Memanfaatkan Influencer Secara Efektif dengan Algoritma SI
Dalam era digital yang sangat terhubung saat ini, peran influencer di media sosial semakin krusial. Pengaruh mereka dapat memicu tren baru, membentuk opini publik, hingga mendorong keputusan pembelian bagi audiens yang luas. Model Susceptible-Infected (SI) yang diusulkan oleh Jyoti Sunil More dan Chelpa Lingam dalam artikel berjudul "A SI Model for Social Media Influencer Maximization" (2017) hadir sebagai solusi untuk memaksimalkan penyebaran pengaruh di platform media sosial. Pendekatan ini sangat relevan mengingat tantangan dalam mengidentifikasi individu yang dapat memberikan dampak maksimal di jaringan sosial yang kompleks.
Dalam konteks pemasaran, memanfaatkan influencer bukan hanya soal memilih selebriti besar atau orang dengan pengikut terbanyak, tetapi juga menemukan "node" atau individu yang memiliki potensi tersembunyi untuk menyebarkan informasi secara luas. More dan Lingam menekankan pentingnya algoritma yang dapat mengoptimalkan penyebaran pengaruh, yang mereka gambarkan sebagai masalah NP-hard. Mereka mengusulkan algoritma greedy yang ditingkatkan dengan teknik multi-threading, bertujuan untuk mempercepat proses dan memaksimalkan pengaruh yang dapat disebarkan per detik.
Dengan munculnya platform besar seperti Facebook, Twitter, dan Instagram, yang memiliki miliaran pengguna aktif, model ini sangat relevan untuk berbagai aplikasi. Data dari penelitian mereka menunjukkan peningkatan yang signifikan dalam penyebaran pengaruh saat menggunakan model SI ini dibandingkan dengan pendekatan tradisional. Sebagai contoh, mereka menguji model ini pada dataset jaringan besar seperti Cit-HepTh dan CA-AstroPh, dengan hasil peningkatan pengaruh hingga 2257% pada dataset tertentu.
***
Model SI yang diusulkan oleh Jyoti Sunil More dan Chelpa Lingam memberikan kontribusi signifikan dalam pengembangan strategi pemasaran berbasis media sosial, khususnya dalam bidang maksimalisasi pengaruh. Dalam konteks pemasaran viral, tujuan utamanya adalah memilih sekelompok kecil individu yang dapat menyebarkan informasi atau produk baru secara efektif ke seluruh jaringan sosial. Hal ini semakin relevan di tengah tren pemasaran modern yang lebih menekankan pada pemasaran melalui influencer, di mana pengaruh dari tokoh-tokoh tertentu bisa menjadi kunci keberhasilan kampanye.
Penelitian mereka menawarkan solusi atas masalah klasik yang dikenal sebagai NP-hard dalam pemilihan influencer di jejaring sosial. Solusi yang diusulkan adalah model Susceptible-Infected (SI), yang didasarkan pada konsep epidemiologi. Dalam model ini, pengguna di jejaring sosial dibagi menjadi dua kategori: susceptible (mereka yang bisa dipengaruhi) dan infected (mereka yang telah terpengaruh dan menyebarkan pengaruhnya kepada yang lain). Lebih lanjut, pendekatan ini disempurnakan dengan penggunaan algoritma greedy dan teknik multithreading untuk meningkatkan efisiensi waktu proses. Peningkatan ini terlihat jelas dari hasil uji coba mereka, di mana penerapan multithreading menghasilkan peningkatan performa hingga 145% lebih cepat dalam beberapa kasus, seperti pada dataset CA-AstroPh
Teori-teori sebelumnya, seperti model IC (Independent Cascade) dan LT (Linear Threshold), juga digunakan untuk membangun kerangka teoritis yang mendukung penelitian ini. Namun, keunggulan model SI dibandingkan teori-teori tersebut adalah sifat progresifnya, yang memungkinkan penyebaran pengaruh secara terus menerus, tanpa penurunan setelah node menjadi aktif. Sebagai contoh, model LT bergantung pada probabilitas ambang batas untuk menentukan apakah sebuah node akan menjadi aktif atau tidak, sementara dalam model SI, begitu sebuah node terinfeksi (terpengaruh), ia akan terus mempengaruhi node lain di sekitarnya, sesuai dengan karakteristik jaringan sosial yang relevan.
Pada sisi praktis, model ini memberikan implikasi yang luas bagi perusahaan yang menggunakan influencer dalam strategi pemasaran mereka. Dengan memanfaatkan data dari jaringan sosial besar, seperti yang digunakan dalam penelitian ini, perusahaan dapat lebih akurat menargetkan individu yang mampu memaksimalkan penyebaran informasi. Pada kasus uji dataset Cit-HepTh, model SI menunjukkan peningkatan pengaruh hingga 966% dibandingkan dengan algoritma greedy tradisional. Angka-angka ini menggambarkan potensi besar yang dapat dioptimalkan oleh perusahaan dengan pendekatan berbasis data yang lebih cerdas dan efisien.
***
Model Susceptible-Infected (SI) yang diusulkan oleh More dan Lingam memberikan terobosan dalam memaksimalkan penyebaran pengaruh di jejaring sosial. Dengan pendekatan berbasis epidemiologi dan penggunaan multithreading, mereka berhasil mengatasi keterbatasan dari algoritma greedy tradisional. Peningkatan performa yang mencapai hingga 2257% dalam penyebaran pengaruh menunjukkan bahwa model ini lebih efisien dan tepat sasaran untuk digunakan dalam pemasaran berbasis influencer.
Selain aplikasi praktis di dunia pemasaran, penelitian ini membuka peluang baru bagi pengembangan algoritma yang lebih cepat dan efektif dalam memetakan pengaruh di berbagai jenis jaringan sosial. Dengan pertumbuhan platform sosial yang semakin masif, pendekatan ini relevan bagi bisnis yang ingin memanfaatkan kekuatan viral marketing secara lebih terukur. Penelitian ke depan dapat berfokus pada optimasi lebih lanjut, seperti pengurangan waktu eksekusi sambil mempertahankan tingkat penyebaran pengaruh yang tinggi.
Referensi
More, J. S., & Lingam, C. (2017). A SI model for social media influencer maximization. Applied Computing and Informatics. https://doi.org/10.1016/j.aci.2017.11.001
