Hvad er Influence Engineering & Hvordan Relaterer det sig til Emotion AI?

Tilgængeligheden af omfattende datakilder og avancerede maskinelæringsteknologier har givet anledning til et nyt system for indflydelse kaldet influence engineering. Det kan vejlede brugeradfærd og føre til nye kundekøb.

Ved hjælp af computer vision og mønsteranalyseteknikker kan virksomheder nu genkende brugeres emotioner ved hjælp af emotionsskanneringsmetoder (generelt kaldet emotion AI) for at lede deres beslutningsproces.

Også fremgangen i emotionsskanning og naturlig sprogbehandlingsteknikker præsenterer en betydelig mulighed for at automatisere indflydelsesfulde aspekter af forbruger kommunikation og digital markedsføring. Faktisk i 2021, navngav Gartner influence engineering som en af de seks opkommende teknologier, der forventes at drive vækst for digital markedsføring.

Men hvad er influence engineering nøjagtigt, og hvordan relaterer det til emotion AI? Lad os udforske dette begreb nedenfor sammen med dets fordele og anvendelser.

Hvad er Influence Engineering?

Influence engineering (IE) indebærer udvikling af algoritmer, der anvender adfærdsvidenskabelige teknikker til at automatisere bestemte aspekter af den digitale oplevelse, der kan påvirke brugerens valg i stor skala.

Virksomheder indsamler og analyserer data om brugeradfærd og købspræferencer for at opnå adfærdsinsight. og derefter bruge denne information til at skabe målrettede budskaber og oplevelser, der påvirker brugernes beslutningsprocesser. Dette indebærer personalisering, social bevis, knaphed og andre overbevisningsstrategier relateret til markedsføring.

Typer af Influence Engineering

De tre hovedtyper af influence engineering omfatter sentimentanalyse, ansigtsudtryksgenkendelse og stemmeanalyse. Lad os se på dem i detaljer nedenfor.

1. Sentimentanalyse: Sentimentanalyse, også kendt som meningsdannelse, er en NLP-teknik, der kategoriserer bruger-/kundedata (anmeldelser) som positive, negative eller neutrale. Det anvendes ofte på tekstdata for at overvåge mærke- eller produktstemning i kundefeedback og opnå indsigt i kundebehov.
2. Ansigsudtryksgenkendelse eller FER: Det anvender computer vision-algoritmer til at registrere og analysere ansigtsbevægelser og udtryk for at bestemme en persons emotionelle tilstand. FER anvendes ofte i psykologi og markedsføring for at opnå indsigt i kundernes emotionelle reaktioner og forbedre deres købs- eller produktoplevelser.
3. Stemmeanalyse: Stemmeanalyse identificerer, måler og kvantificerer emotioner i den menneskelige stemme. Denne teknik kan anvendes til forskellige formål, såsom at identificere talere, registrere emotioner eller holdninger i tale, og registrere stress eller andre psykologiske tilstande baseret på vokale tegn.

Fordele ved Influence Engineering

Fordelene ved influence engineering varierer afhængigt af branchen. For eksempel kan det på sundhedsfronten overvåge og registrere ændringer i en patients mentale sundhed, hvilket giver tidlig indgriben og støtte til dem, der har brug for det. Det kan også hjælpe terapeuter med at give mere præcise diagnoser og tilpasse behandlingsplaner.

Derfor kan det give værdifuld input og feedback til alle kundskabsarbejdere såsom markedsførere, annoncører, designere, ingeniører og udviklere fra deres respektive kunder. Nogle af de vigtigste fordele ved influence engineering omfatter:

• Skab effektive markedsføringskampagner: Influence engineering er velegnet til at træffe markedsføringsbeslutninger. Det hjælper markedsførere med bedre at forstå kundernes præferencer, emotioner og adfærd og skabe mere effektive markedsføringskampagner, der resonerer med deres målgruppe.
• Personlige produkter og tjenester: Ved at analysere kundernes emotioner og præferencer hjælper IE virksomheder med at udvikle personlige produkter og tjenester, der opfylder enkelte kunders unikke behov og præferencer.
• Optimer butikslayout og udstillinger: Det giver forhandlere og detailhandlere værdifuld indsigt i kundernes demografi, humør og reaktioner i butikken, hvilket hjælper dem med at optimere butikslayout og udstillinger for at forbedre kundernes oplevelser.
• Forbedret kundesupport: IE kan hjælpe kundeservicerepræsentanter med at registrere kundernes emotioner og give mere personlige og medfølende interaktioner, der forbedrer kundetilfredsheden.

Hvordan Relaterer Influence Engineering til Emotion AI?

Influence engineering og emotion AI er sammenhængende, da de begge sigter mod at forstå og påvirke menneskelig adfærd. Gartner fastslår, at:

“Emotion AI (eller affektiv computing) er en del af den større trend inden for influence engineering. Det anvender AI-teknikker til at analysere en brugers emotionelle tilstand via computer vision, audio/stemmeindgang, sensorer og/eller softwarelogik. Det kan initiere svar ved at udføre bestemte, personlige handlinger for at tilpasse kundens humør.”

Over de seneste fem år er søgninger efter emotion AI øget med 380%. I 2022 var markedet for emotionsskanning og -genkendelse (EDR), der anvender emotion AI til at nøjagtigt identificere, behandle og reproducere menneskelige emotioner og følelser, vurderet til 39,63 milliarder dollars.

Disse teknologier forventes at blive mere mainstream i de kommende år, hvis man tager i betragtning, at markedet for AI-drevet EDR forventes at vokse med en årlig vækstrate (CAGR) på omkring 17%, svarende til 136,46 milliarder dollars i 2030.

5 Nyttige Anvendelser af Influence Engineering

Virksomheder har udnyttet emotion AI-baseret influence engineering i forskellige anvendelser, fra personlige markedsføringskampagner til rekruttering.

Her er en liste over nogle af de vigtigste IE-anvendelser.

1. Markedsforskning & Personlige Markedsføringskampagner

Influence engineering muliggør markedsforskning og personlige markedsføringskampagner. Det hjælper virksomheder med at analysere kundernes reaktioner på deres produkter og tjenester for at forbedre markedsføringsstrategier og tilpasse strategier for at opfylde kundernes præferencer. Derfor fører det markedsførere mod datadrevne beslutninger, der resulterer i personlige kampagner, der øger kundesammenhæng og loyalitet.

2. Patientpleje

Influence engineering i sundhedssektoren hjælper med patientpleje og rådgivning. For eksempel kan en AI-bot anvendes til at overvåge patienternes fysiske og mentale velvære. Affektiv computing, der anvender taleanalyse, kan hjælpe med at diagnosticere lidelser som depression og demens.

3. Biofeedback-spil til Patienter

Biofeedback-spil udnytter influence engineering og emotion AI til at forstå spillerens (patientens) følelser og humør. Det anvendes i sundhedssektoren for at hjælpe patienter med at øve afslapningsteknikker, mens de spiller spil. Det sigter mod at skabe metoder, der giver patienter mulighed for at opnå stresshåndteringsevner gennem videospil.

4. Selvkørende og Chaufførassistans

I selvkokørende og chaufførassistansanvendelser anvendes influence engineering til at spore chaufførens emotionelle tilstand og sende advarsler for farligt kørsel. Også affektiv computing kan evaluere selvkokørende køretøjer ved at overvåge passagerernes emotionelle tilstand. Ved at anvende disse teknologier kan bilfabrikanter forbedre kørselsikkerheden og oplevelsen.

5. Personlig Læringsoplevelse for Studerende

Influence engineering kan også anvendes til at personliggøre læringsoplevelsen for studerende. Sensorer som videokameraer eller mikrofoner kan overvåge studerendes emotionelle tilstand for at tilpasse lektionsplaner efterfølgende. Også undervisere kan anvende det til at teste online læringssoftware-prototyper ved at evaluere en lærers emotionelle feedback. Det resulterer i en tilpasset og effektiv læringsmiljø.

De Vigtigste Udfordringer ved Influence Engineering

Som følge af influence engineering stiller indsamlingen og kommerciel anvendelse af personlige emotionelle data væsentlige risici for brugersikkerheden og privatlivet. Virksomheder, der ikke kan håndtere eller analysere emotionelle data omhyggeligt, kan miste kundernes tillid. Derfor påvirker det deres brandreputation og reducerer kundetilfredsheden.

Lad os diskutere nogle af de vigtigste udfordringer ved influence engineering nedenfor.

• Intimitet: Influence engineering omhandler data, der er dybt personlig og intim. Det kan afsløre en persons adfærd, tanker og følelser. At dele denne type personlige data er komplekst og kræver stor omhu fra virksomheder, der indsamler og anvender det.
• Uigennemsigtighed: Emotionelle data kan være svært at forstå og genkende. At dele personlige følelser er langt mere komplekst end at dele informationer som en adresse, fødselsdato eller browsehistorik. Derfor stiller uigennemsigtigheden af emotionelle data en væsentlig udfordring for virksomheder, der anvender influence engineering.
• Tvetydighed: De AI-teknikker, der anvendes til at fortolke emotionelle data, er hverken gennemsigtige eller let verificerbare for forbrugerne. Derfor giver det plads til fortolkningsfejl og mislæsninger.
• Escalation: Den decentrerede natur af dataindsamling og den hastighed, hvormed data kan behandles og udbredes, betyder, at fejl kan have langtrækkende og svært omvendelige konsekvenser.

Selvom influence engineering og især indsamlingen af emotionelle data er væsentlige udfordringer, kan virksomheder, når teknologien udvikler sig, overvinde disse problemer og opnå bedre kunderesultater.

Hold dig opdateret med de seneste trends inden for teknologi. Besøg Unite.ai.