Tijdens een recente uitzending (Franse website) op een Franse televisiezender (BFMTV) had Paul Hermelin, de grote baas van Cap Gemini, het over belangrijke huidige technologieën die impact hebben op zijn groep. Daarbij noemde hij een project dat me deed opveren. Met de hulp van Cap Gemini zou een cruisemaatschappij een gezichtsherkenningssysteem hebben ingevoerd om de emoties van haar klanten aan boord van het schip of de schepen te meten en zo de klanttevredenheid te meten. Om Paul Hermelin in dit programma te citeren:
“[Cap Gemini] maakt voor een Caribisch cruisebedrijf gebruik van gezichtsherkenningssoftware om de gezichten van klanten te controleren en na te gaan of ze tevreden zijn of niet. Het bedrijf past zijn programma’s vervolgens aan op basis van de tevredenheid die werd gemeten.”
Het vermelden van dit project (waarvan ik op internet geen spoor terugvond) bracht een reactie bij mij teweeg omdat het me herinnerde aan artikelen die wij eerder publiceerden en die hier gecombineerd lijken te worden: het persoonlijke karakter van emoties, gezichtsherkenning in supermarkten met het oog op dynamische prijszetting en de interpretatie van klanttevredenheid op basis van biologische gegevens.
Samenvatting
- Emoties detecteren via gezichtsherkenning
- Gezichtsherkenning met het oog op klanttevredenheid
- Het meten van gezichtsemoties
- Het omzetten van het meten van emoties als maatstaf voor klanttevredenheid
- Conclusie
Emoties detecteren via gezichtsherkenning
De methode is niet nieuw en wordt in veel omgevingen toegepast. Ze staat echter ter discussie.
Gezichtsherkenning maakt het mogelijk om personen te identificeren (u heeft dit misschien al meegemaakt aan controleposten op luchthavens) met het risico van totalitaire misbruiken (zoals in China, dat zijn burgers wil ‘indelen en registreren). Hoewel gebruikers zich soms volledig bewust aan deze technologie onderwerpen (bv. bij grenscontroles) kan het gebruik ervan ook minder zichtbaar zijn. We hadden het al over de intelligente supermarkten, die ethische vragen oproepen als de prijzen zouden verschillen met de consument voor u (we roepen nu wel schandalig, maar het concept van een eenheidsprijs is nog niet zo nieuw als we denken, zoals toegelicht in dit artikel over Frank Woolworth), of zelfs juridische vragen als de personalisering van de inhoud plaatsvinct zonder dat de persoon het weet (het inmiddels beroemde geval van reclame die zich aanpast aan uw emoties). Ongeacht de wijze van toepassing is het nodig om de mensen goed die aan dergelijke geautomatiseerde analyses worden onderworpen goed te informeren en het reële nut van de gebruikte technologie voor de eindklant in vraag te stellen. Ik herhaal nog eens dat de technologie verstandig moet worden gebruikt en in de eerste plaats moet bijdragen aan meer klanttevredenheid. Daarom gaan we het vandaag hebben over datgene waarin we geïnteresseerd zijn: de omzetting van gezichtsherkenning naar klanttevredenheid.
Gezichtsherkenning met het oog op klanttevredenheid
In het interview beschreef Paul Hermelin een gebruiksgeval waar ik nog nooit eerder van had gehoord. Gezichtsherkenning zou worden gebruikt om de emoties van cruisepassagiers te detecteren en zo hun tevredenheid te interpreteren. Hij noemde zelfs de mogelijkheid om menu’s te wijzigen en activiteiten aan te passen bij een daling van de klanttevredenheid.
Het meten van gezichtsemoties
Laten we eerst het eerste deel van het systeem bekijken: de overgang van een gemeten gezichtsemotie naar de evaluatie van tevredenheid. Eerst moeten we vermelden dat ons hele lichaam een weerspiegeling is van onze emoties. Ons lichaam wordt bestuurd door biologische algoritmen die de reacties van ons lichaam bepalen, vooral via gezichtsuitdrukkingen. Het is dus niet vreemd om emoties op een gezicht te willen meten en er zijn veel gespecialiseerde algoritmes op dit gebied. Om uzelf daarvan te overtuigen, nodig ik u uit om dit artikel te lezen (Engelse website) of onderstaande video te bekijken. Mentalisten zijn meesters in het lezen en interpreteren van lichamelijke reacties, dus ik twijfel niet aan het vermogen van een computer om dat te kunnen doen. Maar hoe kan je vanuit emoties de klanttevredenheid meten?
Het omzetten van het meten van emoties als maatstaf voor klanttevredenheid
Het wordt pas ingewikkeld als een emotie moet worden omgezet in een niveau van klanttevredenheid. Bovendien heb ik bij nader inzien de grootste twijfels over de haalbaarheid van dit idee. Emoties zijn van nature vluchtige momenten. Sommige zeer herkenbare gezichtsbewegingen kunnen ongetwijfeld gemakkelijk worden geïnterpreteerd, zoals die welke het onderwerp waren van het werk van de Oostenrijkse beeldhouwer Franz Xaver Messerschmidt. Maar meestal worden emoties in onze gezichten weerspiegeld als moeilijk waarneembare bewegingen: een kaak die strakker wordt, een spier die zich spant, een wenkbrauw die omhoog gaat. In de hypothese dat er een algoritme zou bestaan dat de interpretatie van alle microbewegingen op het gezicht kan automatiseren, lijkt de toepassing van dit algoritme in een omgeving buiten een laboratorium om minstens twee redenen gecompromitteerd: resolutie en rekentijd.
Een van de beroemde sculpturen van Franz Xaver Messerschmidt’s (credits: Flickr / Jerzy Kociatkiewicz).
Het detecteren van microbewegingen vereist dat de geanalyseerde beelden van bijzonder goede kwaliteit zijn en dus een hoge resolutie hebben. Stel dit eens voor op een boot met honderden of zelfs duizenden mensen. Dan zou er aanzienlijke rekenkracht nodig zijn om al deze gezichten en hun bewegingen te analyseren. Maar er is nog meer. Ik heb nog twee meer dwingende argumenten die mij ertoe brengen te zeggen dat de woorden van Paul Hermelin meer om vooruitziendheid dan om realiteitszin gaan. Ten eerste worden onze gezichten voortdurend geanimeerd door microbewegingen die niet noodzakelijkerwijs een toestand van tevredenheid/ontevredenheid weerspiegelen. Op de schaal van een computersysteem wordt dit ruis genoemd. De aanwezigheid van te veel ruis doet twijfels rijzen over de haalbaarheid van het systeem. Ten tweede en nog belangrijker, aangezien emoties vluchtig zijn, hoe kan een systeem dan, hoe geavanceerd het ook is, het moment vastleggen waarop de geuite emotie ook een weerspiegeling is van tevredenheid/ontevredenheid? En nochtans is dat waar de sleutel tot de correlatie tussen tevredenheid en emotie zich nestelt.
Conclusie: het is niet mogelijk om een betrouwbaar systeem te ontwerpen dat emoties koppelt aan klanttevredenheid
Samengevat vindt u hieronder de 4 argumenten die mij ertoe doen beweren dat Paul Hermelin heeft overdreven met wat Cap Gemini zou hebben gedaan.
- Emoties worden op het gezicht voornamelijk weerspiegeld in de vorm van microbewegingen, waarvan de interpretatie momenteel niet beschikbaar is in de vorm van algoritmen. De enige algoritmes die gebruikt worden om emoties te analyseren zijn beperkt tot het herkennen van gemakkelijk herkenbare bewegingen (een brede glimlach bijvoorbeeld).
- Voor het herkennen van microbewegingen in het gezicht zijn beelden van zeer hoge resolutie vereist, wat in een laboratorium mogelijk is, maar in conventionele werkomgevingen op dit moment hoogst onwaarschijnlijk is.
- De analyse van beelden in zeer hoge resolutie (vooral voor de honderden of zelfs duizenden passagiers op een schip) zou een buitensporig hoog rekenvermogen vereisen.
- De vluchtigheid van emoties maakt het moeilijk om ze nauwkeurig te interpreteren in een context die tot tevredenheid of ontevredenheid kan leiden. De meeste geanalyseerde beelden zouden dus ruis opleveren, wat het systeem inefficiënt zou maken.
Posted in Marketing.
