如何用FaceReader定义消费者的“参与”状态？

如何让用户参与进来？

电影预告片或商业广告如何引发互动？

这是市场营销共同关注的问题。

但我们又该如何了解用户是否参与其中呢？

来自乌得勒支大学的应用认知心理学研究生Dayenne Sarkol-Teulings对此问题进行了探究，使用面部表情分析系统（FaceReader）为“参与”这一情绪状态创建自定义表情并进行验证。

什么是“参与”？

在过去的几年里，“参与”这一概念在组织行为、市场营销、社会心理学和教育等多个领域受到越来越多的关注。例如，市场营销对参与度高的消费者非常感兴趣，因为研究表明，参与度高的消费者每次交易的消费额要高出 60%，购买频率要高出 90%，为品牌代言的可能性要高出四倍。这也正是各个公司都对如何提高消费者的参与度感兴趣的原因。

那么，到底什么是“参与”？

这是一个宽泛的概念，通过全面的文献回顾，研究者了解到许多讨论的定义存在重叠，但又略有不同。总结来说，“参与”可分为三个组成部分，即情感参与、认知参与和行为参与（图1）。

以此，本研究对“参与”的定义为：这是双向互动的产物，由个人或组织发起。一方面，组织必须通过展示自己来吸引他人的注意力。他们需要保持足够长的时间，以便引起个人的第二层关注，而参与感、兴趣和动机似乎有助于这种持续关注。另一方面则是个人的自由意志，即在一定程度上刻意与组织建立联系，使个人愿意超越与组织相关的个人要求。

使用FaceReader定义“参与”

但我们如何了解消费者的参与程度呢？参与型消费者的表现是怎样的？比如，要探究广告是否提高了消费者的参与度，可以观察人们在观看广告时的面部表情。一般情况下，人们很难隐藏自己的真实情感，尤其是面部表情能够流露出各种不同的情绪。诺达思的面部表情分析系统（FaceReader）可以自动捕捉并分析面部表情，除了精确测量基本情绪外，还可以创建自定义表情。

面部表情分析系统 (FaceReader)

面部表情分析系统是用于自动分析面部表情的可靠的专业软件，可以识别六个基本情绪：快乐，悲伤，愤怒，惊讶，害怕和恶心，也可以识别“中立”状态并识别“蔑视”表情。除此之外，系统还可以提供情感态度分析（感兴趣，困惑和无聊等），心率，视线方向，效价和唤醒度，个人特征（如性别，年龄）等数据。无论您的测试参与者是婴儿，儿童，成人还是老年人，面部表情分析系统都会根据您的需要，调整至适合的分析模型。

了解更多

自定义表情模块允许根据动作单元（AUs）和其他输入创建自己的表情（图2），研究者可以结合面部表情和动作单元（AUs）等变量设计自己的算法，创建自定义表情表达式。

免费白皮书

面部动作编码系统 (FACS)

面部表情编码可用于许多不同的环境中，例如科学，教学以及动画建模。它使人们对细微的面部行为有了更深入的认识。随着计算机视觉技术的发展，目前您可以通过可靠的工具自动进行面部动作编码。

下载免费白皮书，了解更多：

如何客观地衡量面部动作单元的活动
哪些研究工具可以为您的研究提供所需的结果
使用FACS进行编码的好处

“参与其中”时，会有怎样的表情？

当人们“参与其中”时是什么样的？过往研究中存在相互矛盾的讨论，比如参与度高者的表情更丰富或是毫无表情，以及面部表情与参与度的相关关系是正相关或是负相关。因此，本研究进行了实验，旨在探究个体“参与其中”时的表情到底是什么样的。研究者使用 Qualtrics 和在线面部表情分析系统（FaceReader Online）创建了在线调查。

在线面部表情分析系统 (FaceReader Online)

在线面部表情分析系统是理想的在线面部表情分析工具，具有用户友好型设计。针对人的反应，系统可以为您提供最直接的见解，如快乐、悲伤或唤醒度。通过捕捉和分析面部表情能够为您的研究提供额外且客观的数据信息。您可以轻松地把在线面部表情分析系统整合到您的用户体验或市场研究中，以更深入地了解被试的用户体验。系统可以通过分析面部表情捕捉被试的情绪，客观反应被试对于产品、应用程序（app）、网站、广告、电影预告片等的态度，例如欣赏，喜欢，不喜欢等。

了解更多

在FaceReader Online 中设置刺激物（2-3分钟的电影预告片），然后用 JavaScript 嵌入到 Qualtrics 中。选择2-3分钟的电影预告片作为刺激物是因为它是专门为吸引和维持人们的注意力而设计的，足以唤起人们的持续注意，但又不超出失去持续注意的限度（0-3分钟）。

邀请被试参与线上Qualtrics 调查，并使用自己的网络摄像头录下观看不同电影预告片的过程，然后要求他们对观看每部电影预告片时的整体参与感进行评分。音视频可导入 FaceReader 中进行分析，配合从 Qualtrics导入到Excel 和 SPSS 的问卷结果，整个数据整合分析十分流畅。

根据自我报告的参与感评分将被试划分为两组：高参与感组（得分 70 分及以上）和低参与感组（得分 30 分及以下）。在 FaceReader中对两组进行对比分析，并计算了每位被试的平均激活表情和动作单元。

动作单元的分析结果表明，只有AU 4（皱眉）的强度在低参与感组中较高，其他动作单元被激活的程度较低。此外，高参与度组和低参与度组之间的表情差异很小（图3），但值得注意的是，高参与度的人表现出更多的中性表情。

验证自定义表达式

研究者根据文献信息和第一次实验的结果创建了“参与”的自定义表情表达式。

设定的条件为不能有高无聊度的“参与”状态。如果无聊度得分较低，则会采用效价得分。因为效价得分为0分等同于较高的中性情绪，这表明被试处于高参与度状态，即第一次实验的结果。此外，从效价得分中剔除AU4分数，因为第一个实验结果表明AU 4在低参与度组中略微偏高。

随后研究者进行了第二次在线实验，以测试这些自定义表情。实验要求被试观看广告并记录他们的面部表情，对自己的整体参与感评分。可以将自定义表情的激活得分与自我报告的参与感得分进行比较。

分析表明，无显著结果，这意味着自定义表情无法得到验证。但仍有值得注意的结果：一些被试的自定义表达式是正确的（图 4）。这可以作为后续研究的起点。

总结

尽管“参与”的自定义表达式尚未得到验证，但这项研究显示了研究者对“参与”概念的深刻理解。一些结果仍能为后续研究提供一些启示。

研究者认为，可以将“参与”视为一种情绪状态，这种情绪状态具有持续时间长的特点，因此应该以总分的形式进行测量，而不是以每帧的表达方式进行测量和估算，例如“高兴”或“生气”等基本情绪表达。此外，在后续研究中，分组或成对测量“参与”可能会很有趣，尤其是如果考虑到情绪表达是一种交流形式的话。比如，当一对情侣共同观看刺激视频时，他们可能会表现出更多的表情。

本研究使用FaceReader Online，实现了在线执行所有实验，这样做的好处是可以让更多元的被试参与实验，从而获得更高的生态效度。当然这样仍有一些缺点，被试使用自己的网络摄像头将无法进行心率和头部方向等分析，后续实验可以在诺达思实验室（Labs）中进行，可能会获得一些有趣的发现。

想要了解更多内容？

欢迎联系诺达思团队，我们将帮助您更好了解人类行为学研究产品和解决方案！

获取报价及方案定制

请点击下方填写信息，我们的工作人员会尽快与您联系，根据您的需求，为您定制方案！

获取报价