تقرب به احساسات واقعی مشتریان با استفاده از تحلیل حالات چهره برخط برای سنجش اثر بخشی پیشنهادات بازاریابی دیجیتال

بازارهای دیجیتال به دلیل عدم رویارویی مشتری و فروشنده و درک احساسات مشتری با مشکل مواجه است. در تحقیقات بازار، سنجش احساس مشتریان بصورت آماری بر مبنای نظر سنجی صورت می گیرد. اما نظرسنجی ها در بسیاری از مواقع و بدلیل روانشناختی یا محیطی با نظرات واقعی مشتری هماهنگی ندارد. در بازارهای دیجیتال؛ برای ترغیب مشتری از پیشنهادات بازاریابی استفاده می شود. پیشنهادات بازاریابی قبلا بر اساس نظر سنجی شکل گرفته است؛ اما اثربخشی این پیشنهادات ارزیابی نشده و شخصی سازی نمی شود. این پژوهش کاربردی از یک نرم افزار تحلیل احساسات چهره (FEA) به نام face-Api.js استفاده می کند که از ابزارهای هوش مصنوعی است و در بستر TensorFlow پیاده سازی شده است. در این پژوهش، بعد از نمایش پیشنهاد بازاریابی به مشتری، با ابزار گفته شده، احساس مشتری سنجیده شده و تغییر احساس مشتری ثبت می شود. این سنجش بدون آگاهی صریح مشتری صورت می گیرد، بنابراین اشکالاتی که در نظرسنجی های معمول شکل گرفته و در کتاب "اثر واژگونی – نوشته مارک گلادویل" به آن پرداخته شده، در این روش مرتفع شده است. این روش باعث شد تا واکنش مشتری نسبت به پیشنهادات مختلف بازاریابی که در زمان های مختلف از طرف بازاریاب دیجیتال، شخصی سازی شود. اندازه گیری های یک نمونه ی پیاده سازی این روش در یک سایت فروشگاهی آزمایشی نشان داد برخی از پیشنهادات بازاریابی، اثری مثبتی بر احساس مشتری نداشتند. احساسات اندازه گیری شده از چهره کاربر به دو گروه مثبت و منفی دسته بندی شدند. برخی از پیشنهادات باعث احساس مثبت بودند و برخی بدون اثر یا باعث احساس منفی مشتری شدند. این تغییر احساسات در همه کاربران یکسان نبود. این یک سنجش غیر صریح موفق برای ارزیابی اثر پیشنهادات بازاریابی بود که می تواند با شخصی سازی، باعث اثرگذاری بیشتر پیشنهادات بازاریابی برای مشتری گردد.

کلیدواژه ها:

بازاریابی دیجیتال ، تشخیص حالات چهره ، احساسات مشتری ، پیشنهادات بازاریابی