Forschung

Download

Ein Bild sagt mehr als tausend Worte. Beitrag erschienen in der planung&analyse

Download

Gewinnung 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

Kooperationspartner

  • Prof. Dr. Rainer Lienhart, Universität Augsburg
  • Prof. Dr. Aaron Ahuvia, University of Michigan-Dearborn

Publikationen

Kontakt

Head of Artificial Intelligence

Projekt teilen
Zum Seitenanfang