Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/275991 
Erscheinungsjahr: 
2018
Quellenangabe: 
[Journal:] Marketing Review St.Gallen [ISSN:] 1865-7516 [Volume:] 35 [Issue:] 4 [Year:] 2018 [Pages:] 52-65
Verlag: 
Thexis Verlag, St.Gallen
Zusammenfassung: 
Machine Learning automatisiert und optimiert unterschiedlichste Bereiche des digitalen Marketings wie Targeting oder Content-Personalisierung. Während "harte Kundenfaktoren" – also wie sich Kunden digital verhalten – hierzu bereits gut als Datenquelle erhoben werden können, fehlen zuverlässige Daten zu "weicheren Faktoren" wie Emotionen. Diese geben aber oftmals erst Aufschluss über das "Warum", also, aus welchen Gründen Nutzer Kaufentscheidungen treffen. Affective Computing zielt auf automatisierte, echtzeitbasierte Messung und Erkennung von Emotionen durch Sensoren und lernende Algorithmen ab, um darauf angepasste Reaktionen von Computern zu ermöglichen. Affective Computing gilt als notwendige Bedingung, um Mensch-Computer-Interaktionen, wie Conversational Interfaces oder Virtual Personal Assistants, empathisch zu gestalten. Ziel ist es, Künstliche Intelligenz mit Emotionaler Intelligenz anzureichern. Der vorliegende Beitrag zeigt den Stand bestehender Messmethoden hinsichtlich ihrer heutigen Umsetzbarkeit und Skalierbarkeit auf, schildert exemplarische Einsatzbereiche und bietet eine Checkliste für Unternehmen, um die Relevanz und Bedeutung von Affective Computing einzuschätzen.
Dokumentart: 
Article

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.