Repository logo
 
Loading...
Thumbnail Image
Publication

Exploração da multimodalidade e da computação afetiva para melhoria de estratégias de marketing

Use this identifier to reference this record.
Name:Description:Size:Format: 
Tese_5479_Ines Oliveira.pdf3.92 MBAdobe PDF Download

Abstract(s)

Driven by the increasing convergence of digital and physical experiences in the Marketing realm, the complexity of customer behavior has grown significantly. The emotional subtleties of these intricate interactions are becoming more difficult to fully capture using conventional unimodal techniques, particularly concentrating on evaluating textual or visual information in isolation. The urgent need for improved tools to apprehend the emotional insights of consumer preferences across multiple channels has never been more crucial than now to keep up with market competitiveness. Undertaken as part of the PHYNHANCAI project, this dissertation investigates the potential of Multimodality and Affective Computing to enhance Marketing domains. The study focuses on many modalities, including text, visual, audio, and even tabular signals, intending to uncover the affective computing contribution and provide a more holistic understanding of multimodal consumer traits. Likewise, the present work aims to examine the possible synergies between these domains, describing the benefits and addressing the inherent issues of balanced appliances. The research conducted is divided into two phases: a systematic review using PRISMA methodology, to structure the knowledge base of the domain compilation, and practical development guided by the CRISPDM model, tailoring marketing future solutions with the review insights. The acquired results demonstrate that incorporating multimodal data leads to more accurate emotional predictions and deeper insights into consumer emotions. This dissertation also discusses ethical and legal considerations associated with multimodal AI and affective computing, providing compelling findings to improve emotional awareness in marketing strategies.
Impulsionada pela crescente convergência de experiências digitais e físicas no domínio do marketing, a complexidade do comportamento dos clientes aumentou significativamente. As subtilezas emocionais destas intrincadas interações estão a tornar-se mais difíceis de captar totalmente utilizando técnicas unimodais convencionais, concentrando-se particularmente na avaliação isolada de informações textuais ou visuais. A necessidade urgente de ferramentas melhoradas para apreender as percepções emocionais das preferências dos consumidores através de múltiplos canais nunca foi tão crucial como agora para acompanhar a competitividade do mercado. Realizada como parte do projeto PHYNHANCAI, esta dissertação investiga o potencial da Multimodalidade e da Computação Afectiva para melhorar os domínios do Marketing. O estudo centra-se em várias modalidades, incluindo texto, visual, áudio e até sinais tabulares, com a intenção de descobrir a contribuição da computação afectiva e fornecer uma compreensão mais holística das caraterísticas multimodais do consumidor. Do mesmo modo, o presente trabalho visa examinar as possíveis sinergias entre estes domínios, descrevendo os benefícios e abordando as questões inerentes aos aparelhos equilibrados. A investigação conduzida está dividida em duas fases: uma revisão sistemática utilizando a metodologia PRISMA, para estruturar a base de conhecimento da compilação de domínios, e o desenvolvimento prático orientado pelo modelo CRISP-DM, adaptando as futuras soluções de marketing com os insights da revisão. Os resultados obtidos demonstram que a incorporação de dados multimodais conduz a previsões emocionais mais exactas e a conhecimentos mais profundos sobre as emoções dos consumidores. Esta dissertação também discute considerações éticas e legais associadas à IA multimodal e à computação afectiva, fornecendo descobertas convincentes para melhorar a consciência emocional nas estratégias de marketing.

Description

Keywords

Affective Computing Customer Behavior Marketing Multimodal Artificial Intelligence Sentiment Analysis Systematic Review Trustworthy AI

Citation

Research Projects

Organizational Units

Journal Issue

Publisher

CC License

Without CC licence