Earticle

초록

영어

This study examines how comment discourse characteristics are associated with engagement on Instagram influencer posts, addressing the limited focus on audience-generated discourse in prior research. The study uses a dataset of 8,667 posts from 198 influencers. Engagement is measured as the engagement rate (total interactions relative to follower count). Fixed-effects regression models are employed to control for influencer-specific and temporal heterogeneity, with fractional logit and quantile regressions used as robustness checks. Key variables include affective tone, semantic similarity, expressive intensity (emoji usage), and question-oriented discourse. The findings show that semantic similarity, affective tone, and expressive intensity are negatively associated with engagement, indicating that more diverse and less uniformly expressed comment environments correspond to higher engagement. In contrast, question-oriented discourse shows inconsistent associations across model specifications. The study highlights the role of comment sections as observable social signals and shows that engagement is associated not only with content and creator attributes but also with the structure and tone of audience discourse.

한국어

본 연구는 인스타그램 인플루언서 게시물에서 댓글 담론의 특성이 참여도와 어떠한 관련을 가지는지를 분석하며, 기존 연구에서 상대적으로 간과되어 온 사용자 생성 담론의 역할을 규명하고자 한다. 본 연구는 198명의 인플루언서로부터 수집된 8,667개의 게시물 데이터를 활용하였다. 참여도는 총 상호작용을 팔로워 수로 나눈 참여율로 측정하였다. 분석 방법으로는 인플루언서 고유 특성과 시간적 이질성을 통제하기 위해 고정효과 회귀모형을 적용하였으며, 추가적으로 분수 로짓 모형과 분위수 회귀를 강건성 검증으로 활용하였다. 주요 변수로는 감정적 톤, 의미적 유사성, 표현 강도(이모지 사용), 그리고 질문 중심 담론이 포함되었다. 분석 결과, 의미적 유사성, 감정적 톤, 표현 강도는 참여도와 유의한 음(-)의 관계를 보였으며, 이는 보다 다양하고 획일적이지 않은 댓글 환경일수록 높은 참여도와 연관됨을 시사한다. 반면, 질문 중심 담론은 모형에 따라 일관되지 않은 결과를 보였다. 본 연구는 댓글 영역이 관찰 가능한 사회적 신호로 작용함을 강조하며, 참여도가 콘텐츠나 창작자 특성뿐만 아니라 사용자 담론의 구조와 톤과도 밀접하게 연관되어 있음을 보여준다.

목차

Abstract
I. Introduction
II. Literature Review
1. The role of engagement on social media
2. Predictors of Instagram engagement
3. Social Influence Theory and Comment Environments
4. Comment discourse features and hypotheses
III. Conceptual Model
IV. Methodology
1. Data and Sample
2. Influencer Size Classification (Ahluwalia and Shukla 2024):
3. Data Analysis
V. Results
1. Descriptive Statistics
2. Coirelation Matrix
3. Multicollinearity Diagnostics
4. Main Results (FE-OLS)
5. Robustness: Fractional Logit Model
6. Quantile Regression
7. Decomposition Table
8. Lag & Reverse Lag
9. Sensitivity Analysis (Cook's Distance)
VI. Discussion:
References

Abstract

키워드

저자

• Waingankar Sanjana Rajendra [ Graduate Student, Inha University, Incheon, Korea ] First Author
• Seungwook Park [ 박승욱 | Professor, Inha University, Incheon, Korea ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  마케팅논집 [Journal of Marketing Studies]

• 간기

  계간

• pISSN

  1229-3180

• 수록기간

  1991~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 380