Mapeo de la personalidad digital de la marca: análisis del sentimiento y modelado de temas del contenido generado por usuarios/as
DOI:
https://doi.org/10.14198/MEDCOM.31156Palabras clave:
Personalidad de marca, contenido generado por los usuarios (CGU), YouTube, análisis de sentimiento, Modelado de temas, marketing en redes sociales, estrategia de contenidoResumen
Objetivo. Este estudio analiza cómo se construye y percibe la personalidad de marca de Nike a través del contenido generado por los usuarios/as (CGU) en YouTube, utilizando el marco de las cinco dimensiones de personalidad de marca de Aaker. Examina cómo las reacciones emocionales y cognitivas presentes en el discurso de la audiencia influyen en el significado y la implicación con la marca digital. Metodología. Se aplicó un enfoque computacional multimodal que combina análisis de sentimientos basado en RoBERTa, mapeo semántico y modelado BERTopic. El conjunto de datos incluye 4.494 comentarios procedentes de 35 vídeos oficiales de Nike. Los sentimientos y los temas se evaluaron según las dimensiones de Aaker — sinceridad, emoción, competencia, sofisticación y robustez— para identificar variaciones en la percepción según el tipo de contenido y la intensidad estética. Resultados y conclusiones. Los resultados muestran que los sentimientos positivos se relacionan principalmente con la sofisticación y la sinceridad, mientras que el sentimiento negativo reduce la emoción. La competencia se mantiene estable, actuando como un ancla de coherencia de marca. Los patrones temáticos diferencian el compromiso afectivo (apreciación estética) de la evaluación instrumental (rendimiento). Las imágenes de alta producción refuerzan la sofisticación percibida, mientras que las narrativas centradas en atletas fortalecen la emoción. El estudio demuestra el valor de las herramientas de aprendizaje automático para la monitorización en tiempo real de la personalidad de marca y de la resonancia emocional en ecosistemas digitales. Singularidades. Al integrar el análisis de sentimientos y el modelado de temas en un marco teórico, esta investigación conecta la ciencia social computacional con la comunicación de marca. Ofrece un método escalable y basado en datos para el seguimiento de la personalidad de marca en entornos de CGU y aporta implicaciones estratégicas para el posicionamiento impulsado por contenidos en el marketing en redes sociales.
Citas
Aaker, Jennifer-Lynn (1997). Dimensions of brand personality. Journal of marketing research, 34(3), 347-356. https://doi.org/10.1177/002224379703400304
Aaker, Jennifer-Lynn; Benet-Martinez, Veronica; & Garolera, Jordi (2001). Consumption symbols as carriers of culture: A study of Japanese and Spanish brand personality constucts. Journal of Personality and Social Psychology, 81(3), 492–508. https://doi.org/10.1037/0022-3514.81.3.492
Anand, Vallabhajosula & Kumar, Daruri-Venkata-Srinivas (2024). Brand personality management of Indian business schools on Twitter: a machine learning approach. International Journal of Internet Marketing and Advertising, 20(3-4), 311-338. https://doi.org/10.1504/IJIMA.2024.139296
Austin, Jon-R.; Siguaw, Judy-Ann; & Mattila, Anna-S. (2003). A re-examination of the generalizability of the Aaker brand personality measurement framework. Journal of Strategic Marketing, 11(2), 77-92. https://doi.org/10.1080/0965254032000104469
Azoulay, Audrey; & Kapferer, Jean-Noel (2003). Do brand personality scales really measure brand personality?. Journal of brand management, 11(2), 143-155. https://doi.org/10.1057/palgrave.bm.2540162
Babić-Rosario, Ana; De-Valck, Kristine; & Sotgiu, Francesca (2020). Conceptualizing the electronic word-of-mouth process: What we know and need to know about eWOM creation, exposure, and evaluation. Journal of the Academy of Marketing Science, 48(3), 422-448. https://doi.org/10.1007/s11747-019-00706-1
Barbieri, Francesco; Anke, Luis-Espinosa; & Camacho-Collados, Jose (2021). XLM-T: Multilingual language models in Twitter for sentiment analysis and beyond. Arxiv. https://doi.org/10.48550/arXiv.2104.12250
Barbieri, Francesco; Camacho-Collados, Jose; Neves, Leonardo; & Espinosa-Anke, Luis (2020). TweetEval: Unified benchmark and comparative evaluation for tweet classification. ArXiv. https://doi.org/10.48550/arXiv.2010.12421
Becker-Olsen, Karen-L.; Cudmore, Andrew-B.; & Hill, Ronald-Paul (2006). The impact of perceived corporate social responsibility on consumer behavior. Journal of business research, 59(1), 46-53. https://doi.org/10.1016/j.jbusres.2005.01.001
Bianchi, Federico; Terragni, Silvia; & Hovy, Dirk (2020). Pre-training is a hot topic: Contextualized document embeddings improve topic coherence. In Proceedings of the 59th annual meeting of the association for computational linguistics and the 11th international joint conference on natural language processing (volume 2: short papers) (pp. 759-766). ArXiv. https://doi.org/10.48550/arXiv.2004.03974
Boyd, Ryan-L.; & Pennebaker, James-W. (2017). Language-based personality: A new approach to personality in a digital world. Current opinion in behavioral sciences, 18, 63-68. https://doi.org/10.1016/j.cobeha.2017.07.017
Burgoon, Judee-K. (1993). Interpersonal expectations, expectancy violations, and emotional communication. Journal of language and social psychology, 12(1-2), 30-48. https://doi.org/10.1177/0261927X93121003
Campello, Ricardo-Jose-Gabrielli-Barreto; Moulavi, Davoud; & Sander, Jörg (2013). Density-based clustering based on hierarchical density estimates. In Pacific-Asia conference on knowledge discovery and data mining (pp. 160-172). Springer. https://doi.org/10.1007/978-3-642-37456-2_14
Cutler, Andrew-D.; Carden, Stephen-W.; Dorough, Hannah-L.; & Holtzman, Nicholas-S. (2021). Inferring grandiose narcissism from text: LIWC versus machine learning. Journal of Language and Social Psychology, 40(2), 260-276. https://doi.org/10.1177/0261927X20936309
Dawar, Niraj & Pillutla, Madan-M. (2000). Impact of product-harm crises on brand equity: The moderating role of consumer expectations. Journal of Marketing Research, 37(2), 215-226. https://doi.org/10.1509/jmkr.37.2.215.18729
De-Vries, Lisette; Gensler, Sonja; & Leeflang, Peter-S.H. (2012). Popularity of brand posts on brand fan pages: An investigation of the effects of social media marketing. Journal of interactive marketing, 26(2), 83-91. https://doi.org/10.1016/j.intmar.2012.01.003
Devlin, Jakob; Chang, Ming-Wei; Lee, Kenton; & Toutanova, Kristina (2019). Bert: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the 2019 conference of the North American chapter of the association for computational linguistics: human language technologies, volume 1 (long and short papers) (pp. 4171-4186). Association for Computational Linguistics. https://doi.org/10.18653/v1/N19-1423
Du, Shuili; Bhattacharya, Chitrabhan; & Sen, Sankar (2010). Maximizing business returns to corporate social responsibility (CSR): The role of CSR communication. International journal of management reviews, 12(1), 8-19. https://doi.org/10.1111/j.1468-2370.2009.00276.x
Duarte, Vannessa; Zuniga-Jara, Sergio; & Contreras, Sergio (2022). Machine learning and marketing: A systematic literature review. IEEE Access, 10, 93273-93288. http://dx.doi.org/10.2139/ssrn.4006436
Egger, Roman & Yu, Joanne (2022). A topic modeling comparison between lda, nmf, top2vec, and bertopic to demystify twitter posts. Frontiers in Sociology, 7, 886498. https://doi.org/10.3389/fsoc.2022.886498
Erdem, Tulin & Swait, Joffre (2004). Brand credibility, brand consideration, and choice. Journal of consumer research, 31(1), 191-198. https://doi.org/10.1086/383434
Erdem, Tulin; Swait, Joffre; & Louviere, Jordan (2002). The impact of brand credibility on consumer price sensitivity. International journal of Research in Marketing, 19(1), 1-19. https://doi.org/10.1016/S0167-8116(01)00048-9
Escalas, Jennifer-Edson (2004). Narrative processing: Building consumer connections to brands. Journal of consumer psychology, 14(1-2), 168-180. https://doi.org/10.1207/s15327663jcp1401&2_19
Gensler, Sonja; Völckner, Franziska; Liu-Thompkins, Yuping; & Wiertz, Caroline (2013). Managing brands in the social media environment. Journal of interactive marketing, 27(4), 242-256. https://doi.org/10.1016/j.intmar.2013.09.004
Geuens, Maggie; Weijters, Bert; & De-Wulf, Kristof (2009). A new measure of brand personality. International journal of research in marketing, 26(2), 97-107. https://doi.org/10.1016/j.ijresmar.2008.12.002
Grootendorst, Maarten (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv. https://doi.org/10.48550/arXiv.2203.05794
Hollebeek, Linda-D.; Srivastava, Rajendra-K.; & Chen, Tom (2019). SD logic–informed customer engagement: integrative framework, revised fundamental propositions, and application to CRM. Journal of the academy of marketing science, 47(1), 161-185. https://doi.org/10.1007/s11747-016-0494-5
Humphreys, Ashlee & Wang, Rebecca-Jen-Hui (2018). Automated text analysis for consumer research. Journal of Consumer Research, 44(6), 1274-1306. https://doi.org/10.1093/jcr/ucx104
Hur, Won-Moo; Kim, Hanna; & Woo, Jeong (2014). How CSR leads to corporate brand equity: Mediating mechanisms of corporate brand credibility and reputation. Journal of Business Ethics, 125(1), 75-86. https://doi.org/10.1007/s10551-013-1910-0
Jung, Soon-Gyo; Salminen, Joni; & Jansen, Bernard-Jim (2022). The effect of hiding dislikes on the use of YouTube's like and dislike features. In Proceedings of the 14th ACM Web Science Conference 2022 (pp. 202-207). https://doi.org/10.1145/3501247.3531546
Keller, Kevin-Lane & Swaminathan, Vanitha (2020). Strategic brand management (5th ed.). Pearson.
Kim, Angella-J. & Ko, Eunju (2012). Do social media marketing activities enhance customer equity? An empirical study of luxury fashion brand. Journal of Business research, 65(10), 1480-1486. https://doi.org/10.1016/j.jbusres.2011.10.014
Kim, Sora & Ferguson, Mary-Ann (2014). Public expectations of CSR communication: What and how to communicate CSR. Public Relations Journal, 8(3), 1-22. Available online: http://www.prsa.org/Intelligence/PRJournal/Vol8/No3/
Lang, Annie (2000). The limited capacity model of mediated message processing. Journal of communication, 50(1), 46-70. https://doi.org/10.1111/j.1460-2466.2000.tb02833.x
Lee, Jung-Eun & Watkins, Brandi (2016). YouTube vloggers' influence on consumer luxury brand perceptions and intentions. Journal of Business Research, 69(12), 5753-5760. https://doi.org/10.1016/j.jbusres.2016.04.171
Liao, Wenxiong; Zeng, Bi; Yin, Xiuwen; & Wei, Pengfei (2021). An improved aspect-category sentiment analysis model for text sentiment analysis based on RoBERTa. Applied Intelligence, 51(6), 3522-3533. https://doi.org/10.1007/s10489-020-01964-1
Liu, Yinhan; Ott, Myle; Goyal, Naman; Du, Jingfei; Joshi, Mandar; Chen, Danqi; ... & Stoyanov, Veselin (2019). Roberta: A robustly optimized BERT pretraining approach. ArXiv. https://doi.org/10.48550/arXiv.1907.11692
McInnes, Leland; Healy, John; & Melville, James (2018). Umap: Uniform manifold approximation and projection for dimension reduction. ArXiv. https://doi.org/10.48550/arXiv.1802.03426
Netzer, Oded; Feldman, Ronen; Goldenberg, Jacob; & Fresko, Moshe (2012). Mine your own business: Market-structure surveillance through text mining. Marketing Science, 31(3), 521-543. https://doi.org/10.1287/mksc.1120.0713
Oliver, Richard-L. (2014). Satisfaction: A behavioral perspective on the consumer: A behavioral perspective on the consumer. Routledge.
Pamuksuz, Utku; Yun, Joseph-T.; & Humphreys, Ashlee (2021). A brand-new look at you: Predicting brand personality in social media networks with machine learning. Journal of Interactive Marketing, 56(1), 1-15. https://doi.org/10.1016/j.intmar.2021.05.001
Petersen, Alan (2022). Emotions online: Feelings and affordances of digital media. Routledge
Pullig, Chris; Netemeyer, Richard-G.; & Biswas, Abhijit (2006). Attitude basis, certainty, and challenge alignment: A case of negative brand publicity. Journal of the Academy of Marketing Science, 34(4), 528-542. https://doi.org/10.1177/0092070306287128
Reimers, Nils & Gurevych, Iryina (2019). Sentence-bert: Sentence-bert: Sentence embeddings using siamese bert-networks. In Proceedings of the 2019 conference on empirical methods in natural language processing and the 9th international joint conference on natural language processing (EMNLP-IJCNLP) (pp. 3982-3992). https://doi.org/10.48550/arXiv.1908.10084
Schivinski, Bruno; Christodoulides, George; & Dabrowski, Dariuzs (2016). Measuring Consumers’ Engagement With Brand-Related Social-Media Content: Development and Validation of a Scale That Identifies Levels of social-Media engagement with Brands. Journal of Advertising Research, 56(1), 64–80. https://doi.org/10.2501/JAR-2016-004
Sung, Yongjun & Tinkham, Spencer-F. (2005). Brand personality structures in the United States and Korea: Common and culture‐specific factors. Journal of consumer psychology, 15(4), 334-350. https://doi.org/10.1207/s15327663jcp1504_8
Song, Kaitao; Tan, Xu; Qin, T., Lu, Jianfeng; & Liu, Tie-Yan (2020). Mpnet: Masked and permuted pre-training for language understanding. Advances in neural information processing systems, 33, 16857-16867. https://doi.org/10.48550/arXiv.2004.09297
Tafesse, Wondwesen & Wien, Anders (2017). A framework for categorizing social media posts. Cogent Business & Management, 4(1), 1284390. https://doi.org/10.1080/23311975.2017.1284390
Bradley, Efron & Tibshirani, Robert-J. (1993). An introduction to the bootstrap. Monographs on statistics and applied probability, 57(1), 1-436.
Tirunillai, Seshadri & Tellis, Gerard-J. (2014). Mining marketing meaning from online chatter: Strategic brand analysis of big data using latent dirichlet allocation. Journal of marketing research, 51(4), 463-479. https://doi.org/10.1509/jmr.12.0106
Vaswani, Ashish; Shazeer, Noam; Parmar, Niki; Uszkoreit, Jakob; Jones, Llion; Gomez, Aidan-N.; Kaiser, Łukasz; & Polosukhin, Illia (2017). Attention is all you need. Advances in neural information processing systems, 30. https://doi.org/10.48550/arXiv.1706.03762
Voorveld, Hilde-A.M.; Van-Noort, Guda; Muntinga, Daniël-G.; & Bronner, Fred (2018). Engagement with social media and social media advertising: The differentiating role of platform type. Journal of advertising, 47(1), 38-54. https://doi.org/10.1080/00913367.2017.1405754
Wirtz, Jochen & Mattila, Anna-S. (2004). Consumer responses to compensation, speed of recovery and apology after a service failure. International Journal of service industry management, 15(2), 150-166. https://doi.org/10.1108/09564230410532484
Yang, Kai; Lau, Raymond-Y.K.; & Abbasi, Ahmed (2023). Getting personal: A deep learning artifact for text-based measurement of personality. Information Systems Research, 34(1), 194-222. https://doi.org/10.1287/isre.2022.111
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Merve Boyacı-Yıldırım
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores y autoras que publican en esta revista están de acuerdo con los siguientes términos:
1 Derechos de autor. Los autores y autoras conservan sus derechos de autor, aunque ceden a la revista de forma no exclusiva los derechos de explotación (reproducción, distribución, comunicación pública y transformación) y garantizan a esta el derecho de primera publicación de su trabajo, el cual estará simultáneamente sujeto a la licencia indicada en punto 2. Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2 Licencia. Los trabajos se publican en la revista sujetos a la licencia de Reconocimiento 4.0 Internacional de Creative Commons (CC BY 4.0); los términos se pueden consultar en https://creativecommons.org/licenses/by/4.0/
Esta licencia permite a terceros compartir (copiar y redistribuir el material en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material para cualquier finalidad, incluso comercial), siempre que se reconozca la autoría y la primera publicación en esta revista (Revista Mediterránea de Comunicación (RMC) / Mediterranean Journal of Communication (MJC), Universidad de Alicante, DOI de la obra), se proporcione un enlace a la licencia y se indique si se han realizado cambios en la obra.
3 Política de autoarchivo. Se recomienda a los autores que difundan sus trabajos a través de Internet para favorecer una circulación y difusión más rápidas y, con ello, un posible aumento en la citación y alcance entre la comunidad científica y académica, en las siguientes condiciones:
No se permite a los autores depositar en un repositorio institucional o temático, página web propia, etc., las versiones preprint (versión antes de ser evaluada) o postprint (versión evaluada y aceptada para su publicación) de sus trabajos antes de su publicación, pero sí el artículo final publicado (versión del editor).
