O presente estudo explora como as interações entre várias redes sociais influenciam a visibilidade de uma marca de luxo na sua rede social mais relevante - Instagram. De modo a prever o número de gostos no Instagram é utilizada uma abordagem de data mining, onde são utilizadas 365 publicações divulgadas nas diferentes redes sociais da marca de luxo entre 2015 e 2016. Quinze variáveis relacionadas com as redes sociais da marca, características do produto e visibilidade em meios de comunicação externos, foram organizadas e utilizadas para alimentarem uma máquina de vectores de suporte, tendo como objetivo a modelação do número de likes no Instagram. Os resultados identificam um modelo com uma aproximação adequada para prever o número de gostos no Instagram, atingindo um mean absolute percentage error de 27%. De modo a extrair conhecimento do modelo, foi aplicada uma análise de sensibilidade, a qual revela como cada uma das quinze variáveis influencia a variável dependente em estudo. Os resultados revelam que as interações nas restantes redes sociais influenciam o número de gostos no Instagram, principalmente o Facebook, com o número de visualizações de vídeo, os emoticons positivos e o número de comentários e partilhas a explicarem cerca de 40% do modelo.

Over the years, social networks have attracted increasing attention among luxury brands, providing tools for luxury companies to interact and engage with their customers. While empirical research on social media marketing for luxury brands is found based on the individual analysis of social networks, studies regarding interactions between different social networks are rather scarce. The present study addresses this research gap by exploring how interactions across several social networks influence the visibility of a luxury firm’s most relevant social network – Instagram. A data mining approach is proposed for modelling the number of likes on Instagram using 365 publications published in the luxury brand’s different social networks between 2015 and 2016. Fifteen features related with the brand’s social networks, product characteristics and visibility in external media were prepared and used to feed a support vector machine for modelling Instagram likes. The results identify a model with a good approximation for predicting Instagram likes, achieving a mean absolute percentage error of around 27%. In order to further extract knowledge from the model, sensitivity analysis was applied revealing how each of the fifteen features influenced the Instagram likes. The findings unveiled that interactions on the remaining networks hold an influence on Instagram likes, particularly Facebook, with the number of video views, the positive emoticons, and the number of comments and shares explaining around 40% of the model.