211service.com
Priimkite geresnius sprendimus su didelių duomenų asmenimis
Pateikė Kataro fondas
Asmuo yra įsivaizduojama figūra, vaizduojanti realių žmonių segmentą, ir tai yra komunikacinė dizaino technika, kuria siekiama pagerinti vartotojo supratimą. Per kelis naudojimo dešimtmečius asmenukės buvo duomenų struktūros, statinės sistemos, naudotojo atributai, neturintys jokio interaktyvumo. Asmuo buvo priemonė sutvarkyti duomenis apie įsivaizduojamą asmenį ir pateikti informaciją sprendimus priimantiems asmenims. Daugeliu atvejų tai nebuvo veiksminga.
Kaip asmenys ir duomenys veikia kartu
Didėjant analizės duomenims, asmenybes dabar galima sukurti naudojant didelius duomenis ir algoritminius metodus. Šis asmenybių ir analizės integravimas suteikia puikių galimybių perkelti asmenis nuo plokščių duomenų pateikimo failų prie interaktyvių analizės sistemų sąsajų. Šios asmenybių analizės sistemos suteikia tiek empatišką asmenų ryšį, tiek racionalias analitikos įžvalgas. Naudojant asmens analizės sistemas, asmuo nebėra statiškas, plokščias failas. Vietoj to, jie yra vartotojo duomenų prieigos veikimo režimai. Sujungus asmenybes ir analizę, naudotojų duomenis taip pat lengviau naudoti tiems, kurie neturi įgūdžių ar noro dirbti su sudėtinga analize. Kitas asmens analizės sistemų pranašumas yra tai, kad galima sukurti šimtus duomenimis pagrįstų asmenybių, kurios atspindėtų įvairius elgsenos ir demografinius niuansus pagrindinėje vartotojų grupėje.
Asmenybių kaip sąsajų metodas suteikia tiek asmenybių, tiek analizės sistemų pranašumus ir pašalina kiekvienos iš jų trūkumus. Keičiant tiek asmenybių, tiek analizės kūrimo procesą, asmenys kaip sąsajos suteikia tiek teorinių, tiek praktinių pasekmių projektavimui, rinkodarai, reklamai, sveikatos priežiūrai ir žmogiškiesiems ištekliams, be kitų sričių.
Šis asmuo kaip sąsajos metodas yra asmenybių analizės sistemos „Automatic Persona Generation“ (APG) pagrindas. Siekdama tobulėti tiek asmenybės, tiek analizės konceptualizavimo, kūrimo ir naudojimo srityse, APG pateikia daugiasluoksnę pilno krūvos integraciją, suteikiančią tris vartotojo duomenų pateikimo lygius: a) konceptualų asmenį, b) analitinę metriką ir c) pagrindinius duomenis.
APG generuoja asmenybes, atstovaujančias vartotojų populiacijai, kiekvienam segmentui turint asmenybę. Pasikliaudami reguliariais duomenų rinkimo intervalais, duomenimis pagrįstos asmenybės praturtina tradicinę asmenybę papildomais elementais, tokiais kaip vartotojų lojalumas, nuotaikų analizė ir dominančios temos, kurių APG klientai pageidauja.
Pasitelkdama intelektinės sistemos projektavimo koncepcijas, APG nustato unikalius vartotojų sąveikos su produktais elgsenos modelius (ty tai gali būti produktai, paslaugos, turinys, sąsajos funkcijos ir kt.), o tada susieja šiuos unikalius modelius su demografinėmis grupėmis, remdamasi susiejimo su produktais stiprumu. unikalus modelis. Gavę sugrupuotą sąveikos matricą, taikome matricos faktorizaciją ar kitus algoritmus latentinei vartotojo sąveikai identifikuoti. Matricos faktorizavimas ir susiję algoritmai ypač tinka mažinti didelių duomenų rinkinių matmenis, skiriant latentinius veiksnius.
Kaip veikia APG duomenimis pagrįsti asmenys
APG praturtina naudotojų segmentus, sukurtus pagal algoritmus, pridėdama atitinkamą vardą, paveikslėlį, komentarus socialiniuose tinkluose ir susijusius demografinius požymius (pvz., šeimyninę padėtį, išsilavinimo lygį, profesiją ir kt.), teikdama užklausas apie žinomų socialinės žiniasklaidos platformų auditorijos profilius. APG turi vidinę metažymėmis pažymėtą duomenų bazę, kurioje yra tūkstančiai įsigytų autorių teisių saugomų nuotraukų, atitinkančių amžių, lytį ir etninę reikšmę. Sistema taip pat turi vidinę duomenų bazę, kurioje yra šimtai tūkstančių vardų, kurie taip pat atitinka amžių, lytį ir etninę reikšmę. Pavyzdžiui, dvidešimties metų Indijos moters asmenybei APG automatiškai parenka populiarų moterų vardą prieš dvidešimt metų Indijoje. Tada APG duomenimis pagrįstos asmenybės rodomos naudotojams iš organizacijos per interaktyvią internetinę sistemą.
APG naudoja pagrindinius vartotojo duomenis, kuriuos veikia sistemos algoritmai, paversdami šiuos duomenis informacija apie vartotojus. Šis algoritminio apdorojimo rezultatas yra veiksmingos metrikos ir matai, susiję su naudotojų populiacija (t. y. procentais, tikimybėmis, svoriais ir t. t.), tokio tipo, kurį paprastai būtų galima matyti pramonės standartiniuose analizės paketuose. Šių veiksmingų metrikų naudojimas yra kitas APG abstrakcijos lygis. Rezultatas yra asmens analizės sistema, galinti pateikti vartotojo įžvalgas skirtingais detalumo lygiais, kurių lygiai yra integruoti ir tinkami užduočiai.
Pavyzdžiui, C lygio vadovai gali norėti turėti aukšto lygio vartotojų, kuriems būtų tinkami asmenys, vaizdą. Veiklos vadovai gali norėti tikimybinio požiūrio, kuriam tiktų analizė. Diegėjai turi imtis tiesioginių vartotojo veiksmų, pavyzdžiui, rinkodaros kampanijai, kuriai labiau tinka individualūs vartotojo duomenys.
Kiekvienas APG lygis gali būti suskirstytas taip:
Koncepcinis lygis, žmonės. Aukščiausias abstrakcijos lygis, konceptualusis lygis, yra asmenybių rinkinys, kurį APG generuoja iš duomenų naudodamas aukščiau aprašytą metodą, o pagal numatytuosius nustatymus yra dešimt asmenybių. Tačiau APG teoriškai gali sukurti tiek asmenybių, kiek reikia. Asmuo turi beveik visus tipiškus atributus, kuriuos galima rasti tradiciniuose vienodo formato asmens profiliuose. Tačiau APG sistemoje asmenukės kaip sąsajos leidžia žymiai padidinti interaktyvumą pasitelkiant asmenis organizacijose. Interaktyvumas suteikiamas taip, kad sprendimus priimantis asmuo galėtų pakeisti numatytąjį skaičių, kad sukurtų daugiau ar mažiau asmenybių, o sistema šiuo metu nustatyta nuo penkių iki penkiolikos asmenybių. Sistema gali leisti ieškoti asmenybių rinkinio arba pasitelkti analizę, kad būtų galima numatyti asmens interesus.
Analitikos lygis: procentai, tikimybės ir svoriai . Analitikos lygmeniu APG asmenys veikia kaip sąsajos su pagrindine informacija ir duomenimis, naudojamais kuriant asmenybes. Konkreti informacija gali šiek tiek skirtis priklausomai nuo duomenų šaltinio. Vis dėlto analizės lygis atspindės metrikas ir priemones, sugeneruotas iš pagrindinių naudotojo duomenų, ir sukurs asmenybes. APG sistemoje asmenys suteikia galimybę gauti įvairią analitinę informaciją spustelėdami piktogramas asmens sąsajoje. Pavyzdžiui, APG rodo procentą visos vartotojų populiacijos, kuriai atstovauja konkretus asmuo. Ši analitinė įžvalga yra vertinga sprendimus priimantiems asmenims, siekiant nustatyti konkrečiam asmeniui skirto projektavimo ar tobulinimo svarbą, ir padeda išspręsti asmens tinkamumo reprezentuojant tikruosius vartotojus klausimą.
Vartotojo lygis: individualūs duomenys. Naudodami demografinius metaduomenis iš pagrindinio faktorizavimo algoritmo, sprendimus priimantys asmenys gali pasiekti konkretų naudotojo lygį (t. y. individualų ar suvestinį) tiesiogiai APG. Skaitmeniniai vartotojo duomenys (įvairiomis formomis) yra asmenybių ir analizės pagrindas.
Duomenimis pagrįstų asmenų pasekmės
Koncepcinis asmenybių perėjimas nuo plokščių failų prie asmenybių kaip sąsajų, skirtų geresniam vartotojo supratimui, atveria naujas sprendimus priimančių asmenų, asmenybių ir analitikos sąveikos galimybes. Naudodami duomenimis pagrįstus asmenis, įterptus kaip sąsajas su analizės sistemomis, sprendimus priimantys asmenys gali, pavyzdžiui, įtraukti analizės sistemas naudos asmenims, kad per empatiją užmegztų psichologinį ryšį tarp suinteresuotųjų šalių ir vartotojo duomenų ir vis tiek turėtų prieigą prie praktinių vartotojų numeriai. Yra keletas praktinių pasekmių vadovams ir praktikams. Būtent, dabar asmenys yra veiksmingi, nes asmenys tiksliai atspindi pagrindinius vartotojo duomenis. Šis visos krūvos diegimo aspektas anksčiau nebuvo pasiekiamas nei naudojant „personas“, nei su „analytics“.
APG yra visiškai funkcionali sistema, įdiegta tikrose klientų organizacijose. Prašome aplankyti https://persona.qcri.org norėdami pamatyti demonstracinę versiją.
Šį turinį parašė Kataro skaičiavimo tyrimų institutas , Hamad Bin Khalifa universitetas, Kataro fondo narys. Ją parašė ne „MIT Technology Review“ redakcija.