图像复杂度对用户点赞行为的影响机制研究——基于TripAdvisor的视觉注意力理论分析

为解决数字营销中视觉内容有效性机制不明的问题，来自TripAdvisor的研究团队通过深度学习技术结合视觉注意力理论(Visual Attention Theory)，系统探究了图像复杂度与用户点赞行为的关系。研究发现：嵌入对象较少的图像更能吸引用户关注并获得更高点赞量，色彩丰富度(colourfulness)、人脸特征及图像描述等因素对上述关系具有调节作用。该成果为酒店业者优化视觉营销策略提供了实证依据。

　　

视觉内容(Visual content)在数字营销(digital marketing)领域举足轻重，但其核心有效性特征仍存认知空白。这项基于TripAdvisor平台的研究创新性地运用深度学习(deep learning)技术，从视觉注意力理论(Visual Attention Theory)视角解码图像复杂度(image complexity)对用户点赞(user likes)的影响规律。

数据分析揭示：包含较少嵌入对象(embedded objects)的图像具有更强的注意力捕获能力，从而显著提升用户点赞概率。研究进一步构建多维度调节模型，证实色彩丰富度(colourfulness)、人脸特征(faces presence)和图像描述(image descriptions)等视觉特征会显著影响复杂度与点赞的关联强度。这些发现不仅拓展了视觉认知理论的应用边界，更为酒店经营者(hotelier)提供了可量化的视觉内容优化策略——通过精准控制图像复杂度及相关视觉参数，可有效提升数字营销内容的用户互动效能。