對于大多數創業者來說，籌集資金是實現其發展雄心并取得成功的關鍵。說服投資者為初創企業提供資金可能會很困難，因為存在一定信息差。
 
投資者雖然掌握更多行業知識與運作邏輯，但往往只有創業者本人更了解自己的創業動機、目標市場與發展規劃。因此，投資者部分依賴創業者提供的信息來減少這種不對等的信息差。這些信息包括創業者的具體行動如投入個人財富，也包括創業者表現出的某些情緒如解決問題的激情或喜悅，這都能幫助他們說服投資者進行投資。
 
本文研究中Daan Dinkla與其團隊使用不同背景下的學生創業者和專業投資者樣本，復制了過往研究結果，并使用 FaceReader 研究了情緒效應背后的機制。
 
情感體驗的高峰時刻
與 Jiang 等人（2019）的研究一樣，Dinkla研究了積極情緒的特定時刻，即峰值強度。那么，為什么是峰值強度？
 
在對事件進行回顧性評估和總結時，并非每個時刻都同樣重要。事實表明，人們最依賴的是事件中體驗到的情緒的峰值時刻。
 
情緒感染是指人們自動模仿并隨后“捕捉”與之互動的其他人的情緒的過程。投資者被認為會在創業者所表現出的情緒達到頂峰時，被其情緒感染而達到同樣的情緒狀態。因此，人們認為創業者會用自己的情緒感染受眾。Jiang 等人（2019）的研究表明，快樂情緒的峰值強度與創業者的融資額之間存在正相關關系。
 
然而，在當代創業研究中，情緒感染過程仍是一個黑箱。人們假定情緒感染會在推介過程中發生，但沒有任何研究能真正驗證情緒感染是否真正發生�；�于此，本研究首次評估了表達快樂對推介成功的影響以及其潛在機制。  
投資者受到的情緒感染
因此，研究者關注了情緒感染過程的第一步，即情緒模仿。
 
他們特別測試了在創業者表現出的快樂強度達到峰值后，投資者表現出的快樂水平是否也會立即超過一定的顯著水平。這將會表明，投資者確實在模仿創業者表現出的快樂情緒，即這種模仿有可能導致情緒感染。
 
 
使用FaceReader記錄分析推介時的面部表情
研究中如何測量情緒？
 
實驗研究要求學生創業者們在一次演講比賽中，面對三位專業投資人提出了自己的創業想法。為了衡量演講成功與否，投資人被要求說明他們對學生所演講的初創企業的投資意愿。在演講過程中，對學生和投資者進行錄像。他們的面部表情由諾達思的面部表情分析系統（FaceReader）進行記錄分析。
 
FaceReader是經過科學驗證的自動面部識別軟件，其準確性與人類編碼員相似甚至更高（Lewinski, den Uyl & Butler, 2014）。軟件基于面部動作編碼系統（FACS）和深度學習算法，能夠分辨面部表情中的六種基本情緒：快樂、悲傷、憤怒、驚訝、害怕、厭惡，以及中性狀態。
 
主要通過識別面部表情中的面部動作單元（AU）來劃分情緒。這些動作單元是視覺上可分辨的最小面部動作，其中一些動作單元的組合能夠表明某種情緒的表達。例如“快樂”的特征是兩個動作單元的組合：嘴角上揚和臉頰上揚。研究借助FaceReader能夠將每段視頻中每一幀的面部肌肉運動自動歸類為情緒。  
情緒模仿會帶來投資嗎？
那么，表現快樂情緒會產生哪些影響呢？
 
研究者發現，情緒模仿的發生與高峰時刻的快樂情緒有關。創業者表現出越強烈的快樂情緒，情緒模仿就越有可能發生。然而，這種模仿并不會影響投資意愿。投資者模仿創業者的情緒與他們的投資意愿之間沒有顯著關系。
 
對這一結果的可能解釋是投資者在做出投資決定時，能夠消除自己的情緒狀態，而主要關注推介的其他更具體的方面�；蛘�，投資者會在潛意識中模仿創業者，但這種模仿并不會導致情緒感染。過往研究也表明，模仿并不總是導致情緒感染。
 
情緒在決策過程中的影響
本研究結果也表明，創業者表現出的快樂會對投資者的投資意愿產生負面影響。有趣的是，這與 Jiang 等人（2019）的研究結果正好相反，即表達快樂對創業者籌集的資金額有積極影響。
 
造成不同結果的原因可能是什么？
 
這兩項研究之間存在一些差異。主要差異是本研究主要研究的是學生向專業投資人推介，而 Jiang 等人研究的是非現場的推介視頻。不同類型的受眾（專業受眾與大部分消費者）在決策過程中依賴情緒或受情緒影響的程度可能存在差異。因此，關于在推介過程中表達情緒所會產生何種效果依舊沒有定論。未來研究或許可以更詳細地確定情緒何時以及如何影響推介結果。
 
 
參考文獻
Jiang, L., Yin, D., & Liu, D. (2019). Can joy buy you money? The impact of the strength, duration, and phases of an entrepreneur’s peak displayed joy on funding performance. Academy of Management Journal, 62(6), 1848-1871.
 
Lewinski, P., den Uyl, T. M., & Butler, C. (2014). Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. Journal of Neuroscience, Psychology and Economics, 7(4), 227.