Visual-centric social media platform has rapidly grown as a marketing tool and image search engine and has received attention from many users and various brand marketers. However, clickbait, which mainly originated in the form of news headlines, has appeared in visual social media in the form of discrepancies between images and the accompanying text. This clickbait can lead to biased or inefficient information retrieval for users and even a variety of problems for businesses attempting to increase their brand awareness and sales opportunities through their activities in visual social media. Although existing methods identify clickbait via reports from users and automated algorithms based on text media, little research has focused on visual clickbait in visual social media platforms, such as Instagram. In this work, we examine user’s perception on clickbait images to identify visual informativeness to develop a novel approach for characterize and detect clickbait in visual social media with a focus on the topic of fashion. By integrating different types of features, we were able to classify clickbait with an accuracy of 0.864 and categorized five types of clickbait images: scenery, graphics, products, cosmetics and food. Additionally, proposed brand-specific models were applied to three high-end couture brands, namely, Cartier, Chanel, and Hermes, which are often mentioned in clickbait posts. This approach shows that the classification of specific brand-related posts by the brand-specific models was 20% more accurate on average than the clickbait classification of the general model. Furthermore, we confirmed the potential use of the proposed model by examining the impact of the clickbait classification on the brand’s perception.
시각 중심의 소셜미디어 플랫폼은 마케팅 도구 및 이미지 검색 엔진으로써의 역할을 수행하며 다양한 브랜 드와 사용자들에게 많은 주목을 받고 있다. 하지만 인기도가 높은 해시태그를 관련없는 이미지 콘텐츠에 사용하는 클릭베이트성 콘텐츠는 사용자들의 정보 검색 및 브랜드에 관한 소비자 인식을 저해하는 문제를 발생시킨다. 이 연구에서는 시각 중심의 소셜미디어인 인스타그램에서 클릭베이트성 콘텐츠의 특성을 분석 하고 클릭베이트 포스트를 분류할 수 있는 머신러닝 기반의 모델을 제안한다. 제안한 모델은 시각 및 언어적 특성을 통합적으로 고려함으로써 0.8 이상의 정확도로 새로운 형태의 클릭베이트를 분류하고, 5가지 유형의 클릭베이트 이미지 패턴을 발견하였다. 한편, 패션 브랜드의 다양한 특성을 고려할 수 있도록 브랜드별 모 델을 구성하고 클릭베이트 포스트에서 빈번히 언급되는 까르띠에, 샤넬, 에르메스 브랜드에 적용함으로써, 브랜드별 모델이 일반 모델보다 클릭베이트를 평균 20% 더 높은 정확도로 분류하는 것을 확인하였다. 추가 적으로, 브랜드에 대한 클릭베이트 분류의 영향을 검토함으로써 제안한 모델의 활용 가능성을 살펴보았다.
