如今我們可以輕松地從云端霧端，或者某些靜態設備(static device)收集數據，但是這些數據無法量化客戶體驗時的情感。大型企業利用無處不在的信息感知移動設備(information-sensing mobile devices)、軟件日志(software logs)、攝像頭、麥克風、射頻識別(RFID)讀取器以及其他的科技手段來盡可能地對所有數據加以利用。然而，我們有如此之多的設備來記錄各類數據，卻在情感數據的搜集上存在一個黑洞。企業們需要著手制定計劃來填補這一虛空。
當大數據分析者和專家們在討論用戶體驗和參與度的衡量標準時，92%的人甚至都不會用到“情感”這一詞語。而情感的價值在于，它能提供必要的情景，通常還能幫助我們對用戶的行為、回憶以及目的進行更好的預測。
在 “情感羅盤”缺失的情況下，對大數據的客觀分析能夠非常精確地定義一次互動或經歷。但只有在情感數據中，我們才能找到“某人是否會記住這次經歷?”這類問題的答案。情感數據能促使人們將事實和感知，以及那次經歷的可能蘊意融合在一起。情感數據的黑洞正是通過這種方式來影響查全率的預測性建模(predictive modeling for recall)。
我們的研究顯示，醫生們記住特定的病人，并不是因為他使用了某種療法或者獲得了何種成功，而是因為病人的表現或治療結果讓他有所感覺和觸動。如何判斷醫生是否有記住某位病人?最有效的方法或許就是看那名醫生對病人的記憶中摻雜了多少情感。
大衛·蓋勒特(David Gelernter)是耶魯大學一位備受尊重的計算機科學教授。他在他的書中精心構造了以下原理。
“當一位醫學專家記住一名病人，他并不只是記住一串文字。他記住的是一次經驗，其中包含著繁若星辰且互相關聯的感知。當然他也會記住某些詞語——一個名字、一次診斷，又或者別的東西。但他還記住了病人的長相、聲音、他們相見時的感覺(自信，迷惑?)……顯然，這些未被記錄下來的感知包含著龐大的信息量。人們可以回憶過往的經歷，體會其中儲存的感知。但是(在進行大數據分析時)，我們只是將‘記憶’簡化為單純的文字，將其迅速歸類、評估、歸類、評估，結果遺漏了大量的信息。一幅‘會當凌絕頂，一覽眾山小’的壯麗景象，就這樣變成了一張模糊的黑白小照片。
此外，模擬的回憶過程——即把案例從數據庫中調出——和真實的回憶過程之間是有很大差別的。對人類而言，一段經歷意味著一系列連貫的感覺，這些感覺被打包保存在倉庫中以便日后回味。而回憶過程是相反的：一系列的連貫感覺被從倉庫里取出并再現——即將那些儲藏起來了的感覺重新經歷一遍。打個比方，人們記在腦海中的經歷比磁帶記錄下的經歷更加生動，雖然最初的一些細節可能會變得模糊，甚至完全缺失，但大體上，回憶者仍能體會到最初的經歷。換句話說，對人類而言，回憶并不只是對過往經歷進行檢索，而是重新體驗一次最初的經歷。”
要填補大數據中的這一黑洞，捕捉情感數據并將其與更加傳統的數據合為一體，唯一的方法就是制定獲取情感數據的相關計劃，細心設計數據收集過程。只有先確立這一目標，才能了解用戶的情感與心聲，完整地描繪出他們的體驗。
京公網安備 11010502049343號