Influencer Marketing: KI enttarnt Fake-Follower

Nur etwa jeder zweite Follower eines Influencers ist echt. Die anderen sind Fake. Alex Frolov, CEO und Co-Founder von HypeAuditor, hat ein KI-basiertes Erkennungsystem entwickelt, das Betrug im Influencer Marketing ziemlich exakt enttarnt. Ein Gespräch über Bots, Preise für gefälschte Follower und Phänomene wie Mass Viewing.

Alex, vorab zur Einschätzung: Wie weit verbreitet sind Fake-Fluencer im Influencermarketing? 

Alex Frolov: Fake-Influencer sind im Influencer-Marketing sehr weit verbreitet und können Werbetreibende jedes Jahr Millionen kosten. Dafür gibt es einen ganz einfachen Grund: Je mehr Follower ein Influencer vorweisen kann, desto mehr Geld kann er verlangen. Deshalb erhöhen einige Influencer die Anzahl der Follower künstlich. Vor allem auf Instagram ist diese Betrugsmasche weit verbreitet. Zwar haben auch andere Plattformen Probleme mit solchen Betrügereien, aber das Ausmaß ist nicht mit Instagram vergleichbar. Laut einer internen Untersuchung von HypeAuditor sind nur 55 Prozent der Instagram-Follower echte Menschen, der Rest sind Bots, inaktive Accounts und Massen-Follower. Wusstest Du beispielsweise, dass Du 1.000 gefälschte Follower für einen knappen Dollar und 1.000 gefälschte Likes für knapp 70 Cent kaufen kannst?

Nein, wusste ich nicht… Gekaufte Follower sind also ganz normal?  

Frolov: Häufig handelt es sich bei gekauften Followern nicht um echte Nutzer, sondern um Accounts, die von Skripten (Bots) automatisch registriert werden. Bots interagieren nicht mit den Inhalten von Influencern, sie sind nur Zahlen im Abonnentenbereich. Gekaufte Follower können aber auch echte Menschen sein, die ebenfalls nicht an den Inhalten des Influencers interessiert sind. Ihre Motivation ist eine rein finanzielle, denn sie erhalten Geld oder virtuelle Credits für ihr Engagement.

Einen Fake-Instagram-Follower erkennt man übrigens meistens daran, dass er selbst weder Follower noch Beiträge hat. Zudem laden Fake Influencer in der Regel kein Profilbild hoch, folgen immens vielen Personen und der Benutzername ist meist mit Zufallszahlen gefüllt.

Ihr habt bei HypeAuditor hat ein KI-basiertes Erkennungssystem entwickelt, das hier für Transparenz sorgen soll. Kannst Du uns kurz die Arbeitsweise erläutern?

Frolov: HypeAuditor nutzt Deep-Learning-Algorithmen, um Erkenntnisse über das Publikum von Influencern zu gewinnen, Betrugsaktivitäten zu erkennen und perfekt passende Influencer für Marketingkampagnen zu identifizieren. Im Prinzip steckt hinter jeder Metrik, die HypeAuditor für seine Kunden bereitstellt, eine eigene Technologie. Um zum Beispiel ein qualitativ minderwertiges Publikum zu erkennen, verwendet HypeAuditor ein speziell trainiertes Machine-Learning-Modell, das auf einem Mix aus Algorithmen basiert und mehr als 50 Muster verwendet, um verdächtige Accounts zu identifizieren. Das sorgt dafür, dass es 95,5 Prozent aller bekannten Betrugsaktivitäten erkennen kann.

Außerdem haben wir einen hochmodernen Algorithmus entwickelt, der natürliche Sprache verarbeitet, indem er syntaktische und semantische Analysen durchführt und so erkennt, ob Kommentare authentisch sind. Der Algorithmus erkennt zudem verdächtige Muster und Verhaltensweisen, die er schon bei Bots und anderen Accounts von geringer Qualität beobachtet hat. Mit Hilfe von Computer-Vision-Methoden versteht HypeAuditor auch den Inhalt von Bildern und erkennt Alter und Geschlecht des Publikums. Dies hilft Werbetreibenden, ihr Targeting zu verbessern und ihre Kampagnen vielfältiger zu gestalten.

Um eine klare Antwort auf die Frage zu geben, ob es sich bei dem Influencer um einen echten oder einen Betrüger handelt, haben wir einen integrierten Audience Quality Score entwickelt, der die Gesamtqualität des Accounts für das Influencer Marketing anhand verschiedenster Kriterien misst.

Welchen Part übernimmt hier Künstliche Intelligenz?

Frolov: Künstliche Intelligenz ist der Schlüssel für unsere Technologie. In unserer Datenbank sind aktuell mehr als 20 Millionen Influencer-Accounts bei Instagram, YouTube und TikTok verzeichnet. Und für jeden Account stellen wir eine detaillierte Analyse zu Publikum, der Zusammensetzung der Abonnenten, Reichweite und Engagement-Level zur Verfügung. Um ein noch klareres Bild und vor allem ein aktuelles Bild zu erhalten, vergleichen wir außerdem ständig Accounts miteinander. Ohne den Einsatz von KI könnten wir das gar nicht stemmen.

Auf welchen Plattformen kommt das System zum Einsatz? Wo hat es am meisten Arbeit? 

Frolov: Instagram, YouTube und TikTok sind die beliebtesten Plattformen in Bezug auf Influencer Marketing. Aber wir sind nicht nur darauf beschränkt: Tatsächlich wollen wir im Jahr 2021 neue Social-Media-Plattformen hinzufügen – Twitter und Twitch stehen dabei ganz oben auf unserer Liste.

Betrügerische Konten oder betrügerische Interaktionen werden immer professioneller. Können die eingesetzten KI-Systeme mit dieser Entwicklung Schritt halten? Oder ist das ein ständiges Wettrüsten?

Frolov: Genau, es gibt ein ständiges Wettrüsten zwischen sozialen Medien, Analyseplattformen, Marken auf der einen und skrupellosen Unternehmen sowie Programmierern auf der anderen Seite. Es geht dabei aber nicht nur um gefakte Profile und gekaufte Follower. Generell verkaufen die sozialen Netzwerke ja im Prinzip die Aufmerksamkeit ihrer Nutzer an Werbetreibende. Wenn Programmierer nun eine Methode entdecken, über die sie mittels Software die Aufmerksamkeit der Nutzer auf sich ziehen, ohne dabei bei der Plattform Werbung kaufen zu müssen, machen sie einen Dienst daraus. Schattenmethoden wie „follow/unfollow“ waren beispielsweise früher sehr beliebt.

Laut einer internen Untersuchung von HypeAuditor nutzten bis zu 28 Prozent der Influencer mit weniger als 100.000 Followern den Follow-Unfollow-Trick, um ihre Follower-Zahl zu erhöhen. Ein Instagram-Update im Juni 2019 hat dann aber die gesamte Branche der Instagram-Automatisierung rapide verändert. Denn: Instagram konnte nun seine Limits für Aktionen von ein und derselben IP-Adresse ändern. Dadurch wurden Follow-Unfollow-Aktionen teurer und weniger effektiv. In der Konsequenz sind nun aber Phänomen wie Mass Viewing und Comments Mass Liking zum Problem geworden.

Stories-Massensichtungen etwa gaukeln Aktivität vor, indem sie die Instagram Stories von Tausenden von Menschen basierend auf Hashtags, Standorten oder Konkurrenten-Accounts beobachten. Nach einer Interaktion verwandeln sich einige Follower in Besucher Ihres Kontos und führen einige Aktionen aus: Likes, Kommentare, Abonnements.

Fake-Profile und Fake-News sind generell ein großes Problem für Social Media. KI wird hier oft die Rolle zugesprochen, damit aufräumen zu können. Kann KI dieses Versprechen überhaupt einlösen?

Frolov: Ja, ich glaube, dass KI das Problem der Fake-Profile und Fake-News lösen kann. Allerdings nur, wenn die Social-Media-Plattform selbst daran interessiert ist. Die Priorität der Plattformen liegt aber derzeit eher darin, die Gewinne zu steigern, indem sie Aufmerksamkeit und Zeit ihrer Nutzer verkaufen. Die Interaktion mit gefälschten Followern und gefälschten Nachrichten beeinträchtigt dieses Ziel nicht, also ist das Interesse daran, solche Probleme zu lösen, eher gering.

Welche Pläne hat HypeAuditor für 2021?

Frolov: Wir haben uns für 2021 viel vorgenommen. Erstens wollen wir die technologisch fortschrittlichste Plattform für Influencer Relationship Management auf dem Markt entwickeln. Zweitens wollen wir unsere Metriken noch besser machen, damit Influencer Marketing als Performance- und nicht mehr nur Awareness-Kanal betrachtet wird. Und last but not least planen wir – wie schon erwähnt – neue Social-Media-Plattformen hinzufügen, wobei wir Twitter und Twitch als erste Priorität betrachten.

Alexander Frolov ist CEO und Mitgründer von HypeAuditor. Zuvor arbeitete er als Manager bei Fotostrana.ru, einer der beliebtesten Social-Entertainment-Plattformen Russlands und Nummer vier unter den weltweiten Dating-Websites (Ranking: Similarweb). Zusammen mit Leonid Zhavoronkov entwickelte er bereits mehrere Dating-Apps für den russischen und internationalen Markt. 

Das Interview führte Helmut van Rinsum

Weitere Interviews:
Kimberly Holtz: Iris.ai – Wie KI bei der Recherche hilft
Verena Fink: Die Angst vor dem Elefanten
Michelle Skodowski: Bots müssen Probleme lösen

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.