電影預告片或商業廣告如何引發互動？如何讓用戶參與進來？這是市場營銷共同關注的問題。

但我們又該如何了解用戶是否參與其中呢？

來自烏得勒支大學的應用認知心理學研究生Dayenne Sarkol-Teulings對此問題進行了探究，使用面部表情分析系統（FaceReader）為“參與"這一情緒狀態創建自定義表情并進行驗證。

什么是“參與"？

在過去的幾年里，“參與"這一概念在組織行為、市場營銷、社會心理學和教育等多個領域受到越來越多的關注。例如，市場營銷對參與度高的消費者非常感興趣，因為研究表明，參與度高的消費者每次交易的消費額要高出 60%，購買頻率要高出 90%，為品牌代言的可能性要高出四倍。這也正是各個公司都對如何提高消費者的參與度感興趣的原因。

那么，到底什么是“參與"？

這是一個寬泛的概念，通過全面的文獻回顧，研究者了解到許多討論的定義存在重疊，但又略有不同。總結來說，“參與"可分為三個組成部分，即情感參與、認知參與和行為參與（圖 1）。 

圖 1

以此，本研究對“參與"的定義為：這是雙向互動的產物，由個人或組織發起。一方面，組織必須通過展示自己來吸引他人的注意力。他們需要保持足夠長的時間，以便引起個人的第二層關注，而參與感、興趣和動機似乎有助于這種持續關注。另一方面則是個人的自由意志，即在一定程度上刻意與組織建立聯系，使個人愿意超越與組織相關的個人要求。

使用FaceReader定義“參與"

但我們如何了解消費者的參與程度呢？參與型消費者的表現是怎樣的？比如，要探究廣告是否提高了消費者的參與度，可以觀察人們在觀看廣告時的面部表情。一般情況下，人們很難隱藏自己的真實情感，尤其是面部表情能夠流露出各種不同的情緒。諾達思的面部表情分析系統（FaceReader）可以自動捕捉并分析面部表情，除了精確測量基本情緒外，還可以創建自定義表情。自定義表情模塊允許根據動作單元（AUs）和其他輸入創建自己的表情（圖2），研究者可以結合面部表情和動作單元（AUs）等變量設計自己的算法，創建自定義表情表達式。

圖2

“參與其中"時，會有怎樣的表情？

當人們“參與其中"時是什么樣的？過往研究中存在相互矛盾的討論，比如參與度高者的表情更豐富或是毫無表情，以及面部表情與參與度的相關關系是正相關或是負相關。

因此，本研究進行了實驗，旨在探究個體“參與其中"時的表情到底是什么樣的。

研究者使用 Qualtrics 和在線面部表情分析系統（FaceReader Online）創建了在線調查。在 FaceReader Online 中設置刺激物（2-3分鐘的電影預告片），然后用 JavaScript 嵌入到 Qualtrics 中。選擇2-3分鐘的電影預告片作為刺激物是因為它是專門為吸引和維持人們的注意力而設計的，足以喚起人們的持續注意，但又不超出失去持續注意的限度（0-3分鐘）。

邀請被試參與線上 Qualtrics 調查，并使用自己的網絡攝像頭錄下觀看不同電影預告片的過程，然后要求他們對觀看每部電影預告片時的整體參與感進行評分。音視頻可導入 FaceReader 中進行分析，配合從 Qualtrics導入到Excel 和 SPSS 的問卷結果，整個數據整合分析十分流暢。

根據自我報告的參與感評分將被試劃分為兩組：高參與感組（得分 70 分及以上）和低參與感組（得分 30 分及以下）。在 FaceReader中對兩組進行對比分析，并計算了每位被試的平均激活表情和動作單元。動作單元的分析結果表明，只有AU 4（皺眉）的強度在低參與感組中較高，其他動作單元被激活的程度較低。此外，高參與度組和低參與度組之間的表情差異很小（圖3），但值得注意的是，高參與度的人表現出更多的中性表情。 

圖 3

驗證自定義表達式

研究者根據文獻信息和第一次實驗的結果創建了“參與"的自定義表情表達式。

設定的條件為不能有高無聊度的“參與"狀態。如果無聊度得分較低，則會采用效價得分。因為效價得分為0分等同于較高的中性情緒，這表明被試處于高參與度狀態，即第一次實驗的結果。此外，從效價得分中剔除AU 4分數，因為第一個實驗結果表明AU 4在低參與度組中略微偏高。

隨后研究者進行了第二次在線實驗，以測試這些自定義表情。實驗要求被試觀看廣告并記錄他們的面部表情，對自己的整體參與感評分。可以將自定義表情的激活得分與自我報告的參與感得分進行比較。

分析表明，無顯著結果，這意味著自定義表情無法得到驗證。但仍有值得注意的結果：一些被試的自定義表達式是正確的（圖 4）。這可以作為后續研究的起點。

圖 4

總結

盡管“參與"的自定義表達式尚未得到驗證，但這項研究顯示了研究者對“參與"概念的深刻理解。一些結果仍能為后續研究提供一些啟示。

研究者認為，可以將“參與"視為一種情緒狀態，這種情緒狀態具有持續時間長的特點，因此應該以總分的形式進行測量，而不是以每幀的表達方式進行測量和估算，例如“高興"或“生氣"等基本情緒表達。

此外，在后續研究中，分組或成對測量“參與"可能會很有趣，尤其是如果考慮到情緒表達是一種交流形式的話。比如，當一對情侶共同觀看刺激視頻時，他們可能會表現出更多的表情。

本研究使用FaceReader Online，實現了在線執行所有實驗，這樣做的好處是可以讓更多元的被試參與實驗，從而獲得更高的生態效度。當然這樣仍有一些缺點，被試使用自己的網絡攝像頭將無法進行心率和頭部方向等分析，后續實驗可以在 Noldus實驗室中進行，可能會獲得一些有趣的發現。

關注諾達思公眾號，聯系我們獲取更多產品信息及學術文章！