Mukbang Influencers in Localization: A Cross-Case Analysis of Cultural Fit and Marketing Strategies in Asian

Focusing on the Asian food market, this study explores the cultural adaptation mechanism of Mukbang marketing and its impact on consumer interaction based on Python text analytics. Four typical cases were selected for the research, and the video comments on YouTube and TikTok were captured by crawler technology. VADER sentiment analysis model and keyword matching algorithm were used to analyse the association between cultural symbols, emotional tendency, and purchase intention. At the level of research methodology, cross-platform data collection is achieved by Python crawler, combined with Natural Language Processing (NLP) for sentiment classification of comments. The data show that the positive sentiment of the video "Spiciness Challenge" of Thai Samyang accounted for 74.1%, and the frequency of local symbols such as "Thai chili pepper" and the rate of liking in the comments were higher than that of the traditional advertisement of Bibigo, which was significantly higher than that of the traditional advertisement of Bibigo. Although the study is limited to a superficial analysis of public comments, the framework of "Data Collection - Emotion Calculation - Symbol Decoding" provides a replicable technology path for digital marketing in emerging markets. Future research could combine user profiling and eye-tracking technologies to deepen the understanding of cross-cultural communication mechanisms.

В этом исследовании, посвященном азиатскому рынку продуктов питания, изучается механизм культурной адаптации маркетинга Mukbang и его влияние на взаимодействие с потребителями на основе текстовой аналитики Python. Для исследования были выбраны четыре типичных случая, а комментарии к видео на YouTube и Tiktok были собраны с помощью технологии crawler. Для анализа связи между культурными символами, эмоциональными тенденциями и намерением совершить покупку использовались модель анализа настроений VADER и алгоритм подбора ключевых слов. На уровне методологии исследования кроссплатформенный сбор данных осуществляется с помощью краулера Python в сочетании с обработкой естественного языка (NLP) для классификации настроений в комментариях. Полученные данные показывают, что положительные настроения видеоролика "Spiciness Challenge" тайской компании Samyang составили 74,1 %, а частота использования местных символов, таких как "тайский перец чили", и процент лайков в комментариях были выше, чем у традиционной рекламы Bibigo, что значительно превышало показатели традиционной рекламы Bibigo. Хотя исследование ограничивается поверхностным анализом публичных комментариев, схема "Сбор данных - расчет эмоций - декодирование символов" предлагает воспроизводимый технологический путь для цифрового маркетинга на развивающихся рынках. Будущие исследования могут объединить технологии профилирования пользователей и трекинга глаз для углубления понимания механизмов кросс-культурной коммуникации.