Creative Economy Creative Economy Креативная экономика 1994-6929 2409-4684 BIBLIO-GLOBUS Publishing House 117809 10.18334/ce.17.5.117809 KORTUF Articles Статьи Research Article Brand personification: applying psychometric methodology to social networks' big data (the Russian market data) Персонификация бренда: применение методологии психометрии на больших данных социальных сетей (данные российского рынка) https://orcid.org/0000-0001-6009-26034714-8762 Syropyatov Vladimir Valeryevich Сыропятов Владимир Валерьевич

аспирант

 C4ward@ya.ru Eliseeva Veronika Sergeevna Елисеева Вероника Сергеевна

аспирант

 veronikaelisee@gmail.com Makhar Daniyal Khaydar Махар Даниял Хайдар

аспирант

 dmakhar@hse.ru St Petersburg State University Санкт-Петербургский государственный университет The National Research University Higher School of Economics (HSE) Национальный исследовательский университет «Высшая школа экономики» 31 05 2023 17 5 VOL 17, NO5 (2023) ТОМ 17, №5 (2023) 1705 1730 10 04 2023 Copyright ©; 2023, Syropyatov V.V., Eliseeva V.S., Makhar D.Kh. Copyright ©; 2023, Сыропятов В.В., Елисеева В.С., Махар Д.Х. 2023 Syropyatov V.V., Eliseeva V.S., Makhar D.Kh. Сыропятов В.В., Елисеева В.С., Махар Д.Х. https://1economic.ru/lib/117809

To date, brand marketing is directly related to the detailed study of big data created by the consumer when making a choice, personal preferences and motivations. Thus, the company tries to include the consumer as much as possible in the process of creating and developing not only the product, but also the brand. Personification is one of the means to ensure effective communication interaction with the consumer audience. The purpose of the study was to identify and analyze the modern methodology for brand personification based on big data. The authors performed an extensive literature analysis to identify the appropriate personification methodology. In order to analyze the competitive environment, an overview of the market of solutions in the field of digital psychometry is presented. The authors conducted an interview with a company applying this methodology in the Russian market in order to verify the success of its application. The methodology of digital psychometry as an effective tool for brand personification based on big data of social networks' users is revealed. Companies that successfully apply this methodology on the world stage are considered. One of the cases of its successful application in the banking sector of the Russian Federation is described. The methodology of digital psychometry can be used by brand managers as one of the main tools for brand personification for the target audience. Thus, the process of making marketing decisions in the company will also be supported by the integration of this methodology.

На сегодняшний день маркетинг бренда напрямую связан с детальным изучением больших данных, создаваемых потребителем при осуществлении им выбора, проявлении личных предпочтений и мотиваций. Таким образом, компания старается максимально включить потребителя в процесс создания и развития не только продукта, но и бренда. Персонификация является одним из средств, обеспечивающих эффективное коммуникационное взаимодействие с потребительской аудиторией. В связи с этим целью исследования стало выявление и анализ современной методологии по персонификации бренда, основанной на использовании больших данных. В рамках данной статьи авторы выполнили обширный анализ литературы для выявления соответствующей методологии персонификации и особенностей ее использования, осуществили обзор рынка решений в сфере цифровой психометрии с целью анализа конкурентной среды, а также провели интервью с компанией, применяющей данную методологию на рынке РФ с целью проверки успешности ее использования. В результате исследования была выявлена методология цифровой психометрии как эффективный инструмент для персонификации бренда, использующий большие данные пользователей социальных сетей, детально разобран механизм использования, рассмотрены компании, успешно использующие данную методологию на мировой арене, а также описан один из кейсов успешного ее применения в банковском секторе РФ. Методология цифровой психометрии может быть использована бренд-менеджерами как один из основных инструментов для персонификации бренда под целевую аудиторию. Таким образом, процесс принятия маркетинговых решений в компании также будет поддержан интеграцией данной методологии.

 brand management brand personification digital psychometrics big data social media data consumer behavior online branding управление брендом персонификация бренда цифровая психометрия большие данные данные социальных сетей потребительское поведение интернет-брендинг 1. Социальные медиа в России: тенденции и прогнозы. Ассоциация электронных коммуникаций России (РАЭК). [Электронный ресурс]. URL: https://raec.ru/upload/files/220406-social-media-russia.pdf (дата обращения: 14.04.2023). 2. Дудаков Г.С., Молчанов Н.Н. Трансформация роли маркетинговых каналов в условиях цифровизации // Экономические науки. – 2021. – № 204. – c. 79-84. – doi: 10.14451/1.204.79. 3. Карпыкбаева А.Б. Digital branding, или цифровизация бренд-маркетинга // Общество: политика, экономика, право. – 2019. – № 11(76). – c. 89-95. – doi: 10.24158/pep.2019.11.14. 4. Кравченко В.В., Кочанова В.Д., Ростовцева И.Ф. Применение инструментов психографии для персонализации контент-маркетинга // Зеленый росток - 2019: Стратегия и тактика управления предприятием в переходной экономике. Сборник материалов XIX ежегодного открытого конкурса научно-исследовательских работ студентов и молодых ученых в области экономики и управления с итоговым этапом в форме Всероссийской конференции. Том Выпуск 38. Волгоград, 2019. – c. 104-106. 5. Кузьмина О.Г. Формирование имиджа бренда в интернет-пространстве: социолингвистические и социально-психологические технологии // Вопросы теории и практики журналистики. – 2015. – № 4. – c. 431-440. – doi: 10.17150/2308-6203.2015.4(4).431-440. 6. Pir E.Ö., Derinözlü E. The mediating role of price sensitivity in the effect of trust and loyalty to luxury brands on the brand preference // The Manager. – 2020. – № 6. – p. 70-84. – doi: 10.29141/2218-5003-2020-11-6-6. 7. Павлова П.А., Максимов Д.М., Чегодаев Д.А., Киселёв С.Ю. Психометрия в России: современное состояние в контексте международного опыта // Научный форум: Психология и Педагогика: Сборник статей по материалам LV международной научно-практической конференции. Том 10(55). Москва, 2021. – c. 27-34. 8. Устин П.Н., Попов Л.М., Исмоилова А.И. Психометрические предикторы эмоционально-волевой саморегуляции личности в социальных сетях // Психология психических состояний: Сборник материалов XIV международной научно-практической конференции для студентов, магистрантов, аспирантов, молодых ученых и преподавателей вузов. Том Выпуск 14. Казань, 2020. – c. 339-342. 9. Aaker D.A. Measuring brand equity across products and markets // California Management Review. – 1996. – № 3. – p. 103-120. – doi: 10.2307/41165845. 10. Bui H. Aaker’s Brand Equity Model. European Institute for Brand Management. - 2009 11. Nnyagdev.org. [Электронный ресурс]. URL: http://www.nnyagdev.org/maplefactsheets/CMB%20105%20Brand%20Awareness.pdf (дата обращения: 05.07.2021). 12. Aggarwal P., McGill A.L. When brands seem human, do humans act like brands? Automatic behavioral priming effects of brand anthropomorphism // Journal of Consumer Research. – 2012. – № 2. – p. 307-323. – doi: 10.1086/662614. 13. Ahadi P., Saberian F. Comparative study of the effect of Content Marketing use on Social Networks and Traditional Marketing on Consumer Behavior (Study: Life Insurance) // Consumer Behavior Studies Journal. – 2021. – № 2. – p. 200-215. – doi: 10.34785/J018.2021.308. 14. Akram M.S., Malhotra N., Goraya M.A.S., Shareef M.A., Malik A., Lal B. User engagement on global social networks: Examining the roles of perceived brand globalness, identification and global identity // Technological Forecasting and Social Change. – 2022. – p. 121771. – doi: 10.1016/j.techfore.2022.121771. 15. Algharabat R., Rana N.P., Alalwan A.A., Baabdullah A., Gupta A. Investigating the antecedents of customer brand engagement and consumer-based brand equity in social media // Journal of Retailing and Consumer Services. – 2020. – p. 101767. – doi: 10.1016 / j.jretconser.2019.01.016. 16. Alves T., Natálio J., Henriques-Calado J., Gama S. Incorporating personality in user interface design: A review // Personality and Individual Differences. – 2020. – p. 109709. – doi: 10.1016/j.paid.2019.109709. 17. Al-Sai Z.A., Abualigah L.M. Big data and E-government: A review // 2017 8th International Conference on Information Technology (ICIT). Amman, Jordan, 2017. – p. 580-587.– doi: 10.1109/ICITECH.2017.8080062. 18. Arrigo E., Liberati C., Mariani P. Social media data and users' preferences: A statistical analysis to support marketing communication // Big Data Research. – 2021. – p. 100189. – doi: 10.1016/j.bdr.2021.100189. 19. Azucar D., Marengo D., Settanni M. Predicting the Big 5 personality traits from digital footprints on social media: A meta-analysis // Personality and Individual Differences. – 2018. – p. 150-159. – doi: 10.1016/j.paid.2017.12.018. 20. Ballestar M.T., Grau-Carles P., Sainz J. Predicting customer quality in e-commerce social networks: a machine learning approach // Review of Managerial Science. – 2019. – № 3. – p. 589-603. – doi: 10.1007/s11846-018-0316- x. 21. Black I., Veloutsou C. Working consumers: Co-creation of brand identity, consumer identity and brand community identity // Journal of Business Research. – 2017. – p. 416-429. – doi: 10.1016/j.jbusres.2016.07.012. 22. Blazquez D., Domenech J. Big Data sources and methods for social and economic analyses // Technological Forecasting and Social Change. – 2018. – p. 99-113. – doi: 10.1016/j.techfore.2017.07.027. 23. Braxton D., Lau-Gesk L. The impact of collective brand personification on happiness and brand loyalty // European Journal of Marketing. – 2020. – № 10. – p. 2365-2386. – doi: 10.1108/EJM-12-2019-0940. 24. Carlson J., Gudergan S.P., Gelhard C., Rahman M.M. Customer engagement with brands in social media platforms: Configurations, equifinality and sharing // European Journal of Marketing. – 2019. – № 9. – p. 1733-1758. – doi: 10.1108/EJM-10-2017-0741. 25. Chahine S., Malhotra N.K. Impact of social media strategies on stock price: the case of Twitter // European Journal of Marketing. – 2018. – № 7/8. – p. 1526-1549. – doi: 10.1108/EJM-10-2017-0718. 26. Chauhan P., Sarabhai S. Customer experience management: Evolution and the paradigm shift in marketing // Business Perspectives. – 2018. – № 1. – p. 18-34. 27. Colicev A., Malshe A., Pauwels K. Social media and customer-based brand equity: An empirical investigation in retail industry // Administrative Sciences. – 2018. – № 3. – p. 55. – doi: 10.3390/admsci8030055. 28. Colladon A.F. The semantic brand score // Journal of Business Research. – 2018. – p. 150-160. 29. Doǧan E., Kaya B. Deep learning based sentiment analysis and text summarization in social networks // 2019 International Artificial Intelligence and Data Processing Symposium (IDAP). Malatya, Turkey, 2019.– doi: 10.1109/IDAP.2019.8875879. 30. Foroudi P., Jin Z., Gupta S., Foroudi M. M., Kitchen P.J. Perceptional components of brand equity: Configuring the symmetrical and asymmetrical paths to brand loyalty and brand purchase intention // Journal of Business Research. – 2018. – p. 462-474. – doi: 10.1016/j.jbusres.2018.01.031. 31. Graves C., Matz S. What marketers should know about personality-based marketing // Harvard Business Review. – 2018. 32. Gürhan-Canli Z., Sarial-Abi G., Hayran C. Consumers and brands across the globe: research synthesis and new directions // Journal of International Marketing. – 2018. – № 1. – p. 96-117. – doi: 10.1509/jim.17.0063. 33. Hede A.M., Watne T. Leveraging the human side of the brand using a sense of place: Case studies of craft breweries // Journal of Marketing Management. – 2013. – № 1-2. – p. 207-224. – doi: 10.1080/0267257x.2012.762422. 34. Hoang H.T., Wang F., Van Ngo Q., Chen M. Brand equity in social media-based brand community // Marketing Intelligence and Planning. – 2019. – № 3. – p. 325-339. – doi: 10.1108/MIP-01-2019-0051. 35. Holmlund M., Van Vaerenbergh Y., Ciuchita R., Ravald A., Sarantopoulos P., Ordenes F.V., Zaki M. Customer experience management in the age of big data analytics: A strategic framework // Journal of Business Research. – 2020. – p. 356-365. – doi: 10.1016/j.jbusres.2020.01.022. 36. Karczmarczyk A., Jankowski J., Wątróbski J. Multi-criteria decision support for planning and evaluation of performance of viral marketing campaigns in social networks // PLoS ONE. – 2018. – № 12. – p. e0209372. – doi: 10.1371/journal.pone.0209372. 37. Keller K.L. Conceptualizing, measuring, and managing customer-based brand equity // Journal of Marketing. – 1993. – № 1. – p. 1-22. – doi: 10.1177/0022242993057001. 38. Keller K.L. Reflections on customer-based brand equity: perspectives, progress, and priorities // AMS Review. – 2016. – № 1. – p. 1-16. – doi: 10.1007/s13162-016-0078-z. 39. Keller K.L., Brexendorf T.O. Measuring brand equity. Handbuch Markenführung. -2019. - p. 1409–1439 40. Kollipara P.B., Regalla L., Ghosh G., Kasturi N. Selecting project team members through MBTI method: an investigation with homophily and behavioural analysis // Second International Conference on Advanced Computational and Communication Paradigms. Gangtok, India, 2019. – p. 1-9.– doi: 10.1109/ICACCP.2019.8883022. 41. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behaviour // Proceedings of the National Academy of Sciences. – 2013. – № 15. – p. 5802-5805. – doi: 10.1073 /pnas.1218772110. 42. Kosinski M., Wang Y. Deep neural networks are more accurate than humans at detecting records sexual orientation from facial images // Journal of Personality and Social Psychology. – 2018. – № 2. – p. 246-257. – doi: 10.1037/pspa0000098. 43. Liu Y., Liu A., Liu X., Huang X. A statistical approach to participant selection in location-based social networks for offline event marketing // Information Sciences. – 2019. – p. 90-108. – doi: 10.1016/j.ins.2018.12.028. 44. Luo X., Jiang C., Wang W., Xu Y., Wang J. H., Zhao W. User behavior prediction in social networks using weighted extreme learning machine with distribution optimization // Future Generation Computer Systems. – 2019. – p. 1023-1035. – doi: 10.1016/j.future.2018.04.085. 45. Ma J., Tu H., Zhou X., Niu W. Can brand anthropomorphism trigger emotional brand attachment? // Service Industries Journal. – 2021. – p. 1-24. 46. Ma L., Zhang Y. Using Word2Vec to process big text data // 2015 IEEE International Conference on Big Data (Big Data). Santa Clara, CA, USA, 2015. – p. 2895-2897.– doi: 10.1109/BigData.2015.7364114. 47. Pandey B., Bhanodia P.K., Khamparia A., Pandey D.K. A comprehensive survey of edge prediction in social networks: Techniques, parameters and challenges // Expert Systems with Applications. – 2019. – p. 164-181. – doi: 10.1016/j.eswa.2019.01.040. 48. Peppers D., Rogers M. Managing Customer Experience and Relationships: A Strategic Framework. Nnyagdev.org. [Электронный ресурс]. URL: http://www.nnyagdev.org/maplefactsheets/CMB%20105%20Brand%20Awareness.pdf (дата обращения: 30.10.2022). 49. Prokopyev N., Mamadjanova S., Ustin P. Application of social media text content analysis for personal professional success prediction // 13th International Conference on Education and New Learning Technologies. Kazan , 2021. – p. 5213-5222.– doi: 10.21125/edulearn.2021.1073. 50. Rafaeli A., Ashtar S., Altman D. Digital traces: New data, resources, and tools for psychological-science research // Current Directions in Psychological Science. – 2019. – № 6. – p. 560-566. – doi: 10.1177/0963721419861410. 51. Reavey B., Puzakova M., Larsen Andras T., Kwak H. The multidimensionality of anthropomorphism in advertising: The moderating roles of cognitive busyness and assertive language // International Journal of Advertising. – 2018. – № 3. – p. 440-462. – doi: 10.1080/02650487.2018.1438054. 52. Rekik R., Kallel I., Casillas J., Alimi A.M. Assessing web sites quality: A systematic literature review by text and association rules mining // International Journal of Information Management. – 2018. – № 1. – p. 201-216. – doi: 10.1016/j.ijinfomgt.2017.06.007. 53. Schwartz S.H. Universals in the content and structure of values: Theoretical advances and empirical tests in 20 countries // Advances in Experimental Social Psychology. – 1992. – p. 1-65. – doi: 10.1016/S0065-2601(08)60281-6. 54. Seo E.J., Park J.W. A study on the effects of social media marketing activities on brand equity and customer response in the airline industry // Journal of Air Transport Management. – 2018. – p. 36-41. – doi: 10.1016/j.jairtraman.2017.09.014. 55. Shangrong J., Han Q., Si Z., Ying L., Yi H., Yanmei X. The frontiers of value co-creation research: Ecosystem and business model innovation // Management Review. – 2020. – № 2. – p. 3-17. 56. Shirdastian H., Laroche M., Richard M.O. Using big data analytics to study brand authenticity sentiments: The case of Starbucks on Twitter // International Journal of Information Management. – 2019. – p. 291-307. – doi: 10.1016/j.ijinfomgt.2017.09.007. 57. Tadesse M.M., Lin H., Xu B., Yang L. Personality predictions based on user behavior on the Facebook social media platform // IEEE Access. – 2018. – p. 61959-61969. – doi: 10.1109/ACCESS.2018.2876502. 58. Wang S., Yang Y. M-GAN-XGBOOST model for sales prediction and precision marketing strategy making of each product in online stores // Data Technologies and Applications. – 2021. – № 5. – p. 749-770. – doi: 10.1108/DTA-11-2020-0286. 59. Xue J., Zhou Z., Zhang L., Majeed S. Do brand competence and warmth always influence purchase intention? The moderating role of gender // Frontiers in Psychology. – 2020. – p. 248. – doi: 10.3389/fpsyg.2020.00248. 60. Yu Z., Du H., Yi, F., Wang Z., Guo B. Ten scientific problems in human behavior understanding // CCF Transactions on Pervasive Computing and Interaction. – 2019. – № 1. – p. 3-9. – doi: 10.1007/s42486-018-00003-w. 61. Zucco C., Calabrese B., Agapito G., Guzzi P. H., Cannataro M. Sentiment analysis for mining texts and social networks data: Methods and tools // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. – 2020. – № 1. – p. e1333. – doi: 10.1002/widm.1333. 62. Zyoud S.H., Sweileh W.M., Awang R., Al-Jabi S.W. Global trends in research related to social media in psychology: Mapping and bibliometric analysis // International Journal of Mental Health Systems. – 2018. – № 12. – p. 1-8. – doi: 10.1186 /s13033-018-0182-6.