Emotional Analytics (EA)
Software für Emotional Analytics (EA) beziehungsweise Emotionsanalyse sammelt Daten darüber, wie eine Person verbal und nonverbal kommuniziert. Das Ziel der Analyse ist es, die Stimmung oder Einstellung einer Person zu verstehen.
Technologie für Emotional Analytics wird immer häufiger kommerziell im Enterprise-Bereich eingesetzt. Mit Emotional Analytics lässt sich zum Beispiel untersuchen, wie ein Kunde ein bestimmtes Produkt wahrnimmt, wie ein Produkt präsentiert werden sollte oder wie ein Kunde mit einem Kundenbetreuer interagiert.
Wie andere Daten, die sich auf das Kundenerlebnis beziehen, werden Daten zu Emotionen verwendet, um bessere Strategien für das Customer Relationship Management (CRM) des Unternehmens zu entwickeln. EA-Programme können zusammen mit Unternehmensinitiativen zur Datenerfassung, Datenklassifizierung, Datenanalyse und Datenvisualisierung verwendet werden.
So funktioniert Emotional Analytics
Da Verbraucher heute ihre Emotionen auf Snapchat, Facebook, Twitter und Instagram sowie auf Websites und in Videos veröffentlichen, stehen EA-Softwareanbietern viele Daten zu Emotionen zur Verfügung. Trotzdem ist die Entwicklung entsprechender Software nicht trivial.
Die Entwicklung von Emotional-Analytics-Software erfordert große Menge an entsprechend gekennzeichneten Daten. Diese Emotionsdaten können von Videokameras stammen, die Gesichtsausdrücke erfassen, oder von Mikrofonen, die zum Beispiel Daten über Stimmen sammeln. Die Daten werden dann in Machine-Learning-Algorithmen eingespeist. Dort werden Ausdrücke, Töne und andere Merkmale erkannt, die mit bestimmten Emotionen verknüpft sind.
Die heutige Technologie zur Erkennung von Emotionen kategorisiert Emotionen zum Beispiel in Wut, Verachtung, Verwirrung, Ekel, Angst, Frustration, Freude, Traurigkeit oder Überraschung. Viele Ansätze zur Erkennung von Emotionen berufen sich dabei auf den US-Psychologen Paul Ekmann, der als erster versucht hat, Gefühlsausdrücke systematisch zu kategorisieren.
Eine häufig verwendete Technologie zur Emotionsanalyse ist Textanalyse, welche die Wortwahl untersucht, um die Stimmung über ein Produkt oder eine Dienstleistung zu bestimmen.
Software zur Emotionsanalyse ist entweder eine eigenständige Anwendung oder baut auf einem CRM-System auf. Sie verwendet Audio-Mining-Techniken und eine Correlation Engine, um den Ausdruck, zum Beispiel die Worte eines Anrufers, mit menschlichen Emotionen abzugleichen.
EA-Software kann auch den Tonfall des Anrufers und die Häufigkeit der Wiederholung eines bestimmten Wortes überwachen, um mehr Einblick in den emotionalen Zustand des Anrufers zu erhalten. Dashboards, welche die Emotionen des Anrufers und des Call-Center-Agenten anzeigen, erlauben es dem Vorgesetzten zu erfahren, welche Anrufe reibungslos verlaufen und welche eine Intervention erfordern könnten.
Verwendung von Emotional Analytics
Da Software zur Emotionserkennung Einblicke in die Gefühle der Kunden gewinnen kann, ist sie besonders in Call Centern sowie in Vertriebs- und Marketingabteilungen wichtig geworden. Die Kombination der Stimmungsanalyse mit bestehenden CRM-Daten ermöglicht Vermarktern und Vertriebsteams eine ganzheitliche Sicht auf die Kunden. Diese können damit bessere personalisierte Werbekampagnen bereitstellen.
Emotionsanalysesoftware kann auch Marketingstrategien verändern. Wenn Marketingspezialisten menschliche Emotionen und Stimmungsanalysen berücksichtigen, gewinnen sie ein besseres Gefühl dafür, wie sie mit den Stimmungen potenzieller Kunden interagieren und sich auf einer menschlichen Ebene mit ihnen auseinandersetzen können.
Emotional Analytics wird auch verwendet, um in Testgruppen die Reaktionen der Verbraucher auf neue Produkte zu messen. Negative Ergebnisse können Unternehmen helfen, Produkte zu verbessern, bevor sie diese allgemein verfügbar machen.
Der Einsatz von EA-Software im Geschäftsleben ist allerdings auch umstritten. Ein Grund ist, dass viele der Unternehmen, die solche Analysen einsetzen, das Sammeln der Emotionsdaten verschweigen.
Darüber hinaus weisen einige Kritiker darauf hin, dass die Verwendung von Software zur Analyse der Gesichtsausdrücke, der Körpersprache, des Tonfalles oder der Wortwahl eines Menschen kein wahrheitsgetreues Stimmungsbild vermittelt. Denn Emotionen und die natürliche Sprache – so die Kritiker – sind viel zu komplex, um sie einer maschinellen Verarbeitung zuführen zu können.
Befürworter von Emotional Analytics gehen dagegen davon aus, dass die Erkenntnisse aus den Emotionsanalyseprogrammen wertvoller sind als die Informationen aus den Umfragen zur Kundenzufriedenheit. Denn EA-Daten werden – so die Befürworter - durch tatsächliche Kundeninteraktionen erstellt und Folgemaßnahmen können in Echtzeit eingeleitet werden. Wenn nachgewiesen wird, dass Menschen zuerst emotional reagieren und dann denken, kann das Abrufen von Analysen und Daten aus einer emotionalen Reaktion eine zutreffendere Perspektive auf die Kundenstimmung zur Verfügung stellen.
Darüber hinaus ermöglichen es Technologien zur Emotionsanalyse, Daten über Benutzer zu sammeln, um personalisierte Empfehlungen abzugeben. Diese fortschrittliche Anwendung der Emotionsanalyse - bekannt als Affective Computing oder Emotion AI - ermöglicht es den Geräten, die Stimmung der Menschen zu analysieren, zu verarbeiten und darauf zu reagieren, um eine personalisierte Benutzererfahrung (UX) zu schaffen.
Der Marketingexperte Dan Emodi diskutiert auf einer TEDx-Veranstaltung (siehe Video) die Wissenschaft der Emotionen:
Auswirkungen der Emotionsanalyse
Die Kombination von emotionssensibler Technologie wie Gesichtserkennungssoftware mit digitalen Assistenten wie Smartphones wird die Benutzererfahrung künftig deutlich verbessern. Gartner prognostiziert, dass die smarten Geräte der Menschen schon 2022 mehr über ihren emotionalen Zustand wissen könnten als ihre eigene Familie.
Emotionale Daten sind für Unternehmen zweifellos wertvoll: Sie spielen eine entscheidende Rolle bei der Entscheidung, Geschäfte mit einem Unternehmen zu tätigen oder nicht. Verbraucher, die eine positive emotionale Erfahrung mit einem Unternehmen haben, sind laut einer Studie der Customer-Experience-Firma Temkin Group aus dem Jahr 2016 15-mal häufiger bereit, das Unternehmen zu empfehlen als Kunden mit einer negativen Erfahrung. Kunden mit positiven Erfahrungen sind auch sechsmal häufiger bereit, einem Unternehmen zu vergeben, wenn es Fehler gemacht hat im Vergleich zu denjenigen mit negativer Erfahrung.
Der Softwaremarkt für Emotional Analytics
Untersuchungen von Gartner gehen davon aus, dass der Technologiemarkt für Gesichtserkennung und Emotionsanalyse von 3,37 Milliarden Dollar im Jahr 2016 auf 7,76 Milliarden Dollar im Jahr 2022 wachsen wird.
Mit dem Wachstum von EA und seiner zunehmenden Bedeutung für Marketing, Vertrieb und Service investieren immer mehr Softwareanbieter in Technologien für Emotional Analytics. Konzerne wie Apple, Microsoft und IBM verfügen bereits über Software zur Emotionsanalyse, während kleinere Anbieter wie Affectiva und Eyeris spezielle Gesichtserkennungs-APIs und Emotionsanalysesoftware entwickeln.
