Díky kolektivní inteligenci o nás nová média vědí víc, než my sami. A někdy
to vědí dokonce ještě dříve, než k tomu dojde.
Firmy jako Facebook, Twitter nebo Amazon mají obrovský vzorek uživatelů a
téměř nekonečnou sadu metadat, což jim umožňuje tvořit někdy poměrně šílené
analýzy. Dokáží předpovídat vzorce chování typické pro určitou situaci s velkou
mírou úspěšnosti. Stanovují pak hypotézy, ověřují je v praxi a pak ladí k
dokonalosti.
Díky tomu mohou opakovaně testovat svá zjištění a na základě předchozího
chování předpovídat další kroky, které učiníme. Zjednodušeně pro ilustraci - pokud
například v minulosti učinili jednotlivci sérii 10 specifických interakcí a
činností v určitém sledu, u 98% z nich pak následoval další identický krok. Z
toho lze dedukovat, že pokud jsme přávě učinili destátou interakci stejným způsobem jako řada uživatelů před námi, dost pravděpodobně uděláme v nejbližší době tu jedenáctou stejným způsobem.
Několik zajímavých příkladů,co už
běžně probíhá...
Facebook pozná s kým začnete chodit ještě
dřív než vy
Facebook vidí, že mezi budoucím párem 100 dnů před začátkem vztahu stabilně
roste počet sdílených postů.
FB sledoval profily uživatelů, kteří si změnili status ze
"single" na "ve vztahu" a hledal společné rysy v historii
těchto uživatelů. Vysledoval mnoho společných ukazatelů - nejen nárůst
vzájemných postů, ale i návštěvy profilů nebo výměnu zpráv. Jelikož se tento model
pravidelně opakuje, je možné předpokládat, že pokud mezi dvěma jedinci začnou
interakce splňovat určitá kritéria, stanou se brzy párem. Poté co se oficiálně
dají dohromady, počet interakcí rapidně klesá. Výzkumníci to vysvětlují stavem,
kdy již spolu netráví čas na Facebooku, ale v reálném životě.
Po začátku vztahu se také znatelně promění sluníčkovost statusů - evidentně
roste počet použitých frází vyjadřující pozitivní emoce ("láska",
"krásný", "štastný") a naopak počet negativních
("zlost", "smutek") klesá. Graf níže ukazuje znatelnou převahu
nadšení po začátku vztahu.
Dalším zajímavým slídilem, který využívá kolektivní inteligenci ve svých
analýzách je Amazon.
Amazon vám pošle balík ještě předtím, než
si ho objednáte
Amazon v prosinci 2013 patentoval službu, kterou nazval “předběžné
zaslání”. Jedná se o metodu, kdy začne doručovat zásilku ještě před tím, než
zákazník skutečně klikne na “koupit”.
V tomto obrázku Amazon vysvětluje, že je mnohem lepší a levnější, pokud
zboží jde běžnou cestou blíže k zákazníkovi, než když bude čekat až zákazník
objedná a bude řešit dražší dopravu operativně.
Firma vychází z vlastních analýz zákaznického chování, kdy prostřednictvím
sofistikovaných nástrojů dokáže vyhodnotit, že určitý zákazník s vysokou
pravděpodobností v nejbližší době zakoupí konkrétní produkt. Nabude tedy čekat
až jej objedná, ale začne balík logisticky odbavovat již s předstihem, což mu
ušetří náklady.
Amazon sleduje jak zákazníci na jeho webu nakupují, jak hledají, co si
dávají do oblíbených položek nebo do wishlistu. Analyzuje, jak často se ke
konkrétnímu produktu vracejí a jako faktor ovlivňující tendenci k zakoupení
produktu považuje i čas, který stráví kurzorem nad detailem produktu.
Díky tomu, že má k dispozici ohromné množství dat a opakujících se procesů
(které podrobuje analýze a svá zjištění může v praxi ověřovat a dále pak do
detailů ladit), je schopen s vysokou mírou pravděpodobností predikovat, co
který uživatel v nejbližší době koupí. Dle předešlých nákupů a hledání lze
vysledovat například jeho záliby (téma knih které kupuje) nebo finanční situaci
(jak drahou elektroniku kupuje). V určitou chvíli pak vyhodnotí, že konkrétní
zákazník hodlá realizovat nákup a proto začne s distribucí produktu na
nejbližší sklad. Jestli zákazník přesto stále váhá a neobjednává, Amazon jej v
takovou chvíli motivuje a při dalším přihlášení nabídne produkt s dopravou
zdarma nebo za zvýhodněnou cenu.
A ještě jeden příklad - Twitter
předpovídá míru nezaměstnanosti
V USA na
University of Michigan proběhl výzkum, ve kterém badatelé vyvinuli nástroj,
který analyzoval data z tweetů týkající se ztráty zaměstnání. Poměrně přesně
dokázali spočítat kolik lidí přišlo o práci a brzy proto navštíví pracovní
úřad. Data pak byla porovnána se skutečností, kterou reprezentují konkrétní
data z úřadů.
Modrá linka
- oficiální statistiky /červená linka - model z Twitteru, který bere v potaz
tweety jako např. "Přišel jsem o práci - večer platíš ty!" Jak je
vidět předpověď byla v obecné rovině poměrně přesná - byla sice mírně
nadhodnocena, ale přesně kopírovala výkyvy v čase a celkový trend.
Co to všechno vlastně znamená?
Amazon - stejně jako Facebook, Twitter nebo Google - moc dobře ví, že data
sebraná od svých uživatelů mají obrovský význam. Tyto globální společnosti se
snaží sbírat stále více informací o svých zákaznících, aby z nich dokázaly
vydolovat relevantní závěry, které jim pak umožní přesněji zacílit reklamu,
anebo - v případě Amazonu - poslat zboží dřív než si ho klient objedná.
Uživatelé se tak prostřednictvím webů a nových médií stávají zdrojem dat, které
pak tyto firmy používají pro zlepšení svých služeb.
V případě Amazonu se může jednat o “pouhý” sběr informací vycházejících z
nákupního chování na eshopu. Jak ale může vypadat obraz uživatele nových médií,
kde Twitteru nebo Facebooku dlouhodobě sdělujeme mnohem širší sadu informací o
své osobě. Těmto soukromým firmám dáváme k dispozici informace o svých
politických názorech, vztazích, věku, vzdělání, stavu, rodině nebo zájmech.
Vstupujeme do interakcí s dalšími lidmi, sledujeme profily komunit, organizací
a institucí. Vyjadřujeme se nějak k něčemu - s někým či něčím sympatizujeme, k
jinému se vyjadřujeme negativně. Všechny tyto informace jsou
zaznamenávány, shromažďovány a firmami analyzovány. Pomocí data miningu a
dalších nástrojů (bigdata) firmy zkoumají souvislosti mezi zdánlivě nesourodými
informacemi. Osobnostní charakteristika pak může mít formu poměrně detailního
profilu. Podobně jako Amazon odhadne chování svých zákazníků a dopravou zdarma
je motivuje ke koupi produktu, může i Facebook či Google ovlivňovat své uživatele.
A protože je zná velmi dobře, je schopen na ně působit a ovlivňovat je
efektivně a individualizovaně. Zobrazuje jim kontextové reklamy (třeba na
základě obsahu konverzace v Gmailu), anebo přizpůsobuje příspěvky na Timeline
tak jak sám uzná za vhodné. Tedy nejen, že firmy mají širokou sadu dat o svých
uživatelích (co vše o nich shromažďují se však uživatel nemá dosud šanci
dozvědět), ale tato data dál používají k tomu, aby uživateli poskytly
relevantní obsah a reklamu a tím ovlivnili jeho (možná nejen nákupní) chování.
Na jednu stanu je hodně zajímavé, jak lze kolektivní inteligenci využít v
praxi. Na druhou stranu je dobré si uvědomit, že v mnoha případech jsou zdrojem
pro tyto analýzy naše soukromá data. Možná bychom byli hodně překvapeni,
kdybychom věděli, jakou škálu osobních dat tyto firmy o nás mají k
dispozici.
Zdroje:
http://blogs.wsj.com/digits/2014/01/17/amazon-wants-to-ship-your-package-before-you-buy-it/
http://www.washingtonpost.com/blogs/wonkblog/wp/2014/04/07/twitter-is-surprisingly-accurate-at-predicting-unemployment/?wprss=rss_business
http://www.theatlantic.com/technology/archive/2014/02/when-you-fall-in-love-this-is-what-facebook-sees/283865/
https://www.facebook.com/data/posts/10152217010993415
No comments:
Post a Comment