Los investigadores decodifican la ciencia del video de viaje de parpadeo de desplazamiento

En una era en la que es la moneda de datos y los tramos de meditación son fugaces, las marcas exitosas no solo se dirigen a los consumidores, sino que los están adivinando. Anuncios personales que leen su cerebro a su rutina diaria perfectamente para campañas oportunas, utilizando un comportamiento abusivo para dar forma a las decisiones, antes de que los consumidores también sepan que las están haciendo.

Al desarrollar datos, psicología y plataformas digitales, las marcas no solo están aprendiendo quiénes son sus clientes, sino qué harán a continuación. Comprender cómo las personas piensan, sienten y el acto se ha convertido en la herramienta más poderosa en el marketing, y está cambiando por completo el juego.

En Anderson School of Management, Universidad de Nuevo México, el profesor asistente Hyusang Son (SON) está utilizando tecnologías de aprendizaje automático para descubrir cómo los mercados pueden usar datos de redes sociales para sus beneficios. Su reciente investigación, Publicado En gestión del turismoLa industria del turismo se centra en el marketing impresionante, utilizando Instagram como un estudio de caso para determinar qué tipo de videos están más usuarios comprometidos.

El estudio analizó más de 4,000 videos de Instagram de las 40 personas afectadas por el viaje Top 40, conocidos como enfoques de aprendizaje de transferencia, un modelo utilizado por gigantes técnicos como Google y Facebook. Este método permite a los investigadores extraer características de videos que incluyen videos, emociones, expresiones faciales, saturación de color y brillo.

"En realidad puedo determinar el nivel exacto de contribución al número de opciones y comentarios de cada característica", dijo el hijo. "Es una combinación de visión por computadora para la extracción de características y el modelado económico tradicional para estimar el efecto".

Compara el enfoque de la transferencia de aprendizaje para una relación maestro-alumno: "maestro" es un modelo como en un conjunto de datos a gran escala capacitado por empresas como Google, y "estudiantes" aprende a aplicar información sobre ese modelo, más pequeño, más pequeño que ese modelo. Sin el aprendizaje de transferencia, dice Son, la tasa de precisión para clasificar el material puede ser inferior al 10 por ciento. Pero con esto, esta tasa puede ser 96 por ciento impresionante.

El propósito del estudio es qué tipo de contenido de video realmente adjunta a los usuarios. Utilizando un proceso de extracción de instalaciones de video automatizado, el equipo obtuvo muchos resultados sorprendentes:

• El video de forma corta se desempeñó mejor durante mucho tiempo.
• El compromiso se redujo muy sonriendo.
• Materiales expresados ​​emocionalmente, incluida la ira y la tristeza, el aumento del compromiso.
• La visibilidad del tamaño del producto afecta positivamente la interacción del usuario.
• El brillo contribuyó al compromiso positivo, pero el rendimiento de la lesión cambia demasiado o rápidamente en la vista.
• El sobrepeso del hashtag redujo el nivel de compromiso.
• Los amojis y el texto post también afectaron la respuesta del usuario cuando se usan estratégicamente.

"Queríamos ver qué tipo de factores afecta el usuario: clix, me gusta, comentarios", dijo el hijo. "Puede ayudar a los datos afectados e industrias a comprender mejor cómo preparar su contenido".

Las conclusiones sugieren que Aberves ahora solo puede ofrecer más creadores materiales desde la dirección creativa, pueden proporcionar pautas respaldadas por datos. Por ejemplo, los creadores pueden recibir recomendaciones sobre cómo trabajar en un video, expresar sentimientos o cómo trabajar productos para promover el compromiso.

Las aplicaciones prácticas para organizaciones locales y nacionales son similares en la investigación de Son. Un ejemplo es una iniciativa turística de Nuevo México. Utilizando técnicas similares de aprendizaje automático, por ejemplo, vaya al Albucker, analice su contenido de las redes sociales e identifique qué variables, como videos, escenas de escenas o la cantidad de personas en el tema, dejan el mejor compromiso.

Pero el hijo advierte contra el crecimiento excesivo. "Los diferentes conjuntos de datos producen resultados diferentes", dijo. "El brillo, la emoción, el opuesto y la visibilidad del producto, como las variables, pueden afectar a todos de una manera única".

Un takeaay particularmente interesante era que las emociones se consideran tradicionalmente como negativas, como el miedo, la tristeza y la ira, podrían correr un alto compromiso que los materiales neutros. Esto respalda la previa investigación de que la estimulación emocional, ya sea positiva o negativa, juega un papel importante en la viralidad.

La investigación también se conecta con extensos principios de marketing. Un medio es un principio de prosperidad, que sugiere que el rico contenido de lectura en video con los medios de lectura con sentimientos expresivos y detalles visuales. Factores como el brillo, la saturación y el contraste ayudan a definir esta prosperidad y los espectadores pueden afectar la reacción.

"Como un desierto, ahora podemos proporcionar fórmulas para los afectados: evite exponer excesivamente, exponga el tamaño del producto y usar escenas brillantes", explicó el hijo. "Los videos cortos funcionan mejor. Muchos hashtags no son útiles".

Son cree que esta investigación es un giro de cómo se forman las estrategias de marketing. Si bien el aprendizaje automático ha sido durante mucho tiempo un dominio de la informática, dice que su aplicación para el comportamiento humano y el marketing tiene un gran potencial.

"El importante papel de nuestra investigación es descubrir cómo aplicar estos algoritmos para comprender mejor a las personas", dijo. "Aquí es donde el marketing y la investigación comercial pueden crear una diferencia real".