Voor de beste ervaring schakelt u JavaScript in en gebruikt u een moderne browser!
Switch to English

Wat maakt de perfecte foto? Voor marketeers was dit tot voor kort vooral een kwestie van ervaring en gevoel. ABS-promovendus Gijs Overgoor ging met behulp van machine learning op zoek naar het antwoord en richtte zich onder meer op de visuele complexiteit van beelden op Instagram.

Credits: Dominik Dancs (Unsplash)

Overgoor verdeelt zijn tijd tussen Nederland, waar hij zijn promotieonderzoek doet aan UvA’s Amsterdam Business School, en de Verenigde Staten. Hij is getrouwd met een Amerikaanse en geeft les aan het Poole College of Management aan de North Carolina State University. In zijn werk richt de promovendus zich op marketingproblemen, waarbij hij technieken uit AI en econometrie toepast. Een van de dingen die hem al langer fascineert is de enorme hoeveelheid ongestructureerde online data. ‘Op een standaard boekingswebsite zoals Booking.com worden consumenten overladen met data. Een groot deel hiervan is ongestructureerd in de vorm van beelden. Mensen zijn nu eenmaal visueel ingesteld en deze beelden brengen veel informatie over.’

Niet te simpel, maar ook niet te complex 

In een van zijn onderzoeken richt Overgoor zich op de visuele complexiteit van foto’s op social media. ‘Daarbij tonen we aan dat het belangrijk is dat een beeld niet te simpel, maar ook niet te complex moet zijn om de aandacht van gebruikers op Instagram te trekken.’ In het onderzoek is ingegaan op het design, (hoeveel objecten staan in de foto, waar staan ze, hoe zijn ze gepresenteerd) maar ook op het aantal details en kleuren. ‘Dat laatste kan aan de hand van een vrij simpel algoritme voor objectherkenning. Wij hebben hiervoor de MASK R-CNN-methode gebruikt.’

Overgoor mat de visuele complexiteit in ruim 150.000 foto’s. ‘Daardoor werd informatie uit deze beelden gestructureerd en konden we deze in tabellen zetten. Samen met andere informatie zoals het aantal likes, het aantal volgers en het tijdstip van posten, hebben we dit allemaal in een statistisch model gezet.’ Overgoor toont hiermee aan dat het niet zoveel uitmaakt wát er precies te zien is. ‘Jouw gedrag is al beïnvloed voordat je goed hebt gezien wat er op de foto staat. Aan de hand van de complexiteit besluit je of je wel of niet gaat stoppen met scrollen terwijl je door je tijdslijn op Instagram gaat.’

Copyright: ABS
Jouw gedrag is al beïnvloed voordat je goed hebt gezien wat er op de foto staat. Gijs Overgoor

Kan een hotelfoto klikgedrag voorspellen? 

Ander onderzoek van Overgoor naar beelden richt zich op foto’s van hotels op de website van online boekingsbureaus, zoals Booking.com en Expedia. ‘Hier proberen we een link te leggen tussen de thumbnail-foto’s en het klikgedrag van consumenten. Aan de hand hiervan kunnen we voorspellen op welk hotel consumenten vaker klikken. Ook weten we dat deze beelden een rol kunnen spelen in de evaluatie van de andere gegevens van het hotel, zoals de prijs.’

E-commerce-partijen kunnen in korte tijd veel informatie overbrengen in een afbeelding. ‘Deze informatie kan samenhangen met hoe je de prijs beoordeelt, maar ook het type hotelkamer of de voorzieningen, zoals een zwembad of fitnessruimte, waar je naar op zoek bent,.’ Wat opviel is dat dat het sterk van de locatie afhangt welke soorten beelden succesvol zijn. ‘We hebben hotels vergeleken in Miami, Boston en New York. Voor Miami reageerden consumenten sterk op beelden van de omgeving en de voorzieningen, zoals een zwembad of hotelbar, terwijl dat voor Boston veel minder uitmaakte. Op zich is dat verklaarbaar als je bedenkt dat Miami meer een vakantiebestemming is waar gasten langer verblijven. Foto’s geven je toch een soort beleving van waar je naartoe gaat.’

Data science in marketing 

In het geval van Boston, maar ook van New York, bleken hotelbezoekers juist veel meer geïnteresseerd in foto’s van de hotelkamer zelf. ‘En met name in New York reageerden consumenten sterk op beelden van de voorkant van het hotel.’ Het onderzoek van Overgoor is breder toepasbaar voor marketingvraagstukken, waarin sprake is van een combinatie van visuele en tekstuele componenten. ‘Wij laten in het onderzoek specifiek zien hoe het werkt voor hotels, maar een kledingmerk of een online retailer kan onze methode ook gebruiken.’

Wel is het zo dat de tools hiervoor niet kant en klaar zijn. ‘Je hebt een data scientist nodig en je moet tools als Python kunnen gebruiken. Binnen marketingteams zie ik dit nog weinig gebeuren, maar ik verwacht wel dat dit de komende jaren toeneemt. Er is steeds meer kennis over ongestructureerde visuele data. Zo kunnen we bijvoorbeeld al voorspellen of een product vaker wordt geretourneerd aan de hand van de foto’s. Zo heeft een studie voor AirBnB aangetoond dat een afbeelding van hoge kwaliteit op korte termijn de vraag naar een bepaald appartement kan verhogen. Maar op de lange termijn kan deze juist leiden tot een lagere vraag als er een mismatch is met de kwaliteit van de accommodatie. De ontwikkelingen binnen data science gaan hard en het wordt de komende jaren een belangrijke tool voor marketeers. En dan bedoel ik niet zozeer om consumenten te manipuleren, maar om hun hele ervaring van het online shoppen beter en leuker te maken.’