Jak měřit emoční odezvu u reklamy? Řešení nabízí facial coding

Facial coding. Foto: Kantar

Z mnoha studií víme (známá je například ta od Paula Dysona), že kvalita kreativy je druhý nejsilnější driver profitability kampaně hned po velikosti značky. Stojí tedy za to si kreativu měřit, vyhodnocovat a snažit se pochopit nejenom to, jak je účinná, ale také proč. Kvalita kreativy dokonce může kompenzovat nižší objem investic do mediálního nasazení.

U testů reklamy se pro měření výkonnosti nejčastěji používají standardní otázky, které jsou ověřené a měří například líbivost, rozpoznání značky nebo přesvědčivost spotu pro koupi produktu nebo zřízení služby. V posledních 15 letech byly do sofistikovaných nástrojů pro pre-test reklam zapojovány různé neuroscience moduly s cílem odhalit implicitní, emocionálně řízenou odezvu na kreativu.

Algoritmus za všechna slova

V našem případě jako nejspolehlivější a nejlépe uchopitelný neuroscience přistup byl vyhodnocen právě modul facial codingu, který používáme a validujeme už 10 let. Jedná se o algoritmus rozpoznávající emoce, které divák během sledování reklamy projevoval. Tyto emoce jsou identifkovány z pohybů obličejových svalů a jsou snímány pomocí webové kamery. Systém je tak schopen rozeznat, zda se divák mračil, smál nebo třeba zvedal obočí. V principu to znamená, že lidé nemusí sami říkat, co cítili v každé vteřině reklamy, algoritmus to za ně sám vyhodnotí. Tohle je cenná informace, když chceme pochopit, jak náš spot funguje a proč. Máme totiž data od lidí, která jsou naprosto spontánní, bez vlivu sociálních norem nebo konvencí.

Data z facial codingu se dají samozřejmě kombinovat s těmi z dotazníkového šetření, tedy z odpovědí na uzavřené a otevřené otázky. Získáme pak komplexní obrázek toho, kde se nacházejí možné problémy v exekuci. Využití webové kamery také výrazně zjednodušuje sběr dat, jelikož je dnes často integrována v počítačích nebo chytrých telefonech. Data se tak dají sbírat rychle, na velkých vzorcích lidí a kdekoliv na světě. To jsou výhody, které jsou v dnešní zrychlené době neocenitelné. Klient téměř okamžitě dostane od analytiků informace, jak kampaň funguje i to, jestli je možné ji ještě modifikovat pro silnější efekt.

Zásadní role kontextu v interpretaci dat

A zde se dostáváme k tomu, jak data z AI interpretovat. Zatímco algoritmus poskytuje informaci o tom, jaký byl typ emoce a její síla v každém momentu reklamy, je na zkušeném analytikovi, aby ji zasadil do kontextu celkové výkonnosti kreativy. Pro spolehlivou analýzu je tento krok klíčový, protože i sebelépe zakódovaný výraz obličeje pomocí AI může mít různé vysvětlení a interpretaci. Smát se můžeme třeba vtipné scénce, ale také se můžeme spokojeně usmívat, když vidíme obrázky, které s námi vnitřně rezonují a připomínají nám, co máme rádi. Mračit se zase můžeme, pokud se soustředíme na něco, co nás zajímá, ale také, když nám nějaký moment přijde matoucí. Kontext je tedy naprosto zásadní a poskytne nám ho nejenom zkušenost z jiných testů reklamy, ale také další typy dat, které máme k dispozici, tedy již zmíněné uzavřené a otevřené otázky.

Uveďme si konkrétní příklad. Reklama společnosti Seventh Generation na recyklovaný toaletní papír využívá humor ke sdělení svého poselství o udržitelném rozvoji. Facial coding nám u tohoto spotu pomáhá pochopit, jestli tento typ humoru vůbec na lidi působí a případně ve kterých bodech reklamy. V tomto příkladu se analytici zaměřili na různé skupiny lidí podle toho, jak jsou oddáni tématu udržitelnosti.

Výsledky emočního AI ukazují, že díky humoru je komunikované sdělení přístupnější skupinám, které se udržitelnosti tolik nevěnují, ale jsou tématu otevření (considerers). Reklama u nich po celou dobu sledování vyvolává více úsměvů a, jak vidíme v grafu, ten přetrvává i během výzvy „zachraňte stromy“ na konci spotu. Jedná se tak o užitečnou taktiku, jak dostat poselství o udržitelnosti k širšímu publiku, nejenom k těm už zainteresovaným.

Díky humoru je komunikované sdělení přístupnější skupinám, které se udržitelnosti tolik nevěnují, ale jsou tématu otevření

Limity EEG

V Kantaru se dlouhodobě využívá technologie emočního AI od společnosti Affectiva, která dokáže velmi dobře rozeznat typ dané emoce, a analytik pak tuto emoci dává do dalšího kontextu a vysvětluje ji. Výstupy z tohoto systému jsou výrazně jednodušší na interpretaci a pochopení, než je tomu například u EEG.

I EEG (záznam mozkové aktivity) bylo dříve Kantarem pilotováno jako jeden z možných nástrojů pro měření efektivity reklamy. Pro respondenty tento nástroj ale nebyl pohodlný, data byla nejasná a složitá na interpretaci. Nebylo také možné EEG škálovat, tedy jednoduše a spolehlivě šířit mezi lidi. Webkameru má dnes přece jen téměř každý, ale kdo se chce dobrovolně nechat napojit na EEG přístroj? Problémem EEG je také omezenost získaných informací a nízká přesnost. Vědecké práce dokonce ukazují, že výsledky nejsou mezi sebou srovnatelné, jelikož příliš závisí na prostředí testování, které je velice nepřirozené a dokáže měnit emoce respondentů. Interpretace výsledků je také více subjektivní, než je tomu u facial codingu.

Tisíci reklam prověřený facial coding

Naopak facial coding je algoritmus validovaný v mnoha akademických studiích a publikovaný v odborně recenzovaných článcích. Systém se sám dokonce zdokonaluje s tím, jak jsou data průběžně akumulována. Kantar zatím skrze tento nástroj zachytil více než dva miliony emočních reakcí na video a otestoval přes 49.000 reklam, na kterých ověřil korelaci mezi emocemi a prodejním úspěchem. Tato technologie také využívá více dat z reálných měření než jakákoliv jiná společnosi na světě (přes 13 miliard zachycených snímků obličeje) a z více než 90 zemí. To znamená, že se učí z výrazů, která jsou kulturně vysoce diverzifikovaná a vyvážená z hlediska věku a pohlaví. Emoční metriky systému Affectiva jsou také interpretovány v kontextu země, kde proběhl sběr dat, takže je při analýze bráno v potaz, že některé kultury jsou v různých dimenzích emočního vyjádření výraznější než jiné.

Facial coding nám tak poskytuje mnoho užitečných informací o emocích lidí, které jinak získat nelze. Na rozdíl od zmíněného EEG totiž diváka umisťuje do co nejvíce přirozené testovací situace. Říká nám nejen to, zda lidé dávají pozor, ale také to, jak se cítí. Vylepšuje dotazníková měření a překonává všechna ostatní implicitní měření emocí, a to jak z hlediska snadnosti administrace, tak z hlediska užitečnosti dat.

Text je součástí placené spolupráce s agenturou Kantar