立即发布
市场研究人员已经发现了让人们“喜欢”社交媒体平台Instagram上的图片的特征组合。例如，图像的视觉复杂性对观众是否选择参与社交媒体帖子有重大影响。
“我们越来越能够判断社交媒体信息中包含的图片是否可能引起消费者的兴趣，”该研究论文的合著者、北卡罗来纳州立大学(North Carolina State University)市场营销学副教授威廉·兰德(William Rand)说。“但我们所知道的许多影响公众利益的变量与图片本身几乎没有关系。
“例如，一个品牌的力量，它在Instagram上拥有的追随者的数量是最强大的预测因子，消费者是否会与图像搞，”兰德说。“伴随着图像的文本也很重要。
“我们想看看这个角色的实际情况图片播放，专注于图像的复杂性如何推动消费者参与。这是营销社区的重要信息，因为它可以为持续建设品牌的持续物品提供有关什么样的图像的决策。“
以前的工作发现，人们响应的图像有两个方面：特征复杂性和设计复杂性。本质上，特征复杂性是指颜色和亮度等基本特征。设计复杂性是指在图像中发现的实际情况以及它们的排列方式。
为了开始分析观众如何应对图像复杂性，研究人员确定了六项措施，可用于评估图像复杂性的各个方面：
- 图像中的颜色分布;
- 图像中亮度的分布;
- 图像内的边缘数;
- 图像中物体的数量;
- 物体的规律性，这是由物体是否共享一个方向和它们重叠的程度决定的;和
- 对象的排列是多么对称。
研究人员编写了一个计算机程序来扫描图像，并自动为这六项测试的每一项生成分数。研究人员还进行了一个验证实验，以确保图像评估程序与人类感知图像复杂性的方式一致。
然后，研究人员创建了一个模型，以确定哪一项指标组合与在Instagram上获得“赞”最密切相关。该模型考虑了一些混杂变量，比如给定的Instagram feed有多少粉丝。
在这项研究中，研究人员向模型输入了147963张Instagram图片和相关数据。
“我们发现所有六项措施都很重要，但是有特殊的模式，其中图像产生了最积极的反馈，”兰德说。
当涉及到特征的复杂性时，研究人员发现中间有一个最佳点。消费者更喜欢光线和颜色多样化的图像，但不能太多也不能太少。而设计复杂性则恰恰相反。人们喜欢非常简单或非常复杂的图像。
“实际上，如果您将相应的过滤器应用于满足特征复杂性相关的问题，我们可以通过大约3％提高任何给定图像的喜欢的人数大约3％。”“这没什么可打喷嚏，特别是因为应用过滤器只需要几秒钟。更重要的是，我们的模型表明，优化特征和设计复杂性可以提高消费者参与约19％ - 在占追随者总数的变量之后
“我们将其介绍在那里，可以用来为设计专业人士在营销部门提供的决策。但是我们为型号提供了原始代码。它现在不是以用户友好的格式，但我确信正确的技术精明的人可以使用它来为行业创造一个有价值的工具。“
纸”,简单不是关键:理解企业生成的社交媒体图片和消费者喜好，“发表在里面国际营销研究．这篇论文的合著者是罗切斯特理工学院的Gijs Overgoor;阿姆斯特丹大学的Willemijn van Dolen;以及马什哈德费尔多西大学的Masoud Mazloom。
希普曼-
编辑:这项研究摘要跟随。
“简单不是关键：了解公司生成的社交媒体图像和消费者喜欢”
作者：Gijs Rovergoor，罗切斯特理工学院;北卡罗来纳州威廉兰德州立大学;阿姆斯特丹大学Willemjn Van Dolen;和Masoud Mazloom，Ferdowsi Mashhad大学
发表: 2021年12月29日，国际营销研究
DOI：10.1016 / j.ijresmar.2021.12.005
文摘:社交媒体平台正成为越来越重要的营销渠道，而最近这些渠道正被非文本的、而是视觉性质的内容所主导。在本文中，我们探讨了企业生成图像(FGI)的视觉复杂性与消费者在社交媒体上喜欢的关系。我们使用之前验证过的图像挖掘方法，从图像中自动提取可解释的视觉复杂性度量。我们构建了一组6个可解释的度量，它们被归类为(1)特征复杂性度量(即，非结构化像素级变化;颜色、亮度和边缘)或(2)设计复杂性度量(即结构化设计水平变化;物体的数量，物体排列的不规则性，物体排列的不对称性)。这些措施和它们的可解释性是通过人体实验来验证的。随后，我们将这些视觉复杂性指标与点赞数联系起来。结果表明，特征复杂度与消费者喜好呈倒u型关系，设计复杂度与消费者喜好呈规则u型关系。此外，我们还证明，使用构成特征和设计复杂性的六种独立测量方法，可以比以往使用聚合测量方法的研究更细致地观察到视觉复杂性的独特方面与消费者在社交媒体上对FGI的喜爱之间的关系。 Overall, the automated framework presented in this paper opens up a wide range of possibilities for studying the role of visual complexity in online content.
