Vaikuttajamarkkinoinnin hyödyntäminen Twitch-livestriimauspalvelussa
Notice bibliographique
Résumé
Tämä opinnäytetyö tutkii vaikuttajamarkkinoinnin hyödyntämistä Twitch-livestriimauspalvelussa. Työn tavoitteena oli selvittää millaisia vaikuttajamarkkinoinnin keinoja yritykset voivat käyttää Twitchissä sekä tuottaa käytännön ohjeita ja ideoita yrityksille, jotka harkitsevat vaikuttajamarkkinoinnin hyödyntämistä Twitchissä. Tämän lisäksi työn tavoitteena oli edistää yleistä ymmärrystä vaikuttajamarkkinoinnista Twitchissä niin yritysten kuin vaikuttajien näkökulmasta. \n \nOpinnäytetyö on ajankohtainen, sillä Twitchin suosio kasvaa jatkuvasti, ja yritykset etsivät uusia tapoja tavoittaa kohdeyleisöjään. Vaikuttajamarkkinointi tarjoaa potentiaalia luoda vahvoja yhteyksiä brändien ja kuluttajien välillä Twitchin kautta. \n \nTämä työ on rajattu ainoastaan vaikuttajamarkkinointiin Twitchissä eikä käsittele muita mainonnan keinoja Twitchissä. Tutkimus on rajattu niin, että se tarkastelee aihetta vain vaikuttajien näkökulmasta, eikä brändien. Tutkimus rajautuu myös alueellisesti ainoastaan suomalaisiin vaikuttajiin. Rajaukset tehtiin, jotta tutkimustulokset olisivat mahdollisimman hyödyllisiä suomalaisille Twitch-striimaajille, sekä brändeille, jotka ovat kiinnostuneita Twitch-vaikuttajamarkkinoinnista. \n \nTyö alkaa teoriaosuudella, joka toimii tietoperustana empiiriselle osuudelle. Teoriaosuuden alussa tarkastellaan vaikuttajamarkkinointia osana sisältömarkkinointia, jonka jälkeen käsitellään aiheita vaikuttajat, henkilöbrändi ja kohderyhmän tavoittaminen vaikuttajamarkkinoinnissa. Teoriaosuudessa tarkastellaan myös livestriimausta ja Twitchiä, jonka jälkeen syvennytään vaikuttajamarkkinointiin Twitchissä. Teoriaosuuden lopussa käsitellään yksityiskohtaisesti Twitchissä vaikuttajien käyttämiä mainosmuotoja. \n \nOpinnäytetyön empiirinen osuus toteutettiin kvalitatiivisella eli laadullisella tutkimusmenetelmällä. Tutkimuksen aineisto kerättiin 2023 lokakuussa haastattelemalla neljää eri suomalaista henkilöä, jotka toimivat vaikuttajina Twitchissä. Kaikilla haastateltavilla oli kokemusta yhteistöistä yritysten kanssa. Heidän kauttansa sain näkemyksiä siitä, miten vaikuttajat valikoituvat yritykselle ja mitä yritysten tulee huomata valikoidessaan Twitch-vaikuttajaa. \n \nTutkimuksen tulokset osoittavat, että onnistuneessa vaikuttajakampanjassa korostuvat luottamus, yhteisten arvojen jakaminen ja sisällön aitous. Tutkimuksesta käy ilmi, että vaikuttajien ja brändien välisessä kommunikaatiossa ja tavoitteiden asettamisessa on parannettavaa, mikä vaikuttaa suoraan kampanjan onnistumiseen. \n \nTutkimuksen perusteella voimme todeta, että vaikuttajamarkkinointia hyödynnetään Twitch-livestriimauspalvelussa, mutta sen täydellistä potentiaalia ei ole vielä tavoitettu. Tutkimuksen tulokset auttavat brändejä sekä vaikuttajia ymmärtämään Twitch-striimaajien potentiaalin vaikuttajamarkkinoinnissa.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,063 | 0,021 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».