社交平台把图像、文字、行为和网络结构结合在一起。视觉呈现可能很重要，但这一领域最常引用的 Instagram 和 Twitter 研究并没有测量面部吸引力。这些结果只支持有关面孔是否出现、个人资料完整度、内容和互动模式的更有限结论。

Instagram 研究测量了什么？

Bakhshi、Shamma 和 Gilbert（2014）分析了包含一百万张 Instagram 图像的数据集。在控制网络覆盖范围和活跃程度后，包含检测到的人脸的照片，获得点赞的可能性比没有检测到人脸的照片高 38%，获得评论的可能性高 32%。在报告的模型中，人脸数量、估算年龄和性别均未显示出影响。

关键在于，该研究没有收集吸引力评分。它支持的是面孔是否出现与互动之间存在关联，而不是更有吸引力的面孔能够产生更多互动这一说法。

Twitter 研究测量了什么？

Hutto、Yardi 和 Gilbert（2013）追踪了 507 名 Twitter 用户和约半百万条推文，研究持续 15 个月。他们的纵向模型考察了消息内容、社交行为、个人资料完整度和网络结构，而不是吸引力或面部特征。

  • 个人简介长度、网址和位置等资料要素，是模型用于预测粉丝增长的变量之一
  • 定向交流、发帖行为、消息内容和网络拓扑结构也发挥了作用
  • 该研究设计仍属于观察性研究，作者也提醒，Twitter 上的结果未必能够推广到其他平台

头像与职业社交媒体

清晰的头像能够提供身份线索，但上述研究没有证实 LinkedIn 浏览量或建立联系数量会按某个数字倍增。它们也没有证明头像的吸引力或光线会带来职业机会。平台、岗位、关系网络、活跃度和内容彼此交织，因此不应把没有依据的百分比说法包装成科学发现。

网红经济

Djafarova 和 Rushworth（2017）对 18 名年龄为 18 至 30 岁的女性 Instagram 用户进行了深入访谈。参与者认为非传统网络名人更容易产生共鸣且更可信，并讨论了 Instagram 推广如何影响购买行为。这项小规模定性研究为感知可信度和亲近感提供了证据，但没有单独检验外貌吸引力、估算互动效应，也没有对网红成功的原因进行排序。

视频内容：尚存研究空白

上述 Instagram 研究分析的是静态图像，Twitter 研究分析的则是个人资料、消息、行为和网络。两者都不能证明创作者的吸引力会提高视频点击率或观看时长。推荐系统也会随时间变化，而且不同平台之间并不相同，因此关于算法的说法需要平台特定数据，而不能从这些论文中直接外推。

以证据为依据的社交媒体实践

  1. 在符合内容需要时使用面孔：Bakhshi 等人发现的是面孔出现与互动之间的关联，并不是要求每一条内容都必须出现面孔
  2. 完善个人资料：Hutto 等人的模型同时纳入了简介、网址、位置、行为和网络变量
  3. 发布有用且主题明确的内容：在 Twitter 研究中，消息内容是预测粉丝增长的变量之一
  4. 主动互动，而不是只做单向发布：定向交流是该研究考察的行为信号之一
  5. 针对自己的受众进行测试：在相似条件下比较帖子或头像；FaceScore 等工具可以比较照片呈现效果，但无法预测覆盖范围或收入

主要研究参考文献

  • Bakhshi, S., Shamma, D.A., & Gilbert, E. (2014). "Faces Engage Us: Photos with Faces Attract More Likes and Comments on Instagram." Proceedings of CHI 2014, 965–974. https://doi.org/10.1145/2556288.2557403
  • Hutto, C.J., Yardi, S., & Gilbert, E. (2013). "A Longitudinal Study of Follow Predictors on Twitter." Proceedings of CHI 2013, 821–830. https://doi.org/10.1145/2470654.2470771
  • Djafarova, E. & Rushworth, C. (2017). "Exploring the Credibility of Online Celebrities' Instagram Profiles in Influencing the Purchase Decisions of Young Female Users." Computers in Human Behavior, 68, 1–7. https://doi.org/10.1016/j.chb.2016.11.009