Wie wirkt künstliche Intelligenz bei Bildern im Marketing?
Im Zentrum meiner Masterarbeit steht eine Frage, die mich schon lange fasziniert: Wie verändern KI-generierte Bilder das Marketing, speziell im Fashion-Bereich und in der Social-Media-Werbung? In meinem Buch „KI-generierte Bildinhalte im Marketing – Eine experimentelle Studie über den Einfluss und die Akzeptanz von KI-generierten Bildinhalten bei Konsumenten“ tauche ich tief in diese Frage ein.
Die Motivation hinter der Studie
Die Idee für dieses Projekt entstand aus meiner Begeisterung für die Möglichkeiten, die KI in der kreativen Welt bietet. Seitdem die Möglichkeiten bestehen, Texte und dann auch Bilder für Webinhalte zu generieren, haben wir hier in der Agentur diese Möglichkeiten auch genutzt. Allerdings gingen wir damit ein enormes Risiko ein. Denn folgende Fragen waren vollkommen ungeklärt: Wie würden solche Bilder von den Konsumenten wahrgenommen werden? Unterscheiden sie sich signifikant von realen Bildern in ihrer Wirkung?
Nach meiner umfassenden Recherche in wissenschaftlichen Datenbanken konnte ich dazu keine zufriedenstelle Antwort finden. Es wurden zwar Studien unter dem Stichwort „Deepfake“ durchgeführt. Diese Studien klären aber nur, ob Bildmotive, die als echte Fotomotive ausgegeben wurden, erkannt werden oder nicht. In der Werbung geht der Konsument davon aus, dass die Bilder manipuliert wurden, sodass diese eine gewisse Wirkung erzielen. Unter dieser Prämisse wurden KI-generierte Bilder aber nie in einer Studie getestet.
Ein experimenteller Ansatz
Um diese Fragen zu beantworten, habe ich eine experimentelle Studie mit 450 Teilnehmenden durchgeführt. Nach einer sorgfältigen Vorverarbeitung wurden 337 Antworten in die Analyse einbezogen. Mein Ziel war es, zu verstehen, wie KI-generierte Bilder in Bezug auf Einzigartigkeit, Lebendigkeit und Attraktivität wahrgenommen werden und welche Rolle sie bei der kognitiven sowie affektiven Involvierung spielen.
Überraschende Erkenntnisse
Die Ergebnisse waren aufschlussreich. KI-generierte Bilder wurden in Bezug auf Akzeptanz und Kaufintention fast genauso positiv bewertet wie reale Bilder. Besonders interessant war die Erkenntnis, dass die spezifischen Eigenschaften der Bildgenerierungssoftware einen starken Einfluss auf die wahrgenommene Attraktivität hatten.
Praktische Anwendungen und zukünftige Forschung
Meine Studie bietet wertvolle Einblicke für Marketer, Designer und alle, die sich für die Zukunft der digitalen Inhalte interessieren. Sie zeigt nicht nur die Akzeptanz von KI-generierten Bildern auf, sondern auch deren Potenzial, die Art und Weise, wie wir Marketing betreiben, zu revolutionieren.
Warum du dieses Buch lesen solltest
Wenn du dich für Marketing, Technologie oder die Zukunft der kreativen Arbeit interessierst, ist dieses Buch ein Muss. Es bietet nicht nur eine fundierte Analyse der aktuellen Landschaft, sondern auch einen Ausblick auf die spannenden Möglichkeiten, die KI-generierte Inhalte bieten.
Du kannst mein Buch direkt über diesen Link zum Shop erwerben. Tauche ein in die Welt der KI-generierten Bilder und entdecke, wie sie die Marketinglandschaft bereits heute und in Zukunft prägen.
Ergebnisse und FAQs aus meiner Studie
Meine Studie legt nahe, dass KI-generierte Bilder in Bezug auf Performance und Werbewirkung vergleichbar mit realen Fotos sein könnten. Die Ergebnisse zeigen, dass die Teilnehmer die KI-generierten Bilder nicht besser identifizieren konnten, als es bei einem zufälligen Ergebnis zu erwarten gewesen wäre. Die Qualität der KI-generierten Bilder ist mittlerweile so hoch, dass sie für den durchschnittlichen Betrachter nicht mehr einfach als solche erkennbar sind. Es ist jedoch anzumerken, dass die Software Midjourney bei der Erstellung der Bilder die Anweisungen für die Darstellung des Hintergrunds eher ignoriert hat, was zu bestimmten Abweichungen in der Vergleichbarkeit der Bilder geführt haben könnte. Weitere Forschung ist notwendig, um die praktische Verwendbarkeit und Werbewirkung von KI-generierten Bildern im Marketing-Kontext genauer zu untersuchen.
Einzigartigkeit der Bilder: Die Studie zeigt, dass KI-generierte Bilder nicht als besonders einzigartig wahrgenommen wurden. Dies kann die Akzeptanz der Bilder bei Konsumenten beeinflussen.
Vergleichbarkeit mit realen Bildern: Die Untersuchung kommt zu dem Schluss, dass KI-generierte Bilder in Bezug auf ihre Werbewirkung vergleichbare, wenn auch marginal bessere, Ergebnisse erzielen können als reale Bilder. Dies kann die Akzeptanz der KI-generierten Bilder bei Konsumenten erhöhen.
Künstliche Intelligenz (KI) Erfahrung: Die Erfahrung der Konsumenten mit künstlicher Intelligenz und Bildgeneratoren kann ebenfalls die Akzeptanz von KI-generierten Bildern beeinflussen. Wenn Konsumenten bereits Erfahrungen mit KI und Bildgeneratoren haben, könnten sie offener für KI-generierte Bilder sein.
Werbemotiv: Das Werbemotiv, das mithilfe von KI generiert wurde, kann ebenfalls die Akzeptanz beeinflussen. Wenn das Werbemotiv die Konsumenten anspricht und ihnen gefällt, erhöht dies die Wahrscheinlichkeit, dass sie die KI-generierten Bilder akzeptieren.
Emotionale Involvierung: Die Studie deutet darauf hin, dass KI-generierte Bilder in Bezug auf die wahrgenommene Attraktivität, Lebendigkeit und Einstellung mit realen Fotos konkurrieren können. Die Personen auf dem realen Bild wurden jedoch als attraktiver wahrgenommen als die Personen auf dem KI-generierten Bild. Dies könnte auf die Körperfigur und den Hintergrund der Bilder zurückzuführen sein.
Kognitive Involvierung: Die Wirkung der verschiedenen Darstellungen variierte in der Studie, wobei das reale Bild als lebendiger wahrgenommen wurde als die KI-generierten Bilder. Der Hintergrund und die Farbgestaltung könnten hierbei eine Rolle spielen. Insgesamt waren die Unterschiede in der Wahrnehmung von Attraktivität und Lebendigkeit zwischen den realen und den KI-generierten Bildern jedoch gering.
In meiner Studie habe ich keine signifikanten Unterschiede in der Wahrnehmung von KI-generierten Bildern im Vergleich zu realen Bildern hinsichtlich ihrer Einzigartigkeit festgestellt. Die generellen Unterschiede zwischen den beiden Arten von Bildern sind gering. Die Akzeptanz und Kaufintention für KI-generierte Bilder ist genauso hoch wie für reale Bilder. Es gibt jedoch marginale Unterschiede, die möglicherweise auf geringe Abweichungen in den Bildern zurückzuführen sind. Es ist anzumerken, dass die Software Midjourney bei der Erstellung der Bilder die Anweisungen für die Darstellung des Hintergrunds eher ignoriert hat, was zu bestimmten Abweichungen in der Vergleichbarkeit der Bilder geführt haben könnte.
In meiner Studie nutzte ich die Technologie von Midjourney 5.2, um KI-generierte Bilder zu erzeugen. Ich verwendete die Beschreibungsfunktion von Midjourney, um detaillierte Beschreibungen von Originalbildern zu generieren. Diese Beschreibungen wurden dann als Textaufforderungen für das Midjourney-Modell verwendet, um die KI-generierten Bilder zu erzeugen. Ich folgte einem empfohlenen Schema für die Textaufforderungen, um Konsistenz zu gewährleisten und systematische Fehler im Bildgenerierungsprozess zu minimieren. Ich habe das „Best-Pick“-Prinzip angewendet, um die beste Bilditeration aus mehreren generierten Bildern auszuwählen. Spezifische Parameter, wie der Stilisierungsparameter, wurden verwendet, um die Qualität der generierten Bilder zu beeinflussen.
Die spezifischen Eigenschaften der Bildgenerierungssoftware Midjourney 5.2 können die wahrgenommene Attraktivität von KI-generierten Bildern beeinflussen. Das Modell hat die Fähigkeit, aus großen Datenmengen zu lernen und Charakteristika hervorzuheben, die als attraktiv wahrgenommen werden. Dies könnte dazu führen, dass die KI-generierten Bilder bestimmte Eigenschaften von Attraktivität besser hervorheben können als reale Fotos.
Die Studie verwendete den Partial-Least-Squares-Strukturgleichungsmodell-Ansatz (PLS-SEM) in Verbindung mit einer Multigruppenanalyse (MGA) zur Analyse der Daten und Interpretation der Ergebnisse. Der PLS-SEM-Ansatz wurde gewählt, da er flexibel ist und sich für kleine Stichprobengrößen eignet. Die Analyse des Strukturmodells wurde mit der SmartPLS-Software durchgeführt, während eine Hauptkomponentenanalyse (HKA) zur Untersuchung der latenten Struktur der gemessenen Indikatoren verwendet wurde. Die Ergebnisse wurden diskutiert und interpretiert, wobei ein besonderer Fokus auf dem Pfad von der wahrgenommenen Einzigartigkeit zur Einstellung der Teilnehmer lag.
Alexander Scharff
Zertifizierter Jasper, SEO, SEA und Marketingexperte. Er studierte Marketing, Kommunikation und Management an der Hochschule Düsseldorf und an der FOM.
Weitere Beiträge
ChatGPT: Steigern Sie Ihre Prompt-Engineering-Skills in wenigen Minuten – ein praxisnaher Schritt-für-Schritt-Leitfaden
Entdecken Sie die Geheimnisse erfolgreicher Prompt-Entwicklung mit ChatGPT und GPT-4, um bessere…
Top 7 Marketing Trends für 2022 und die Zukunft
Marketing entwickelt sich ständig weiter, und für Unternehmen ist es wichtig, über die neuesten…
Wie funktioniert eine T2I KI? Text-zu-Bild-Generatoren am Beispiel von DALL‑E
Mit Text-zu-Bild-Generatoren können Sie ganz einfach Bilder erstellen, in dem Sie Ihre Anfrage als…