[논문 리뷰] The Role of Emotions in Propagating Brands in Social Networks

Ronald Hochreiter, Christoph Waldhauser|arXiv (Cornell University)|2014. 09. 16.

Digital Marketing and Social Media참고 문헌 4인용 수 4

한 줄 요약

이 연구는 30,000개의 Google+ 메시지 데이터셋을 활용하여 브랜드 메시지의 정서가 소셜 미디어에서의 확산에 어떻게 영향을 미치는지 조사한다. 계산적 언어학과 혼합 효과 회귀 모델을 적용한 결과, 분노와 놀라움과 같은 고각도 정서는 일반적으로 재공유를 증가시키지만, 그 효과는 산업 분야에 따라 크게 다름을 확인했다—특히 분노는 자동차 브랜드에서는 확산을 촉진하지만, 전자기기나 식음료 산업에서는 그렇지 않다.

ABSTRACT

A key aspect of word of mouth marketing are emotions. Emotions in texts help propagating messages in conventional advertising. In word of mouth scenarios, emotions help to engage consumers and incite to propagate the message further. While the function of emotions in offline marketing in general and word of mouth marketing in particular is rather well understood, online marketing can only offer a limited view on the function of emotions. In this contribution we seek to close this gap. We therefore investigate how emotions function in social media. To do so, we collected more than 30,000 brand marketing messages from the Google+ social networking site. Using state of the art computational linguistics classifiers, we compute the sentiment of these messages. Starting out with Poisson regression-based baseline models, we seek to replicate earlier findings using this large data set. We extend upon earlier research by computing multi-level mixed effects models that compare the function of emotions across different industries. We find that while the well known notion of activating emotions propagating messages holds in general for our data as well. But there are significant differences between the observed industries.

연구 동기 및 목표

• 온라인 소셜 네트워크 내에서 정서가 브랜드 메시지 확산에 미치는 역할을 이해하는 것.
• 기존의 오프라인 및 일반 온라인 환경에서의 정서와 확산에 관한 연구 결과가 Google+와 같은 소셜 미디어 플랫폼에서도 유효한지 조사하는 것.
• 정서가 브랜드 메시지 확산에 미치는 영향이 다양한 산업 분야에서 어떻게 달라지는지 분석하는 것.
• Google+의 브랜드 마케팅 메시지 대용량 실세계 데이터셋을 활용하여 실증적 증거를 제공하는 것.
• 특정 산업에 맞춘 정서 기반 콘텐츠 전략을 수립하기 위한 실질적 통찰을 제공하는 것.

제안 방법

• Google+ 소셜 네트워킹 플랫폼에서 30,000개 이상의 브랜드 마케팅 메시지를 수집하였다.
• 최신 기술의 계산적 언어학 분류기를 적용하여 각 메시지의 정서 및 감정적 내용을 파악하였다.
• 메시지 재공유 빈도를 감정적 내용의 함수로 분석하기 위해 포아송 회귀 기반 기준 모델을 사용하였다.
• 산업 및 브랜드 간 변동성을 고려하기 위해 다수준 혼합 효과 모델을 확장하여 분석하였다.
• 모든 모델에서 메시지 길이 및 시간대와 같은 혼란 변수를 통제하였다.
• 다양한 산업 분야 간 감정 효과를 비교하기 위해 랜덤 효과를 사용하여 정서 영향의 변동성을 평가하였다.

실험 결과

연구 질문

• RQ1 이전 연구에서 오프라인 및 일반 온라인 환경에서 확인된 바와 같이, 분노와 놀라움과 같은 고각도 정서가 소셜 미디어에서 메시지 재공유 가능성을 높이는가?
• RQ2 브랜드 메시지의 감정적 내용이 소셜 네트워크에서 다양한 산업 분야로 확산되는 방식에 어떻게 영향을 미치는가?
• RQ3 슬픔, 기쁨, 혐오와 같은 감정이 메시지 공유에 미치는 영향이 산업 간에 어느 정도로 다를까?
• RQ4 메시지 극성(긍정 대비 부정 감정)은 소셜 미디어 브랜드 커뮤니케이션에서 메시지 확산에 유의미한 예측 변수인가?
• RQ5 다른 산업 분야에서 감정적 콘텐츠를 전략적으로 다르게 활용하여 브랜드 메시지의 유명세를 높일 수 있는가?

주요 결과

• 분노와 놀라움과 같은 고각도 정서는 재공유 가능성을 유의미하게 증가시키며, 이는 Berger와 Milkman(2012)의 연구 결과를 Google+ 환경에서 재확인한 것이다.
• 슬픔은 모든 산업 분야에서 재공유 가능성을 지속적으로 감소시키며, 일부 이전 연구에서 말하는 바와 같이 입소문을 촉진할 수 있다는 주장과는 정반대이다.
• 분노의 영향은 산업에 따라 크게 달라지며, 자동차 산업에서는 공유를 증가시키지만, 전자기기 및 식음료 산업에서는 공유를 저해한다.
• 혐오와 공포와 같은 감정은 산업 간에 영향이 매우 다양하게 나타나며, 감정 메시징의 맥락 민감도가 높음을 시사한다.
• 메시지 극성—즉, 전반적인 긍정성 또는 부정성—은 재공유 가능성에 유의미한 영향을 미치지 않으며, 이는 감정 강도나 정서의 성향 자체만으로는 유명세가 유도되지 않음을 시사한다.
• 이 연구는 브랜드 메시징을 위한 감정 전략을 보편적으로 적용할 수 없으며, 공동 창작 및 마케팅 기획 시 산업별 감정 반응을 고려해야 한다는 점을 드러냈다.