Игорь Волжанин, генеральный директор группы DataSine, занимающейся маркетинговой стратегией, основанной на искусственном интеллекте, выступил с докладом на ODSC London 2018 о структуре, которую его компания использует для нацеливания на конечных пользователей с контентом, адаптированным к их уникальным личностным профилям.
DataSine объединяет науку о данных с современными психологическими подходами, чтобы предсказать, какой контент найдет отклик у пользователей. В частности, Волжанин сказал, что DataSine опирается на то, что обычно называют большой пятеркой личностных качеств: открытость, сознательность, экстраверсия, покладистость и невротизм, или ОКЕАН.
Согласно статье Оливера П. Джона и Санджая Шриваставы, ОКЕАН уже более полувека широко признан полезной теоретической основой для классификации типов личности. Дональд У. Фиск из Чикагского университета начал это с основополагающей работы в 1949 году.
Волжанин защитил кандидатскую диссертацию. в прикладных поведенческих исследованиях в Биркбеке, Лондонский университет в этом году. Он осознал возможность применения модели OCEAN к маркетинговым задачам, особенно к моделированию предпочтений клиентской базы. В частности, он решил многие проблемы существующих методов сегментации рынка, которые объединяют клиентов в группы на основе общих черт.
«Проблема с кластеризацией, как правило, заключается в том, что эти кластеры либо в конечном итоге не требуют пояснений, либо имеют тенденцию быть очень широкими», - сказал Волжанин.
Фундаментальные принципы, разработанные OCEAN, отличают его от предыдущих попыток объединить психологию с наукой о данных. «Эта конкретная модель с самого начала была основана на данных», - сказал Волжанин.
Вместо того, чтобы кластеризовать людей на основе категориальных качественных атрибутов, таких как их раса, есть ли у них дети и аналогичные факторы, OCEAN работает, получая пять различных баллов для вышеупомянутых черт личности в диапазоне от нуля до 100. Специалисты по анализу данных признают их как почти идеальные условия для моделирования: непрерывные переменные, которые легко нормализовать и использовать в большинстве алгоритмов машинного обучения.
После моделирования предпочтений пользователя в соответствии с OCEAN, DataSine использует второй метод, заимствованный из психологии, под названием «зеркалирование». Зеркальное отображение - это распространенный подход, который большинство людей подсознательно используют для установления взаимопонимания с незнакомцем, имитируя их уровень энергии, жесты и манеры, заставляя их чувствовать себя более удобный.
В этом контексте DataSine отражает пользователей, настраивая шаблоны маркетинговых материалов в соответствии с их профилями в OCEAN. Модель компании заменяет слова, фразы и изображения теми, которые с большей вероятностью найдут отклик у конкретного пользователя.
Например, если экстраверты более восприимчивы к изображениям, выделенным жирным оранжевым и красным цветом, не имеет особого смысла нацеливать эти маркетинговые материалы на кого-то с низким показателем экстраверсии OCEAN. Модели DataSine способны уловить это. В свою очередь, они будут предлагать предложения по корректировке сообщений, например, путем замены изображений с насыщенным оранжевым цветом на изображения с приглушенным зеленым и синим оттенками.
Согласно DataSine, их результаты демонстрируют, что их модель достаточно надежна, чтобы работать в реальном мире. Волжанин сказал, что им удалось увеличить продажи в колл-центре во Франции, создав специальный сценарий, который маркетологи могли корректировать в зависимости от личности клиента. Просто переключившись с таких фраз, как «Привет, мистер Смит», на «Привет, Джон», колл-центр увеличил продажи на 71%. Точно так же интернет-банк в Бельгии повысил вовлеченность клиентов на 80 процентов, нацелив свои маркетинговые усилия на интровертов.
Волжанин сказал, что он осознает необходимость объяснимости при работе с бизнес-моделями, подобными бизнес-моделям его компании. Чтобы помочь маркетологам скорректировать свои маркетинговые материалы, модель должна выводить контент, который будет легко понять любому человеку, не имеющему опыта работы с данными.
«Сейчас мы тратим гораздо больше времени на создание именно этих факторов объяснимости», - сказал Волжанин.
Чтобы получить более подробную информацию о том, как DataSine объединяет современную психологию с наукой о данных, посмотрите выступление Волжанина на ODSC London 2018, доступное на YouTube.
— — — — — — — — — — — — — — — — — —
Прочтите больше статей по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от новичка до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг.
