Основні типи «Фейкерів» у соціальних мережах

Автори:
Хосе Рамон Саура1, Джонатан Гомес Пунсон1
1. Університет імені Короля Хуана Карлоса (Іспанія)
Сторінки:
231 - 236
Мова оригіналу:
Англійська
Цитувати як:
Saura, J. R., & Punzon, J. G. (2020). Defining the Types of «Fakers» in Social Media. Marketing and Management of Innovations, 4, 231-236. http://doi.org/10.21272/mmi.2020.4-18


Анотація

Сучасний розвиток цифрових технологій та проникнення Інтернету у всі сфери суспільного життя обумовлює стрімке зростання загального часу проведеного інтернет-користувачами соціальних мережах, де вони створюють контент та обмінюються ним, спілкуються з друзями, об'єднуються у групи за інтересами тощо. При цьому висловлюючи власну думку в соціальних мережах, інтернет-користувачі генерують споживчий контент. Авторами відмічено, що масове створення користувацького контенту в соціальних мережах набуває вірусного характеру та підвищує рівень залученості користувачів до спільнот. Доведено, що контент з найбільш значним впливом на інших користувачів, досягає найвищого рівня залученості та підтримки. Однак, за результатами аналізу наукового доробку з досліджуваної тематики встановлено, що фейкові новини чи пости фейкових користувачів мають високий рівень залученості та впливу в соціальних мережах. Метою статті є узагальнення та визначення поняття «фейкер» на основі аналізу наукового доробку. Авторами встановлено, що особа, яка видає себе за іншого є «фейкером». У ході дослідження виявлено та проаналізовано шість типів фейкових користувачів, а саме: 1) змовники (інтернет-користувачі, які діляться суб’єктивним контентом з мінімальним теоретичним підґрунтям та власними нав’язливими переконаннями); 2) агітатори (інтернет-користувачі, які намагаються у будь-який спосіб переконати інших слідувати за ними); 3) нарциси (інтернет-користувачі, які створюють фейковий контент про свій стиль життя, імітуючи почуття любові та прив'язаності до своєї особистості); 4) творці хаосу (інтернет-користувачі, головним завданням яких є створення конфліктів та хаосу в закритих спільнотах, а також побудова власних аргументів та теорій на особистих, професійних та політичних взаємовідносинах між іншими інтернет-користувачами); 5) сатирики гумору (інтернет-користувачі, які створюють сатиричний контент щодо дій публічних, міфологічних, ідеологічних та інших персонажів або суб’єктів); 6) параноїдні тирани (інтернет-користувачі, які зосереджені на аналізі інформаційного перевантаження, що ускладняє інтерпретацію інтернет-контенту). Результати дослідження мають теоретичне та практичне значення і можуть бути прийняті до впровадження у сфері маркетингу та, зокрема, цифрового маркетингу в соціальних мережах.


Ключові слова
фейк, фейковий контент, соціальні медіа, соціальні мережі, споживчий контент.


Посилання
  1. Apuke, O. D., & Omar, B. (2020). Fake news and COVID-19: modelling the predictors of fake news sharing among social media users. Telematics and Informatics, 101475. [Google Scholar][CrossRef]
  2. Aronson, Z. H., Reilly, R. R., & Lynn, G. S. (2008). The role of leader personality in new product development success: an examination of teams developing radical and incremental innovations. International Journal of Technology Management, 44(1-2), 5. [Google Scholar] [CrossRef]
  3. Atodiresei, C. S., Tănăselea, A., & Iftene, A. (2018). Identifying fake news and fake users on twitter. Procedia Computer Science, 126, 451-461. [Google Scholar] [CrossRef]
  4. Balaanand, M., Karthikeyan, N., Karthik, S., Varatharajan, R., Manogaran, G., & Sivaparthipan, C. B. (2019). An enhanced graph-based semi-supervised learning algorithm to detect fake users on Twitter. The Journal of Supercomputing, 75(9), 6085-6105. [Google Scholar] [CrossRef]
  5. Borges‐Tiago, T., Tiago, F., Silva, O., Guaita Martínez, J. M., & Botella‐Carrubi, D. (2020). Online users' attitudes toward fake news: Implications for brand management. Psychology & Marketing, 37(9), 1171-1184. [Google Scholar] [CrossRef]
  6. Dwivedi, Y. K., Ismagilova, E., Hughes, D. L., Carlson, J., Filieri, R., Jacobson, J., ... & Kumar, V. (2020). Setting the future of digital and social media marketing research: Perspectives and research propositions. International Journal of Information Management, 102168. [Google Scholar] [CrossRef]
  7. Fire, M., Kagan, D., Elyashar, A., & Elovici, Y. (2014). Friend or foe? Fake profile identification in online social networks. Social Network Analysis and Mining, 4(1), 194. [Google Scholar][CrossRef]
  8. Gurajala, S., White, J. S., Hudson, B., Voter, B. R., & Matthews, J. N. (2016). Profile characteristics of fake Twitter accounts. Big Data & Society, 3(2), 2053951716674236. [Google Scholar][Google Scholar]
  9. Kaur, D., Uslu, S., & Durresi, A. (2019). Trust-based security mechanism for detecting clusters of fake users in social networks. In Workshops of the International Conference on Advanced Information Networking and Applications (pp. 641-650). Springer, Cham. [Google Scholar] [CrossRef]
  10. Krombholz, K., Merkl, D., & Weippl, E. (2012). Fake identities in social media: A case study on the sustainability of the Facebook business model. Journal of Service Science Research, 4(2), 175-212. [Google Scholar] [CrossRef]
  11. Lies, J. (2019). Marketing Intelligence and Big Data: Digital Marketing Techniques on their Way to Becoming Social Engineering Techniques in Marketing. International Journal of Interactive Multimedia & Artificial Intelligence, 5(5). [Google Scholar] [CrossRef]
  12. Lyulyov, O., Chygryn, O., & Pimonenko, T. (2018). National brand as a marketing determinant of macroeconomic stability. Marketing and Management of Innovations, (3), 142–152. [Google Scholar] [CrossRef]
  13. Masood, F., Almogren, A., Abbas, A., Khattak, H. A., Din, I. U., Guizani, M., & Zuair, M. (2019). Spammer detection and fake user identification on social networks. IEEE Access, 7, 68140-68152 [Google Scholar] [CrossRef]
  14. Mohammadrezaei, M., Shiri, M. E., & Rahmani, A. M. (2018). Identifying fake accounts on social networks based on graph analysis and classification algorithms. Security and Communication Networks, 2018. [Google Scholar] [CrossRef]
  15. Palos-Sanchez, P., Saura, J. R., & Correia, M. B. (2020). Do tourism applications’ quality and user experience influence its acceptance by tourists?. Review of Managerial Science, 1-37. [Google Scholar] [CrossRef]
  16. Purba, K. R., Asirvatham, D., & Murugesan, R. K. (2020). Classification of instagram fake users using supervised machine learning algorithms. International Journal of Electrical and Computer Engineering, 10(3), 2763. [Google Scholar] [CrossRef]
  17. Reyes-Menendez, A., Saura, J. R., & Filipe, F. (2019). The importance of behavioral data to identify online fake reviews for tourism businesses: a systematic review. PeerJ Computer Science, 5, 219. [Google Scholar] [CrossRef]
  18. Reyes-Menendez, A., Saura, J. R., & Thomas, S. B. (2020). Exploring key indicators of social identity in the #MeToo era: Using discourse analysis in UGC. International Journal of Information Management, 54, 102129. [Google Scholar] [CrossRef]
  19. Saura, J. R. (2020). Using Data Sciences in Digital Marketing: Framework, methods, and performance metrics. Journal of Innovation & Knowledge. [Google Scholar] [CrossRef]
  20. Saura, J. R., Herráez, B. R., & Reyes-Menendez, A. (2019). Comparing a traditional approach for financial Brand Communication Analysis with a Big Data Analytics technique. IEEE Access, 7, 37100-37108. [Google Scholar] [CrossRef]
  21. Saura, J. R., Palos-Sanchez, P., & Blanco-González, A. (2019a). The importance of information service offerings of collaborative CRMs on decision-making in B2B marketing. Journal of Business & Industrial Marketing. [Google Scholar] [CrossRef]
  22. Stieglitz, S., Mirbabaie, M., Ross, B., & Neuberger, C. (2018). Social media analytics–Challenges in topic discovery, data collection, and data preparation. International journal of information management, 39, 156-168. [Google Scholar] [CrossRef]
  23. Talwar, S., Dhir, A., Kaur, P., Zafar, N., & Alrasheedy, M. (2019). Why do people share fake news? Associations between the dark side of social media use and fake news sharing behavior. Journal of Retailing and Consumer Services, 51, 72-82. [Google Scholar] [CrossRef]
  24. Wang, B., Zhang, L., & Gong, N. Z. (2018, September). Sybilblind: Detecting fake users in online social networks without manual labels. In International Symposium on Research in Attacks, Intrusions, and Defenses (pp. 228-249). Springer, Cham. [Google Scholar] [CrossRef]
  25. Webster, J., & Watson, R. T. (2002). Analyzing the past to prepare for the future: writing a literature review. MIS Quarterly, 26(2), 13-23. [Google Scholar]
  26. Yevdokimov, Y., Melnyk, L., Lyulyov, O., Panchenko, O., & Kubatko, V. (2018). Economic freedom and democracy: Determinant factors in increasing macroeconomic stability. Problems and Perspectives in Management, 16(2), 279-290. [Google Scholar]