über die netzwerkanalytische Identifikation von einflussreichen Persönlich­keiten inmitten von Nischenmärkten zu offenbaren und soll zeitgleich als Fundament für wei­tere akademische Ausarbeitungen im strategischen Influencer Marketing dienen.

2 Soziale Netzwerke

Der abstrakte Terminus des sozialen Netzwerkes spiegle eine akkumulierte Struktur vernetzter Menschen wider. Diese umfasse sowohl Knoten (Nodes; im Folgenden als Netzwerkakteure definiert), welche, hinsichtlich der dieses Diskurses zugrundeliegenden Forschungsperspektive, die (potenzielle) Kundschaft repräsentieren als auch Verbindungen (Links; im Folgenden als Netzwerkbeziehungen definiert) zwischen diesen Netzwerkakteuren. Diese können im sozialen Onlinefallbeispielnetzwerk Instagram in diversen Formen, wie beispielsweise Chats, Likes, Markierungen und Abonnementaktivitäten auftreten und letztlich mittels (reziproken) Daten­austausches das soziale Netzwerk auf kontinuierlicher Basis formen. Dabei legen die produ­zierten Daten den Grundstein für die Soziale Netzwerkanalyse, weshalb Unternehmen die Ex­pertise besitzen sollten, die Existenz ihrer (potentiellen) Kundenbasis innerhalb sozialer Netz­werke zu identifizieren. Inzwischen sei dies mit Hilfe effizienter und kostengünstig-technolo­gischer Tools möglich, um im Folgeschritt Knotenpunkte (Hubs; im Folgenden als Influencer definiert) ausfindig zu machen, die die Handlungs- und Kaufentscheidung anderer Netzwerk­akteure direkt sowie indirekt beeinflussen können.⁹

2.1 Netzwerktribalisierung

Die Netzwerktribalisierung charakterisiere in diesem Kontext das Phänomen, dass sich indivi­duelle Interessens- & Zielgruppen miteinander vereinen sowie von einer übergeordneten Sys­temeinheit distanzieren. Die resultierende „Fragmentalisierung und Partikularisierung“¹⁰ der digitalen Gesellschaft etabliere demnach „peer groups“ deren Mitglieder identische Interessen und Wertesysteme (Cluster / Cliquen; im Folgenden als Subnetzwerke definiert) aufweisen. Diese werden im sozialen Onlinefallbeispielnetzwerk Instagram mit Hilfe von Likes und Follo- wem zum Ausdruck gebracht. Dabei repräsentieren meinungsführende Mikro-Influencer „Stammesführer“¹¹, welchen zielgruppenspezifische Subnetzwerke bedingungsloses Vertrauen entgegenbringen.¹² Dies erscheine evident, denn die menschliche Spezies bringe sich eine hö­here Vertrauensbasis entgegen, wenn diese auf Bekannte mit selbigem Hintergrund und Inte­ressenbereichen stoße. Diese Vertrauensanalogie bildet schlussendlich den psychologischen Grundstein für effektives Marketing¹³, weshalb die Entwicklungen der Netzwerktribalisierung, im Anschluss an die Thematisierung der kritischen Netzwerkdichte, aus der Perspektive des Influencer Marketing und der sozialen Netzwerkanalyse beleuchtet werden.

2.2 Netzwerkdichte

Bei der Netzwerkdichte (Density) handle es sich um die Relation bestehender Netzwerkbezie­hungen und dem Maximalwert dieser im Netzwerk. Dabei sei die Distributionsopportunität von Werbebotschaften idealerje höher die Netzwerkdichte sei und schaffe aufgrund dieser Korre­lation die Basis für virales Marketing. Die Netzwerkbeziehungen ließen sich diesbezüglich fer­ner entsprechend ihrer Intensität in starke sowie schwache Beziehungen kategorisieren.¹⁴

2.2.1 Starke Beziehungen

Die starken Beziehungen (Strong ties) visualisieren im Netzwerkgraphen hierbei ein intensiv vernetztes Beziehungsgeflecht homogener Netzwerkakteure, aus welchen sich sogenannte Cluster beziehungsweise Cliquen herauskristallisieren.¹⁵ Dabei beschreiben diese loyale, regel­mäßige sowie vertrauenswürdige Freundschafts- & Familienverhältnisse mit einem hohen Maß an Handlungsbeeinflussungskompetenz, seien jedoch aufgrund eines hohen Koordinierungs- aufwandesje Netzwerkakteur limitiert. Von Relevanz sei diese Kategorie der Beziehungsinten­sität im Influencer Marketing dergestalt, dass den Netzwerkakteuren mit einer Vielzahl an ho­mogenen Subnetzwerkbeziehungen einerseits eine hohe Vertrauensbasis obliegt, die folglich ihren Einflussbereich (Prestige) im sozialen Beziehungsgeflecht erhöht. Andererseits lohne es sich im Hinblick auf werbetreibende Betriebe, solche starken Beziehungen selbstständig zu po­tentiellen Mikro-Influencer zu etablieren, um von deren Netzwerkzugang und folglich Netz­werkbeziehungen zu profitieren.¹⁶

2.2.2 Schwache Beziehungen

Die schwachen Beziehungen (Weak ties) repräsentieren konträr zu den starken Beziehungen unterdies ein marginal vernetztes Beziehungsgeflecht heterogener Netzwerkakteure, welche durch große Distanzen zwischen diesen im Netzwerkgraphen visualisiert werden.¹⁷ Dabei handle es sich primär um flüchtige Bekanntenkreisbeziehungen, denen tendenziell eine Brü­ckenfunktion innewohnt, indem sie unvertraute Subnetzwerke verbinden und infolgedessen weitere einflussreiche Netzwerkpersönlichkeiten erreichen können. Diese Schnittstellenfunk­tion in Kombination mit der Beziehungsheteroginität offeriert die Opportunität für virale Wer­bekommunikation, aufgrund der schnellen und effizienten Informationsdistribution über we­nige Netzwerkakteure.¹⁸ Auf Grund der attribuierten Informationsflussbedeutung von Bot­schaften, können diese Influencer-Typen weiterhin partiell mit Frühadoptoren (Trendsetter¹⁹ ) aus Rogers Diffusionstheorie unifiziert werden²⁰ und können Unternehmen angesichts ihres Dynamikpotentiales zu einem überdurchschnittlichem Wachstum aus ihrer Nische verhelfen.²¹

3 Influencer Marketing

Influencer Marketing repräsentiere dabei eine fusionierte, absatzorientierte²² Onlinemarke­tingstrategie aus dem Social Media Marketing, dem Content Marketing sowie dem Empfeh­lungsmarketing²³, die es ermögliche, werbeblockierende Software zu umgehen²⁴. Diesbezüg­lich verfolgen Unternehmen mit dieser strategischen Vorgehensweise die Intention einer ge­zielten Instrumentalisierung des ökonomischen Mehrwertes der Influencer basierend auf dem Vertrauensverhältnis zwischen diesen und dessen Zielgruppe. Letzterer Mehrwert leite sich aus dem individuellen Einflussbereich der Influencer inmitten ihrer sozialen Netzwerke ab²⁵ und umfasse dabei einerseits die Inhaltsproduktion-, Distribution sowie Multiplikationskompetenz, anderseits das soziale Beziehungsmanagement inbegriffen der besagten Handlungs- und Kauf­beeinflussungskompetenz aufgrund ihres Bekanntheitsgrades.²⁶ Die erbrachte Leistung als Un­ternehmensschnittellenfunktion des Influencers zu jeweiligen Stakeholdem werde in diesem Kontext unterschiedlich honoriert²⁷. Gleichwohl sei diesejedoch infolge des gesellschaftlichen Werbekonsumwandels einhergehend mit einer resultierenden Kaufentscheidungstendenz auf Empfehlungsbasis²⁸ sowie aufgrund des Relevanzgewinnes der Mikro-Influencer (Follower- schaft: <10000) kostengünstiger und effektiver als konventionelle Marketingansätze. Dabei werde seitens der werbetreibenden Unternehmen neben geringen Investitionskosten²⁹ im Detail von der Authentizität, Homogenität (Followerschaft), Zielgruppenaffmität (Nische), einem be­sonders hohen Vertrauen sowie einer infolgedessen überdurchschnittlichen Engagemente-Rate (6,3% - 8,8%) der Mikro-Influencer profitiert.³⁰ Diesen wird darüber hinaus oftmals ein Ex­pertenstatus zugesprochen.³¹ Dies wirkt sich wiederum positiv auf deren (unterschwellige) Werbebotschaftsdistribution im digitalen Netzwerk für die Produkt- beziehungsweise Dienst­leistungsvermarktung des Partnerunternehmens aus. Im Onlinefallbeispielnetzwerk Instagram können Mikro-Influencer demnach von der Werbeflächenvermarktung ihre Profils, auf wel­chem sie durch visuell-emotionales Storytelling zielgruppenspezifische Werbebotschaften aus­spielen können, profitieren.³² Diesbezüglich integriere sich Influencer Marketing ideal in die moderne Kundenreise (Customer Journey)³³ von Unternehmen, insofern ein Influencer die Kaufentscheidung (Zero Moment-of-Truth)³⁴ potentieller Kunden beeinflusst und folglich als „vormediale Entscheider“³⁵ gilt. Netzwerktheoretisch seien Mikro-Influencer anhand eines hö­heren Zentralitätswertes als der durchschnittliche Netzwerkakteur charakterisiert³⁶, was be­deute, dass mit steigender Netzwerkrelevanz eines Netzwerkakteures, die Zentralität sowie Nähe zu anderen Netzwerkakteuren zunehme.³⁷ Doch wie werden letztere identifiziert?

3.1 Nischenrelevante Influencer identifizieren

Die Influencer-Recherche stehe dabei in direkter Abhängigkeit zu den smarten Untemehmens- und insbesondere Kampagnenzielen, welche sich in die Generierung der Markenbekanntheit (Brand awareness), der Steigerung von Verkaufszahlen (Sales), der Optimierung der Leistungs­fähigkeit (Performance) sowie der Aufpolierung, Änderung beziehungsweise Erzeugung einer spezifischen Untemehmensdarstellung (Image) unterteilen. Diesen gehe eine detaillierte, da­tenbasierte Markt- und Zielgruppenanalyse voraus, um zielgruppenspezifische Werbemaßnah­men ausspielen zu können und die ökonomische Investitionsrendite (Retum-of-Investment) zu erhöhen.³⁸ Dabei sollten im Kontext der sozialen Netzwerkanalyse und dem langfristigen Stra­tegieansatz in der Kooperation mit Mikro-Influencem, Prestigekriterien fokussiert werden, um Netzwerkakteure mit einer hohen Autorität, Expertise und Vertrauensbasis zu identifizieren so­wie ein Hauptaugenmerk auf die Quantität der starken Beziehungen eines Netzwerkakteures gelegt werden. Ziele seien diesbezüglich, die Unternehmensbindung oder Subnetzwerketablie­rung des Mikro-Influencers, welcher als insgeheimer Botschafter langfristig und positiv die Handlungen anderer Netzwerkakteure beeinflusse.³⁹ Dabei beruhe der Entscheidungsprozess in der Influencer-Auswahl auf ausschlaggebenden quantitativen⁴⁰ sowie qualitativen⁴¹ Indikato­ren. Der mittels der sozialen Netzwerkanalyse messbaren sowie vergleichbaren Zentralität wird sich im Folgenden Diskurs gewidmet.⁴²

3.2 Netzwerkanalytische Forschungsperspektive

Die soziale Netzwerkanalyse sei im Kontext des Influencer Marketing neben zahlreichen Social-Media-Monitoring- & Analyse-Applikationen⁴³ ’⁴⁴ ein mitunter erfolgskritisches Unter­stützungstool mit der Funktion, kommunikative Beziehungsgeflechte unter Stakeholdem zu analysieren⁴⁵. Dessen Ergebnisse werden in einem Netzwerkgraphen dargestellt, aus welchem folglich Empfehlungen und Optimierungsvorschläge konkludiert werden.⁴⁶ Dabei wird sich im Fortgang auf fundamentale quantitative sowie qualitative Zentralitätsbestimmungsmethoden für die Identifikation von Mikro-Influencer bezogen.

3.2.1 Quantitative Zentralitätsanalyse

Die quantitative Zentralitätsanalyse biete diesbezüglich das pragmatischste Methodenrepertoire zur netzwerktheoretischen Identifikation einzelner Mikro-Influencer, welche sich in drei Me­thoden untergliedern.

Der lokale Zentralitätsgrad (Degree centrality) sei dabei das einfachste Relevanzbewertungs­maß und basiere auf der Gesamtheit der direkten Netzwerkbeziehungen eines Netzwerkakteu- res.⁴⁷ Dabei stelle der Zentralitätsgrad eine Referenz für die Kommunikationsaktivität eines Netzwerkakteures⁴⁸ sowie eine primäre Kennzahl, mit Hilfe welcher Unternehmen eine Ge­samtpositionshypothese des untersuchten Mikro-Influencer aufstellen können, dar. Jedoch seien die globalen Zentralitätsindikatoren, wie Zentralitätsnähe, Zwischenzentralität und Eigen­vektorzentralität, die im Folgenden beleuchtet werden, adäquater.⁴⁹

Die globale Zwischenzentralität (Betweenness centrality) sei dabei eines der bedeutendsten Re­ferenzbewertungsmaße, dass als Indikator für das Kommunikationskontrollpotenzial gelte⁵⁰ und diesbezüglich in Korrelation mit sogenannten strukturellen Löchern (Structural holes) stehe, was bedeute, dass zwischen separaten Subnetzwerken keine direkten Netzwerkbeziehun­gen bestehen. Dabei messe die Zwischenzentralität die Brückenfunktionsrelation, die ein Netz­werkakteur einnehme⁵¹ (Bridge), sprich die Gesamtheit der kürzesten Wege, die ein Netzwerk­akteur zwischen anderen Netzwerkakteuren liegt. Diese aus dem Netzwerkkomplex zu entfer­nen führe zu Netzwerkbeziehungsunterbrechungen.⁵² Für Unternehmen bietet sich folglich der optimale Anwendungsbereich, der Identifikation von Autoritätspersönlichkeiten, die Einfluss auf den Informationsfluss um ein Netzwerk nehmen. Dabei können diese ebenso periphere Netzwerkakteure zwischen Clustern repräsentieren.⁵³

Die globale Zentralitätsnähe (Closeness centrality) gelte dabei entweder als Referenzbewer­tungsmaß der Effizienz oder der Unabhängigkeit von Kommunikationsaktivitäten⁵⁴ und erfasse diesbezüglich den Distanzdurchschnitt vom untersuchten Netzwerkakteur zur Gesamtheit der existierenden Netzwerkakteure im sozialen Netzwerkbeziehungsgeflecht. In diesem Zusam­menhang sollten Unternehmen in ihrer Influencer-Selektion Netzwerkakteure präferieren, die einen hohen Messwert aufweisen.⁵⁵ Folglich biete sich Unternehmen ein optimaler Anwen­dungsbereich, um die Mindestdistributionsdauer der Werbebotschaft eines Mikro-Influencers zu anderen Netzwerkakteuren innerhalb der spezifischen Nische zu bestimmen.⁵⁶

[...]

¹ McLuhan, 1964.

² Vgl. Statista, (2020b): 37.

³ Vgl. Statista (2020).

⁴ Vgl. Koederitz (2016).

⁵ Vgl. InfluencerMarketing Hub (2020): 7.

⁶ Vgl. Schach et al. (2018): 248.

⁷ Vgl. Suby (2018).

⁸ Vgl. InfluencerMarketingHub (2020): 17f.

⁹ Vgl. Doyle (2007): 61f.

¹⁰ Wagener(2017): 54.

¹¹ Wagener(2017): 54.

¹² Vgl. Wagener (2017): 54.

¹³ Vgl. Cialdini (2013).

¹⁴ Vgl. Wagener (2017): 57f.

¹⁵ Vgl. Zerfaß et al. (2019): 75.

¹⁶ Vgl. Wagener (2017): 58.

¹⁷ Vgl. Zerfaß et al. (2019): 75.

¹⁸ Vgl.Wagener (2017):58.

¹⁹ Vgl. Nirschl et al. (2018): 12.

²⁰ Vgl. Schröder (2019).

²¹ Vgl. Hermann (2017): 6.

²² Vgl. Schach et al. (2018): 25.

²³ Vgl. Nirschl et al. (2018): 7.

²⁴ Vgl. Hermann (2017): 6.

²⁵ Vgl. Nirschl et al.(2018):ll.

²⁶ Vgl. Schachetal. (2018): 180.

²⁷ Vgl. ebd.: 185f.

²⁸ Vgl. Nirschl et al. (2018):5.

²⁹ Vgl. Hermann (2019): 47.

³⁰ Vgl. ebd.: 40.

³¹ Vgl. Nirschl et al. (2018): 14.

³² Vgl. ebd.: 22.

³³ Vgl. Schachetal. (2018): 63.

³⁴ Vgl. Lecinski (2011): 16f.

³⁵ Vgl. Ruisinger (2016): 103.

³⁶ Vgl. Jansen (2003).

³⁷ Vgl. NurulainMohd Rum et al. (2018): 953.

³⁸ Vgl. Hermann (2019): 14ff.

³⁹ Vgl. Wagener (2017): 59.

⁴⁰ Vgl. Schach et al. (2018): 209ff.

⁴¹ Vgl. ebd.: 204ff.

⁴² Vgl. Wassermanetal. (1994).

⁴³ Vgl. Nirschl et al. (2018): 16.

⁴⁴ Vgl. Hermann (2017): 65.

⁴⁵ Vgl. Zerfaß et al. (2019): 74.

⁴⁶ Vgl. ebd.: 76.

⁴⁷ Vgl. Disney (2020).

⁴⁸ Vgl. Freeman (1978): 237.

⁴⁹ Vgl. Usableink (2019).

⁵⁰ Vgl. Freeman (1978): 237.

⁵¹ Vgl. Usableink (2019).

⁵² Vgl. Divakaran (2018).

⁵³ Vgl. Disney (2020).

⁵⁴ Vgl. Freeman (1978): 237.

⁵⁵ Vgl. Usableink (2019).

⁵⁶ Vgl. NurulainMohd Rum et al. (2018): 953.