Tallinna Ülikool Balti filmi, meedia, kunstide ja kommunikatsiooni instituut. Rasmus Vaino

Transcription

1 Tallinna Ülikool Balti filmi, meedia, kunstide ja kommunikatsiooni instituut Rasmus Vaino EESTI KUI TURISMISIHTKOHA TAJUTUD JA VISANDATUD ONLINE-KUVANDI TÄHISTUSTE ANALÜÜS INSTAGRAMI FOTODE SÜGAVÕPPE ABIL Bakalaureusetöö Juhendaja: Esta Kaal, MA Kaitsmisele lubatud Tallinn 2017

2 Deklaratsioon Mina, Rasmus Vaino (sünnikuupäev: ), 1. olen koostanud bakalaureusetöö iseseisvalt. Teiste autorite uurimistööd, olulised seisukohad kirjandusest ja mujalt pärinevad andmed on viidatud. 2. annan Tallinna Ülikoolile tasuta loa (lihtlitsentsi) enda loodud teose Eesti kui turismisihtkoha tajutud ja visandatud online-kuvandi tähistuste analüüs Instagrami fotode sügavõppe abil The Analysis of Signifiers of Perceived and Projected Online Destination Image Using Deep Learning Methods: A Case of Estonia mille juhendaja on Esta Kaal, säilitamiseks ja üldsusele kättesaadavaks tegemiseks Tallinna Ülikooli Akadeemilise Raamatukogu repositooriumis. 3. olen teadlik, et punktis 2 nimetatud õigused jäävad alles ka autorile. 4. kinnitan, et lihtlitsentsi andmisega ei rikuta teiste isikute intellektuaalomandi ega isikuandmete kaitse seadusest tulenevaid õigusi. Töö autor: allkiri, kuupäev Töö on kaitsmisele lubatud. Juhendaja: Esta Kaal, MA meedia ja kommunikatsiooni erialal allkiri, kuupäev Kaitsmine toimub Tallinna Ülikooli Balti filmi, meedia, kunstide ja kommunikatsiooni instituudi bakalaureusetööde kaitsmiskomisjoni avalikul koosolekul algusega kell Tallinnas, aadressil Narva mnt. 29 ruumis S-236.

3 Ülikool Tallinna Ülikool Instituut Balti filmi, meedia, kunstide ja kommunikatsiooni instituut Autor Rasmus Vaino Pealkiri Eesti kui turismisihtkoha tajutud ja visandatud online-kuvandi tähistuste analüüs Instagrami fotode sügavõppe abil Õppekava Reklaam ja imagoloogia Tase Bakalaureusetöö Lehekülgede arv 47+4 Kuu ja aasta Mai 2017 Kokkuvõte Antud bakalaureusetöö eesmärgiks oli hinnata Eesti kui turismisihtkoha senise välissihtturgudele suunatud visuaalse kommunikatsioonisisu vastavust uue Eesti brändi turunduskontseptsiooni väärtustega ning seda, mida on külastajad Eestis jäädvustamisväärseks pidanud. Teemale läheneti läbi kolme uurimisküsimuse: millised on Eesti tajutud ja visandatud online-sihtkohakuvandi peamised tähistused ning kas tajutud online-sihtkohakuvandi tähistused ja kas visandatud online-sihtkohakuvandi tähistused vastavad uue Eesti brändi kuvandi väärtustele. Uurimisobjekti sisuks olid Eesti turismiturunduse Instagrami avaldatud fotod ning kasutajate #visitestonia teemaviitega märgistatud fotod. Uurimus viidi läbi sügavõppe meetodit kasutades, et selgitada välja fotodel olevad tähistused. Tulemused näitasid, et Eesti tajutud online-sihtkohakuvandi enim esinevad tähistused pole inimesi kõrval on seotud looduse (väljas, taevas, maastik, loodus, vesi) ja linnaruumiga (arhitektuur, hoone, linn) ning visandatud online-sihtkohakuvandi enim esinevad tähistused on reisimine ja väljas ning nende järel tulevad loodusalased tähistused (taevas, maastik, loodus, vesi, suvi, puu). Ametlikus brändikontseptsioonis soovitatud teemasid esineb nii tajutud kui visandatud online-sihtkohakuvandi tähistuste hulgas, kuid viimase puhul jäävad nende esinemiskorrad alla keskmise, moodustades ca 92% keskmisest esinemiskordade arvust. Kokkuvõttes selgus, et tajutud online-sihtkohakuvand vastab Eesti brändi kuvandipildile enam kui visandatud online-sihtkohakuvand. Märksõnad Online-sihtkohakuvand, sihtkohaturundus, tajutud kuvand, visandatud kuvand, sügavõpe, Instagram, Eesti Säilitamise koht Tallinna Ülikool, Balti filmi, media, kunstide ja kommunikatsiooni instituut Lisainformatsioon

4 University Tallinn University School Baltic Film, Media, Arts and Communication School Author Rasmus Vaino Heading The Analysis of Signifiers of Perceived and Projected Online Destination Image Using Deep Learning Methods: A Case of Estonia Curriculum Advertising and Publicity Studies Level Bachelor Page Count 47+4 Month and Year May 2017 Abstract The aim of this thesis is to assess how Estonia s visual communication on foreign markets meets Brand Estonia s new visual communication guidelines as well as what do visitors consider worth sharing about or in Estonia. The subject was approached through three research questions: What are the main signifiers of perceived and projected online destination image of Estonia, and how perceived and projected online destination image corresponds to the updated image of Brand Estonia. Instagram images published on Estonia's tourism marketing and user-generated photos tagged with a hashtag #visitestonia were used as a research object. To identify the signifiers on photos the method of deep learning was used. The results showed that the most occurred signifier of perceived online destination image of Estonia is no person followed by signifiers related to nature (outdoors, sky, landscape, nature, water) and urban space (architecture, building, city). The most common signifiers of projected online destination image of Estonia are travel and outdoors, as well as naturerelated signifiers (sky, landscape, nature, water, summer, tree). Concepts recommended by the official brand guideline are representated both in the perceived and projected online destination image, but for projected image these concepts fall below average, accounting for about 92% of the average number of occurrences. To summarise, perceived online destination image of Estonia represents the brand further than the projected online destination image. Keywords Online destination image, destination marketing, perceived image, projected image, deep learning, Instagram, Estonia Place of Preservation Tallinn University Additional Information

5 Resümee... 3 Abstract... 4 SISSEJUHATUS... 6 TEOREETILINE OSA Sihtkohaturundus Sihtkohakuvand Sihtkohakuvand internetis Sotsiaalmeedia sisu Kasutaja loodud sisu Instagram Visit Estonia EMPIIRILINE OSA Uurimiseesmärk, -probleem ja -küsimused Andmekaeve tehnilise lahenduse valik Sügavõppe tulemused KOKKUVÕTE Järeldused ja soovitused KASUTATUD KIRJANDUS LISA LISA

6 SISSEJUHATUS Käesoleva töö idee sai alguse Eesti Vabariigi 100. sünnipäeva (EV100), Eesti Euroopa Liidu (EL) Nõukogu eesistumise ning aasta lõpus algatatud Eesti brändi (Brand Estonia ehk BE) uuendamisprotsessi kontekstis, millest osaga puutub töö autor ka tööalaselt kokku. Võttes arvesse, et turism on maailmas aina enam kasvav majandusharu ning digiajastu tulekuga on muutunud seniste kommunikatsioonikanalite kasutamisharjumused, tekkis vajadus hinnata senise välissihtturgudele suunatud visuaalse kommunikatsioonisisu vastavust uues, aastal avaldatud kontseptsioonis sõnastatud Eesti kui turismisihtkoha väärtustega. Töö käigus lisandus eelmainitud uurimisprobleemile vajadus uurida ka seda, mida on külastajad Eestis jäädvustamisväärseks pidanud. Uuendatud brändi üks põhilistest kasutajagruppidest on turismivaldkonna inimesed, sealhulgas järgitakse loodud kontseptsiooni välissihtturgudel Visit Estonia kaubamärgi all läbiviidavates turundustegevustes ja sotsiaalmeediakommunikatsioonis, ka aasta esmase visuaalse kommunikatsiooni kanalis Instagram. Eesti tutvustamise juures on Eesti brändi kuvandiloome juhendi järgi üheks olulisemaks visuaalse kommunikatsiooni osaks fotokeel. Kuna on oluline, et see vastaks brändi kuvandile, soovitab BE kasutada kindlaid teemasid, mis toetaksid soovitud kuvandi loomist. Eelnevale tuginedes on teoreetiliseks raamistikuks valitud Mak (2017) tajutud ja visandatud kuvandi teooria ning uurimistöö objekti sisuks Eesti kui turismisihtkoha ametlikul Instagrami avaldatud postituste fotod. Intervjuus Visit Estonia digitaalturunduse spetsialistiga selgus, et peaaegu Instagrami kontole postitatud fotod on kasutajate loodud sisu (UGC). Seetõttu lisati valimisse ka #visitestonia teemaviitega (hashtag) märgistatud postituste fotod, mille sisu: 1. peegeldab kaudselt Eesti (huvi)väärtusi külastaja vaatenurgast ning 2. kujundab teiste (potentsiaalsete külastajate) kujutluspilti ja (eel)arvamusi Eesti kohta. Uurimisobjekti kitsendamiseks kasutati Priimägi (2010) imidžikujunduse teooriat ning sügavõppe meetodeid kasutades fotode põhjal tajutud kuvandi tähistusi ja #visitestonia fotode põhjal visandatud kuvandi tähistusi.

7 7 Probleemi lahendamiseks püstitatakse kolm uurimisküsimist: 1. Millised on Eesti kui turismisihtkoha tajutud ja visandatud online-sihtkohakuvandi peamised tähistused? 2. Kas tajutud online-sihtkohakuvandi tähistused vastavad uue Eesti brändi kuvandi väärtustele? 3. Kas visandatud online-sihtkohakuvandi tähistused vastavad uue Eesti brändi kuvandi väärtustele? Bakalaureusetöö koosneb kolmest peatükist. Teoreetilises osas antakse ülevaate kasutatud teoreetilisest raamistikust ning uurimuses käsitletud teemadest. Empiirilises osas tuuakse välja kasutatud metoodika, andmestike koostamise põhjused, kirjeldatakse uuringu läbiviimist ning esitatakse tulemused. Töö lõppeb kokkuvõtte ja järeldustega. Akadeemilistes töödes on Eesti ja Eesti eri piirkondade kui turismisihtkohtade kuvandit on varasemalt uuritud (Maarja Ojamaa, Laura Mägi, Aleksandr Michelson, Mari-Liis Simson, Ljubov Morozova, Sandra Kivisaar, Kadi Kard), kuid eelkõige küsitluste ja intervjuude kaudu, mitte sotsiaalmeediale ega UGC-le tuginedes. Samuti ei ole autorile teadaolevalt käsitletud Eesti akadeemilistes töödes sotsiaalmeedia või UGC uurimisel andmekaevet ega masinõppe meetodeid. Instagrami on visuaalse materjali allikana kasutanud Tuuli Maasikas ja Kadri Eisenschmidt kuulsuste eneserepresentatsiooni ning Triinu Tarus väljas söömise diskursuse konstrueerimise uurimisel. Masinõppe meetodeid on varasemalt kasutanud Olga Dalton oma aasta bakalaureusetöös Raadioreklaamide tuvastamine masinõppe algoritmide abil ning Krister Jaanhold oma aasta bakalaureusetöös Rahapesu tuvastamine masinõppe meetodite abil TransferWise LTD näitel. Siinkirjutaja soovib tänada juhendajat Esta Kaalu heade nõuannete ja õigel teel hoidmise eest, Katrin Tiidenbergi sissejuhatuse eest masinõppesse ning Clarifai Collaborators toetusprogrammi ja Hannes Rootsit Clarifai fototuvastuse API kasutusvõimaluse ning selle abil andmestike loomise eest.

8 8 Töös kasutatud mõisted ja lühendid DMO sihtkoha arendus- ja turundusorganisatsioon, mis tegeleb muuhulgas turismisihtkoha kuvandi ja populaarsuse parandamisega (destination management/marketing organisation) Kontsept kujutlusest tekkiv ja märgi abil väljenduv alateadvuslik tähendus, mis ühendab tähistust ja tähistatut Kuvand kujutluspiltide ehk kontseptide kogum Masinõpe arvutiteaduse haru, mis annab arvutitele õppimisvõime ilma neid otseselt selleks programmeerimata (machine learning) Märk kontsepti konkretiseeriv kujund, mis koosneb tähistusest, tähistatust ja tähendusest Online-sihtkohakuvand (online destination image) Tajutud online-sihtkohakuvand UGC-s avalduv üksikute pilditunnuste summa, mis moodustab turismikogemuse (perceived online destination image) Sügavõpe masinõppe algoritmide klass sügavates neurovõrkudes (deep neural network) õppimiseks, eriti piltidelt objektide tuvastamiseks ja piltide kirjeldamiseks (deep learning) Teemaviide # märgist ja sõnast koosnev viide, mis ühendab sama teema kohta käivaid sõnumeid (hashtag) Turismisihtkoht geograafiline piirkond ja külastajatele suunatud turismitoodete kooslus Tähistus märgikandja (pilt, joonistus, žest) UGC kasutajate loodud sisu (user-generated content) Veebikraapimine andmete automatiseeritud eraldamine veebist (web scraping) Visandatud online-sihtkohakuvand DMO internetis edastatav üksikute pilditunnuste täielikku kogumit (projected online destination image)

9 9 TEOREETILINE OSA Selles peatükis antakse ülevaate kasutatud teoreetilisest raamistikust ning uurimuses käsitletud teemadest nagu sihtkohaturundusest, sihtkohakuvandist, sotsiaalmeedia sisu ja UGC. 1.1 Sihtkohaturundus Turismi mõiste defineerimisel võib ruumist, turust ja statistilistest numbritest lähtuvates kontseptsioonides leida eri käsitlusi. Müristaja ja Tooman (2008) vahendavad, et ÜRO Maailma Turismiorganisatsiooni (UNWTO) definitsiooni kohaselt on turism inimeste liikumine väljapoole oma igapäevast elukeskkonda mitte vähemaks kui 24 tunniks ning mitte kauemaks kui üks aasta. Müristaja ja Tooman (2008) pakuvad välja, et turismi võiks vaadelda kui süsteemset käsitlust: inimestest, kes turisti või külastajatena asuvad väljaspool oma igapäevast tegevuspiirkonda; turismiinfrastruktuurist ja -võrgustikest, mis rahuldavad turisti vajadusi; paikadest, kust turistid tulevad, ja paikadest, kuhu turistid lähevad, ning nendevahelistest suhetest; suhetest turistide ja kohaliku kogukonna vahel. Turism on maailmas pidevalt kasvav majandusharu ja kannab olulist rolli ka Eesti üldises majandusarengus. Kogu maailmas kasvas välisturism aastal 3,9%, ööbimisega välisreise tehti 1,24 miljardit, mis on 46 miljoni võrra rohkem kui aastal. Reiside arv Euroopasse kasvas aastal 2%, jõudes 620 miljonini, mis on 12 miljonit reisi rohkem kui aasta varem. Eesti majutusettevõtetes peatus aastal 3,32 miljonit turisti, nendest välisturistide hulk moodustas 2,06 miljonit ehk 62,05%. Võrreldes aastaga kasvas välisturistide arv 6,6% võrra, mis tegi aastast Eestit külastanud välisturistide ja nende ööbimiste arvu poolest läbi aegade rekordilise aasta. Absoluutarvudes kasvas kõige rohkem Soome, Vene ja Läti turistide arv. (Ettevõtluse Arendamise Sihtasutus, 2017) Turism kui majandusharu täidab ka Eesti üldises majandusarengus olulist rolli, sest turismiturul toimuv on tihedalt seotud teiste majandussektoritega. Kaudsete mõjudega

10 10 moodustab turism ligi 7% Eesti sisemajanduse kogutoodangust ning 27% teenuste ekspordist. (Majandus- ja Kommunikatsiooniministeerium) Nii nagu turismi mõiste defineerimisel tekib raskusi, on üheselt keeruline sõnastada ka turismisihtkoha (sihtkoha) mõistet. Sihtkoht on geograafiline piirkond, mida külastajad mõistavad kui ühtset tervikut ning mida turismi planeerimise ja turundamise seisukohalt toetab poliitiline ja seadusandlik tugiraamistik. Turukäsitlusena võib öelda, et sihtkoht on turismitoodete kooslus, mis pakub külastajatele integreeritud elamust. Sihtkoha kultuurilised, füüsilised ja sotsiaalsed tegurid kokku moodustavad sihtkoha identiteedi ning külastajate meeltes moodustub sellest tervik. Sihtkoha arendamise vaatenurgast on oluline poliitiline ja seadusandlik tugiraamistik, sest vastasel juhul toimuks arendustegevus kaootiliselt ning osapoolte toetuseta. (Müristaja & Tooman, 2008) Sihtkohaturundus toimub kahel tasandil, kus mikrotasandil edendavad turismioperaatorid (hotellid, reisikorraldajad) oma turismitooteid ja teenuseid ning makrotasandil edendavad valitsused jt ametiasutused oma riike ja piirkondi kui turismisihtkohti (Michalkó, 2011). Viimaste hulka kuuluvad ka sihtkoha arendus- ja turundusorganisatsioonid (Destination Management/Marketing Organisation ehk DMO), mille eesmärgiks on parandada turismisihtkoha kuvandit ja populaarsust, arendada säästva turismi põhimõtteid, kaitsta turismivaldkonna osaliste ja sihtkohtade elanike huvisid ning seista loodusressursside ja keskkonna eest (Pike, 2008; Dwyer, Livaic, & Mellor, 2003). Sihtkohtade edendamisel on DMO-de töös oluline osa regulaarsetel ja põhjalikel turu-uuringutel ning turismi arengusuundade tundmisel. Tehnoloogia edusammudega kursis olemine on kriitiline edutegur, kus uus meedia ja infotehnoloogia saab aidata oma sihtrühmadega paremini suhelda. (Blumberg, 2005) Joonis 1. Sihtkoha arendus- ja turundusorganisatsiooni tegevused (Mazilu, 2012)

11 11 Eesti turismipoliitika peamine elluviija ehk DMO on Ettevõtluse Arendamise Sihtasutuse (EAS) struktuuriüksusena tegutsev Turismiarenduskeskus (TAK), mis kujundab Eesti kui reisisihi mainet, et suurendada nõudlust Eesti ettevõtete toodete ja teenuste järele. TAK lähtub oma tegevustes Eesti riiklik turismiarengukava arengukavast, mis on Majandus- ja Kommunikatsiooniministeeriumi (MKM), EAS-i, mitmete teiste ministeeriumite ja turismivaldkonna partnerite koostöös valminud dokument, mis keskendub Eesti turismisektori arengupotentsiaali efektiivsele rakendamisele. Arengukavas kirjeldatud tegevuste eesmärk on tagada Eesti konkurentsivõime ja rahvusvaheline atraktiivsus turismisihtkohana ning saavutada turismiteenuste ekspordi kasv 1,24 miljardilt eurolt aastal 1,59 miljardi euroni aastaks ja välisturistide ööbimiste arvu kasv majutuskohtades 3,82 miljonilt ööbimiselt aastal 5 miljoni ööbimiseni aastaks. TAK tegutseb turgudel, millel on suurim potentsiaal tuua turundusinvesteeringutelt tulu: peamised turud: Soome, Venemaa, Läti, Rootsi, Norra, Saksamaa, Suurbritannia; kaugturud: Hiina, Jaapan, USA; siseturg ehk siseturism. (Majandus- ja Kommunikatsiooniministeerium, 2013) On hulk tegureid, mis mõjutavad potentsiaalset turisti reisisihtkoha valiku tegemisel. Müristaja ja Tooman (2008) toovad välja, et turismisihtkohta hinnatakse tavapäraselt kaheksa üldise atraktiivsusteguri kaudu: 1. looduslik ilu ja kliima, 2. kultuurilised ja sotsiaalsed tunnusjooned, 3. sihtkoha kättesaadavus, sh nii füüsiline kui ka informatsiooni kättesaadavus, 4. kohaliku kogukonna suhtumine turistidesse, 5. üldine infrastruktuur ja turismiinfrastruktuur, 6. hinnatase, 7. ostmisvõimalused, 8. sportimis- ja lõõgastumisvõimalused. Neid tegureid saavad DMO-d oma tutvustada turundustegevuste kaudu. Tänapäeva digiajastul on tekkinud aga uued kommunikatsioonikanalid, mis samuti seda rolli täidavad. Sotsiaalmeediakanalites tehtud tegevustel on külastajate motiveerimisel määrav roll, sest see kujundab nende ettekujutlusi ja muudab otsustusprotsessi (Kim & Hardin, 2010; Mak,

12 ; Xiang & Gretzel, 2010). Turismisihtkoha fotod edastavad turistidele kuvandit, mis kujundavad nende sihtkohakuvandit (Stepchenkova & Zhan, 2013). Seega on sihtkohakuvandil turisti sihtkoha valikuprotsessis väga suur roll. Kuvand mõjutab oma olemuselt suhtumist, mida turistid turismisihtkoha kohta kujundavad, see aga mõjutab kokkuvõttes ostuotsuse tegemist (Lopez, 2011). Mayo (1973) ütleb, et sihtkohakuvand on võtmetegur, mille põhjal turist oma reisisihtkoha valib. Tugeva kuvandiga turismisihtkoht eristub oma konkurentidest paremini ning sihtkohta valiku tegemisel arvestatakse ja valitakse suurema tõenäosusega positiivsema kuvandiga sihtkoht (Lim & O'Cass, 2001). 1.2 Sihtkohakuvand Sihtkohakuvand (destination image) on olnud turismiuuringute keskmes mitmeid aastakümneid (Stepchenkova & Mills, 1993). Baud-Bovy ja Lawson (1977) defineerivad sihtkohakuvandit kui teadmiste, muljete, eelarvamuste, kujutluste ja emotsionaalsete mõtete väljendit, mis on inimesel mõnest kindlast asukohast. Assael (1984) kirjeldab seda kui sihtkoha üldmuljet, mis on moodustunud eri allikatest aja jooksul saadud teabe töötlemise põhjal. Tegelikkuses puudub mõistel siiani kontseptuaalne raamistik ja ühine arusaam, kuidas seda mõõta. Pike (2002) on teinud ülevaate ajavahemikus 1973 kuni 2000 avaldatud sihtkohakuvandi kirjandusest ning toonud 142 töö põhjal välja, et puudub ühine teooria, mis võiks erinevaid tunnusterohkeid mudeleid asendada. Mohan (2010) täiendab Pike i (2002) tõdemusega, et sihtkohakuvandi uuringutel puudub selge kontseptuaalne alus, eriti kuvandit ja selle kontsepte käsitlevates töödes. Seda illustreerib hästi tabel 1 definitsioonidest, mida sihtkohakuvandi uurijad selle kohta on läbi aegade kasutanud.

13 13 Tabel 1. Sihtkohakuvandi definitsioonid Uurija Sihtkohakuvandi definitsioon Gunn (1972) Sõltumatute allikate (sh varasemad sihtkohtade kogemused) ja väliste allikate (sh sihtkohareklaamide ja müügiedenduskampaaniate) põhjal tekkiv kujutlus Hunt (1975) Potentsiaalsete külastajate ettekujutused (perceptions) piirkonna kohta Lawson ja Baud-Bovy Üksikisiku teadmiste, muljete, eelarvamuste, ettekujutuste ja (1977) emotsionaalsete mõtete avaldis (expression) konkreetse objekti või koha kohta Crompton (1979) Veendumused, mõtted (ideas) ja muljed, mida inimene sihtkoha kohta omab Assael (1984) Üldmuljet, mis on moodustunud eri allikatest aja jooksul saadud teabe töötlemise põhjal Stringer (1984) Tunnetusliku või kontseptuaalse informatsiooni peegeldus või esitus (representation) Dichter (1985) Üleüldine mulje mõningase emotsionaalse sisuga Phelps (1986) Ettekujutused (perceptions) või muljed kohast Frigden (1987) Füüsiliselt jälgija ees mitte oleva objekti, isiku, koha või sündmuse esitus kujutluses Gartner ja Hunt (1987) Ahmed (1991) Valls (1992) Gartner (1993) Reilly (1990) Kotler (1994) Muljed, mis on inimesel (osa)riigist, kus ta ei ela Mida turistid ostjatena näevad ja tunnevad kui sihtkoht või selle vaatamisväärsused tulevad pähe kui kohad, mis sobivad vaba aja veetmiseks Tarbija ettekujutuste (perceptions) kogum Keeruline kombinatsioon mitmesugustest toodetest ja seotud täienditest Mitte üksikud tunnused (traits)... vaid olemuse loodud kogumulje Puhastulem (net result) isiku veendumustest, mõtetest (ideas), tunnetest, ootustest ja muljetest koha või objekti kohta Cooper et al. (1998) Individuaalsed või kollektiivsed mõtted (ideas) ja kontseptsioonid sihtkoha kohta Baloglu ja McLeary (1999) Üksikisiku kujutluses olevast teadmiste, tunnete ja tervikmulje esitusest koosnev suhtumuslik konstruktsioon (attitudinal construct) objektist või sihtkohast Tapachai ja Waryszak (2000) Bigné, Sánchez ja Sánchez (2001) Farias (2013) Vaimne prototüüp Turisti subjektiivne tõlgendus reaalsusest Keeruliste kujutluspiltide ja terviklike tunnete (total feelings) kogum, mis on potentsiaalsel turistil toote, koha või turismisihtkoha kohta

14 14 Mitmed eri valdkondade ja teadusharude uurijad nõustuvad aga selles osas, et kuvandi moodustavad suurel määral kaks otsustavat jõudu: stiimultegurid, sh teabeallikate tüüp ja valik (arv) ja varasem kogemus isiklikud tegurid, sh tajuja motivatsioon, väärtused ja sotsiaaldemograafilised tunnused. Baloglu ja McCleary (1999) on tõestanud, et kognitiivsetel ja afektiivsetel hinnangutel on otsene ning varasemal kogemusel kaudne mõju üldisele kuvandile, mis aitab sihtkohaturundajatel mõista, kuidas kuvand tekib ja mis on seda määravad tegurid. Valdkonnas teostatud tööde hulk viitab sellele, et sihtkohad peavad kuvandi arendamisega tegelema ning kuigi sihtkohakuvandi konstrukt on osutunud raskesti mõõdetavaks, on sihtkohaturundajatele olemas siiski hulk erinevaid tehnikaid, millega oma töö edukust mõõta (Pike, 2002; Milman & Pizam, 1995). Joonis 2. Sihtkohakuvandi moodustumise üldine raamistik (Baloglu & McCleary, 1999) Joonis 3. Turismisihtkoha kuvandi tegurite teekonnamudel enne tegelikku külastust (Baloglu & McCleary, 1999)

15 15 Käesoleva töö raames käsitleb autor sihtkohakuvandina Gunni (1972) definitsiooni, mis kirjeldab, et sihtkohakuvand koosneb kahest osast: 1. orgaanilised kujutluspildid (loodud üksikisiku varasemate sihtkohtade kogemuste ja sõltumatute infoallikate, nt uudiste, artiklite ja filmide põhjal), 2. põhjustatud kujutluspildid (loodud välistest allikatest saadud info põhjal, sh sihtkoha turundus- ja müügiedenduskampaaniad). Hunter (2016) täiendab, et sihtkohakuvand on mitmemõõtmeline kontsept, mis koosneb kolmest komponendist: 1. sihtkoha kujutluspiltidest või kogu turismimaastikust, 2. visandatud sihtkohakuvandist (sihtkohaturunduse kampaaniad), 3. tajutud sihtkohakuvandist (turunduse ja külastaja tegeliku sihtkohakogemuse koosmõju) Sihtkohakuvand internetis Mak (2017) loob Gunni (1972) ja Hunteri (2016) definitsioonidele tuginevad internetikesksed definitsioonid ning kirjeldab: 1. tajutud online-sihtkohakuvandit (perceived online destination image) kui üksikute pilditunnuste summat, mis moodustab turismikogemuse, mis avaldub internetis olevas turisti loodud sisus; 2. visandatud online-sihtkohakuvandit (projected online destination image) kui üksikute pilditunnuste täielikku kogumit, mida DMO internetis edastab. Foto koosneb kahest põhilisest osast sisust ja kompositsioonist, kus sisu all mõistetakse fotol jäädvustatud välisilmeid (appearances) või märke (signs) oma terviklikkuses (Stepchenkova & Zhan, 2013). Et mõista online-sihtkohakuvandi komponentide paigutust kuvandi kujundamise kontekstis ning luua eeldus fotodel kuvatud sisu põhjal uurimiseks, tuleb kasutada Priimägi (2010) imidžikujunduse teooriat, mis kirjeldab, et kujund on kontsepti märgiline tähistuskuju, mis võib olla tekkinud iseeneslikult ehk spontaanselt (kujund); või teadlikult ehk sihipäraselt (kuvand). Märk omakorda koosneb kolmest osisest: tähistusest (joonistus, foto, kiri), tähistatust ja tähendusest, mis on seos kahe eelneva vahel. (Priimägi, 2010) Eeltoodu põhjal konstrueerib töö autor onlinesihtkohakuvandi struktuuri, et illustreerida eri osade paigutust selles.

16 16 Joonis 4. Online-sihtkohakuvandi struktuur (autori joonis) Mak (2017) toob välja, et online-sihtkohakuvand on oma mõjukuselt üha olulisem asi, millega tuleb arvestada. See on turistide käitumise, turismisihtkoha valimise ja suusõnalise teabe levimise oluline tegur ning mõjutab turismisihtkoha mainet ja edukust (Mak, 2017). Turismisihtkoha fotod edastavad turistidele kuvandit, mis nende meeltes olevat sihtkohakuvandit kujundavad ja taaskujundavad. Kasutajate tehtud pildid äratavad teiste, potentsiaalse turistide tähelepanu ning kujundavad ja muudavad olemasolevate fotode kõrval seda, kuidas turistid turismisihtkohta tajuvad. (Stepchenkova & Zhan, 2013) Kuvandi loomisel on visuaalses kommunikatsioonis oluline edastatav kontsept, mis on tähistust ja tähistatut ühendav osis, mis kokku moodustavad märgi (Brand Estonia, 2017; Priimägi, 2010). Autoril on tajutud ja kuvandatud online-sihtkohakuvandi uurimiseks ligipääsetav tähistus ehk sotsiaalmeedia fotodel kujutatud märgikandjad. Täpsemalt uuritakse Instagrami #visitestonia fotosid tajutud online-sihtkohakuvandi tähistuste leidmiseks fotosid visandatud online-sihtkohakuvandi leidmiseks (joonis 5). Järgnevas peatükis tehaksegi ülevaade töö uurimisobjektist ehk sotsiaalmeedia sisust.

17 17 Joonis 5. #visitestonia fotode asetus online-sihtkohakuvandi struktuuris (autori joonis) 1.3 Sotsiaalmeedia sisu Kui aastani oli internet eelkõige levikanal, kust inimesed said otsida informatsiooni või osta tooteid (lugemiskeskkond), siis sealt edasi hakkas interneti olemus muutuma palju interaktiivsemaks, osaluspõhisemaks ja dünaamilisemaks (lugemis- ja kirjutamiskeskkond) seda nihet peetakse Web 1.0 üleminekut Web 2.0-le. Spetsialistide ja veebidisainerite kõrval said hakata kõik internetti sisu looma ning tarbida seda lisaks arvutitele ka nutitelefonides ja tahvelarvutites (O'Reilly, 2005). Beer ja Burrows (2007) märgivad, et Web 2.0 veebilehed ja teenused keskenduvad paljudelt paljudele avaldamisele, sotsiaalsele suhtlusele ning rikkalikumale ja kontekstipõhisemale informatsioonile milleks on sotsiaalvõrgustikud nagu Facebook ja Twitter ning foto- ja videojagamislehed nagu Flickr ja YouTube, hiljem ka Instagram Kasutaja loodud sisu Kasutaja loodud sisu (user-generated content ehk UGC) on mõistena eksisteerinud pikka aega enne Web 2.0 tulekut, kuid aastal toimunud tehnoloogiliste (laiem internetiühenduse saadavus, paranenud riistvaraline võimekus), majanduslike (sisu loomiseks vajalike vahendite parem kättesaadavus) ja sotsiaalsete (nii-öelda digitaalse

18 18 põlvkonna pealekasv) tegurite toel on selle tähendus hakanud laiemalt levima kui midagi, mis kirjeldab kõikvõimalikke meediavorme, mis on inimese kui lõpptarbija loodud ning avalikult kättesaadav. Selline paradigma muutus tuli muuhulgas esile ka aastal kui ajakirja TIME Aasta inimeseks valiti esmakordselt mitte konkreetse isik, vaid sina ehk tavaline internetikasutaja (Grossman, 2006). Kaplan ja Haenlein (2010) kirjeldavad, et Majanduskoostöö ja Arengu Organisatsiooni (OECD) jaoks on tegemist UGC-ga vaid siis, kui on täidetud kolm põhitingimust: 1. see on avaldatud kas kõigile ligipääsetaval veebilehel või suhtlusvõrgustikus, millele on juurdepääs teatud hulgal inimestel (välistab e-kirjad ja reaalajas vahetatud sõnumid); 2. see peab näitama teatud loomingulist pingutust (välistab korduva ja muutmata sisu); 3. see ei ole loodud ametialase tegevuse tulemusel (välistab kogu sisu, mis on loodud kaubanduslikul eesmärgil). (Kaplan & Haenlein, 2010) Mak (2017) toob UGC erivormina välja turisti loodud sisu (tourist-generated content ehk TGC) ehk reisiteemalise sisu, mille on turistid loonud ja internetti üles laadinud. Kuna kasutaja loodud sisu sisaldab vabalt väljendatud arvamusi, on enamasti värske, informatiivne, detailiderohke ja relevantne, on see ka heaks informatsiooniallikaks DMOdele jt sidusrühmadele. (Marine-Roig & Clave, 2015; Gretzel & Yoo, 2008) Aina rohkem peetakse TGC-d turistile asendamatuks veebipõhise reisiinfo allikaks ja sihtkoha internetis tajutud kuvandi oluliseks komponendiks. (Mak, 2017; Sun, Ryan, & Pan, 2014; Xiang & Gretzel, 2010). Bazaar Voice i (2012) uuringu kohaselt usaldab 85% Y-generatsioonist ehk inimestest, kelle sünniaastad on vahemikus ning kes on ühtlasi ka suurim tarbijarühm, oma ostuotsuste tegemisel UGC-d. Seetõttu peetakse UGC-d suusõnalise turunduse elektrooniliseks vormiks, millel on suur mõju ostuotsuste tegemisele (electronic word-of-mouth ehk ewom) (Kim & Hardin, 2010) Instagram Instagram on aasta 8. oktoobril Apple i App Store is avaldatud mobiilirakendus, mille kaudu on võimalik teiste kasutajatega jagada mobiiltelefoniga tehtud pilte

19 19 aastal lisandus rakenduse funktsioonide hulka postitustele hashtagide (teemaviide) lisamine ja nende kaudu teiste sama teemaga postituste otsimine. (Instagram, 2010, 2011) Teemaviide on # märgist ja sõnast koosnev viide, mis ühendab sama teema kohta käivaid sõnumeid (Eesti Keele Instituut, kuupäev puudub). Instagram (2011) kirjeldab, et koheselt hakati seda võimalust kasutama eri ettevõtete ja heategevuslike organisatsioonide kampaaniates. Rebase (2017) hinnangul on teemaviide vahend sisu koordineerimiseks, sest see viib soovitud asjakohase sisuni. Algselt piltidele visuaalse filtri lisamise funktsionaalsuse pakkujana on Instagramist saanud tänaseks ülemaailmse kogukonnaga mobiili- ja veebikeskkond, millel on üle 700 miljoni kasutaja, mis moodustab 20% kogu maailma internetikasutajatest. Igapäevaselt kasutab Instagrami 400 miljonit inimest, lisatakse üle 95 miljoni foto ja video ning like itakse 4,2 miljardit korda. Kokku on Instagrami üles laetud üle 40 miljardi foto. (Instagram, 2011, 2016; Omnicore Agency, 2017) Võrreldes teiste sotsiaalmeedia keskkondadega on Instagrami postitustel kõige suurem kaasatus (engagement), st inimesed reageerivad piltidele või videotele keskmiselt 84 korda rohkem kui Twitteris, 54 korda rohkem kui Pinterestis ja 10 korda rohkem kui Facebookis. (York, 2017) Visit Estonia Visit Estonia (VE) on Eesti kui turismisihtkoha arenduse ja turundusega tegeleva TAK-i kaubamärk, mis oli algselt välisturgudele suunatud veebilehe/infosüsteemi nimi ning mida kasutatakse nüüd ka kogu TAK-i sünonüümina laiemalt, sh turundustegevustes ja sotsiaalmeedias. Instagramis tegutseb VE aktiivselt aastast, kontole hakati tegema postitusi, mida on aasta 16. aprilli seisuga Kontot haldab TAK-i digitaalturunduse spetsialist Shardee Rebas, kes avaldab seal fotosid ja videoid, mis vastavad tema hinnangul Eesti kui turismisihtkoha kuvandile ja annavad edasi Eesti brändi Instagrami konto kui turunduskommunikatsioonikanali eesmärk on inspireerida kohalikke ja välismaalasi uute kohtade leidmisel ning luua Eestist selline kujutluspilt, milline tahaks turismi seisukohast olla. (Rebas, 2017) Rebas hindab, et konto sisust on UGC, millest omakorda 80% on leitud #visitestonia teemaviite abil. #visitestonia on algselt VE käivitatud teemaviide, mida hakati

20 20 teadlikult regulaarselt kasutama ja ka teistes turunduskanalites levitama, et seda populariseerida. Tänaseks on #visitestonia Rebase arvates üks kasutatavamaid hashtage Eestis, mida on aasta 16. aprilli seisuga kasutatud postituses pildi või video märgistamiseks. (Rebas, 2017; Instagram, kuupäev puudub) Võttes saadud informatsiooni arvesse, täiendab autor varasemalt esitatud onlinesihtkohakuvandi struktuuri (joonis 6), mille võtab aluseks töö empiirilises osas kirjeldatud uuringus. Järgnevalt kirjeldatakse töös kasutatavat uurimismeetodit, mille abil seejärel analüüsitakse Instagrami #visitestonia teemaviitega postituste fotosid konto postituste fotosid, et selgitada välja vastavalt tajutud online-sihtkohakuvandi ja visandatud online-sihtkohakuvandi tähistused. Joonis 6. #visitestonia fotode asetus online-sihtkohakuvandi struktuuris (autori joonis)

21 21 EMPIIRILINE OSA Järgnevas peatükis loetletakse uurimiseesmärk, -probleem ja küsimused, kirjeldatakse kasutatud metoodikat ning andmestike koostamise põhjuseid. Samuti antakse ülevaade uuringu läbiviimisest ning esitatakse saadud tulemused. 1.4 Uurimiseesmärk, -probleem ja -küsimused Käesoleva uurimuse eesmärk on hinnata senise välissihtturgudele suunatud visuaalse kommunikatsioonisisu vastavust uue Eesti brändi turunduskontseptsioonis sõnastatud Eesti kui turismisihtkoha väärtustega; samuti seda, mida on külastajad Eestis jäädvustamisväärseks pidanud. Kuvandi loomisel on visuaalses kommunikatsioonis oluline edastatav kontsept, mis on tähistust ja tähistatut ühendav osis, mis kokku moodustavad märgi (Brand Estonia, 2017; Priimägi, 2010). Probleemi lahendamiseks püstitatakse kolm uurimisküsimist: 1. Millised on Eesti tajutud ja visandatud online-sihtkohakuvandi peamised tähistused? 2. Kas tajutud online-sihtkohakuvandi tähistused vastavad uue Eesti brändi kuvandi väärtustele? 3. Kas visandatud online-sihtkohakuvandi tähistused vastavad uue Eesti brändi kuvandi väärtustele? Töö uurimisobjekti sisuks on Eesti kui turismisihtkoha ametlikul Instagrami avaldatud postituste fotod ning #visitestonia teemaviitega märgistatud postituste fotod. Täpsemalt uuritakse #visitestonia fotosid Eesti tajutud onlinesihtkohakuvandi tähistuste leidmiseks fotosid Eesti visandatud onlinesihtkohakuvandi leidmiseks. Instagram valiti põhjusel, et see on üks suuremaid visuaalse UGC allikatest ning prioriteetseim sotsiaalmeediakanal Eesti kui turismisihtkoha turunduskommunikatsioonis.

22 22 Töö eesmärkide saavutamiseks seadis autor järgmised ülesanded: 1. analüüsida sügavõppe meetodit kasutades Instagrami #visitestonia teemaviitega konto postituste fotosid, 2. luua nende põhjal kaks andmestikku: a. #visitestonia andmestik, mis sisaldab Instagrami #visitestonia teemaviitega postituste fotode metaandmeid, sh tähistusi andmestik, mis sisaldab konto postituste fotode metaandmeid, sh tähistusi 3. võrrelda kahe andmestiku fotosid ja nende tähistusi omavahel ja BE väärtustega. 1.5 Andmekaeve tehnilise lahenduse valik Andmed on kui maailma kategooriatesse, meetmetesse jt esinduslikesse vormidesse (numbritesse, märkidesse, sümbolitesse, piltidesse, bittidesse) üldistamisel toodetud toormaterjal klotsid, mille abil luuakse informatsioon ja teadmised. Olles peamiseks sisendiks maailmas toimuva mõistmisel ning läbi innovatsiooni, uute toodete, poliitikate ja teadmiste kujundamise inimeste elu mõjutamisel, on andmetel kõrge väärtus ja laiad kasutusvõimalused. (Kitchin, 2014) Suur osa sotsiaalteaduslikest uuringutest hõlmab sõltuvate muutujate (faktid, mida teooria kirjeldab) ja sõltumatute muutujate (andmed, mille põhjal teooriat luuakse) vaheliste loogiliste suhete uurimist. Seega on andmete jälgimine ja kogumine aluseks teooriate väljatöötamisel ning arvutuslik sotsiaalteadus (suurjõudlusega andmetöötlus, suured andmesalvestussüsteemid ja vastav tarkvara) muutunud sotsioloogidele asendamatuks töövahendiks. (Floridi, 2008) Turismivaldkonna UGC ehk varasemalt eelkõige reisikirjade levinumad uurimismeetodid on olnud sisuanalüüs (nii kvalitatiivne kui kvantitatiivne) ja narratiivne analüüs (Banyai & Glover, 2011). Selliste analüüside teostamisvaldkondi on mitmeid: teeninduskvaliteedi hindamine, sihtkoha maine ja kuvandi mõõtmine, UGC kui veebipõhised arvustused (ewom), kogemused ja käitumine, liikumismustrid (Lu & Stepchenkova, 2014). UGC andmete maht on aga viimastel aastatel eksponentsiaalselt nii suureks kasvanud, et selle töötlemine eeldab suurandmetele (big data) sobilike tehisintellekti tehnoloogiate kasutamist (Marine-Roig & Clave, 2015). Tehisintellekt (artificial intelligence) on

23 23 mõistena eksisteerinud aastatest kui inimintelligentsuse masinate abil simuleerimine, aastatel tekkis sellele alaharu masinõpe (machine learning). Joonis 7. Tehisintellekti, masinõppe ja sügavõppe areng ajajoonel (NVIDIA, 2016) Masinõpe on arvutiteaduse haru, mis annab arvutitele õppimisvõime ilma neid otseselt selleks programmeerimata (Pungas, 2017). Selle alla kuulub ka aastatel levima hakanud sügavõpe (deep learning), mis on masinõppe algoritmide/mudelite klass sügavates neurovõrkudes (deep neural network) õppimiseks (Wikipedia, kuupäev puudub). Sügavõpet hinnatakse kõigi masinõppe lähenemiste hulgas parimaks käekirjatuvastuses, piltidelt objektide tuvastuses, piltide kirjeldamises, kõnetuvastuses ja tekstianalüüsis (Pungas, 2017). Samas tuleb arvestada sellega, et tänased sügavõppelahendused näitavad võrreldes inimtuvastusega veel suhteliselt nõrki tulemusi (tabel 2), on liiga üldsõnalised ning ei suuda tuvastada fotode sotsiaalset väärtust ega tähendust, mida üleslaadija on fotole mõtteliselt kaasa andnud (Bechmann, 2017). Tabel 2. Manuaalse kodeerimise ja sügavõppetarkvarade fotode sisutuvastuse täpsus Manuaalne kodeerimine Clarifai Google Vision Inception-v3 100%, vahekodeerija usaldusväärtus 96% 36% 27% 25% Uurimine algas otsingutega leida masinõppetarkvara (eelistatult veebipõhine), mis analüüsiks Instagramist pärit pilte ja tuvastaks nende sisu. Selleks teostati Google otsimootoris otsingud märksõnadega instagram visual analysis ja instagram machine learning. Kuna saadud vastete hulgast ei leitud ühegi sobiva tarkvara kohta informatsiooni, otsustati jagada otsimisprotsess kaheks:

24 24 1. leida veebikraapimiseks (web scraping) ehk veebist andmete kogumiseks sobilik lahendus või tarkvara, mis võimaldab koguda kontolt ning #visitestonia teemaviite alt kokku kõikide pildifailide URL-id ning eksportida need andmetöötluseks sobivasse CSV-faili; 2. leida automaatse pildituvastuse lahendus või tarkvara, mille abil analüüsida CSVfailis olevatel piltidel kuvatud objekte/märksõnu. Veebikraapimine on andmete automatiseeritud eraldamise viis, kus tarkvara eraldab veebist inimloetavaid andmeid (Wikipedia, kuupäev puudub). Selleks sobiva tarkvara leidmiseks teostati Google otsimootoris otsing märksõnaga instagram hashtag export ja instagram hashtag csv, mis andis tulemuseks Picodash 1 lahenduse. Picodash on rohkete võimalustega Instagrami otsimootor, mis on mõeldud eelkõige ettevõtete turundusspetsialistidele, turundusagentuuridele ja ajakirjanikele asukoha-, teemaviite- või kasutajapõhise sisu leidmiseks (Picodash, kuupäev puudub). Veebileht pakub ühe võimalusena Instagramist metaandmete tabelisse eksportimist, mida kõikide postituste ning kõikide #visitestonia teemaviitega märgistatud postituste andmete eksportimiseks, sh postituse ID, URL, avaldamiskuupäev, kirjeldus, kommentaaride ja like ide arv, pildifaili URL, asukohaandmed (ID, nimi, laius- ja pikkuskraad). Sellises mahus andmete eksportimine oli tasuline ning maksis 35 USA dollarit. Väljundina saadi üks CSV-fail 1552 andmereaga ning seitse CSV-faili kokku andmereaga (andmestik #visitestonia, tabel 3). Igal real on ühe postituse metaandmed. Tabel 3. Metaandmetega andmestike ridade arv Andmestiku nimi: Andmeridade arv: Automaatse pildituvastuseks sobiva tarkvara leidmiseks teostati Google otsimootoris otsingud märksõnadega image recognition, image recognition software, image content analysis ning visual recognition. Tarkvara leidmisel seati valiku tegemise kriteeriumiks selle veebipõhise kasutajaliidese olemasolu, mis võimaldaks andmete sisendit anda -failina ja mille tulemuste väljund oleks samuti CSV-faili eksporditav. Eelnimetatud märksõnade põhjal leiti kaks tarkvara, millel on küll veebiliides, kuid mis ei vasta CSV-faili sisendi ja 1

25 25 väljundi võimaluse kriteeriumile. Seega loobuti senistest kriteeriumitest ning laiendati otsinguid rakendusliideste leidmiseks. Rakendusliides (Application Programming Interface ehk API) on reeglistik olemasoleva programmiga suhtlemiseks, mis võimaldab programmeerijatel kirjutada programmi funktsionaalsust täiendavaid või laiendavaid lisaja abiprogramme. Seetõttu teostati Google otsimootoris uued otsingud märksõnadega image recognition api, image content analysis api, visual recognition api. Otsingute tulemusel leiti 9 kriteeriumitele vastavat tarkvara, mille kohta sisestati info eri näitajaid võrdlevasse tabelisse. Kuna leitud lahendused on võrreldavatelt omaduselt sarnased, otsustati valiku tegemiseks võrrelda tarkvarade visuaalse tuvastuse mudelite täpsust. Selleks on näidispildina kasutatud 16. aprill 2017 seisuga Visit Estonia Instagrami kontole viimati lisatud fotot fookuses olevast okaspuust (pilt 1). Täpsuse hindamisel vaadati prognoositavate tähistuste ehk märksõnade vastavust pildi sisule ning võrdlustabelisse kanti puu või muu samaväärse esmase märksõna tõenäosuse määr (tabel 4). Pilt postituse pilt Instagramis (Instagram)

26 26 Tabel 4. Pildituvastuse API-teenuste võrdlus Nimi Veebiliidese olemasolu Andmete eksport CSV-sse Teenuse tüüp Mudeli prognoosi tõenäosuse määr Amazon ei ei API tamm (0.751) Rekognition 2 Clarifai 3 jah ei API puu (0.996) CloudSight 4 ei ei API roheliste lehtedega puu (-) Google Cloud ei ei API puu (95%) Vision API 5 Imagga 6 ei ei API puu (10.46%) Microsoft Computer Vision API 7 ei ei API puu (0.4148) Scale API 8 ei ei API demo puudub Vize.it 9 jah ei API demo puudub Kõige täpsema mudeliga lahendusteks ja töös kasutatavaks tarkvaraks osutus Clarifai, mis tuvastas pildilt puu tõenäosusega. Clarifai on New Yorgi Ülikooli arvutiteaduste doktor Matthew D. Zileri sügavõppe teadustöö põhjal loodud ettevõte, mille eesmärk on tuua suuremahuline sügavõpe igapäevakasutusse. Clarifai kirjeldab oma lahenduse tööprotsessi lihtsustatult järgmiselt: 1. sisend pilt saadetakse Clarifai API-sse 2. analüüs Clarifai visuaalse tuvastuse mudel menetleb saadud pilti 3. ennustus Clarifai API tagastab pildil oleva kohta oma prognoosid 4. haldus uusi metaandmeid saab kasutada pildi organiseerimiseks ja kureerimiseks Joonis 8. Clarifai tööprotsess (Clarifai)

27 27 Clarifai on sügavõppel põhinev lahendus, mis kasutab piltide klassifitseerimiseks sügavat konvolutsioonilist närvivõrku (Convnet), mis piirab õpitavate tunnuste ruumilist ulatust ja mitmekesisust. Võrk õpib eristama identseid tunnuseid üle terve kujutise ja omandab sellega mingisuguse äratundmise invariantsuse asukoha suhtes. (Põder, 2014; Clarifai) Tunnuseid tuvastava ja eraldava võrgu erinevad närvivõrgukihid filtreerivad erinevaid mustreid. Esimene kiht keskendub värvimustritele, teine suudab tuvastada nahatoone ja viies kiht suudab tuvastada, kas pildil on koer või autorool. Iga järgmise kihiga muutub õppija aina enam spetsiifilisemaks. (de Torrenté, 2016) Joonis 9. Konvolutsioonilise närvivõrgu tööprotsess. (Clarifai) Analüüsi sisendiks (input) on pildifail, mida saab Clarifai API-le edastada URL-i või lokaalse failina. Clarifai kirjeldab, et analüüsimudeli väljundiks on kontsept, mis esindab mingit klassi, mida piltidega seostada. Selleks võib olla konkreetne (koer, kass) või abstraktne (armastus) kontsept. Priimägi (2010) defineerib, et kontsept on tähistust ja tähistatut ühendav osis, mis kokku moodustavad märgi. Töö käigus läbi viidud masinanalüüsi tulemused näitavad, et Clarifai väljund ei kanna ise tähendust, vaid on fotol oleva märgi välise kuju kirjeldus ehk tähistus. See ei ole aga ise märk, sest samad või sarnased märgikandjad võivad erinevates situatsioonides erinevaid asju tähendada. Seega käsitletakse Clarifai masinanalüüsi väljundit käesolevas töös kui tähistust. (Priimägi, 2010; Clarifai, kuupäev puudub) Analüüsimudel on masinõppe algoritm, mis võtab sisendi (pildifaili) ja väljastab selle kohta ennustuse. Ennustus koosneb tähistute hulgast ning iga tähistuse kohta antakse kaasa selle tõenäosuse määr (0-1). Tabel 5 põhjal saab järeldada, et süsteem piirab väljastatavate ennustuste hulka keskmiselt 20 tähistusele. Käesolevas uurimuses kasutatakse Clarifai loodud visuaalse tuvastuse mudelit nimega General-v1.3, mis suudab tuvastada üle erineva designaadi. (Clarifai, kuupäev puudub)

28 28 Clarifai pakub oma kasutajatele igas kuus kuni 5000 tasuta tegevust (üleslaadimine, prognoosimine, otsimine, väljaõpetamine), selle ületamisel muutuvad tegevused tasuliseks (Clarifai, kuupäev puudub). Seetõttu võeti ettevõttega ühendust, et tutvustada teostamisel olevat uurimust ja paluda Clarifai Collaborators programmi raames suurendada kasutatava konto tasuta mahtu sellisel määral, et oleks võimalik mõlemat andmestikku täismahus analüüsida. Pärast mõningast kirjavahetust andis Clarifai selleks nõusoleku ning töö jätkus andmestike üleslaadimise ja prognoosimisega. Clarifaisse algandmete saatmiseks ja prognooside saamiseks kasutati programmeerija abi, kes kasutas Clarifai API Java Client teeki. Saadud andmete analüüsimiseks kasutati Microsoft Excel ja IBM SSPS tarkvaralahendusi ning Clarifai Preview visuaalset veebiliidest. Clarifaisse saadeti kokku postituse andmed, vastu saadi kokku prognoosi ehk tähistust (tabel 5). Masinanalüüs võttis aega 17 tundi ja 53 minutit, paralleelselt toimis kaks protsessi, mis teeb ühe foto analüüsimise ajaks keskmiselt 34 sekundit. Tabel 5. Sügavõppe meetodiga töödeldud andmete statistika Andmestiku nimi: Clarifaisse saadetud andmeridade arv: Clarifaist saadud tähistuste arv kokku: Unikaalsete tähistuste arv: Keskmine tähistuste arv pildifaili kohta: 19,86 20 Ühe tähistuse keskmine esinemiste arv: 482,87 84,21

29 Sügavõppe tulemused Clarifai tarkvara abil saadud andmed kantakse tabelisse, mõlemad andmestiku kohta on üks tabel. Mõlemas tabelis arvutatakse kokku unikaalsete tähistuste esinemiskordade arv ning tabel sorteeritakse tähistuste esinemiskordade järgi. Kuna andmete maht on väga suur ning selle statistiline analüüs vajab rohkelt arvutiressurssi, piiratakse tulemuste vaatlust käesoleva töö raames TOP 10 tähistustele. #visitestonia andmestikus, mis esindab kontrollimata UGC-d ehk Eesti tajutud onlinesihtkohakuvandit, on enim esinev tähistus pole inimesi (tabel 6). Teised peamised tähistused on seotud looduse (väljas, taevas, maastik, loodus, vesi) ning linnaruumiga (arhitektuur, hoone, linn). Top 10-s esinenud loodusega seotud tähistused moodustasid 10,8% kõikidest esinemiskordadest, linnaruumiga seotud tähistused 4,9%. Eesti visandatud online-sihtkohakuvandi ehk kureeritud andmestikus on enim esinevad tähistused reisimine ja väljas (tabel 7). Peamised tähistused on seotud loodusega (väljas, taevas, maastik, loodus, vesi, suvi, puu), mis moodustasid 16,5% kõikidest esinemiskordadest. Top 10-s esinesid ka pole inimesi (2,8%) ning inimesed (1,9%). Tabel enamlevinud tähistust #visitestonia andmestikus Jrk Tähistus Esinemiskordi Esinemissagedus (%) Prognoosi tõenäosuse mediaan 1 pole inimesi , väljas , reisimine , taevas , maastik , loodus , arhitektuur , hoone , vesi , linn ,

30 30 Tabel enamlevinud andmestikus Jrk Tähistus Esinemiskordi Esinemissagedus (%) Prognoosi tõenäosuse mediaan 1 reisimine , väljas , pole inimesi 854 2, taevas 844 2, maastik 768 2, loodus 761 2, vesi 707 2, inimesed 582 1, suvi 537 1, puu 475 1, Andmestike vahel tähistusi võrreldes on näha, et suur osa enim esinenud tähistustest esinevad mõlemas andmestikus (tabel 8). Suurematest erinevustest paistab silma see, et pole inimesi tähistust esineb oluliselt rohkem kontrollimata UGC-s. Kureeritud puhul paistab silma suurem loodusega seotud tähistuste arv. See toetab Rebase (2017) esitatud sihtrühmast, mis on aastane loodusreisihuviline, ning põhjendab vähese kultuuri ja linnaruumi sisu (kultuurist pole häid pilte, Tallinn teeb ise head turundust, teistel linnadel on head sisu vähe). Tabel enamlevinud tähistuse võrdlus #visitestonia andmestike vahel Jrk Tähistus Esinemissagedus andmestikus (%) Erinevus 1 pole inimesi 3,6 2,8 0,8 2 väljas 3,0 3,3 +0,3 3 reisimine 2,8 3,3 +0,5 4 taevas 2,2 2,7 +0,5 5 maastik 2,1 2,5 +0,4 6 loodus 1,9 2,5 +0,6 7 arhitektuur 1,8 1,5 0,3 8 hoone 1,6 1,3 0,3 9 vesi 1,6 2,3 +0,7 10 linn 1,5 1,4 0,1 Sügavõppe vaatenurgast Eesti kõige tüüpilisema representatsiooni leidmiseks võttis autor ette mõlema andmestiku 10 enamlevinud sageduse tähistust ning igast tähistusest omakorda kõige suurema prognoosi tõenäosusega foto.

31 31 Tabel 9. Eestit enim representeerivad fotod #visitestonia andmestikus Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 1 pole inimesi 3, Representeerivaim foto 2 väljas 3, reisimine 2,

32 32 Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 4 taevas 2, Representeerivaim foto 5 maastik 2, loodus 1,

33 33 Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 7 arhitektuur 1, Representeerivaim foto 8 hoone 1, vesi 1,

34 34 Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 10 linn 1, Representeerivaim foto Tabel 10. Eestit enim representeerivad andmestikus Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 1 reisimine 3, Representeerivaim foto

35 35 Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 2 väljas 3, Representeerivaim foto 3 pole inimesi 2, taevas 2,

36 36 Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 5 maastik 2, Representeerivaim foto 6 loodus 2, vesi 2,

37 37 Tähistus Esinemissagedus (%) Foto prognoosi tõenäosuse mediaan 8 inimesed 1, Representeerivaim foto 9 suvi 1, puu 1,

38 38 Järgnevalt analüüsitakse tulemuste vastavust Eesti brändi kuvandile. Brand Estonia (BE) on ametlik Eesti turunduskontseptsioon, mis loodi EAS-i tellimusel esmakordselt aastal eesmärgiga tutvustada Eesti Vabariiki mujal maailmas (Ettevõtluse Arendamise Sihtasutus, 2012) aastal alustas EAS-i kokku kutsutud Eesti Disainimeeskond BE uuendamisega ning aastal avaldati Eestit üldtutvustav veebileht ja kuvandiloome juhend. BE kohaselt on Eesti tutvustamise juures üheks olulisemaks visuaalse kommunikatsiooni osaks fotokeel ja seetõttu on oluline, et see vastaks brändi kuvandile. Oma kuvandiloome juhendis soovitab BE kasutada Eesti fotokeelena kindlaid teemasid, mis toetavad soovitud kuvandi loomist. (Brand Estonia, 2017; Eesti Disainimeeskond, 2017) Tabel 11. Representeerivaimate fotode võrdlus Tajutud online-sihtkohakuvand Visandatud online-sihtkohakuvand Eesti brändi fotokeele kuvand (Brand Estonia, 2017)