Refine
Document Type
- Conference Proceeding (5)
- Part of a Book (4)
Conference Type
- Konferenzartikel (5)
Has Fulltext
- no (9) (remove)
Is part of the Bibliography
- yes (9) (remove)
Keywords
- User Experience (3)
- Emotionsforschung (2)
- Voice User Experience (2)
- Academic Advising (1)
- COVID-19 (1)
- Challenges During Pandemic 2022 (1)
- Chatbot (1)
- Conversational user experience (1)
- Cross-Channel-Dialogmarketing (1)
- Elderly care (1)
Institute
Open Access
- Closed (5)
- Closed Access (4)
Emotionen sind Teil jedes menschlichen Wesens: Sie begleiten Konsumenten und Konsumentinnen durch alle Alltagssituationen – auch und insbesondere bei Kaufentscheidungen. Jedoch war es bisher nur bedingt möglich, diese Emotionen im Dialogmarketing genau zu erfassen und zu interpretieren. Die innovative Customer Experience Tracking Methode der Hochschule Offenburg ermöglicht eine verzerrungsreduzierte Messung und Auswertung von Kundenemotionen, die vor, während und nach der Benutzerinteraktion mit Dialogmarketingaktivitäten auftreten. Aus den im Labor oder im Feld gewonnenen Untersuchungsergebnissen lassen sich konkrete Handlungsempfehlungen ableiten, um Dialogmarketingangebote im Offline-, Online- oder crossmedialen Bereich optimal auf die Bedürfnisse und Erwartungen der Kunden und Kundinnen auszurichten.
Due to the pandemic of 2020, many teaching and research institutions are confronted with extraordinary working conditions. In order to enable empirical data collection under these special circumstances, teachers and scientists need to respond flexibly and new concepts need to be developed. This paper deals with the challenges that arise in day-to-day teaching and provides different approaches to meet these challenges. It covers quantitative surveys, remote UX-testing methods as an alternative to eye tracking studies in the lab, as well as face-to-face user experience testings under strict hygiene measures.
Emotionen sind Teil jedes menschlichen Wesens: Sie begleiten Konsumenten und Konsumentinnen durch alle Alltagssituationen – auch und insbesondere bei Kaufentscheidungen. Jedoch war es bisher nur bedingt möglich, diese Emotionen im Dialogmarketing genau zu erfassen und zu interpretieren. Die innovative Customer Experience Tracking Methode der Hochschule Offenburg ermöglicht eine verzerrungsreduzierte Messung und Auswertung von Kundenemotionen, die vor, während und nach der Benutzerinteraktion mit Dialogmarketingaktivitäten auftreten. Aus den im Labor oder im Feld gewonnenen Untersuchungsergebnissen lassen sich konkrete Handlungsempfehlungen ableiten, um Dialogmarketingangebote im Offline-, Online- oder crossmedialen Bereich optimal auf die Bedürfnisse und Erwartungen der Kunden und Kundinnen auszurichten.
Voice user interfaces (VUIs) offer an intuitive, fast and convenient way for humans to interact with machines and computers. Yet, whether they’ll be truly successful and find widespread uptake in the near future depends on the user experience (UX) they offer. With this survey-based study (n = 108), we aim to identify the major annoyances German voice assistant users are facing in voice-driven human-computer interactions. The results of our questionnaire show that irritations appear in six categories: privacy issues, unwanted activation, comprehensibility, response quality, conversational design and voice characteristics. Our findings can help identify key areas of work to optimize voice user experience in order to achieve greater adaptation of the technology. In addition, they can provide valuable information for the further development and standardization of voice user experience (VUX) research.
Digitale Kundeninteraktionen haben in den letzten Jahren enorm an Bedeutung gewonnen: Sowohl im B2B als auch im B2C sind weite Teile der Interaktion digital bzw. hybrid konzipiert. Ob ein bargeldloser Bezahlvorgang an der Kasse, ein Bestellformular beim Onlinekauf oder der Kauf einer Bahnfahrkarte am Automaten – die Kunden und Kundinnen haben digitale Interaktionen in vielfältigen Varianten bereits erlebt und kommen mehr oder weniger gut damit zurecht.
Empirische Forschung als Herausforderung im laufenden Lehrbetrieb – Lösungsansätze aus der Praxis
(2022)
Um empirische Forschung auch unter außergewöhnlichen Bedingungen zu ermöglichen, ist es notwendig, flexibel zu reagieren und neue Konzepte zu entwickeln. Dieser Beitrag befasst sich mit den Herausforderungen, die sich aufgrund der Corona-Pandemie im Lehralltag ergeben und bietet verschiedene Ansätze, um diesen Herausforderungen zu begegnen und Forschung zu betreiben. Er betrachtet ein Fallbeispiel aus der quantitativen Marktforschung, sowie Online-Alternativen zu Eye-Tracking-Studien und Möglichkeiten für User-Experience-Testings im Labor unter strengen Hygienemaßnahmen.
Due to the increasing aging of the population, the number of elderly people requiring care is growing in most European countries. However, the number of caregivers working in nursing homes and on daily care services is declining in countries like Germany or Italy. This limits the time for interpersonal communication. Furthermore, as a result of the Covid-19 pandemic, social distancing during contact restrictions became more important, causing an additional reduction of personal interaction. This social isolation can strongly increase emotional stress. Robotic assistance could contribute to addressing this challenge on three levels: (1) supporting caregivers to respond individually to the needs of patients and residents in nursing homes; (2) observing patients’ health and emotional state; (3) complying with high hygiene standards and minimizing human contact if required. To further the research on emotional aspects and the acceptance of robotic assistance in care, we conducted two studies where elderly participants interacted with the social robot Misa. Facial expression and voice analysis were used to identify and measure the emotional state of the participants during the interaction. While interpersonal contact plays a major role in elderly care, the findings reveal that robotic assistance generates added value for both caregivers and patients and that they show emotions while interacting with them.
Voice User Experience
(2023)
Sprachassistenten wie Alexa, Google Assistant, Siri, Cortana, Magenta und Bixby erfreuen sich dank ihrer intuitiven, schnellen und bequemen Interaktionsmöglichkeiten zunehmender Beliebtheit und bieten deshalb spannende Möglichkeiten für die Weiterentwicklung des digitalen Kundendialogs. Doch ob die Technologie wirklich breite Akzeptanz finden wird, hängt nicht nur mit ihrer technischen Qualität oder Usability zusammen. Auch die User Experience, die neben den Reaktionen der Nutzer*innen während der Anwendung auch ihre Erwartungen und Wahrnehmungen vor und nach der Anwendung umfasst, spielt eine zentrale Rolle. Die Messung der Qualität der Voice User Experience (Voice UX) ist daher von großem Interesse für die Bewertung und Optimierung von Sprachapplikationen. Die Frage, wie die Voice UX von sprachgesteuerten Systemen gemessen werden kann, ist jedoch noch offen. Aktuelle Methoden stützen sich häufig auf UX-Forschung zu grafischen Benutzeroberflächen, obwohl die sprachbasierten Interaktionsformen in der Regel weder visuell noch haptisch greifbar sind. In unserem Beitrag möchten wir den aktuellen Status quo der deutschen Voice User Experience untersuchen. Folgende Fragen stehen dabei im Mittelpunkt: Wie können Sprachanwendungen zu einem erfolgreichen Kundendialog beitragen? Welche Nutzerirritationen treten aktuell bei der Anwendung von Sprachassistenten auf? Mit welchen Methoden lässt sich die Voice User Experience messen?
In order to attract new students, German universities must provide quick and easy access to relevant information. A chatbot can help increase the efficiency in academic advising for prospective students. In this study we evaluate the acceptance and effects of chatbots in German student-university communication. We conducted a qualitative UX-Study with the chatbot prototype of Offenburg University of Applied Sciences (HSO), in order to determine which features are particularly relevant and which requirements are made by the users. The results show that acceptance increases if the chatbot offers quick and adequate assistance, furthermore, our participants preferred an informal communication style and valued friendly and helpful personality traits for chatbots.