Extrait
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.
- Citation du texte
- Fabian Holst (Auteur), 2020, Strategisches Influencer Marketing, Munich, GRIN Verlag, https://www.grin.com/document/922997
Devenir un auteur
Commentaires