Személyre szabott ajánlat

Üdvözlet az értékékesítés „szép új világában”

Lehet, hogy ez nem is akkora újdonság: régen, amikor a sarki kisboltban vásároltam, s a főutcán lévő üzletek kirakata jelentette a választékot és a szórakozást a szomszédban lévő presszó vagy kocsma, már megélhettem ezt az élményt: Zoltán, félretettem magának a banánból, Zoltán; látom szívesen hord farmert, ez a Trapper most jött ki, Zolikám, a szokásost? Máris töltöm, csak vedd le a saját poharad a polcról …

Ma ez, a személyre szabás a fogyasztó korábbi adatainak felhasználását jelenti a platformon szerzett tapasztalatok összegyűjtésére, testreszabottabbá téve azt. Ezt mindenhol látjuk – például amikor megnyitunk egy alkalmazást, és ott először a mi keresztnevünkkel köszöntenek, ajánlásokat jelenítenek meg korábbi vásárlásaink alapján, és meggyőznek minket, hogy vásároljunk valamit azáltal, hogy kedvezményt adnak pontosan arra, amire vágyunk. Vagy amikor megnyitunk egy zenei alkalmazást, és ott van egy lejátszási lista az éppen aktuális komor hangulatunkhoz.

A legtöbb technológiai vállalat manapság nagymértékben támaszkodik a személyre szabott technológiára. És jogosan: nagyobb ügyfélelköteleződéshez és több bevételhez vezet. A számok magukért beszélnek:

• A Netflixen megtekintett tartalmak 75%-a a platform ajánlásain alapul.
• A Spotify hallgatási idejének 50%-a az ilyen technológiákkal létrehozott, személyre szabott lejátszási listákból származik.
• A Youtube-videók végtelenségig görgetésével töltött idő 70%-a intelligens ajánlásokból származik.
• Az Amazonon vásárolt termékek 35%-át ajánlotta az algoritmus.

És valljuk be: bármennyire is próbálnám elrejteni valódi énemet a Netflix elől, a személyre szabott élmény jó érzéssel tölt el. Az Accenture felmérése szerint a fogyasztók 91%-a nagyobb valószínűséggel vásárol olyan márkákat, amelyek felismerik őket, emlékeznek rájuk, és releváns ajánlatokkal és ajánlásokkal látják el őket. Ezen felül a fogyasztók 83%-a hajlandó megosztani adatait, ha azzal személyre szabott élményt tesz lehetővé.

Felmerülhet a kérdés: ha a felhasználók személyre szabást akarnak, akkor mi a probléma? A probléma az, hogy a személyre szabás kicsit olyan, mint a kötéltánc. Egy nagyon vékony vonal választja el a „jó” személyeskedést a hátborzongatótól.

A „szeretem, mert annyira hasonlít rám” könnyen válhat „nem szeretem, mert kísértetiesen hasonlít rám”.

„Ez fontos számomra, és időt és erőfeszítést takarít meg” könnyen válhat „Az algoritmus sztereotipizál engem, és ez nem menő.”

A jóról a rosszra való váltásban lép be a felhasználói pszichológia. A személyre szabott működés valódi természetének megértése segíthet megértenünk, miért nem működik néha.

Mikor működik igazán a személyre szabás?

Ha megkérdez egy műszaki szakembert a személyre szabott algoritmusok mögött meghúzódó tudományról, a következőképpen fog mondani valamit: Ha elegendő előzményadata van a fogyasztókról, létrehozhat egy modellt, és megtalálhatja azokat a funkciókat, amelyek a legjobban előrejelzik a felhasználó viselkedését. Véglegesítünk egy nagy prediktív képességű modellt, ennek segítségével keresünk hasonló fogyasztókat a készletünkben, és összesítjük viselkedésüket. Mindezek együttesen segítenek megjósolni a felhasználó viselkedését, és megmutatni a megfelelő ajánlásokat.

Nos, igazuk van. De az egyetlen dolog, amit nem tettek hozzá, az, hogy a felhasználó – az egy tényleges személy. Mikor akar egy felhasználó valami személyre szabott terméket? Kiderült, jó néhány kacsának kell sorban elhelyezkednie ahhoz, hogy a felhasználónak tetsszen, amit személyére szabtak. Íme néhány, hogy elkezdje ezt:

1. Érzelmi egyezés: A fogyasztók különböző érzelmi állapotokban működnek, és ez befolyásolja a kontextusról alkotott felfogásukat. Az érzelmek közé tartozik a pszichológiai izgalom (például olyan „csúcs” vagy szélsőséges érzelmek, mint a harag, aggodalom és félelem), az általános hangulati valencia (boldogság vagy szomorú érzés) és az aktív gondolkodási stílus (pozitív vagy negatív).

A New York Times címlapjaira vonatkozó tanulmány kimutatta, hogy a legtöbbet azokat a nagy izgalmat okozó pozitív érzelmeket (pl. félelem) vagy negatív érzelmeket (pl. harag vagy szorongás) kiváltó tartalmakat osztják meg, amelyek „egyezést” jeleznek az olvasó aktuális érzelmi beállítódásával. Más szóval, egy algoritmus akkor működik a legjobban, ha valamilyen módon illeszkedik az ügyfél kontextuális érzelmi állapotához.

• Attitűdegyeztetés: A fogyasztók eltérően viszonyulnak a különböző dolgokhoz, ami azt jelenti, hogy ez is befolyásolhatja a döntéseik meghozatalát. Az attitűdtípusok közé tartozhat a tények preferálása az érzelmek preferálása helyett; erkölcsi attitűdök, például alapelvek és meggyőződések; politikai attitűdök; stb. Egy kísérleti tanulmány kimutatta, hogy az érzelmi hirdetések jól működnek azok számára, akiknek nagy szüksége van az affektusra, míg a kognitív hirdetések (amelyek megosztanak egymással tényeket és információkat) jól működtek azoknak az egyéneknek, akiknek nagy szükségük van a tényekre.

Tehát egy algoritmusnak, még akkor is, ha képes jól megjósolni, hogy a fogyasztók mire reagálnak a legjobban, figyelembe kell vennie a fogyasztó hozzáállását a különböző kategóriákból származó információkhoz.

1. Célegyeztetés: A fogyasztók különböző típusú célállapotokkal közelítik meg a döntéseiket, és olyan információkat keresnek, amelyek segíthetik számukra e cél elérését. Például egy hedonikus vásárlás (azaz valami, amit pusztán örömből vesz) és egy haszonelvű vásárlás (azaz valami, amit a cél érdekében vásárol) különböző célokat szolgál.

Hasonlóképpen, a megközelítési célok (a pozitívumok befogadása) és az elkerülési célok (a negatívumok elkerülése) eltérő követelményeket támasztanak. Egy kísérleti tanulmány kimutatta, hogy a könyvtárakra vonatkozó adományozási felhívások jutalmakban jól működtek a megközelítés-orientált embereknél, míg a veszteségekre vonatkozó felhívások az elkerülő embereknél. Egy algoritmusnak ezt is szem előtt kell tartania, amikor döntést hoz. hogyan lehet tartalmat megjeleníteni a felhasználónak.

1. Személyiség egyezés: Számos tanulmány kimutatta, hogy a felhasználói pszichográfia fontos meghatározója a viselkedésüknek. A személyiség dimenzióit különféle skálákon mérik. A leghíresebb, a Big 5 vagy OCEAN személyiségmodell meglehetősen univerzális, és az egész világon elterjedt. A Spotify közzétett egy tanulmányt, amelyben egyértelmű összefüggést mutatott ki a dalválasztás és a különböző személyiségjegyek között.Így a személyiségjegyek egy másik olyan dolog, amelyet az algoritmusoknak figyelembe kell venniük.

Az OCEAN-modell finomítása folyamatban van, bizonyítva, mekkora befolyása van – még a mai napig is.

Az öt nagy személyiségjegy

Nyitottság a tapasztalatra. (Openness to experience.) Néha intellektusnak vagy képzeletnek nevezik, ez az új dolgok kipróbálására és a kereteken kívüli gondolkodásra való hajlandóságot jelenti. Jellemzői az éleslátás, az eredetiség és a kíváncsiság.

Lelkiismeretesség. (Conscientiousness) Az a vágy, hogy óvatosak, szorgalmasak legyünk, és az azonnali kielégülést önfegyelemmel szabályozzuk. A jellemzők közé tartozik az ambíció, a fegyelem, a következetesség és a megbízhatóság.

Kifelé fordulás (Extroversion) Olyan állapot, amikor az egyén energiát merít másoktól, és társadalmi kapcsolatokat vagy interakciót keres, szemben az egyedülléttel (introverzió). Jellemzői közé tartozik a nyitottság, az energikus és magabiztosság.

Egyetérthetőség (Agreeableness) Az egyén másokkal való interakciójának mértéke, amelyet az együttérzés és az együttműködés mértéke jellemez. A jellemzők közé tartozik a tapintat, a kedvesség és a hűség.

Neuroticizmus. (Neuroticism) A negatív személyiségjegyekre, az érzelmi instabilitásra és az önpusztító gondolkodásra való hajlam. Jellemzői a pesszimizmus, a szorongás, a bizonytalanság és a félelem.

Amint látható, a megfelelő algoritmus és a megfelelő adatok csak egy részét jelentik a rejtvénynek. Ha ezek a helyükre is kerülnek, a személyre szabáshoz akkor is szükség van a másik darabra, vagyis a felhasználói pszichológia megértésére.

Szóval, most, hogy az adatok, az algoritmusok és a felhasználói pszichológia a helyükön vannak,

akkor itt a menyország?

A buktatók: Mikor nem sikerül a személyre szabás?

Sajnos mindezek után is meghiúsulhat a személyre szabás

Ha ránagyítunk a fenti tengelyre, két rázós fázist tudunk azonosítani:

1. Irreleváns személyre szabás: Amikor a személyre szabás a felhasználót egy kategóriába sorolja a nem reprezentatív, egyszeri vásárlások alapján. Például vettem a partneremnek egy Playstationt, és most egy csomó videojáték hirdetését kapom.

2. Érzéketlen személyre szabás: Amikor a személyre szabás nem veszi figyelembe a valós környezetet. Például ebben a hónapban egy fotónyomtató cég tömegesen küldött „új babának” szóló gratuláló e-maileket, figyelmen kívül hagyva azon nők számát, akik esetleg vetélésen vagy termékenységi problémákon mennek keresztül.

3. Nem hasznos személyre szabás: Amikor a személyre szabottság ellenére a fogyasztó kognitív terhelése nem csökken. Az emberek például gyakran panaszkodnak amiatt, hogy a személyre szabottság ellenére sem tudnak gyorsan választani a Netflixen.

2. szakasz: A hátborzongató árok

Ez a kifejezés, amelyet John Brendt alkotott meg, egy fontos csavar a személyre szabott történetben. A hátborzongató árok az a növekvő kényelmetlenség, amelyet az emberek éreznek, amikor a digitális élmény túlságosan személyre szabott lesz, de olyan módon, hogy az zavaró vagy kényelmetlen.

A hátborzongató árokban súlyos jogsértések lapulnak, mint pl.

1. Sztereotipizálás: Ha az üzenetek valakit megbélyegzett vagy marginalizált identitás alapján céloznak meg, a személyre szabás sikertelen. Egy tanulmányban, amikor a fogyasztók azt hitték, hogy hirdetést kaptak egy súlycsökkentő programról a méretük alapján, úgy érezték, „méltánytalanul ítélték meg” az egyező üzenet alapján.

2. Túlzott újracélzás: Ha ugyanazok az üzenetek ismétlődően megjelennek, az a fogyasztók hárító reakciójához vezet. A fogyasztók 55%-a halogatja a vásárlást, amikor ilyen hirdetéseket lát. Amikor tízszer látják a hirdetést, az emberek több mint 30%-a arról számol be, hogy valóban megharagszik a hirdetőre.

3. Adatvédelem: Ha egy üzenet túlságosan személyre szabott, és a fogyasztók tudatában vannak a direkt célzásnak, a becsapottság érzése miatt a mérkőzés visszafelé sülhet el.

A hátborzongató árok azért fontos, mert amikor a vásárlók beleesnek ebbe az árokba, kiborulnak. Sok sztori szól arról, hogy a nagy technológiai cégek itt akadoznak. Néhány évvel ezelőtt a Netflix vita tárgyát képezte, amikor a nézők kifogásolták az olyan célzott plakátokat, amelyek bizonyos típusú képeket mutattak a filmplakátokon, az alapján, hogy az algoritmus hogyan azonosította őket (beleértve a rasszista identitásokat, például a „feketét”). Hasonlóképpen az Amazont is ún. olyan algoritmusok használatáért, amelyek vakcinaellenes bestsellereket és olyan gyümölcsleveket ajánlottak, amelyek (hamisan) a rák gyógyítását célozták.

Annak érdekében, hogy a személyre szabás valóban működjen, a tervezésnek, az adatoknak és az algoritmusoknak biztosítaniuk kell, hogy 5 pilléren keresztül auditálják magukat:

1. Ellenőrzés: Biztosítjuk-e a felhasználóknak elegendő kontrollt a személyre szabás felett? Tudják a felhasználók, hogy szabályozhatják a személyre szabást? A felhasználó eldöntheti, hogy milyen adatokat kíván megosztani velünk?

2. Visszajelzés: Megengedjük a felhasználóknak, hogy visszajelzést adjanak a személyre szabásunkról? Megmondhatják nekünk, ha valami irrelevánsnak tűnik számukra?

3. Választás: választhatnak a felhasználók a személyre szabás mellett? Dönthetnek úgy, hogy egyáltalán nem lesznek a rendszer részei?

4. Átláthatóság: Megosztjuk a felhasználókkal, hogy miért látnak bizonyos személyre szabást? Tudják a felhasználók, hogyan működik az algoritmus?

5. Etika: Függetlenül értékeljük személyre szabott etikai eredményeinket? Van-e lehetőségünk harmadik féltől származó értékelők bevonására az ilyen auditokhoz?

Ez csak néhány iránymutatás, amely segíthet a vállalatoknak, hogy észben tartsák a személyre szabottság buktatóit, és elkerüljék a göröngyöket és az árkokat. Mint minden az életben, bizonyos mértékű kontroll csak jobbá teszi az érintettek élményét.

Félreértés ne essék, még mindig a személyre szabásért küzdök. Még akkor is, amikor ezt gépelem, a Spotify „fókuszált” zenét játszik le számomra, amiről tudja, hogy produktívabbá tesz. A cikk befejezése után megnézek valamit a boldog Netflix-fiókomon. Vagy talán elkényeztetem magam egy thrillerrel a sötét Netflix-fiókomon. Vagy talán létrehozok egy harmadik fiókot, és csak dokumentumfilmeket nézek, csak hogy megzavarjam a Netflix jó embereit. Ez egy szórakoztató játék. Ők tudják, én tudom.

Preeti Kotamarthi cikke alapján. Forrás:

This is Personal: The Do’s and Don’ts of Personalization in Tech