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 ny kundeacquisition.

Med hjælp af computer vision og mønsteranalyseteknikker kan virksomheder nu genkende brugerens emotioner ved hjælp af emotionsskanningsteknikker (generelt kaldet emotion AI) for at vejlede deres beslutningsproces.

Desuden giver fremgangen i emotionsskanning og naturlig sprogbehandlingsteknikker en betydelig mulighed for at automatisere indflydelsesfulde aspekter af forbrugerkommunikation og digital markedsføring. Faktisk nævnte Gartner i 2021, at influence engineering var en af de seks opkomne teknologier, der forventedes at drive vækst for digital markedsføring.

Men hvad er influence engineering nøjagtigt, og hvordan relaterer det sig 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 målestok.

Virksomheder indsamler og analyserer data om brugeradfærd og købspræferencer for at opnå adfærdsinsight. Derefter anvender de denne information til at skabe målrettede beskeder og oplevelser, der påvirker brugernes beslutningsprocesser. Dette indebærer personliggørelse, social bevis, knaphed og andre overbevisningsstrategier relateret til markedsføring.

Typer af Influence Engineering

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

1. Sentimentanalyse: Sentimentanalyse, også kendt som opinion mining, 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 kundens behov.
2. Ansigtudtryksgenkendelse 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 kunders emotionelle reaktioner og forbedre deres købs- eller produktoplevelser.
3. Taleanalyse: Taleanalyse 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 signaler.

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 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 kundeservicemedarbejdere med at registrere kundernes emotioner og give mere personlige og medfølende interaktioner, der forbedrer kundetilfredsheden.

Hvordan relaterer Influence Engineering sig til Emotion AI?

Influence engineering og emotion AI er sammenhængende, da de begge søger 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, lyd-/taleinput, 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 replikere 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 det AI-drevne EDR-marked 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 dem til kundernes præferencer. Derfor fører det markedsførerne mod datadreven beslutningstagning, der resulterer i personlige kampagner, der øger kundesamspil 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 velbefindende. 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 til at hjælpe patienter med at praktisere afslapningsteknikker under spil. Det sigter mod at skabe metoder, der giver patienter mulighed for at opnå stresshåndteringsevner gennem videospil.

4. Selvkørende Køretøj & Chaufførassistance

I selvkokende køretøj- og chaufførassistanceanvendelser anvendes influence engineering til at registrere chaufførens emotionelle tilstand og sende advarsler for farligt kørsel. Desuden kan affektiv computing evaluere kørselspræstationen for selvkokende køretøjer ved at overvåge passagerernes emotionelle tilstand. Ved at anvende disse teknologier kan bilproducenter 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 derefter. Desuden kan undervisere 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 for Influence Engineering

Som følge af influence engineering udgør indsamlingen og kommercialiseringen af personlige emotionelle data betydelige risici for brugernes sikkerhed og privatliv. 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 for influence engineering nedenfor.

• Intimitet: Influence engineering omhandler data, der er dybt personlige og intime. Det kan afsløre en persons adfærd, tanker og emotioner. At dele denne type personlige data er komplekst og kræver stor omhu fra virksomheder, der indsamler og anvender det.
• Udefinérbarhed: Emotionelle data kan være svært at forstå og genkende. At dele personlige emotioner er langt mere komplekst end at dele informationer som en adresse, fødselsdato eller browsehistorik. Derfor udgør udefinérbarheden af emotionelle data en betydelig 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 fortolkningfejl og mislæsninger.
• Escalation: Den decentrale natur af dataindsamling og den hastighed, hvormed data kan behandles og distribueres, betyder, at fejl kan have langtrækkende og svært omvendelige konsekvenser.

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

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