15 милиона спонзорисаних објава открива шта боље предвиђа ангажовање

Педро Виктор де Соуза Лима и Олга Гусевскаја су 5. октобра 2026. на arXiv-у објавили препринт о више од 15 милиона Instagram објава са спонзорисаним садржајем и више од 700.000 налога. Њихов налаз је да реакције на објаву могу делимично да се предвиде из њеног текста и података о налогу. За избор креатора то значи да број пратилаца сам не описује довољно шта се може очекивати од спонзорисане објаве.

Према сажетку рада на Cool Papers, модел користи значење описа и хештегова, а предвиђање се мења када се налози раздвоје по типу и величини публике. Реч је о истраживачком препринту и статистичком предвиђању реакција, а не о гаранцији учинка будуће кампање. Посебно је важно разликовати величину публике као основу за груписање налога од податка који модел непосредно користи за предвиђање.

Који подаци су ушли у модел

Истраживачи су раздвојили оно што пише у објави од онога ко је објављује. Значење описа и хештегова претворили су у нумерички приказ текста; посебно су бележили дужину описа, број хештегова и поменутих налога. Модел је добијао и време објављивања, тематску групу, језик и категорију налога. Фотографија или видео нису наведени међу улазним блоковима овог модела, па његов резултат не мери колико визуелни квалитет доприноси реакцијама.

Категорије раздвајају личне налоге од организација и географских целина, производа, догађаја, места и креативних дела. То је битна разлика за кампању: налог који представља производ и особа која тај производ приказује публици могу имати сличан домет, али не граде исти однос са пратиоцима. Категорија је добијена аутоматским разврставањем назива налога, па код профила који спајају лични и пословни идентитет може бити погрешна.

Број пратилаца није био улазни предиктор, а изостављена је и ранија успешност налога. Величина публике ипак има улогу: лични налози су према њој подељени у групе, а број пратилаца служи и као именилац при рачунању стопе ангажовања. Зато налаз не гласи да је домет небитан, већ да се део разлика у реакцијама види и без ослањања модела на тај број.

Значење текста носи најјачи сигнал

Табела резултата у пуном тексту рада даје за заједнички модел R² од 0,40 за свиђања, 0,49 за коментаре и 0,42 за стопу ангажовања, док модел за налоге догађаја достиже 0,74 за свиђања. R² показује колики део варијације модел објашњава на тестном скупу, при чему су исходи пре обучавања логаритамски трансформисани. То није проценат објава чији ће тачан број реакција бити погођен.

При поређењу група улазних података, приказ значења описа и хештегова носио је највећи део предиктивног сигнала. Време објављивања било је следећи користан додатак за свиђања, а тип налога за коментаре. Широке тематске ознаке доносиле су мало нових информација када је модел већ имао детаљнији приказ текста. То не чини тему небитном: њен сигнал је већ могао бити садржан у самом опису.

Резултат говори о повезаности карактеристика објаве и реакција у посматраним подацима. Из њега се не може извести обећање да ће преписивање описа само по себи повећати број коментара. Таква тврдња захтевала би проверу узрочног ефекта, док овај рад процењује колико су реакције предвидљиве када су карактеристике објаве познате.

Тип налога мења слику, али и услове поређења

За налоге производа, догађаја, места и креативних дела приказане су више вредности предиктивног учинка него за скуп свих налога. Код личних налога разлика је мања, а унутар њих објаве налога средње величине биле су предвидљивије на основу садржаја, форме и времена од објава највећих налога. Зато исте карактеристике спонзорисане објаве немају једнаку информативну вредност за сваку врсту креатора.

Те вредности ипак потичу из различитих тестних подскупова. Виши R² за једну категорију показује да су реакције у њој лакше објашњиве коришћеним подацима; сам по себи не мери колико би модел за ту категорију надмашио заједнички модел на потпуно истим објавама. Уз то су подаци дељени по објавама, па су различите објаве једног налога могле завршити и у обучавању и у тесту. Предвиђање за раније невиђеног креатора може бити слабије.

Зашто српска публика остаје посебно питање

Корпус је прикупљан преко CrowdTangle-а, претрагом хештегова који откривају спонзорство. Такав поступак пропушта сарадње означене само платформском ознаком плаћеног партнерства или помињањем бренда без траженог хештега. Према саопштењу Европске комисије, CrowdTangle је угашен 14. августа 2024. Подаци зато не обухватају касније промене у начину објављивања и реаговања публике.

При припреми скупа уклоњени су и записи означени као нелатинични, што посебно ограничава пренос налаза на објаве писане српском ћирилицом. Рад није издвојио српску публику као засебан тест. Чак и када је величина налога позната, тај податак не говори колики део његових пратилаца живи у Србији, разуме језик кампање или је заинтересован за конкретну понуду.

Ознака спонзорства има двоструку улогу: утиче на то које су објаве ушле у истраживање, али је и стварна обавеза у односу према публици. Питање означавања сарадње у Србији зато треба решавати одвојено од процене ангажовања. Модел не може да утврди да ли је публика из објаве јасно разумела комерцијални однос са брендом.

Бриф за избор креатора

Бриф заснован на овом налазу треба да раздвоји тип налога, распон величине публике и садржај планиране објаве. Од креатора има смисла тражити примере ранијих спонзорисаних објава, теме којима се редовно бави и начин на који пише описе, уз одвојене податке о свиђањима и коментарима. Тако се кандидати пореде према врсти садржаја и исходу који кампања стварно тражи, уместо само према укупном броју пратилаца.

За локалну одлуку брифу недостаје још један податак који овај модел није проверио: састав публике релевантан за Србију. Креатор може да достави расположиве податке о земљи, језику и интересовањима пратилаца, а бренд затим да процени њихову везу са понудом. Креатор са већом публиком тако може остати слабији избор ако нема показатеља да ће порука стићи до људи којима је кампања намењена.

Прочитајте и:

• Спонзорисана објава у Србији: ознака платформе није цео посао
• Фирмама стиже 78,5 милиона евра, али новац није директан грант
• NetScaler је поново закрпљен — SAML поставке откривају ко је угрожен