[ad_1]

امسال انتظار می رود بیش از 180 میلیون کاربر به Super Bowl بپیوندند – و این شب را به اندازه فوتبال مهم تر می کند. مارک ها میلیون ها دلار صرف خریدهای 30 ثانیه ای می کنند ، به این امید که بتوانند با پیوستن به گروه موثرترین تبلیغاتی که بیش از دو برابر بیشتر از افراد تحت تأثیر قرار گرفته اند ، در شبکه های اجتماعی با پیوستن به گروه موثرترین تبلیغات ، محتوایی را دریافت کنند که نه تنها مورد استقبال واقع شود بلکه ویروسی نیز باشد. در تلویزیون

البته ویروسی شدن کار ساده ای نیست. چه تفاوتی بین یک تبلیغ معمولی و یک ویدیو بسیار جذاب و سرگرم کننده وجود دارد که بینندگان تصمیم می گیرند آن را بارها و بارها به اشتراک بگذارند؟

برای کشف این موضوع ، من و Daniel McDuff ، محقق مایکروسافت ، تحقیقی را انجام دادیم که با استفاده از فناوری تشخیص چهره به صورت خودکار ، نحوه واکنش افراد به انواع مختلف تبلیغات را تحلیل می کند. ما برای همه موارد از محصولات زیبایی گرفته تا مراقبت از حیوانات خانگی ، اسنیکرز گرفته تا حوله های کاغذی سازگار با محیط زیست ، تبلیغات ویدیویی را به مردم نشان دادیم و از آنها پرسیدیم که احتمال اشتراک هر تبلیغ چیست. در حالی که آنها هر ویدئو را تماشا می کردند ، ما از وب کم های آنها (با رضایت آنها) برای ردیابی حالات چهره آنها استفاده کردیم و سپس یک الگوریتم یادگیری ماشین کنترل شده ، عبارات آنها را به احساسات مختلف طبقه بندی کرد.

این روش جدید چندین مزیت اساسی داشت. اول ، در حالی که فناوری سنتی تشخیص چهره معمولاً افراد را مجبور می کند وارد آزمایشگاه شوند و از سخت افزارهای گران قیمت و تخصصی استفاده كنند ، روش ما به شركت كنندگان اجازه می دهد از وب کم هایی كه قبلاً در خانه داشتند استفاده كنند (آنها برای دسترسی به فیلم ها به سادگی روی یك پیوند ایمیل كلیك می كنند) یک فرم رضایت که به ما اجازه می دهد از طریق وب کم ضبط کنیم و پس از تماشای هر آگهی یک بررسی کوتاه را انجام دهیم). این به ما امکان می داد که تعداد شرکت کنندگان بیشتری را از روش های استاندارد کسب کنیم و به این معنی بود که شرکت کنندگان هنگام تماشای تبلیغات تجربه معتبرتری در خانه داشتند.

علاوه بر این ، ما به جای اینکه به محققان برای بررسی دستی صورت افراد و علامت گذاری بیانات آنها نیاز داشته باشیم ، از یادگیری ماشینی برای اتوماسیون کل فرآیند استفاده کردیم. ما یک سیستم سفارشی برای تشخیص واکنشهای رایج صورت براساس حرکت در ویژگیهای اصلی صورت (لبخند ، چانه و غیره) طراحی کردیم و مدل را بر روی مجموعه ای از مثالهای از قبل مشخص شده آموزش دادیم تا تعیین کند هر یک از شرکت کنندگان در هنگام تماشای فیلم ها احساسات مختلفی را بیان می کنند. این به ما اجازه می دهد صدها فیلم از بیش از 2000 شرکت کننده از سراسر جهان را آزمایش کنیم – اندازه نمونه بزرگتر و از نظر جغرافیایی متنوع تر از نظرسنجی های مشابه است.

پس چه چیزی پیدا کردیم؟ جای تعجب نیست که پاسخ عاطفی نقش مهمی در احتمال گفتن شرکت کننده برای اشتراک آگهی داشت. اما اینکه چگونه احساسات دقیقاً بر سهام تأثیر می گذارند ، همیشه بدیهی نبوده است.

می توان از مردم انتظار داشت که تبلیغاتی را که باعث احساس خوب آنها می شود به اشتراک بگذارند و تبلیغاتی را که باعث احساس بد آنها می شود به اشتراک نگذارند. و تا حدی ، این شهود درست است: در مطالعه ما ، تبلیغاتی که به نظر می رسد احساسات مثبتی مانند شادی را برانگیخته است ، به احتمال زیاد به اشتراک گذاشته می شود ، در حالی که تبلیغاتی که احساسات منفی مانند غم یا گیجی را برانگیخته است ، کمتر به اشتراک گذاشته می شود.

اما چیزهای دیگری از آن وجود دارد. در حالی که برخی احساسات منفی مانند غم و اندوه باعث به اشتراک گذاری می شود ، برخی دیگر مانند انزجار ، اندکی آن را افزایش می دهند. چرا؟ پاسخ این است که احساسات پیچیده تر از “شاد” و “غمگین” هستند.

علاوه بر احساس خوب یا بد ، احساسات همچنین با چگونگی فعال بودن – یا “تحریک فیزیولوژیکی” – مشخص می شوند. مثبت یا منفی ، برخی احساسات فقط ما را شعله ور می کنند. وقتی هنگام راه رفتن در جنگل با مار مواجه می شویم یا هنگام جنگ ، هوشیاری بیشتری پیدا می کنیم. قلب ما تندتر می زند ، نبض ما تند می شود و آماده عمل هستیم. در مورد برخی احساسات مثبت نیز همین امر وجود دارد: وقتی تیم ما در ثانیه های پایانی به یک مرحله حساس برسد یا متوجه شود که ما از درجه یک ارتقا یافته ایم ، نمی توانیم کمک کنیم اما هیجان زده شویم.

احساسات دیگر ما را آرام می کنند. به احساس خود بعد از رفتن به ساحل یا تماشای غروب آفتاب بیندیشید. احساس خوبی دارید ، اما این احساس رضایت باعث نمی شود که بخواهید کارهای زیادی انجام دهید. به همین ترتیب ، گرچه ممکن است عصبانیت باعث شود ما بخواهیم سر شخصی فریاد بزنیم یا وقتی احساسات منفی کم تحرک تری مانند غم و اندوه را احساس می کنیم ، اقدام کنیم ، اما ما فقط می خواهیم در یک توپ کوچک شویم و کاری انجام ندهیم.

تحقیقات قبلی من نشان داد که هرچه این تجربه باعث تحریک احساسات شود ، احتمال اشتراک افراد در آن بیشتر است. و نتایج ما مطابقت داشت: تحریک مثبت ، احساسات فعال کننده احتمال به اشتراک گذاری بیشتر ویدئو را افزایش می دهد ، اما هنگامی که یک تبلیغ باعث ایجاد یک احساس فعال کننده منفی می شود (یعنی انزجار) ، بینندگان نیز انگیزه اقدام و اقدام به اشتراک ویدیو را دارند – اگرچه این احساس خوبی به آنها نمی دهد. برعکس ، احساساتی که کمتر فعال می شوند (یعنی غم و اندوه) احتمال به اشتراک گذاری آگهی بیننده را کاهش می دهند.

“خوب” به اندازه کافی خوب نیست

این یافته ها پیامدهای زیادی برای بازرگانان دارد. اول اینکه کافی نیست که مردم از برند شما احساس خوبی داشته باشند. غالباً ، سازندگان محتوا معتقدند که اگر فقط بتوانند باعث شوند مشتریان نسبت به محصولات ، خدمات یا مارک های خود احساس مثبت کنند ، مردم آن محصولات را با دوستانشان به اشتراک می گذارند. اما همانطور که نتایج ما نشان می دهد ، “خوب” کافی نیست. شما باید مشتریان خود را اخراج کنید. اگر می خواهید به احساسات مثبت پایبند باشید ، از حد رضایت فراتر رفته و محتوایی ایجاد کنید که مشتریان شما را هیجان زده ، الهام بخش و دلخوش می کند – یعنی محتوایی که احساسات فعال کننده را برانگیزد.

“بد” همیشه بد نیست

دوم ، گرچه تمایل داریم از احساسات منفی اجتناب کنیم ، منفی نگری همیشه فکر بدی نیست. ما می توانیم فرض کنیم که اگر تبلیغ باعث شود بینندگان احساس انزجار کنند ، به عنوان مثال آنها آن را به اشتراک نمی گذارند. اما در صورت استفاده صحیح ، احساسات منفی در واقع می تواند راهی قدرتمند برای جذب مشتریان شما باشد.

به عنوان مثال ، تبلیغاتی که با نشان دادن بی عدالتی مردم را عصبانی می کند یا با توصیف خطرات سلامتی یک بیماری آنها را دچار اضطراب یا بی ادبی می کند ، می تواند با به اشتراک گذاشتن اطلاعات با دیگران ، آنها را به سمت عمل سوق دهد (در چند هفته گذشته همه آنها را دیده ایم خیلی خوب ، اطلاعات غلط چقدر می تواند قدرتمند باشد که باعث ایجاد ترس و عصبانیت شود – اما از چنین احساساتی می توان برای همیشه استفاده کرد). به بیان ملایم ، یکی از موفق ترین تبلیغات در سال 2020 “Paradise Paradise” ساخته Dashlane بود که ناامیدی از دست دادن رمز ورود خود را با رفتن به جهنم دانته مقایسه می کرد.

این را در خانه امتحان کنید

سوم ، ضمن تجزیه و تحلیل تبلیغات از طیف گسترده ای از صنایع برای بررسی رابطه کلی بین پاسخ های هیجانی و نرخ اشتراک ، بازاریابان و تحلیل گران می توانند روش ما را برای دریافت ایده ای از واکنش به محتوای خاص آنها تطبیق دهند. البته روش های سنتی تحقیقات بازار مانند نظرسنجی ها و گروه های متمرکز نیز در برخی موارد می توانند مثر باشند ، اما محدودیت های جدی دارند.

اول ، س askingال ساده از احساس افراد تضمین کننده اطلاعات دقیق نیست: افراد ممکن است از احساسات خود مغرضانه یا ناراحت باشند یا از نحوه بیان کلامی خود مطمئن نباشند. علاوه بر این ، پاسخ های گروه متمرکز می تواند توسط تأثیر اجتماعی شکل بگیرد ، که بیشتر بر قابلیت اطمینان آنها تأثیر می گذارد. علاوه بر این ، این ابزارهای استاندارد به کارهای شخصی و شخصی زیادی احتیاج دارند ، به این معنی که مقیاس گذاری آنها تا حدی مفید بسیار گران است. در مقابل ، تشخیص خودکار چهره با استفاده از وب کم های خانگی می تواند به بازاریابان کمک کند تا پاسخ های مصرف کننده را به روشی کارآمد ، محجوب و بسیار مقیاس پذیر بسنجند.

با این حال ، این ابزارها قطعاً محدودیت هایی دارند. محققان تعصب نژادی و فرهنگی را در برنامه های شناسایی چهره ثبت کرده اند ، که می تواند چالش اندازه گیری دقیق (و اخلاقی) پاسخ ها را در یک پایگاه کاربر متفاوت ایجاد کند. بعلاوه ، حتی علاوه بر تفاوتهای فرهنگی گسترده ، رابطه بین حالتهای چهره و احساسات اساسی می تواند به طور قابل توجهی و غیرقابل پیش بینی از فردی متفاوت باشد (به عنوان مثال ، برخی از افراد ممکن است از نظر ظاهری بیش از دیگران بیان داشته باشند ، اما این لزوماً نشان دهنده وضعیت عاطفی واقعی آنها نیست ). متدولوژی ما بر روی تشخیص حالت چهره متمرکز است ، بنابراین در دام برخی از مشکلات سیستم هایی که سعی در استفاده از چنین فناوری برای شناسایی افراد خاص دارند ، قرار نگیرید ، اما شناخت این مسائل بالقوه هنوز هم مهم است. مانند هر فناوری ، ابزارهایی که احساسات را از حالت های چهره استخراج می کنند ، کامل نیستند – اما با آگاهی از کاستی های خود ، بازرگانان و محققان در موقعیت خوبی برای استفاده خوب از این ابزارها ، کسب بینش هایی هستند که آنها را قادر به ارائه محتوا می کنند. که ممکن است تأثیرگذار باشد.

[ad_2]

منبع: bighat-news.ir