Ο «αγώνας» για την εξακρίβωση των επιθυμιών και των τάσεων του καταναλωτή μέσω της online δραστηριότητας αποτελεί εδώ και καιρό εξαιρετικά σημαντικό κομμάτι της στρατηγικής των εταιρειών κάθε είδους οι οποίες διατηρούν διαδικτυακή παρουσία.
Σύμφωνα με δημοσίευμα του MIT Technology Review, η ΙΒΜ πάει ένα βήμα παραπέρα, αναπτύσσοντας τεχνολογία η οποία εντοπίζει βασικά ψυχολογικά χαρακτηριστικά ενός ατόμου αναλύοντας τις δημοσιεύσεις του στο Twitter, με απώτερο στόχο την παροχή καλύτερων υπηρεσιών εξυπηρέτησης πελατών, ή βελτιωμένων στοχευμένων μηνυμάτων προώθησης.
«Πρέπει να πάμε παραπέρα από την συμπεριφορική ανάλυση» λέει η Μισέλ Ζου, επικεφαλής του User Systems and Experience Research Group στο Almaden Research Center της εταιρείας στην Καλιφόρνια, το οποίο αναπτύσσει το λογισμικό.
«Θέλουμε να χρησιμοποιήσουμε τα κοινωνικά δίκτυα για να αποκτήσουμε πληροφορίες για ένα άτομο…πόσο ανθεκτικό είναι αυτό το άτομο συναισθηματικά; Άτομα με διαφορετικές προσωπικότητες θέλουν διαφορετικά πράγματα».
Το λογισμικό της Ζου και της ομάδας της αναπτύσσει ένα προφίλ προσωπικότητας βασιζόμενο στα πιο πρόσφατα (εκατοντάδες ή και χιλιάδες) updates στο Twitter. Στο προφίλ υποδεικνύονται τα πέντε βασικά στοιχεία τα οποία χρησιμοποιούνται στην ψυχολογική έρευνα: εξωστρέφεια, τερπνότητα, ευσυνειδησία, νεύρωση και πόσο ανοικτός είναι κάποιος σε εμπειρίες. Επίσης, αξιολογεί το άτομο όσον αφορά «αξίες», τύπου «ηδονισμός» και «συντηρητισμός», καθώς και «ανάγκες» (περιέργεια, κοινωνική αρμονία).
Η Ζου συνεργάζεται με πελάτες της ΙΒΜ (τους οποίους δεν κατονόμασε) προκειμένου να εξεταστεί πώς η ακριβώς η συγκεκριμένη τεχνολογία μπορεί να βοηθήσει τις επιχειρήσεις. Όπως ανέφερε, το σύστημα θα μπορούσε να χρησιμοποιηθεί για τη διαμόρφωση μηνυμάτων marketing μέσω email ή κοινωνικών δικτύων, ή την επιλογή του υλικού προώθησης που προβάλλεται σε κάποιον όταν συνδέεται σε έναν λογαριασμό του.
Στο πλαίσιο του πιλοτικού προγράμματος, θα εξεταστεί το κατά πόσον μηνύματα τέτοιου είδους έχουν καλύτερες «επιδόσεις» σε σχέση με άλλα. Η Ζου είναι αισιόδοξη, ενώ εκτιμά ότι η ύπαρξη μιας γενικότερης ιδέας/ ψυχολογικού προφίλ σχετικά με τα βασικά ψυχολογικά χαρακτηριστικά της προσωπικότητας κάποιου θα μπορούσε να βοηθήσει και στη δραστηριότητα τηλεφωνικών κέντρων ή άλλων καταστάσεων όπου απαιτείται εξυπηρέτηση πελατών. Για παράδειγμα, στην περίπτωση της ανακοίνωσης της καθυστέρησης μίας πτήσης, ο «εξωστρεφής» θέλει αναγνώριση και ανταμοιβή, οπότε θα έπρεπε να το δοθούν «πόντοι πτήσης». Ο «ευσυνείδητος» θέλει να μάθει όσο το δυνατόν γρηγορότερα πότε είναι η επόμενη πτήση κ.ο.κ.
Το συγκεκριμένο λογισμικό αναπτύχθηκε μέσω υποβολής ψυχολογικών ερωτηματολογίων σε διάφορα άτομα και τη σύγκριση των αποτελεσμάτων τους με τη δραστηριότητά τους στο Twitter. Στη συνέχεια, λογισμικό machine learning εξέτασε τις σχέσεις μεταξύ της χρήσης λέξεων σε tweets και των ψυχολογικών τάσεων που είχαν διαπιστωθεί, με αποτέλεσμα τη δημιουργία μοντέλων/ προφίλ βάσει των δημοσιεύσεων στο Twitter και μόνο.
