Bedrijven gaan kunstmatige empathie gebruiken om ons meer shit te verkopen

Menselijk emoties zijn complex. Het is dan ook bijzonder moeilijk – zo niet onmogelijk – om de gevoelens van een ander echt te begrijpen, maar dankzij onze empathische vermogens komen we meestal een heel eind. Het menselijk brein is namelijk uniek toegespitst op empathie; dat is wat ons menselijk maakt. Voor computers is het nog veel moeilijker om deze vermogens te imiteren. Toch is er een opkomende industrie die bezig is met het ontwikkelen van machine learning-technieken om computers menselijke emotie te laten 'begrijpen': kunstmatige empathie.

Het basisprincipe van kunstmatige empathie is om machines te trainen om visuele sociale signalen van mensen op te pikken en daar op gepaste wijze op te reageren – een tak van de computerwetenschappen die ook wel bekend staat als social signal processing. Ondanks het feit dat dit onderzoeksveld relatief nieuw is, heeft het de volle aandacht van een andere tak van onderzoek die zich bezig houdt met menselijk gedrag, namelijk marketing.

Kunstmatige empathie heeft twee belangrijke mogelijke toepassingen. Aan de ene kant wordt het gezien als een vereiste om de communicatie tussen kunstmatig intelligente robots en mensen vloeiend te laten verlopen; aan de andere kant is een potentiële goudmijn voor bedrijven die aan marketing doen.

Een marketingonderzoeker die bezig is met het verkennen van de mogelijkheden van kunstmatige empathie voor het stimuleren van de verkoop van een product, is Sasha Lu van de Cambridge Judge Business School. Lu probeert machines te leren om de reactie van consumenten op een bepaald product te 'lezen' en op basis hiervan andere producten aan te raden. Lu's onderzoek gaat specifiek over kleding, maar zou in principe op elk product kunnen worden toegepast, in combinatie met de juiste bestaande marketingtechnieken.

"Het idee dat een machine tot commercieel waardevolle conclusies kan komen door de emoties in het gezicht en de houding van mensen te analyseren is enorm opwindend voor mij," zei Lu in een persstatement. "En nu hebben we de technologie en rekenkracht om dit ook daadwerkelijk in de praktijk uit te kunnen voeren."

Volgens Lu zijn de reacties van de machines gebaseerd op technieken die worden gebruikt door menselijke verkopers.

"Wanneer mensen kleding kopen, willen ze deze vaak eerst passen," zei ze. "Vervolgens kijken ze in de spiegel hoe het staat, vaak in het oog van de verkoper. Hierdoor komt de verkoper twee belangrijke dingen te weten: allereerst of de klant het kledingstuk mooi vind, en ten tweede waarom. Dit leest de verkoper af aan de gezichtsuitdrukking en lichaamstaal van de klant. Als de klant bijvoorbeeld aan de kraag van een shirt frunnikt met een geïrriteerde uitdrukking op het gezicht, betekent dit zeer waarschijnlijk dat dit deel van het kledingstuk hem of haar niet bevalt."

Lu's project houdt in dat er een camera wordt geplaatst boven de spiegels buiten de pashokjes, waardoor een computer visuele data kan ontvangen over de reacties van klanten op een bepaald kledingstuk. De computer kan vervolgens deze data analyseren ten opzichte van data over andere klanten die dit kledingstuk hebben gepast. Op basis hiervan kan de computer onmiddellijk suggesties doen voor andere kledingstukken die de klant misschien zullen bevallen. Dankzij informatie over de lengte en lichaamsvorm van de klant kunnen deze suggesties nog beter worden toegespitst op de individuele consument.

Gebruik maken van lerende algoritmes om het gedrag van consumenten te begrijpen is op zich niets nieuws, en wordt al succesvol gebruikt in de openbare ruimte. Denk hierbij bijvoorbeeld aan billboards die gezichtsuitdrukkingen lezen, of het omstreden algoritme van Facebook dat bepaalde advertenties laat zien naar aanleiding van de etniciteit van de gebruiker.

Een voorbeeld hiervan is de promotie voor de film Straight Outta Compton, waarvoor er twee verschillende trailers waren: één voor Afro-Amerikanen en mensen met een Zuid-Amerikaanse achtergrond, en één voor de rest, aldus Facebook's hoofd van digitale marketing, Doug Neil. (Facebook houdt overigens officieel vol dat de keuze voor het laten zien van de ene of de andere trailer niet gebaseerd was op ras of etniciteit.)

Lu is ook bezig met het aanpassen van filmtrailers aan de voorkeuren en kenmerken van individuele consumenten; iets dat ze als relevant voor haar kledingproject beschouwt:

"Dit is een lopend onderzoek waarvan we nog geen concrete resultaten hebben, maar zoals het er nu voorstaat lijkt het erop dat alle filmtrailers gericht zijn op een hele grote, heterogene groep mensen. Stel dat een trailer waarin relatief veel fragmenten van actiescènes zitten gezien wordt door iemand die niet van actiefilms houdt, dan kunnen deze fragmenten ervoor zorgen dat deze persoon ervoor kiest om deze film niet te zien. We zijn daarom bezig met het aanpassen van filmtrailers aan de voorkeuren van verschillende mensen, waardoor de trailers effectiever worden en zo meer mensen naar een bepaalde film trekken."

Maar zal dit soort super-geïndividualiseerde marketingtechnieken consumenten niet eerder afstoten van een bepaald merk of product dan effectief de verkoop stimuleren? Zullen mensen zich niet gemanipuleerd en bekeken voelen? Is het wel wenselijk dat de toch al sterk gepersonaliseerde consumptiemaatschappij nog verder geïntensiveerd wordt?

Lu lijkt in ieder geval niet met deze vragen te zitten. "Dit soort marketing is zeer veelbelovend. Het gaat om het aanpassen van reclame aan de alledaagse belevingswereld van mensen; dat maakt het zo innovatief en opwindend."