Forschung
Ein Bild sagt mehr als tausend Worte. Beitrag erschienen in der planung&analyse
DownloadGewinnung von Marketing-Wissen aus Social-Media-Bildern
Die Bilderflut
Die rauschende Party mit Freunden, der Urlaub am Strand, das neu erworbene Smartphone – all das wird mit der Kamera festgehalten und über soziale Netzwerke geteilt. Die Bilderflut ist dementsprechend groß: Die Foto-Sharing-Plattform Flickr umfasst zum Beispiel bereits 8 Milliarden Bilder. Täglich kommen rund 3,5 Millionen hinzu. Die 1,15 Milliarden Facebook-Nutzer laden durchschnittlich 350 Millionen Fotos pro Tag hoch. Die gesamte Fotodatenbasis von Facebook zählt schon 250 Milliarden.
Highlights
- Markenliebestudie mit 148.393 Social-Media-Fotos von 503 Deutschen und Amerikanern
- Social-Media-Bilder-Studie zu 41 FMCG-Marken mit 47.988 Fotos, 57.984 textuellen Postings sowie gleichzeitiger Online-Befragung von 1000 Personen und Einkaufsdaten aus einem Panel mit 30.000 Haushalten
- Studie zu Konsumenten-Marken-Interaktionen mit 941.731 Social-Media-Bildern
- Studie zu Beautytrends mit 16.568 Social-Media-Fotos
- Studie zur Zeitlichen Entwicklung von Social-Media-Foto-Postings zu Süßwarenmarken mit 49.074 Bildern
Social-Media-Bilder als Wissensquelle
Diese Momentaufnahmen geben nicht nur Einblick in das Leben der Nutzer, sie spiegeln auch deren Einstellungen und Erfahrungen zu Marken und Produkten wider. Und sie beeinflussen einen potenziell großen Kreis an Betrachtern. Dabei ist die Wirkung von Bildern oft größer als die von Text, denn Bilder werden subtiler wahrgenommen und beeinflussen die Emotionen der Betrachter stärker. Benutzergenerierte Fotos zeichnen sich im Vergleich zu professionellen Aufnahmen außerdem durch eine hohe Glaubwürdigkeit aus. Social-Media-Bilder stellen deshalb eine reichhaltige Datenquelle für die Marktforschung dar – die jedoch bislang kaum nutzbar ist, weil bestehende Tools zur Social-Media-Analyse lediglich Wortbeiträge betrachten.
Computer Vision zur Gewinnung von Marketing-Wissen
Aufgrund der Vielzahl von Bildern in sozialen Netzwerken ist eine manuelle Auswertung nur in begrenztem Umfang möglich und es sind automatisierte Verfahren zur Bildanalyse notwendig. Daher haben wir das Tool PictureScan entwickelt, das aus benutzergenerierten Fotos marketingrelevantes Wissen gewinnt. Hierbei werden die Bildinhalte zunächst mithilfe von Methoden aus dem Bereich der Computer Vision erkannt werden. Durch weitergehende Analysen können Bekanntheit, Beliebtheit, Verwendungssituationen und Interaktionen von Marken, Produkten und Konsumenten bestimmt werden. Diese Kennzahlen werden im Vergleich zum Wettbewerb und im zeitlichen Verlauf ausgewertet. So können Trends aufgedeckt sowie Chancen und Risiken für Image und Absatz geschätzt werden.
Auszeichnungen
- Innovationspreis 2016 des Berufsverbands der Deutschen Markt- und Sozialforscher (BVM)
Events
- IEEE Conference on Multimedia Information Processing and Retrieval, März 2019, San Jose
- General Online Research, März 2019, Köln
- IEEE Conference on Multimedia Information Processing and Retrieval, April 2018, Miami
- Predictive Analytics World, Nov. 2018, Berlin
- South African Marketing Research Association Annual Conference, Okt. 2017, Cape Town
- International Colloquium on Corporate Branding, Identity, Image and Reputation, Sept. 2017, London
- International Conference on Image Analysis and Processing, Sept. 2017, Catania
- Bayreuther Ökonomiekongress, Mai 2017, Bayreuth
- Kongress des Foto Industrie Verbandes, März 2017, Frankfurt
- AMA Summer Marketing Educators' Conference, Aug. 2016, Atlanta
- ESOMAR Kongress, Sept. 2016, New Orleans
- Ludwig Erhard Symposium, August 2016, Nürnberg
- Research Plus, Juli 2016, Nürnberg
- BVM-Kongress, April 2016, Berlin
- European Marketing Academy Conference, Juni 2014, Valencia
- Tagung Soziale Medien des statistischen Bundesamtes, Juni 2013, Wiesbaden
Projektteam
- Dr. Carolin Kaiser, Head of Artificial Intelligence, NIM, carolin.kaiser@nim.org
Kooperationspartner
- Prof. Dr. Rainer Lienhart, Universität Augsburg
- Prof. Dr. Aaron Ahuvia, University of Michigan-Dearborn
Publikationen
- Kaiser, C., Ahuvia, A., Rauschnabel, P. A., & Wimble, M. (2020). Social media monitoring: What can marketers learn from Facebook brand photos? Journal of Business Research, 17, 707–717. https://doi.org/10.1016/j.jbusres.2019.09.017
- Harzig, P., Zecha, D., Lienhart, R., Kaiser, C., & Schallner, R. (2019). Image captioning with clause-focused metrics in a multi-modal setting for marketing. 2019 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR), 419–424. San Jose, CA, United States. https://doi.org/10.1109/MIPR.2019.00085
- Kaiser, C., Schallner, R., & Manewitsch, V. (2019). Revealing Consumer-Brand-Interactions from Social Media Pictures – A Case Study from the Fast-Moving Consumer Goods Industry. Proceedings of the 21st General Online Research Conference, Cologne, Germany.
- Kaiser, C., Enzingmueller, L., & Schallner, R. (2018). Analyzing the temporal development of brand-related social media photos: A case study from the confectionary industry. GfK Verein Working Paper Series, 2018(6).
- Harzig, P., Brehm, S., Lienhart, R., Kaiser, C., & Schallner, R. (2018). Multimodal image captioning for marketing analysis. Proceedings of the IIEEE Conference on Multimedia Information Processing and Retrieval, Miami, FL, United States. https://doi.org/10.48550/arXiv.1802.01958
- Paolanti, M., Kaiser, C., Schallner, R., Frontoni, E., & Zingaretti, P. (2017). Visual and textual sentiment analysis of brand-related social media pictures using deep convolutional neural networks. In S. Battiato, G. Gallo, R. Schettini, & F. Stanco (Eds.). Lecture Notes in Computer Science. Presented at the International Conference on Image Analysis and Processing, 402–413, Springer. https://doi.org/10.1007/978-3-319-68560-1_36
- Kaiser, C., Ahuiva, A., Rauschnabel, P., & Wimble, M. (2016). Sind Facebook-Markenbilder ein Zeichen von Markenliebe? Proceedings of the 3rd International Colloquium on Corporate Branding, Identity, Image and Reputation, London, United Kingdom.
- Kaiser, C., & Wildner, R. (2016). Gaining marketing-relevant knowledge from social media photos – A picture is worth a thousand words. Proceedings of the 2016 ESOMAR Congress, New Orleans, LA, United States.
- Kaiser, C., Ahuiva, A., Rauschnabel, P., & Wimble, M. (2016). Sind Facebook-Markenbilder ein Zeichen von Markenliebe? Proceedings of the AMA Summer Marketing Educators' Conference 2016, Atlanta GA, United States.
- Kaiser, C., Frey, L., & Ivens, B. (2014). Characterizing consumer-brand-relationships in social media pictures. Proceedings of the 43rd Annual European Marketing Academy Conference, Valencia, Spain.
- Kaiser, C. (2014). Soziale Medien als Mittel der Produktgestaltung (Co-Creation). In C. König, M. Stahl & E. Wiegand Soziale Medien (pp. 171–194). Springer VS. https://doi.org/10.1007/978-3-658-05327-7_10
- Kaiser, C. (2017). Ein Bild sagt mehr als Tausend Worte – Neues Marketing-Wissen aus Social Media Fotos ziehen. Planung&Analyse 1/2017, 51–53.
- Kaiser, C., Ahuiva, A., Rauschnabel, P., & Wimble, M. (2016). Visual eWOM: Are Facebook Brand Photos a Sign of Brand Love? 2016 AMA Summer Marketing Educators' Conference, Atlanta.
- Buder, F., Couronné, T., & Kaiser, C. (2017). Digitalization and the value of new (meta) data sources for market insights: How increasing options and new decision requirements can impact the market research value chain. Proceedings of the SAMRA Annual Conference, Cape Town.
- Kaiser, C., & Wildner, R. (2016). Gaining Marketing-Relevant Knowledge from Social Media Photos - A picture is worth a thousand words. Proceedings of the 2016 ESOMAR Congress, New Orleans.
- Kaiser, C., Frey, L., & Ivens, B., (2014). Characterizing consumer-brand-relationships in social media pictures. Proceedings of the 43rd Annual European Marketing Academy Conference, Valencia.
- Harzig, P., Zecha, D., Lienhart, R., Kaiser, C., & Schallner, R. (2019). Image captioning with clause-focused metrics in a multi-modal setting for marketing. 2019 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR), San Jose, CA, USA, 419–424.
- Kaiser, C., Schallner, R., & Manewitsch, V. (2019). Revealing Consumer-Brand-Interactions from Social Media Pictures – A Case Study from the Fast-Moving Consumer Goods Industry. Proceedings of the 21st General Online Research Conference, Cologne.
- Harzig, P., Brehm, S., Lienhart, R., Kaiser, C., & Schallner, R. (2018). Multimodal image captioning for marketing analysis. Proceedings of the IEEE Conference on Multimedia Information Processing and Retrieval, FL, USA.
- Paolanti, M., Kaiser, C., Schallner, R., Frontoni, E., & Zingaretti, P. (2017). Visual and textual sentiment analysis of brand-related social media pictures using deep convolutional neural networks. In S. Battiato , G. Gallo, R. Schettini & F. Stanco (Eds.), Lecture Notes in Computer Science. Presented at the International Conference on Image Analysis and Processing (pp. 402–413). Springer.
- Kaiser, C. (2014). Soziale Medien als Mittel der Produktgestaltung (Co-Creation). In C. König, M. Stahl, & E. Wiegand (Eds.), Soziale Medien (pp. 171–194). Springer VS.
Kontakt
