[論文レビュー] Do Facial Expressions Predict Ad Sharing? A Large-Scale Observational Study

Daniel McDuff, Jonah Berger|arXiv (Cornell University)|Dec 21, 2019

Consumer Behavior in Brand Consumption and Identification参考文献 43被引用数 4

ひとこと要約

本研究は大規模な観察的研究として、広告視聴中の顔の表情がオンライン共有行動を予測するかを調査している。数千人の視聴者を対象に自動顔認識技術を用いた分析の結果、笑顔は共有を増加させるが、嫌悪（鼻のしわ）のような特定の否定的表現も共有を促進することが判明し、ウイルス的拡散を駆動するのは必ずしも肯定的感情に限らないという仮説に反する結果となった。

ABSTRACT

People often share news and information with their social connections, but why do some advertisements get shared more than others? A large-scale test examines whether facial responses predict sharing. Facial expressions play a key role in emotional expression. Using scalable automated facial coding algorithms, we quantify the facial expressions of thousands of individuals in response to hundreds of advertisements. Results suggest that not all emotions expressed during viewing increase sharing, and that the relationship between emotion and transmission is more complex than mere valence alone. Facial actions linked to positive emotions (i.e., smiles) were associated with increased sharing. But while some actions associated with negative emotion (e.g., lip depressor, associated with sadness) were linked to decreased sharing, others (i.e., nose wrinkles, associated with disgust) were linked to increased sharing. The ability to quickly collect facial responses at scale in peoples' natural environment has important implications for marketers and opens up a range of avenues for further research.

研究の動機と目的

• 広告視聴中の顔の表情が、その後のオンライン共有行動を予測するかを調査すること。
• 感情の正負（valence）のみが共有を決定するのか、それとも特定の顔の動きが独立して影響を及えるかを検証すること。
• 笑顔、下唇の下げる動き、鼻のしわなどの顔の動きユニット（例：笑顔はAU6、下唇の下げる動きはAU15、鼻のしわはAU9）がウイルス的拡散に与える役割を明らかにすること。
• 自然な視聴環境における自動顔認識技術のスケーラビリティと実世界への適用可能性を評価すること。
• ソーシャルメディアの文脈で、情報共有を駆動するのは肯定的感情に限るという仮定を疑うこと。

提案手法

• 数千人の参加者からリアルタイムで得られた顔の表情を、スケーラブルな自動顔認識アルゴリズムで分析した。
• 自然な視聴環境で、何百もの広告にさらされた参加者の顔の反応データを収集した。
• 特定の顔の動きユニット（例：笑顔はAU6、下唇の下げる動きはAU15、鼻のしわはAU9）を感情状態と照合した。
• 顔の表情パターンに基づいて広告共有行動を予測するための多段階回帰モデルを用いた。
• 人口統計的および文脈的変数を制御し、共有行動への顔の反応の影響を明確に分離した。
• 複数回の視聴セッションおよび広告タイプにわたる、大規模で多様なデータセットを用いて、研究結果の妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 広告視聴中の顔の表情は、ユーザーがその広告をオンラインで共有するかどうかを予測できるか？
• RQ2 感情と共有の関係は、感情の正負（肯定的 vs. 否定的）に起因しているのか？
• RQ3 どの顔の動きユニットが、広告共有の増加を最もよく予測するか？
• RQ4 嫌悪（例：鼻のしわ）のような特定の否定的顔の表情が、逆に共有を増加させることがあるのか？
• RQ5 自然な環境下での自動顔認識技術は、デジタルコンテンツの社会的伝播を信頼性高く予測できるか？

主な発見

• 顔の表情は、人口統計的および文脈的要因を制御した後でも、広告共有行動を有意に予測する。
• 笑顔（顔の動きユニットAU6）は一貫して共有の増加と関連しており、肯定的感情の役割を支持する。
• 下唇を下げる動き（AU15）は、悲しみと関連するとされ、共有の減少と関連していた。これは正負の感情モデルに合致する。
• 鼻のしわ（AU9）は、嫌悪と関連するとされ、予想に反して共有の増加と関連していた。これは正負の感情のみに依存する仮説に反する。
• 感情と共有の関係は、単純な肯定的／否定的正負のモデルを超えて、より複雑である。特定の動きユニットが相反する効果を示す。
• 自然な視聴環境における自動顔認識技術は、社会的共有行動を予測するためのスケーラブルで信頼性の高い手法を提供する。