Come le aziende sfrutteranno l’empatia artificiale per venderci più roba

Nel nostro prossimo futuro distopico e consumistico le espressioni facciali renderanno più efficace il marketing.
21 marzo 2016, 12:14pm

L'empatia è un affare delicato. La gamma e complessità delle emozioni umane rende difficile, se non impossibile, comprendere realmente cosa prova un'altra persona. Eppure, si ritiene che l'empatia sia un tratto distintivo degli esseri umani—sembra addirittura che il nostro cervello sia modellato in funzione di essa. Non dovrebbe quindi sorprenderci più di tanto che, con l'evolversi del machine learning, insegnare a un computer l'empatia si sia trasformato rapidamente in una nuova forma di business.

Nota come empatia artificiale, l'idea alla base di questa disciplina è quella di addestrare le macchine a riconoscere i segnali sociali prodotti dagli esseri umani—i cosiddetti 'visual data'—per rispondervi in maniera adeguata. La branca della scienza informatica e della robotica che risponde al nome di social signal processing esiste da relativamente poco tempo, ma ha già guadagnato l'attenzione di un altro campo di ricerca che studia a fondo le nostre tecniche di comunicazione: il marketing.

Se da un lato, l'elaborazione dell'empatia artificiale è vista come una tappa fondamentale verso l'integrazione di robot e intelligenze artificiali nella società umana tale da consentire interazioni uomo-macchina più naturali, dall'altro, il marketing è deciso a ricavarne enormi guadagni, come dimostra il lavoro svolto da Shasha Lu, docente di marketing presso la Cambridge Judge Business School.

La ricerca condotta da Lu mira a combinare analisi di video e immagini con le più innovative tecniche di marketing per finalizzare al meglio la vendita dei prodotti. L'obiettivo è insegnare a una macchina a interpretare le reazioni comportamentali di un cliente nei confronti di un prodotto e utilizzare queste informazioni per fornirgli dei suggerimenti mirati. Lu, sta lavorando a una macchina che consiglia capi di abbigliamento specifici per ogni cliente.

"L'idea di realizzare una macchina che tragga conclusioni utili dalle espressioni e dal comportamento di qualcuno è estremamente stimolante," ha dichiarato Lu in un comunicato. "E ora finalmente disponiamo della tecnologia e della potenza di calcolo necessarie a rendere tutto questo realtà."

"L'idea di realizzare una macchina che tragga conclusioni utili dalle espressioni e dal comportamento di qualcuno è estremamente stimolante."

Lu ha spiegato come il progetto si basi sulle tecniche utilizzate dai venditori umani.

"Quando facciamo shopping, proviamo i capi prima di acquistarli," ha spiegato la ricercatrice, "mentre facciamo le prove davanti allo specchio, il personale del negozio spesso cerca di carpire due informazioni chiave: per prima cosa, valutare se il cliente vuole il capo osservando le risposte emotive comunicate dalle sue espressioni facciali. Il secondo punto è determinare, attraverso le risposte comportamentali, quale dettagli del capo risultino particolarmente graditi o sgraditi. Se il cliente tocca il colletto o maneggia l'orlo inferiore di un abito con un'espressione infastidita, ad esempio, possiamo dedurre che non apprezzi quell'elemento in particolare."

Il progetto di Lu consiste nel piazzare una telecamera sopra uno specchio esterno ai camerini per consentire ai computer di studiare come vengono valutati i capi d'abbigliamento. Le espressioni facciali dei clienti e altre risposte comportamentali vengono confrontati con i dati forniti dalle reazioni di altri clienti di fronte allo stesso capo per produrre nuovi suggerimenti in tempo reale. Inoltre, dati come l'altezza e il peso del cliente, consentono di restituire proposte automatiche sempre più personalizzate.

Utilizzare l'apprendimento automatico per comprendere il comportamento dei consumatori in modo da personalizzare le campagne di marketing è una tecnica già sfruttata con successo in passato. Esistono cartelloni pubblicitari che utilizzano software che interpretano le espressioni facciali per consigliare gli acquirenti (una tecnologia già ben rodata) oppure algoritmi di Facebook dai risvolti eticamente discutibili che sembrano classificare gli utenti in base all'etnia, per sottoporgli annunci basati sui particolari "gruppi di affinità" di cui farebbero parte.

Le dichiarazioni ufficiali di Facebook sulle sue tecniche pubblicitarie tutelano l'azienda specificano che questa non classifica gli utenti in base a criteri di etnia, quanto piuttosto valutando "l'interesse dimostrato nei confronti di certe determinate culture." Eppure, un rapido sguardo ai materiali promozionali di Facebook tradisce l'esatto contrario: le le persone ritratte nelle foto rappresentative dei gruppi di affinità elencati (ispanici, afroamericani, asiatici americani) non sembrano possedere alcun marcatore culturale condiviso, ma di sicuro appartengono alla stessa etnia.

Un esempio significativo in merito è stata la promozione del film Straight Outta Compton, che è stato pubblicizzato da Facebook utlizzando due trailer molto diversi che gli utenti visualizzavano in base al loro gruppo di affinità presunta (per stabilire il quale, Facebook continua a rivendicare di non essersi basata sull'appartenenza etnica).

Un altro ambito di ricerca a cui sta lavorando Lu, è quello dello sviluppo di trailer basati sulle preferenze del pubblico, il quale, a suo parere, possiede molti punti in comune con il martekting mirato per l'abbigliamento.

"Non abbiamo ancora risultati concreti da mostrare, ma come saprete, allo stato attuale delle cose, lo stesso trailer viene sottoposto a tutto il pubblico," ha spiegato Lu. "Se, per esempio, un trailer di un film non d'azione include scene di questo tipo, chi non ama questo genere potrebbe scartarlo a priori. Stiamo lavorando a trailer di film personalizzati secondo le preferenze del pubblico per migliorarne l'efficacia e convincere la gente a guardare i film che altrimenti rischierebbe di perdersi."

Secondo Lu, tecniche simili potrebbero essere estese anche al dating online, restituendo match maggiormente azzeccati basati sull'analisi delle caratteristiche facciali degli utenti. Resta da capire se questi sistemi di marketing individualizzati così aggressivi si riveleranno di beneficio oppure dannosi per il consumatore, ma da parte sua, Lu rimane ottimista: "Si tratta di un'area di ricerca innovativa e ricca di potenzialità che inoltre studia gli aspetti della vita quotidiana, questa combinazione di fattori la rende per me un ambito di sviluppo interessantissimo."