Статья, опубликованная в журнале «Гарвард Бизнес Ревью Россия»
Какие эмоции делают рекламу вирусной
Джона Бергер
По оценкам экспертов, Супербоул в этом году должны были посмотреть более 180 млн человек, так что для мира рекламы это не менее важное событие, чем для американского футбола. Бренды тратят миллионы долларов на 30-секундные ролики. Они надеются создать контент, который не только всем понравится во время трансляции, но и станет вирусным, то есть войдет в группу самой эффективной рекламы, которая собирает в социальных сетях вдвое больше просмотров, чем по телевидению.
Но, конечно, это непросто. В чем же заключается разница между обычной рекламой и роликом, который настолько нравится зрителям, что они делятся им друг с другом?
Чтобы узнать ответ на этот вопрос, мы с исследователем Microsoft Дэниэлом Макдаффом провели эксперимент. Мы использовали технологию автоматического распознавания лиц и проверили, как люди реагируют на разные типы рекламы: участникам исследования показали ролики, демонстрирующие разные категории товаров — от косметики до продуктов по уходу за животными и от батончиков Snickers до экологичных бумажных полотенец, — и спросили их, с какой вероятностью они поделятся каждым из представленных видео. Во время просмотра мы (с согласия пользователей) включили запись на их веб-камерах, чтобы следить за выражениями их лиц, а затем с помощью алгоритма машинного обучения с учителем проанализировали их мимику и классифицировали результаты по типам эмоций.
У этой новой методологии есть ряд ключевых преимуществ. Во-первых, для традиционных технологий распознавания нужны лаборатории и специальное дорогое оборудование, а в нашем случае участники могли использовать собственные веб-камеры. Они просто открывали ролики по ссылке из электронного письма, заполняли форму согласия на запись видео, а после просмотра каждого ролика отвечали на вопросы короткой анкеты. Это позволило нам достичь большего охвата участников, чем было бы возможно с помощью стандартных методов, а кроме того, обеспечило более привычную обстановку просмотра рекламы.
Кроме того, лаборантам не пришлось вручную просматривать записи и описывать выражения лиц: машинное обучение помогло автоматизировать этот процесс. Специально для исследования мы разработали систему, распознающую распространенные мимические реакции по основным признакам (улыбки, нахмуренные брови и т. д.), и обучили ее на выборке маркированных данных, а затем определили, как часто каждый из участников выражал разные эмоции при просмотре рекламных роликов. Это позволило нам проверить сотни рекламных роликов на 2 тыс. участников по всему миру, что дало намного больший количественный и географический охват, чем удавалось достичь в аналогичных исследованиях раньше.
Что же мы обнаружили? Неудивительно, что эмоциональная реакция оказалась важнейшим фактором, влияющим на вероятность, с которой участник, по собственному заявлению, был готов делиться рекламой. Но не всегда было очевидно, каким именно образом эмоции влияли на эту готовность.
