Introducción

La publicidad que difunden las organizaciones juega un papel trascendental tanto en el cumplimiento de los objetivos como en la construcción y el mantenimiento de las estructuras empresariales (^{Hall, 1996}). En la actualidad, la comunicación comercial se ha ido desplazando, poco a poco, hacia los ecosistemas electrónicos. Y las redes sociales están ocupando un rol protagonista en la promoción de productos y servicios (^{Chang, Peng, & Berger, 2018}); por ejemplo: brindan mecanismos de promoción, reconocimiento, conversación y fidelidad con el usuario (^{Cáceres, Brändle, & Ruiz, 2017}).

En redes sociales, como Facebook e Instagram, las marcas pueden difundir todo tipo de contenido, para establecer interacción con sus seguidores y clientes potenciales. Los profesionales del marketing consideran que los medios sociales son fuentes de información valiosas, pues ayudan a tomar decisiones estratégicas (^{Arjona, 2017}). De hecho, sus usuarios pueden realizar todo tipo de declaraciones (positivas, negativas o neutrales) acerca de productos y servicios. Esta actividad, conocida como Electronic Word-of-Mouth (eWOM), o boca a boca electrónico (^{Dellarocas, 2003}), constituye una de las formas más influyentes de comunicación en los consumidores (^{Craig, Greene, & Versaci, 2015}).

Según estudios académicos y gerenciales, el eWOM actúa como un asistente de ventas: un 35% de sus usuarios efectúa una compra (^{Guo y Zhou, 2017}; ^{Li & Du, 2017}). Además, en industrias específicas, como la hotelería y el turismo, el eWOM es el principal factor en el proceso de la toma de decisión del consumidor (^{Salvi, Serra, & Cardona, 2013}). Por ello, las empresas se preocupan cada vez más por incentivar el respaldo social que obtienen sus publicaciones.

En la última década, se han llevado a cabo varias investigaciones que exploran los efectos de las características de las publicaciones online, difundidas por empresas en redes sociales, sobre la generación de eWOM (^{De Vries, Gensler, & Leeflang, 2012}; ^{Pletikosa & Michahelles, 2013}; ^{Tafesse, 2015}). Sin embargo, hasta el momento, no existen estudios que establezcan la relación entre el uso de emojis y la participación de los usuarios. Aunque algunas de las investigaciones, en este sentido, han contemplado el papel que juega la extensión del mensaje sobre la participación de usuarios, no hay estudios que identifiquen la cantidad ideal de caracteres que deben emplearse en este tipo de anuncios, para mejorar las métricas del eWOM.

El propósito de esta investigación es analizar el efecto que tiene el uso de emojis y la cantidad de caracteres para el respaldo social de usuarios (eWOM). Asimismo, se pretende determinar el número adecuado de emojis y caracteres que deben emplearse para obtener el mejor rendimiento en términos de eWOM. Para esto, se exploró el papel de Facebook, como herramienta de promoción, dada su importancia en el mundo de los negocios (^{Sprout Social Report, 2018}). En total, se analizaron 225 publicaciones de marca, en Facebook, de las empresas de Retail Food en Colombia.

Para identificar los emojis y la extensión de caracteres utilizados en los mensajes, se efectuó un análisis de contenido. El eWOM se operacionalizó, con base en el número de comentarios de contenido compartido y de reacciones que recibió cada publicación de marca. Posteriormente, se formularon hipótesis de investigación y, para contrastarlas, se aplicó un modelo de regresión binomial negativa. Los resultados obtenidos presentan modelos significativos que sugieren relaciones entre el uso de emojis, la extensión del mensaje y el eWOM generado en Facebook. Y exhiben dos líneas que aportan a la literatura académica: a) se prueba el efecto del uso de emojis sobre el eWOM, lo cual no se encontró en la literatura explorada; b) se establece la existencia de efectos de saturación (en forma de U invertida), tanto del número de emojis como de la cantidad de caracteres empleados en la descripción de la publicación sobre el eWOM. No se encontraron investigaciones que probaran este tipo de efectos. En efecto, los aportes de este estudio son: a) contribuye a la comprensión de los antecedentes del eWOM, b) plantea recomendaciones gerenciales para la optimización de las publicaciones en función del uso de emojis y la extensión del mensaje y c) propone futuras líneas de investigación.

Marco Referencial

El uso de emojis y caracteres en las publicaciones de redes sociales

En la comunicación producida en redes sociales, el principal código no verbal, más utilizado, es el de los emoticonos, que son secuencias de caracteres. Por ejemplo, los signos de puntuación son interpretados como imágenes y no como código lingüístico; la secuencia :) se interpreta no como dos puntos y un paréntesis, sino como una cara feliz. Actualmente, la secuencia de caracteres convive con lo que se conoce como emoji (palabra de origen japonés que literalmente significa “imagen letra”), y su uso se ha popularizado especialmente en la comunicación, a través de dispositivos móviles y en servicios de redes sociales (^{Reig & Elizondo, 2018}). En 2018, se habían creado más de 2.700 emojis oficiales y se agregan nuevos con cada actualización de los sistemas operativos móviles (^{Unicode, 2018}). Un emoji es un ícono, una representación visual de una idea, entidad, sentimiento, estatus o evento; usada junto a, o en vez de palabras, en mensajes digitales y redes sociales (^{Alboqami, Al-Karaghouli, Baeshen, Erkan, Evans, & Ghoneim, 2015}). Ellos proveen una forma fácil de adicionar personalidad a una comunicación textual y de enviar una respuesta (^{Desta, 2014}).

La investigación académica sugiere que cerca del 92% de los usuarios de redes sociales utiliza los emojis en sus comunicaciones en línea. Y que las organizaciones se han propuesto aprovecharlos para reforzar sus publicaciones de marca (^{Jaeger, Vidal, Kam, & Ares, 2017}). Aunque la utilización de emojis, en la comunicación promocional en las redes sociales, se ha incrementado en los últimos años, todavía es incipiente lo que se conoce sobre las reacciones de los consumidores ante el uso de estos símbolos en las publicaciones de marca (^{Das, Wiener, & Kareklas, 2019}).

Hallazgos incipientes, en este sentido, plantean que el uso de emojis puede conducir a comportamientos de consumo deseados en las personas. Por ejemplo, se ha encontrado que las personas que reciben emojis positivos se sienten considerablemente más contentas que las que no reciben ninguno. Así mismo, quienes reciben emojis negativos se sienten muy mal, con sensaciones de angustia e intranquilidad (^{Lohmann, Pyka, & Zanger, 2017}). ^{Das et al. (2019)} sostienen que la presencia de emojis, en anuncios publicitarios, podría propiciar la intención de compra.

Si bien la literatura aún no aclara por qué los emojis pueden afectar las actitudes de los consumidores (^{Das et al., 2019}), algunos autores sugieren que esto puede explicarse por la Teoría del Contagio Emocional, que indica que las personas simplemente “captan” la emoción representada por el emoji, de modo que sus emociones coinciden con las del símbolo (^{Lohmann et al., 2017}). Otros investigadores han encontrado que los emojis son una forma eficiente de compensar las señales no verbales que faltan en la comunicación escrita, lo que podría, del mismo modo, mejorar la eficiencia de los mensajes (^{Thompson & Filik, 2016}).

Por tanto, de acuerdo con los hallazgos en los postulados del “contagio emocional” de ^{Lohmann et al. (2017)} y teniendo en cuenta que la mayoría de emojis, usados por las marcas, hace alusión a sensaciones positivas, el uso de ellos -en las publicaciones de marca de las empresas del sector de Retail Food en Colombia- puede mejorar la actitud hacia las piezas publicitarias y, con ello, la cantidad de eWOM, generado por los usuarios. Con base en lo anterior, se propone la Hipótesis 1:

H1: El uso de emojis, en publicaciones de marca, aumenta:

• -H1a. El número de comentarios de los usuarios.

• -H1b. La tasa de reacciones de los usuarios.

• -H1c. Las veces que el contenido es compartido por los usuarios.

En la literatura sobre publicidad, diferentes estudios han evaluado la cantidad óptima de la información que debe ser mostrada a los usuarios (^{Baccarella, Scheiner, Wegner, & Voigt, 2014}). Y ha quedado demostrado que la efectividad de la publicidad está fuertemente influenciada por lo informativos que pueden ser los anuncios. Sin embargo, la cantidad óptima de información podría verse afectada por la categoría del producto. Por ejemplo, se espera que incluir un alto grado de información en el contenido de una publicación de marca para productos tecnológicos, genere mejores resultados (^{Chen, Shen, & Chiu, 2007}; ^{Singh & Schoenbachler, 2001}). Por tanto, se espera que una publicación informativa mejore la respuesta del consumidor; lo cual da pie para formular Hipótesis 2:

H2: Mayor extensión en las descripciones de las publicaciones aumenta:

• -H2a: Los comentarios recibidos por los usuarios.

• -H2b: El número de reacciones obtenidas por los usuarios.

• -H2c: Las veces que el contenido es compartido por los usuarios.

Aunque el uso de emojis y un número significativo de caracteres en la descripción de las publicaciones mejoran la participación de los usuarios en forma de eWOM, el abuso de las herramientas de comunicación disponibles genera falta de interés y actitudes negativas hacia los mensajes. Porque el recurso cognitivo del individuo, necesario para procesar la información del mensaje, aumenta (^{Demangeot & Broderick, 2010}; ^{Pletikosa & Michahelles, 2013}). Además, se ha comprobado que demasiada información en los anuncios termina confundiendo a los consumidores (^{Lee y O’Connor, 2003}). Esto quiere decir que, cuando se usa un número excesivo de herramientas de comunicación en las publicaciones, se pueden alcanzar niveles de saturación que disminuyen el interés de los usuarios en las piezas de comunicación, al mismo tiempo que limitan la participación.

Con base en lo anterior, el uso excesivo de emojis y de caracteres, en las publicaciones de marca, puede tener efectos significativos sobre la participación de los usuarios, en forma de eWOM. De ahí, surgen las Hipótesis 3 y 4:

H3: El uso excesivo de emojis en publicaciones de marca disminuye:

• -H3a: El número de comentarios recibidos de los usuarios.

• -H3b. El número de reacciones de los usuarios.

• -H3c. El número de veces que el contenido se comparte por los usuarios.

H4: Descripciones muy extensas en las publicaciones de marca disminuyen:

• -H4a: El número de comentarios de los usuarios.

• -H4b: El número de reacciones de los usuarios.

• -H4c: El número de veces que el contenido se comparte por los usuarios.

El modelo de investigación de este trabajo se puede evidenciar en la Figura 1, con base en las hipótesis propuestas:

Fuente: elaboración propia

Figura 1 Modelo de investigación 

Metodología

Descripción de la muestra

Se realizó un muestreo no probabilístico en el que se escogieron las últimas 75 publicaciones de marca en la red social Facebook. Las marcas de Retail Food seleccionadas fueron las tres primeras con mayor número de seguidores en Colombia: Juan Valdez Café, McDonald’s y Subway (ver Tabla 1).

Tabla 1 Marcas de Retail Food, con mayor número de seguidores en Colombia 

Fuente: ^{SocialBakers (2018)}

En total, se analizaron 225 publicaciones de marca. Cabe destacar que las tres marcas seleccionadas corresponden a más de un mes de difusión en Facebook. De acuerdo con ^{Demangeot & Broderick (2010)}, este periodo de tiempo es suficiente para identificar distintas estrategias de contenido en publicaciones de marca. Por otra parte, la muestra seleccionada corresponde con los tamaños muéstrales utilizados en investigaciones previas (Ver tabla 2).

Tabla 2 Marcas de Retail Food, con mayor número de seguidores en Colombia 

Fuente: Elaboración propia

Recolección de la información

Para obtener las publicaciones que posteriormente se analizaron, se empleó minería de datos, con la herramienta de código abierto Facepager, creada y publicada por ^{Jünger & Keyling (2018)}. Esta aplicación permite la obtención de datos desde Facebook, Twitter y otras API, basadas en lenguajes JSON.

Análisis de contenido

Esta es una técnica que se ha empleado ampliamente en la literatura y explora los efectos de las características del post sobre la generación y/o difusión de eWOM (^{De Vries et al., 2012}; ^{Tafesse, 2015}; ^{Schultz, 2017}). En marketing, el análisis de contenido ha demostrado su utilidad para estudiar y comprender el contenido de los anuncios impresos, comerciales de televisión, publicidad exterior; recientemente, se ha aplicado para analizar el contenido de las piezas de comunicación online (^{Demangeot & Broderick, 2010}).

Después de seleccionar las publicaciones de marca que iban a ser revisadas, se procedió a analizar el contenido, para obtener el número de emojis y caracteres utilizados en ellas.

Análisis empírico

Como las variables dependientes (comentarios, contenido compartido y reacciones), escogidas para esta investigación, son de conteo, es decir, solamente pueden asumir valores enteros no negativos, las técnicas tradicionales de regresión lineal no son aptas para este análisis. El supuesto de normalidad de los errores es violado, puesto que la distribución de los datos presenta asimetría positiva. Para solucionar esta situación, se aplicó un modelo lineal generalizado (GLM), que tiene que ver con la naturaleza discreta de la variable dependiente: la relaciona con las variables independientes por medio de una función de enlace (^{Cameron & Trivedi, 2013}). Una de las mejores opciones para modelar conjuntos de datos, que proceden de recuentos, es la distribución de Poisson; sin embargo, este modelo, casi siempre, presenta problemas en la sobredispersión, lo que puede conducir a la significación estadística de factores que no están realmente asociados con el fenómeno de estudio (^{Becerra & Vela, 2011}).

Dado que las distribuciones en los datos de las variables dependientes presentaron sobredispersión, se aplicó un modelo de regresión binomial negativa (BN), el cual capta parte de la varianza que no identifica la regresión de Poisson, y se ajusta mejor al conjunto de datos. De este modo, se configura la ecuación del modelo:

Ecuación 1. Modelo de regresión binomial negativa

Ln(Y) corresponde al logaritmo natural de la variable dependiente, que puede asumir una de tres formas: comentarios, reacciones y difusiones (shares). α es el término constante. Emojis es una variable continua que representa el número de emojis utilizados en las publicaciones, y se eleva al cuadrado ( 𝐸𝑚𝑜𝑗𝑖𝑠 2 ), para permitir la posibilidad de medir un efecto cuadrático (en forma de U invertida). Ext es otra variable continua, que hace referencia al número de caracteres empleados en el post, como sucede con Emojis, se eleva Ext al cuadrado (𝐸𝑥 𝑡 2 ), para medir posibles efectos de saturación.

Resultados

Las estadísticas descriptivas se resumen en la Tabla 3. El número promedio de seguidores, suscritos a las cinco páginas analizadas, fue de 1.700.766 (SD: 784,915). La página con mayor número de seguidores es la de Juan Valdez Café: 2.595.316, seguida por la de McDonald’s: 1.379.693; finalmente, está Subway, con 1.127.289.

El número promedio de comentarios, por publicación de marca, fue de 185 (SD: 604), y la página con mayor número de comentarios fue la de McDonald’s, con 37.708. La de menos comentarios fue la de Subway, con 1.408. Respecto a las reacciones, el promedio se ubicó en 2.121 (SD: 5.048); la página de McDonald’s es la que presenta un mayor número de reacciones en sus publicaciones de marca: 307.796 y la de Subway, la de menos reacciones: 33.296. Finalmente, frente a la variable difusiones (shares), el promedio fue de 498,2 (SD: 1.516). De nuevo, la página de McDonald’s fue la que obtuvo una mayor cifra: 65.892. Subway se situó en el peor lugar: 7.745 difusiones.

Respecto al uso de emojis, se puede apreciar en la Tabla 3 que, en promedio, cada publicación analizada emplea un poco más de dos emojis (SD: 2,8). Mientras que, para el uso de caracteres, cada publicación, en promedio, utiliza, más o menos, 180 caracteres (SD: 214).

Tabla 3 Uso de emojis en Facebook 

Fuente: elaboración propia

Con el objetivo de contrastar las hipótesis planteadas, para cada una de las dimensiones de la variable dependiente, se aplicó el análisis empírico para comentarios, reacciones y difusiones. A continuación, en la tabla 4, se aprecian los resultados obtenidos.

Tabla 4 Análisis empírico para comentarios, reacciones y difusiones 

Nota: ***p < 0.01, **p < 0.05, *p < 0.1, IRR= tasa de incidencia, LR test de Aplha=comparación entre modelos Binomial y Poisson

Fuente: elaboración propia

Como se aprecia en la tabla 4, todos los modelos son altamente significativos, con un nivel de confianza del 99%; puesto que el estadístico LR (Likelihood Ratio), o razón de verosimilitud, que sigue una distribución de 𝜒 2 con 4º grados de libertad, arroja valores a los que corresponde un P-Valor de 0.000. La prueba de que existe sobredispersión corregida en el modelo binomial negativo, respecto a Poisson, también arroja un valor de probabilidad de 0,000 en todos los modelos. Esto quiere decir que, con un 99% de confianza, el modelo binomial negativo se ajusta mejor al conjunto de datos que Poisson.

De manera independiente, la variable cantidad de emojis es altamente significativa: 99% de confianza en todos los modelos, y siempre presenta signo positivo. Esto indica que la cantidad de emojis ejerce efectos positivos sobre los comentarios, las reacciones y las difusiones. En términos prácticos, si una publicación aumentara el uso de emojis en uno (1), se espera que su tasa de incidencia (IRR) aumente 2.2, en comentarios; 1.9, en reacciones y 2.7, en contenido compartido. Esto corrobora las hipótesis H1a, H1b y H1c.

En cuanto al término cuadrático de cantidad emojis, se evidenció que es altamente significativo: 99% de confianza en todos los modelos; sin embargo, siempre presenta signo negativo. Esto prueba que existe un efecto en forma de “U”, o parábola invertida; lo que indica que a una alta cantidad de emojis usados en los post, disminuyen los comentarios, las reacciones y las difusiones. Puntualmente: aumentando un (1) emoji -en las publicaciones, después del punto de saturación- se espera que la tasa de incidencia disminuya (IRR) 0.951, en comentarios; 0.957, en reacciones y 0.936, en contenido compartido. Estos resultados confirman ampliamente las hipótesis H3a, H3b y H3c.

La variable extensión del post también es altamente significativa: 99% en todos los modelos propuestos; presenta, en las tres regresiones, betas positivos. Por tanto, puede afirmarse que, si se aumenta la extensión del post, se incrementan los comentarios, las reacciones y las difusiones. En términos concretos, aumentando un caracter en la descripción de la publicación, se espera que la tasa de incidencia aumente (IRR) 1 en comentarios, reacciones y contenido compartido. Esto le da consistencia a las hipótesis H2a, H2b y H2c.

Finalmente, el término cuadrático de la variable extensión presenta relevancia, con un 99% de confianza y signo negativo (tal como sucede con la variable Emo 𝑗𝑖𝑠 2 ). Se espera que si se aumenta un caracter -en la descripción de la publicación, después de alcanzar el punto de saturación- la tasa de indecencia (IRR) disminuya 0.99 en comentarios, reacciones y contenido compartido. Estos resultados, nuevamente, prueban la existencia de un efecto en forma de “U invertida”; lo que, a su vez, demuestra la importancia de las hipótesis H4a, H4b y H4c. En la tabla 5, se presenta un resumen de las hipótesis contrastadas en el modelo propuesto.

Tabla 5 Contraste de hipótesis. 

Fuente: elaboración propia

Prueba de efectos cuadráticos

Como se pudo apreciar en la tabla 4, se comprobó la existencia de efectos en forma de “U invertida”, para las variables emojis y extensión de caracteres. Por tanto, se tabularon y graficaron los valores predichos, para obtener los puntos óptimos. A continuación -en las Figuras 2, 3 y 4 se muestran los resultados obtenidos para cada uno de los modelos aplicados frente a la variable emojis.

Fuente: elaboración propia.

Figura 2 Valores óptimos de emojis para comentarios 

Fuente: elaboración propia.

Figura 3 Valores óptimos de emojis para contenido compartido (shares) 

Fuente: elaboración propia.

Figura 4 Valores óptimos de emojis para reacciones 

Los efectos cuadráticos indican que el número ideal de emojis que deben utilizarse en las publicaciones de marca, es de aproximadamente ocho (8). Un número superior de estos símbolos, podría generar efectos negativos en la participación de los usuarios.

En las Figuras 5, 6 y 7, se presentan los resultados de graficar los valores predichos para la variable independiente extensión del mensaje, respecto a comentarios, contenido compartido y reacciones.

Fuente: elaboración propia.

Figura 5 Extensión optima del mensaje para comentarios 

Fuente: elaboración propia.

Figura 6 Extensión optima del mensaje para contenido compartido (shares) 

Fuente: elaboración propia.

Figura 7 Extensión optima del mensaje para reacciones 

En este caso, el número óptimo de caracteres para comentarios y contenido compartido se sitúa alrededor de 364; sin embargo, para la variable dependiente reacciones, el número óptimo alcanza los 490 caracteres.

Conclusiones

Los resultados de esta investigación permitieron comprobar que el uso de emojis mejora significativamente el rendimiento de las publicaciones en Facebook, en lo que respecta a comentarios, contenido compartido (shares) y reacciones alcanzadas. En otras palabras, los gestores de redes sociales pueden aumentar la interacción de los internautas, cuando incluyen este tipo de símbolos dentro de las publicaciones de redes sociales. Estos hallazgos están de acuerdo con investigaciones previas que han encontrado efectos positivos del uso de emojis en algunas actitudes de consumo, como la intención de compra (^{Evans, 2017}; ^{Jaeger et al., 2017}). Además, por medio del análisis de los términos cuadráticos, se pudo identificar que el número apropiado de emojis -que puede favorecer la participación de los usuarios en Facebook- se ubica alrededor de ocho (8), por publicación. Esta información puede contribuir a mejorar la estrategia de publicación por parte de los social media managers; especialmente, aquellos que se desenvuelven dentro de la industria de Retail Food.

Por otra parte, un número superior a ocho (8) emojis, en publicaciones de marca, puede alcanzar efectos de saturación en las piezas de comunicación; esto quiere decir que, a partir de este número, disminuye la participación de los usuarios de manera significativa. Es decir, si se añade mucho contenido a la publicación de marca, aumenta la carga cognitiva necesaria para procesar el mensaje; lo que, finalmente, repercute en actitudes negativas hacia los anuncios publicitarios (^{Demangeot & Broderick, 2010}).

Aunque la literatura académica ya ha establecido el efecto de la extensión del mensaje (^{De Vries et al., 2012}; ^{Schultz, 2017}), respecto al número de caracteres sobre la generación y/o difusión de eWOM, hasta el momento no se habían llevado a cabo investigaciones que establecieran la existencia de un efecto cuadrático, o en forma de “U invertida”, en el uso de caracteres. Tampoco existen estudios interesados en encontrar el número preciso de caracteres para mejorar el rendimiento de las publicaciones, frente a la tasa de comentarios, contenido compartido y reacciones, en Facebook. Los resultados de esta investigación muestran que una extensión, alrededor de los 364 caracteres, puede aumentar notablemente los comentarios y las veces que el contenido es compartido. Alrededor de 490 caracteres en la descripción aumenta, de manera significativa, la tasa de usuarios que reaccionan ante las publicaciones de marca.

En general, estos hallazgos ofrecen valiosa información para los profesionales del marketing, encargados de gestionar las comunidades de marca virtuales. Con las recomendaciones reveladas en los resultados, estos profesionales pueden mejorar ampliamente el rendimiento de las publicaciones de marca, gracias a la interacción con los consumidores (comentarios, reacciones y contenido compartido). Esto, a su vez, contribuye a mejorar el posicionamiento online de las organizaciones.

Limitaciones y futuras líneas de investigación

Cabe destacar que el presente estudio se centra en una industria específica, en este caso la de Retail Food. Este sector ha sido poco analizado en la literatura académica del eWOM; en efecto, la mayoría de los existentes se han centrado en sectores como el turismo. Además, esta investigación se ubica en el contexto de una economía emergente, como la colombiana; por tanto, los resultados deben tomarse como un inicio, o punto de partida, si se desea replicar en otros países.

En futuras líneas de investigación, hay que seguir profundizando en la temática de los emojis. Por ejemplo, estudiar si su polaridad, es decir, su connotación -positiva o negativa- puede afectar la generación y/o difusión de eWOM. También, es importante que se desarrollen estudios similares en el contexto de otras industrias, porque, como ya se dijo, las particularidades del sector Retail Food no permiten que las conclusiones se puedan extrapolar a otras categorías de mercado. Finalmente, vale la pena adelantar estudios parecidos, con otras redes sociales, como Twitter o Instagram. Posiblemente, el público objetivo de estas tiene sus propias particularidades; lo que indicaría un efecto de moderación o interacción, por parte de la red social.