[논문 리뷰] Do Facial Expressions Predict Ad Sharing? A Large-Scale Observational Study

Daniel McDuff, Jonah Berger|arXiv (Cornell University)|2019. 12. 21.

Consumer Behavior in Brand Consumption and Identification참고 문헌 43인용 수 4

한 줄 요약

이 대규모 관찰 연구는 광고 노출 중 얼굴 표정이 온라인 공유 행동을 예측할 수 있는지 조사한다. 수천 명의 시청자 대상 자동 얼굴 코딩을 통해, 미소는 공유를 증가시키지만, 특정 부정적 표정—예를 들어 코 주름(역겨움) —역시 공유를 증가시키는 것으로 나타나, 유명한 긍정 감정만이 확산을 이끄는 것이라는 가정을 도전한다.

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.

연구 동기 및 목표

• 광고 시청 중 얼굴 표정이 이후 온라인 공유 행동을 예측하는지 조사하기 위해.
• 정서의 밸런스가 공유를 결정하는 유일한 요인인지, 아니면 특정 얼굴 운동이 독립적으로 영향을 미치는지 테스트하기 위해.
• 특정 얼굴 운동 단위(예: 미소, 입 아래로 떨어지는 운동, 코 주름)가 유병성 예측에 어떤 역할을 하는지 탐색하기 위해.
• 자연적 시청 환경에서 자동 얼굴 코딩의 확장성과 실제 적용 가능성을 평가하기 위해.
• 소셜 미디어 환경에서 정보 공유를 이끄는 것은 오직 긍정 감정이라는 가정을 도전하기 위해.

제안 방법

• 수천 명의 참가자로부터 실시간으로 얼굴 표정을 분석하기 위해 확장 가능한 자동 얼굴 코딩 알고리즘을 활용하였다.
• 자연적 시청 환경에서 수백 개의 광고에 노출된 동안 얼굴 반응 데이터를 수집하였다.
• 특정 얼굴 운동 단위(예: 미소에 대한 AU6, 입 아래로 떨어지는 운동에 대한 AU15, 코 주름에 대한 AU9)를 정서 상태와 연결하였다.
• 다중 수준 회귀 모델을 사용하여 얼굴 표정 패tern을 기반으로 광고 공유 행동을 예측하였다.
• 인구통계학적 및 맥락적 변수를 통제하여 얼굴 반응이 공유에 미치는 영향을 분리하였다.
• 다양한 시청 세션과 광고 유형에서 수집한 대규모이고 다양한 데이터셋을 사용하여 결과를 검증하였다.

실험 결과

연구 질문

• RQ1 광고 노출 중 얼굴 표정이 사용자가 광고를 온라인으로 공유할지를 예측할 수 있는가?
• RQ2 정서와 공유 간의 관계는 정서의 밸런스(긍정 대 비극적)에 의해 유일하게 이끄는가?
• RQ3 어느 특정 얼굴 운동 단위가 광고 공유 증가에 가장 예측 가능성이 높은가?
• RQ4 예를 들어 역겨움과 같은 특정 부정적 얼굴 표정이 오히려 공유를 증가시키는가?
• RQ5 자연 환경에서의 자동 얼굴 코딩이 디지털 콘텐츠의 사회적 전파를 신뢰성 있게 예측할 수 있는가?

주요 결과

• 인구통계학적 및 맥락적 요인을 통제한 후에도 얼굴 표정이 광고 공유 행동을 유의미하게 예측한다.
• 미소(AU6)는 일관되게 공유 증가와 관련되어 있으며, 긍정적 정서의 역할을 뒷받침한다.
• 입 아래로 떨어지는 운동(AU15)은 슬픔과 관련되어 있으며, 공유 감소와 연관되어 있어 밸런스 기반 기대와 일치한다.
• 코 주름(AU9)은 역겨움과 관련되어 있으나, 예상치 못하게 공유 증가와 관련되어 있어, 밸런스 유일성 가정을 도전한다.
• 정서와 공유 간의 관계는 단순한 긍정/비극적 밸런스를 넘어서 더 복잡하며, 특정 운동 단위가 서로 다른 영향을 미친다.
• 자연적 시청 환경에서의 자동 얼굴 코딩은 사회적 공유 행동 예측을 위한 확장 가능하고 신뢰할 수 있는 방법을 제공한다.