Steeds meer bedrijven en organisaties zetten in op digitalisering en maken gebruik van digitale services voor het contact met klanten en andere stakeholders (bijvoorbeeld via een website of mobiele app). Dit levert een enorme hoeveelheid aan gebruikersdata op welke een schat aan informatie bevat, zoals over hoe gebruiksvriendelijk deze digitale toepassingen zijn en hoe gebruikers ermee omgaan. Met steun van het Industrieel Onderzoeksfonds onderzoekt het AI4UX-project hoe AI kan ingezet worden om automatisch relevante gebruikerspatronen te detecteren in deze data. Dit laat toe om de gebruikerservaring te verbeteren en digitale toepassingen te personaliseren op basis van het gebruik.
Introductie
De digitale transformatie is volop bezig, met een ongeziene groei aan digitale tools. Zo werden er nooit meer apps gedownload, van 40 miljard in 2015 naar 88 miljard in 2021. Het aantal internetgebruikers groeit ook sterk, van 3,2 miljard in 2016 naar meer dan 5,4 miljard in juli 2022. Dit gaat gepaard met een sterke stijging van de commerciële activiteiten op digitale platformen. De totale eCommerce verkoop wordt bijvoorbeeld geschat op €6,51 biljoen voor 2023, terwijl dit in 2017 nog €2,29 biljoen was.
Deze digitalisering gaat gepaard met een enorme hoeveelheid aan gebruikersdata die wordt gegenereerd en geregistreerd. Deze data biedt opportuniteiten om de gebruikerservaring te verbeteren. De optimalisatie van de gebruikerservaring of user experience (UX) wordt dan ook steeds vaker gezien als een belangrijk competitief voordeel. Het domein van UX groeit daarom al enkele jaren gestaag en schattingen voorspellen een jaarlijkse groei van 16,4% voor de komende jaren. Daarnaast wordt het belang van personalisatie ook steeds belangrijker en wordt dit ook gebruikt als middel voor bedrijven om zich te onderscheiden van hun concurrenten. Gebruikersdata biedt het potentieel om voor elke gebruiker een gepersonaliseerde ervaring aan te bieden.
De afgelopen jaren is er binnen UX dan ook veel aandacht besteed aan het verzamelen en presenteren van gebruikersdata. Het bekendste voorbeeld hiervan is het gratis online platform Google Analytics, dat een marktaandeel van 86% heeft. De stap om deze gebruikersdata om te zetten in relevante inzichten is momenteel nog vooral gebaseerd op ervaring en best practices om inzichten uit de data te halen. Het gebruik van AI en machine learning wordt binnen UX gezien als een belangrijke opkomende trend, al is de adoptie ervan momenteel nog beperkt. In andere domeinen die gebruik maken van online gebruikersdata speelt AI wel al een grote rol, zoals gepersonaliseerde aanbevelingen, het voorspellen van clicks op online advertenties, of het automatiseren en personaliseren van marketing.
Onderzoeksvraag
In hoeverre is het mogelijk is om met AI automatisch relevante gebruikerspatronen te detecteren in clickstream gebruikersdata?
Geplande output
Het voornaamste beoogde resultaat is een gevalideerde methodiek die toelaat om voor een gegeven dataset de voornaamste gebruikerspatronen en -profielen te detecteren. Deze zal gevalideerd worden met use cases. Voor elke case bestaat de output uit een specifiek getraind model.