Немецкая статья Ich habe nur gezeigt, dass es die Bombe gibt швейцарского издания Das Magazin получила широкое распространение в последние дни и была названа самой важной статьей года.

Почему? Потому что это обещает ответ на один из самых актуальных вопросов: как Трамп мог победить на президентских выборах?

В статье утверждается, что за победу ответственны большие данные и микротаргетинг.

В частности, упоминается влияние компании больших данных Cambridge Analytica и ее участие в выборах Brexit и президентских выборах в США.

Если вы еще не читали статью, вот очень краткое изложение: Cambridge Analytica проанализировала поведение и личность избирателей. Компания утверждает, что может предсказать личность человека по его лайкам в Facebook и Twitter и их письменному взаимодействию. Затем компания подключилась к планированию микротаргетированного контента, чтобы помочь Трампу победить на выборах.

С момента широкого распространения статьи многие СМИ подвергли сомнению утверждения, сделанные здесь, здесь и здесь.

Основная критика многих людей заключается в том, что феномен Трампа имеет несколько причин и не может быть объяснен только большими данными и микротаргетингом. Кроме того, кто знает, не использовала ли Клинтон и микротаргетинг в своей кампании, как это было предложено здесь.

Я не хочу ввязываться в конкретную дискуссию о том, был ли Трамп избран из-за Cambridge Analytica.

Вместо этого я хочу поговорить об анализе личности и его возможном влиянии на наше будущее. По сравнению с тем, что происходит в наши дни в электронной коммерции, Cambridge Analytica кажется лишь крошечным кусочком айсберга. Айсберг с огромным умом и исследованиями, созданный IBM и маркетинговыми компаниями.

Микротаргетинг не новость.

Когда дело доходит до электронной коммерции, микротаргетинг не новость. Но что кажется новым, так это рекламные мнения, новости и фейковые новости по политическим мотивам.

Компании электронной коммерции всегда хотели знать своих клиентов наизнанку, и мы все были в порядке с этим, не так ли? У всех есть карты лояльности клиентов, и мы заказываем и покупаем много вещей в Интернете. Если бы вы были похожи на меня, вы бы подумали: «Как бы то ни было, может, они знают, что мне нравится йогурт с шоколадной стружкой, ну и что?»

Однако кажется довольно новым то, что компании теперь могут не только использовать поведение покупателя и анализировать все это, но и что они могут построить глубокий личностный портрет, который даже не ваш супруг смог бы придумать так точно.

Однако анализ личности проводится не только Cambridge Analytica. Гораздо более крупным игроком, вероятно, является IBM.

Причина анализа личности кажется очевидной:

Компании хотят узнать о нас как можно больше: какие продукты мы используем, наше покупательское поведение и на какие маркетинговые сообщения мы отвечаем. Более того, они хотят знать наши сокровенные «я»: наши надежды, мечты, страхи, тревоги, ценности и потребности.

Хотя два человека могут иметь один и тот же возраст, образование, историю работы и социально-экономическое положение, их личности могут сильно отличаться. Здесь на помощь приходит анализ личности.

Опасность этого заключается в следующем:

Если в электронной коммерции можно использовать большие данные, машинное обучение и личный анализ, то это может сделать каждый. С технологической точки зрения не имеет значения, рекламируете ли вы новый йогурт или фейковые новости своей тщательно сегментированной аудитории, технология, лежащая в основе этого, та же.

Но прежде чем углубиться в это, я хочу показать вам, как модель личности IBM сравнивается с моделью, разработанной Михалом Косински и его командой в Центре психометрии Кембриджского университета. Я также расскажу, почему модель личности IBM кажется более сильной.

Модели личности IBM против механизма персонализации Косинского

Косински и его команда использовали модель большой пятерки, чтобы классифицировать людей по их личностям. Они проанализировали поведение людей по этим характеристикам. В Magazin-article говорилось, что Cambridge Analytica, скорее всего, скопировала механизм персонализации Косинского.

Источник: https://cambridgeanalytica.org/about

В то время как модель большой пятерки очень популярна в современной психологии, аналитическая основа IBM более обширна. IBM также использует модель Big Five или OCEAN, но они также принимают во внимание другие характеристики, включая ценности и потребности.

Важность включения ценностей и потребностей кажется очевидной: мы счастливы, когда живем в согласии со своими ценностями и когда наши потребности удовлетворяются.

В общем, IBM выходит за рамки пяти характеристик, они используют 47.

Вот как выглядят результаты анализа обоих программ.

В качестве примера я взял уступчивую речь Хиллари Клинтон, расшифровку стенограммы можно найти здесь.

Вот результаты для механизма персонализации Косинского:

Как ни странно, почти каждый образец текста от женщин-писателей, который я тестировал (включая меня), демонстрировал мужское предсказание. Кроме того, прогноз по возрасту неверен: Клинтон 69, а не 37.

А вот и анализ личности Клинтона из Большой пятерки:

По сравнению с механизмом персонализации анализ IBM выглядит гораздо более подробным. Он включает в себя описание личности, список ценностей и потребностей, диаграмму солнечного колеса и информацию о том, на какой маркетинг отреагирует Клинтон.

Вот результаты:

Помимо этих характеристик, IBM дает нам еще больше информации о кандидате в президенты:

Краткое изложение личного портрета, а также характеристики маркетинговых сообщений, на которые Клинтон ответит.

Плюс ее потребительские потребности и ценности.

Если вас интересует собственный анализ, вы можете опробовать механизм персонализации Кембриджского университета здесь или IBM здесь и посмотреть, как сравниваются результаты для одного и того же образца текста.

Так как же IBM проводит анализ личности?

IBM провела обширное исследование информации о пользователях с помощью текстовых сообщений. Необязательно, чтобы вы писали обширные сообщения в блоге, в основном любой текст, твиты, сообщения в Facebook или электронная почта сделают свое дело.

Смысл этого заключается в том, что язык отражает личность, стиль мышления, социальные связи и эмоциональные состояния. Специально для IBM компаниями Schwartz и Plank & Hovy в 2013 году было проведено обширное исследование. 2015 г.

Как IBM выводит личностные черты из текста?

Данный текст сначала преобразуется в векторное представление в n-мерном пространстве. Техника, лежащая в основе этого, называется GloVe. Вместо конкретных слов у вас есть векторы, которые их представляют. Анализируются линейные подструктуры, ближайшие соседи, а также частота слов.

Это очень сложно, но приведу пример:

Линейная подструктура объясняет, как связаны два слова. Например, король и королева - это слова, описывающие членов королевской семьи. Но слова могут использоваться в противопоставлении друг другу, так что их отношения не могут быть представлены одним числом.

Для количественной оценки взаимосвязей, которые вы видите на рисунке выше, вам понадобится набор чисел, который фиксирует сопоставление этих слов.

Когда у вас есть векторное представление вашего текста, алгоритм машинного обучения определяет профиль личности с большой пятеркой, потребностями и ценностями.

IBM также провела конкретные исследования типов личности в сочетании с владением автомобилем, предпочтениями в отношении бренда, музыкальными предпочтениями, принятием риска, профессиональной и академической успеваемостью.

Одним из примеров использования этих личностных представлений является управление капиталом.

Управляющие благосостоянием уже используют программное обеспечение IBM для прогнозирования жизненных событий, в том числе вашей смерти. Причина в том, что они хотят помочь управляющим капиталом инвестировать с меньшим риском.

Система для манипуляции уже есть

Одна из причин, по которой статья в журнале достигла такого вирусного статуса, заключалась в том, что в ней предлагалось, как микротаргетинг может поразить нас, где и когда мы наиболее уязвимы.

Когда программа знает наши самые сокровенные страхи и надежды, она может действовать в соответствии с ней.

Если анализ личности используется для манипулирования мнениями, я предполагаю, что это будет происходить постепенно и очень медленно. Я не думаю, что это сработает, если в вашей ленте появится спонсируемое видео беженца, растлевающего молодую студентку, вы измените свое либеральное мнение и проголосуете за кандидата альтернативных правых.

Вместо этого было бы гораздо эффективнее постепенно переводить вас в другое место.

Для этого уже настроена система автоматизации маркетинга.

Допустим, вы привыкли тратить на косметику 20 долларов в месяц.

Цель не в том, чтобы вы потратили 100 долларов в следующем месяце, а в том, чтобы переместить одну коробку вверх.

Коробки могут выглядеть так:

10–20 долларов | $ 20–30 $ | 30–40 $ | 40–50 долларов и т. Д.

Интернет-магазин косметики теперь может показать вам рекламу, в которой говорится: «Потратьте 35 долларов на косметику, сэкономьте 5 долларов».

Затем они без участия человека проверяют, какой канал вам подходит. Если электронная почта не работает, могут работать текстовые сообщения, твиттер или Facebook.

Также важно время. Вы можете более оперативно реагировать на определенные сообщения ночью, чем днем. По мере того как наше настроение меняется в течение дня, контент, который мы видим, адаптируется.

Все это может быть не проблема, если такие данные используются для продажи йогуртов, но представьте, если бы это был не продукт, а мнение, которое кто-то хочет, чтобы вы узнали.

Если вы либеральный избиратель, они могут начать с незначительных вещей, таких как бесплатная парковка или цены на бензин.

Компании электронной коммерции часто создают кампании «если… то». Если я нажму на рекламу, поддерживающую Трампа, касающуюся дешевых цен на газ, тогда я увижу еще одну рекламу, поддерживающую Трампа. И так далее.

Трудно представить, что информационные компании действительно могут изменить наши глубочайшие ценности. Возможно, нас ждут более низкие цены на газ, но для того, чтобы стать сторонником Трампа, потребуется нечто большее.

Однако никому не нравится думать о себе как о уязвимом и уязвимом, которым можно манипулировать. Вопрос в том, насколько мы конструируем нашу собственную реальность из того, что видим и переживаем каждый день. Можем ли мы действительно сказать, что наши ценности создаются независимо от среды, в которой мы живем и дышим?

Я надеюсь, что ошибаюсь в этом, но кажется возможным, что в будущем каждое решение, которое мы принимаем или думаем, что принимаем, могло быть построено на основе реальности, которая не была бы нашей собственной, если бы не было тщательно размещено содержание.

И есть шанс, что это будущее уже происходит.

Если вам понравился этот пост, рассмотрите возможность подписки на нашу новостную рассылку и получайте новые статьи прямо в свой почтовый ящик 1-2 раза в месяц. Вы можете зарегистрироваться здесь: www.youmightalsolike.net

Первоначально опубликовано на www.youmightalsolike.net 8 декабря 2016 г.