earticle

영어

This study examines donation behavior on digital platforms by analyzing how text- and image-based cues influence the number of donors in 1,040 campaigns on Naver HappyBean, using the Elaboration Likelihood Model (ELM) as the analytical framework. Text length was significantly associated with an increase in donor counts, confirming the role of informational cues. In contrast, visual cues such as colorfulness showed partial effects in the overall model but did not exhibit consistent influence when human and animal campaigns were analyzed separately. Emotional imagery was generally associated with a decrease in donor counts across both negative and positive emotions, with this effect particularly pronounced in animal-targeted campaigns. These findings indicate that emotional cues may be interpreted differently depending on the target type, reflecting perceived psychological and moral distance between humans and animals. By applying AI-based emotion analysis to online donation images, this study provides a refined understanding of visual persuasion mechanisms and empirically demonstrates differentiated response patterns between human- and animal-focused campaigns, offering theoretical and practical implications for designing effective donation imagery.

한국어

디지털 플랫폼을 통한 기부가 확산되면서, 온라인 캠페인 이미지에 담긴 시각적․정서적 감정은 기부자의 주의를 유도하고 행동을 촉발하는 주요 요인으로 주목받고 있다. 본 연구는 디지털 플랫폼에서의 기부 행동을 이해하기 위해 해피빈 1,040개 캠페인을 대상으로 텍스트․이미지 기반 단서가 기부자 수에 미치는 영향을 정교화가능성모형(ELM)에 따라 분석하였다. 텍스트 길이는 기부자 수 증가와 유의하게 연결되어 정보로서의 역할을 확인한 반면, 색채와 같은 시각 정보는 전체 분석에서는 일부 효과가 있었으나 인간․동물 캠페인을 구분한 분석에서는 일관된 영향을 보이지 않았다. 감정 이미지의 경우 여러 부정․긍정 감정에서 기부 감소가 나타났으며, 특히 동물 대상 캠페인에서는 대부분의 감정 단서가 부정적 영향을 보여 감정 자극이 대상 유형에 따라 다르게 해석될 수 있음을 확인하였다. 이러한 반응 차이는 기부자가 인식하는 인간–동물 간 심리적․도덕적 거리감과 관련해 해석될 수 있다. 본 연구는 AI 기반 감정 분석을 활용해 온라인 기부 이미지 전략의 설득 메커니즘을 정량적으로 검토하고, 인간․동물 대상 캠페인 간 상이한 반응 구조를 실증적으로 제시했다는 점에서 학술적 의의를 갖는다.