ИндустрияЕжедневные эксперименты корпораций, которые мы не замечаем
Магазины, политики и интернет следят за тобой
Текст
Рита Попова
Шумиха вокруг эксперимента Facebook вновь поставила вопрос о том, как именно компании должны распоряжаться полученной информацией. Несмотря на то, что разрешение на исследования входит в пользовательское соглашение, многие требуют от Facebook прекращения подобных практик. Однако наивно полагать, что использованием личной информации в собственных (и чаще корыстных) целях не грешат другие игроки индустрии. Look At Me нашёл четыре убедительных примера.
Магазины
В 2012 году сети магазинов Target пришлось пережить серьёзный скандал — а всё потому, что статистик сети Эндрю Пол слишком хорошо работал. Мужчина в Миннеаполисе обратился в один из магазинов с претензией, что рассылка Target вредит нравственности его дочери — в ней содержалась реклама продуктов для беременных, хотя его дочь ещё училась в школе. Однако через некоторое время он перезвонил с извинениями: его дочь действительно была беременна, и Target узнал об этом раньше, чем члены семьи.
Дело в том, что в Target используется система Guest ID — идентификация каждого покупателя, который оставляет хотя бы какие-то данные о себе — оплачивает покупку кредитной картой, пользуется купоном, открывает почтовую рассылку. После этого Target хранит информацию о каждой покупке, чтобы с помощью аккумулированных данных предсказывать большие события в жизни клиентов. «Представьте себе Дженни Уорд — ей 23 года, она живёт в Атланте и в марте она купила лосьон с кокосовым маслом, большую сумку, добавки цинка и магния и ярко-синий плед. С вероятностью 87 % она беременна и ожидает ребёнка в августе», — рассказывает один из сотрудников компании.
↑книга эндрю пола Statistical Arbitrage
Почему Target собирает всю эту скучную информацию? Ещё в 1980-х команда исследователей под руководством профессора UCLA Алана Андреасена исследовала потребительские привычки людей и пришла к выводу, что занимаясь покупками, люди чаще всего руководствуются привычками и избегают сложного принятия решений, несмотря на все усилия маркетологов. Но есть и хорошие новости — на пороге значимых событий в жизни, например, выпуска из университета, свадьбы или рождения ребёнка люди стремятся полностью обновить свои привычки и покупать новые продукты. Поэтому кто раньше узнает об этом, тот и победил.
Интернет-шопинг
↑ патент Amazon на предварительную доставку
Интернет предлагает ещё больше возможностей для анализа данных покупателей. Именно это помогает Amazon предсказывать желания покупателей ещё до того, как они возникают в их голове — и оставаться главным интернет-ретейлером. Недавний патент Amazon касается методов предварительной доставки — таким образом, продукт отправится к покупателю ещё до того, как тот разместит заказ.
Как Amazon узнаёт, что и когда захочет купить пользователь? Патентованный алгоритм использует данные с посещения сайта Amazon, включая время на сайте, количество просмотренных страниц, клики на странице, вишлисты и многое другое, а также офлайн-активность — например, подверженность маркетинговым кампаниям. Всё это позволит Amazon определить примерный район доставки и начать транспортировку заказа, за время которой уточнить точный адрес получателя.
Кино
75 % просмотров Netflix получает благодаря рекомендациям — неудивительно, что над обработкой пользовательских данных трудится 800 сотрудников компании. «Мы знаем, что вы просмотрели, что вы искали, что оценили, а также когда и на каком устройстве вы это сделали. Также мы следим за скроллингом и поведением на странице. Вся эта информация используется для нескольких алгоритмов и оптимизируется в зависимости от цели. Мы исходим из предположения, что схожее пользовательское поведение ведёт к схожим вкусам», — сообщили разработчики алгоритмов в интервью Wired.
75 % просмотров Netflix получает благодаря рекомендациям
Кроме этого, Netflix старается включать в рекомендации контекст — национальные праздники, важные события, даже день недели. Часто пользовательское поведение зависит от местоположения, типа устройства или даже времени суток, когда человек обращается к Netflix. Поэтому так часто в рекомендации попадают не лучшие фильмы, а фильмы с относительно низким рейтингом в 2 или 3 «звезды» — часто люди после трудного рабочего дня хотят смотреть не фильмы фестивальной программы, а максимально глупые и смешные комедии.
Выборы
↑постер к президентской кампании Барака Обамы 2012 года
Методы предиктивной аналитики широко использовались в рамках кампании Барака Обамы на президентских выборах 2012 года (как сообщается в книге Эрика Сигеля Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die). Перед Раидом Гани, руководителем статистического отдела штаба нынешнего президента США, стояла задача выявить тех избирателей, которые ещё не определились с выбором и, соответственно, требуют тщательного убеждения. Более того, важно было определить, кто может негативно отреагировать на агитацию и наоборот проголосовать за Митта Ромни.
Первый этап эксперимента заключался в том, что контрольные группы получали разные агитационные материалы в разном объёме — а потом сообщали о своём желании или нежелании голосовать за Обаму. На основе этих данных было выработано несколько моделей убеждения для разных типов неопределившихся избирателей — или предпринят отказ от любого контакта.
Комментарии
Подписаться