Почему вовлечение?

В последние годы концепция «Вовлеченность» вызывает все больший интерес во многих областях: организационное поведение, маркетинг, социальная психология и образование [1]. Например, маркетинг очень заинтересован в вовлеченных потребителях, особенно после того, как исследования показали, что активно вовлеченные потребители тратят на 60% больше в каждой транзакции, совершают покупки на 90% чаще и в четыре раза чаще защищают бренд [2]. Неудивительно, что компании чрезвычайно заинтересованы в поиске способов повысить уровень вовлеченности своих потребителей.

Как выглядит заинтересованный потребитель?

Но как узнать, что покупатель чувствует (высокую) заинтересованность? Как выглядит заинтересованный потребитель? Ну, например, чтобы проверить, увеличивает ли реклама уровень вовлеченности, вы можете посмотреть на выражения лиц, которые люди показывают во время просмотра рекламы.

Все мы знаем, что людям трудно скрывать свои настоящие чувства. Еще в 1872 году Дарвин уже заметил, что существует сильная связь между переживаемыми эмоциями и выражением лица [3].

Для исследования мимики можно использовать автоматизированный инструмент анализа мимики, такой как FaceReader. Помимо точного измерения основных эмоций, FaceReader имеет возможность создавать собственные выражения, в которых вы можете разработать свой собственный алгоритм, комбинируя такие переменные, как выражения лица и единицы действия (AU).

Что такое вовлечённость?

Так что же такое Вовлеченность? Это широкое понятие, допускающее множество интерпретаций. Тщательный обзор литературы показал, что во многих статьях рассматривалась концепция «Вовлеченность», причем все они имели частично совпадающие, но все же немного разные определения.

Выяснилось, что вовлеченность можно разделить на 3 компонента, а именно эмоциональную, когнитивную и поведенческую вовлеченность, как вы можете видеть ниже на рисунке 1.

Рисунок 1. Иерархия взаимодействия по данным литературы [4, 5, 6, 7, 8, 9]. 

Из литературы известно определение вовлеченности:

«Взаимодействие кажется продуктом двустороннего взаимодействия, инициированного либо отдельным лицом, либо организацией. С одной стороны, организация должна привлекать чье-то внимание, представляя себя как нечто привлекательное для человека. Им необходимо удерживать это внимание достаточно долго, чтобы человек смог вызвать второй уровень внимания, когда чувства причастности, интереса и мотивации, кажется, способствуют этому устойчивому вниманию. С другой стороны, возникает свобода воли людей сознательно связываться с организацией на таком уровне, что человек готов выйти за рамки личных требований, связанных с организацией».

Теперь, когда определение стало известно, пришло время собрать информацию для создания алгоритма.

Выражения занятого лица

Как выглядит «заинтересованный человек»? В литературе множество противоречивой информации. От большого количества выражений по сравнению с отсутствием выражения вообще, до отрицательной и положительной корреляции выражений с вовлечением.

Был создан онлайн-опрос с использованием Qualtrics и FaceReader Online, где стимулы (трейлеры к фильмам) были настроены в FaceReader Online, а затем встроены в Qualtrics с помощью JavaScript. 

Трейлеры к фильмам были специально выбраны в качестве стимулов, потому что их продолжительность обычно составляет две-три минуты, что достаточно долго, чтобы вызвать устойчивое внимание, но остается в пределах (0-3 минут) потери этого устойчивого внимания [10]. Таким образом, трейлеры фильмов специально созданы, чтобы привлекать и поддерживать чье-то внимание [11]. Этих фильмов еще не было в кинотеатрах, поэтому никакие предубеждения не могли повлиять на впечатления.

Людей приглашали принять участие в опросе Qualtrics, и они были записаны на их собственную веб-камеру во время просмотра трейлеров к фильмам, после чего их попросили оценить их общее чувство вовлеченности по трейлерам фильма. Записи были экспортированы в FaceReader 8.1 для расширенного анализа, а ответы на опрос можно было экспортировать из Qualtrics в Excel и SPSS. Удивительно, как хорошо все программы работали вместе!

Чтобы проанализировать результаты, была исследована самооценка уровня общей вовлеченности, чтобы создать две группы: люди с высокой степенью вовлеченности (оценка 70 и выше) и люди с низкой вовлеченностью (оценка 30 и ниже). Были проанализированы обе группы в FaceReader 8.1 и рассчитана средняя активация выражений и AU для каждого участника в Excel.

С AU только интенсивность AU 4 (Brow Lowerer) была немного выше у людей с низким уровнем вовлеченности. Как вы можете видеть на гистограмме ниже (рис. 2), разница между выражениями людей с высокой и низкой вовлеченностью также была очень небольшой. Интересно видеть, что люди с высоким уровнем вовлеченности набирают больше очков на нейтральном уровне, что было довольно неожиданно.

Рис. 2. Гистограмма, на которой визуализируются и сравниваются средние результаты всех участников по семи выражениям (основные эмоции), двум пользовательским выражениям (скука и интерес) и валентности и возбуждению.

Так что, к сожалению, эксперимент мало помог в создании алгоритма. Поэтому было решено создать не одно, а два пользовательских выражения, основанных как на информации из литературы, так и на результатах первого эксперимента. 

Было поставлено такое условие, что не может быть вовлечённости с высоким баллом за “скуку”. При низком балле за “скуку” берется балл валентности. Валентность выбрана потому, что её оценка, равная 0, соответствует высокой нейтральной оценке, а именно основным результатам первого эксперимента. С помощью одного настраиваемого выражения было вычтено 4 балла из оценки валентности, поскольку первый эксперимент показал, что балл 4 был немного выше у людей с низким уровнем вовлеченности.

Чтобы проверить эти пользовательские выражения, был организован второй онлайн-эксперимент, снова с Qualtrics и FaceReader Online. На этот раз была использована реклама, чтобы люди смотрели на нее, и можно было записывать их выражения. Впоследствии их попросили оценить их общее ощущение вовлеченности, чтобы можно было сравнить оценку активации пользовательских выражений с оценками самооценки вовлеченности. К сожалению, значительного эффекта не было, а это означает, что пользовательские выражения не могли быть проверены.

Несмотря на этот неутешительный результат, на индивидуальном уровне следует упомянуть некоторые интересные выводы. На рисунке 3 показано, что пользовательские выражения некоторых участников находятся на правильном пути. Это можно использовать в качестве отправной точки для последующих исследований.

Рисунок 3. Баллы участников 23

Рекомендации

1. Alvarez-Mil?n, A., Felix, R., Rauschnabel, P. A., & Hinsch, C. (2018). Strategic customer engagement marketing: A decision making framework. Journal of Business Research, 92, 61-70. https://doi.org/10.1016/j.jbusres.2018.07.017
2. Rosetta Consulting (2014). The economics of engagement (pp. 1–9). Retrieved from http://www.rosetta.com/assets/pdf/The-Economics-of-Engagement.pdf.
3. Wallbott, H. G. (1998). Bodily expression of emotion. European journal of social psychology, 28(6), 879-896.
4. Christenson, S. L., Reschly, A. L., & Wylie, C. (Eds.). (2012). Handbook of research on student engagement. Springer Science & Business Media
5. Trowler, V. (2010). Student engagement literature review. The higher education academy, 11(1), 1-15.
6. Harmeling, C. M., Moffett, J. W., Arnold, M. J., & Carlson, B. D. (2017). Toward a theory of customer engagement marketing. Journal of the Academy of marketing science, 45(3), 312-335.
7. Brodie, R. J., Hollebeek, L. D., Juri?, B., & Ili?, A. (2011). Customer engagement: Conceptual domain, fundamental propositions, and implications for research. Journal of service research, 14(3), 252-271. https://doi.org/10.1177/1094670511411703
8. Hollebeek, L. D., Juri?, B., & Ili?, A. (2011). Customer engagement: Conceptual domain, fundamental propositions, and implications for research. Journal of service research, 14(3), 252-271.
9. O’Brien, H., & Cairns, P. (2015). An empirical evaluation of the User Engagement Scale (UES) in online news environments. Information Processing & Management, 51(4), 413-427. https://doi.org/10.1016/j.ipm.2015.03.003
10. Guo, P. J., Kim, J., & Rubin, R. (2014). How video production affects student engagement: An empirical study of MOOC videos. In Proceedings of the first ACM conference on Learning@ scale conference,  41-50. https://doi.org/10.1145/2556325.2566239
11. Wang, L., Liu, D., Puri, R., & Metaxas, D. N. (2020). Learning trailer moments in full-length movies with co-contrastive attention. arXiv preprint arXiv:2008.08502.

Компания ООО “Аквакультура групп” является официальным дистрибьютором компании Noldus на территории Республики Беларусь.