Супермаркет может быть пугающим местом. Стоит ли покупать обезжиренное или полуобезжиренное молоко? Стоит ли покупать дорогой стейк или веганскую альтернативу? Мои дети предпочли бы эту кашу или ту? Количество вариантов и соображений может быть ошеломляющим, но многие из нас еженедельно ходят в магазин за продуктами с относительной легкостью. как нам это сделать?

В этой статье я подытожу некоторые результаты моей недавней PhD экспериментальной психологии, проведенной в UCL и dunnhumby. Я расскажу о том, что я узнал о поведении потребителей из академической литературы, и о том, как массивные наборы данных о покупательском поведении открывают новые идеи о человеческом познании. Я также расскажу о том, как психологические теории помогают лучше объяснить и предсказать выбор, сделанный на краю полки, и как это помогает dunnhumby развивать более персонализированное понимание клиентов в больших масштабах.

Предпочтения в лаборатории

Психологи любят изучать потребительский выбор в простых лабораторных задачах. Например, предположим, вас попросили выбрать марку бурбона из двух вариантов, представленных в таблице выше. Поскольку эти бренды различаются по качеству и цене, вам может быть трудно сделать выбор (обычно примерно равное количество участников здесь предпочитает бренд A бренду B).

Теперь предположим, что представлена ​​третья марка виски аналогичного качества, но с существенно более высокой ценой. Какой из них вы бы выбрали?

После введения этой третьей «приманки» большинство людей переключаются на марку Б. Ничего не изменилось в марке А или Б, однако многие люди переключают свое предпочтение на марку Б после появления еще более дорогой альтернативы.

Эти развороты вызывают недоумение, потому что они предполагают, что наши предпочтения в отношении продуктов непостоянны. Скорее, они зависят от контекста, в зависимости от сходства с доступными опциями. Если вы когда-либо выбирали между планами ежемесячной подписки, моделями мобильных телефонов или гостиничными номерами, вы, вероятно, сталкивались с этими контекстными эффектами в дикой природе.

Нестандартное мышление

Хотя не все варианты такие. В супермаркете у нас есть свобода выбора между десятками тысяч вариантов и мы можем объединять их вместе по-своему. Для каждого выбора мы часто извлекаем атрибуты из памяти (например, вкус виски) и извлекаем варианты из памяти (например, когда пишем список покупок). Более того, наш выбор часто является последовательно зависимым, а это означает, что то, что мы выбираем сейчас, может определять то, что мы выберем позже.

Это означает, что когда мы делаем выбор в супермаркете, мы в значительной степени полагаемся на извлечение информации из памяти. Это не то, что часто фиксируется в строго контролируемых экспериментальных исследованиях потребительского выбора, а это означает, что у нас есть еще много работы!

Поэтому краеугольным камнем моего исследования было использование идей о том, как люди узнают, хранят и извлекают информацию из памяти, и использование их для прогнозирования выбора людей в супермаркете. Как я покажу ниже, это оказалось на удивление эффективным.

Смысл в использовании

По мере того, как мы делаем больше выборов, мы должны абстрагироваться от некоторых более общих, семантических знаний о них. Это помогает нам, среди прочего, рассуждать об их сходстве. Например, хотя мы знаем, что помидор технически является фруктом, мы, скорее всего, будем думать о его роли в сочетании с другими ингредиентами; помидор - это то, что хорошо сочетается с салатом! Один из моих первых исследовательских вопросов заключался в том, можем ли мы реконструировать это семантическое знание напрямую из выбора людей; Можем ли мы сделать вывод о том, какие атрибуты и темы используют покупатели, думая о многих тысячах товаров, которые они видят в магазине?

Аналогичный вопрос задавали люди, изучающие обработку естественного языка. Вычислительные модели, такие как латентное распределение Дирихле (LDA), изучают богатые семантические темы или темы, изучая совместное появление слов в корпусах текста. Например, обучение LDA на корпусе газет в конечном итоге покажет, что слова «премьер-министр» и «парламент» очень похожи и, вероятно, относятся к одной и той же теме (например, к политике). Таким образом, эти модели могут изучать семантические темы из языка людей.

В своем первом проекте (опубликованном в журнале Computational Brain & Behaviour) я позаимствовал эти идеи, чтобы изучить семантические темы на основе выбора покупателей. Вместо того, чтобы изучать совпадения слов в предложениях, мы рассчитали совпадение продуктов супермаркета в 1,2 млн реальных чеков супермаркета. Результат был впечатляющим — после обучения модели LDA мы увидели, что она восстанавливается последовательно и часто целенаправленно. Темы варьировались от очень конкретных (например, жаркое) до общих (например, приготовление пищи с нуля). Мы даже проверили эти темы, используя опрос 1000 реальных покупателей; наши результаты подтвердили идею о том, что они тесно связаны с семантическими темами, хранящимися в головах людей.

Это дает нам первое представление о том, как мы, покупатели, понимаем огромный выбор, окружающий нас. Когда мы вместе воспринимаем продукты (например, в корзинах для покупок), мы используем это знание, чтобы сгруппировать их по семантическим темам. Это помогает нам придать структуру пугающему морю вариантов и, в конечном счете, придать им смысл.

Собирательство в уме

Чтобы понять, насколько это семантическое знание влияет на наш выбор, мы можем использовать такие модели, как LDA, для их прогнозирования.

В экспериментальных задачах психологи измерили влияние семантической памяти, попросив людей перечислить как можно больше элементов из категории (известная как задача на беглость семантики). Попробуй сейчас; попытайтесь перечислить как можно больше животных за 2 минуты, используя ручку и бумагу.

Как правило, участники этой задачи последовательно перечисляют элементы, близкие по смыслу. Например, они могут перечислить кошку, затем собаку, а затем перечислить всех домашних животных, о которых они могут подумать, прежде чем перейти к животным на ферме. Психологи сравнили это с поиском пищи, когда мы делаем небольшие шаги по нашей семантической памяти, пытаясь найти лучшие слова для извлечения.

Результаты нашего второго проекта (опубликованные в Science Advances) показали, что эти идеи можно расширить, чтобы объяснить, как люди составляют списки покупок или ищут продукты в Интернете. Теоретически мы можем перечислять товары или искать продукты в Интернете в любом порядке. Однако наши результаты показали, что последовательные покупки, как правило, связаны с памятью. Чем более похожи два продукта в семантической памяти, тем больше вероятность того, что мы купим их последовательно. Как будто мы роемся в памяти о продуктах, когда решаем, что купить дальше.

В дополнение к семантическим знаниям покупатели также используют воспоминания о предыдущем опыте поиска продуктов (так называемая эпизодическая память). Например, мы можем помнить, что использовали два продукта вместе в рецепте или покупали их вместе во время предыдущих посещений. Наши результаты показали, что покупатели, которые полагались на эти эпизодические знания во время совершения покупок, с меньшей вероятностью забывали продукты в конце своего визита. Если вы склонны забывать продукты, попробуйте заставить себя думать о других продуктах, которые вам понадобятся, помимо того, что вы купили в последний раз (например, купить хлопья? Купи молоко!)

Краткое содержание

Иногда может показаться, что выбор слишком велик. Я склонен чувствовать это больше всего в областях, где у меня меньше всего опыта, например, поиск отелей в новом городе. Исследование, обсуждаемое в этой статье, помогает нам понять, почему.

По мере того, как мы рассматриваем варианты, мы приобретаем все более обширные долгосрочные знания, которые помогают направлять наши решения. Как обсуждалось ранее, мы естественным образом начинаем сегментировать варианты в семантические кластеры в нашей голове, такие как жаркое и завтрак. Невероятно, но это семантическое знание может быть реконструировано на основе выбора покупателей. Мы используем это в dunnhumby, чтобы лучше определить, какие продукты заменимы, а какие дополняют друг друга.

Эти результаты также подчеркивают преимущества сочетания психологической теории и анализа больших данных. Супермаркет — отличный микрокосм для изучения процесса принятия решений, отчасти потому, что существует так много вариантов выбора из множества вариантов, и мы довольно хорошо отслеживаем этот выбор с течением времени. Сочетание лабораторных задач, машинного обучения и больших данных может дать ценную информацию о процессах принятия решений покупателями, что поможет ритейлерам лучше обслуживать клиентов в любом масштабе.

Если вы хотите узнать больше об этом исследовании, взгляните на некоторые из наших публикаций или на мою кандидатскую диссертацию. Пожалуйста, оставьте комментарий или свяжитесь с нами, если у вас есть какие-либо вопросы.

И последнее примечание: огромное спасибо всем, кто внес свой вклад в это исследование, например моему научному руководителю Professor Brad Love и сотрудникам. Спасибо также dunnhumby и Королевской комиссии 1851 года за поддержку этой докторской степени.