211service.com
Labāku lēmumu pieņemšana, izmantojot lielas personas
Nodrošina Kataras fonds
Persona ir iedomāta figūra, kas attēlo reālu cilvēku segmentu, un tā ir komunikatīva dizaina tehnika, kuras mērķis ir uzlabot lietotāja izpratni. Vairāku gadu desmitu laikā personas bija datu struktūras, statiskas sistēmas lietotāju atribūti bez interaktivitātes. Persona bija līdzeklis, lai sakārtotu datus par iedomāto personu un sniegtu informāciju lēmumu pieņēmējiem. Lielākajai daļai situāciju tas nebija īsti īstenojams.
Kā personas un dati darbojas kopā
Palielinoties analītikas datiem, personas tagad var ģenerēt, izmantojot lielos datus un algoritmiskās pieejas. Šī personu un analītikas integrācija piedāvā ietekmīgas iespējas pārvietot personas no vienotiem datu prezentācijas failiem uz interaktīvām analītikas sistēmu saskarnēm. Šīs personu analīzes sistēmas nodrošina gan personu empātisku savienojumu, gan racionālu analītikas ieskatu. Personas analīzes sistēmās persona vairs nav statisks, plakans fails. Tā vietā tie ir darbības režīmi, lai piekļūtu lietotāja datiem. Personu un analītikas apvienošana arī padara lietotāju datus mazāk izaicinošus tiem, kam trūkst prasmju vai vēlmes strādāt ar sarežģītu analīzi. Vēl viena personu analītikas sistēmu priekšrocība ir tā, ka var izveidot simtiem uz datiem balstītu personu, lai atspoguļotu dažādās uzvedības un demogrāfiskās nianses pamata lietotāju grupā.
Personas kā saskarnes pieeja piedāvā gan personu, gan analītisko sistēmu priekšrocības un novērš katras nepilnības. Pārveidojot gan personības, gan analītikas izveides procesu, personas kā saskarnes nodrošina gan teorētisku, gan praktisku ietekmi uz dizainu, mārketingu, reklāmu, veselības aprūpi un cilvēkresursiem, cita starpā.
Šī persona kā saskarnes pieeja ir personības analīzes sistēmas automātiskās personu ģenerēšanas (APG) pamats. Veicinot gan personības, gan analītikas konceptualizācijas, izstrādes un izmantošanas progresu, APG piedāvā daudzslāņu pilnas kaudzes integrāciju, kas nodrošina trīs lietotāja datu prezentācijas līmeņus, kas ir a) konceptuālā persona, b) analītiskā metrika un c) pamata dati.
APG ģenerē personu kopas, kas pārstāv lietotāju grupu, un katram segmentam ir personība. Paļaujoties uz regulāriem datu vākšanas intervāliem, uz datiem balstītas personas bagātina tradicionālo personu ar papildu elementiem, piemēram, lietotāju lojalitāti, sentimenta analīzi un interesējošām tēmām, kuras ir APG klientu pieprasītās funkcijas.
Izmantojot izlūkošanas sistēmas dizaina koncepcijas, APG identificē unikālus uzvedības modeļus lietotāju mijiedarbībai ar produktiem (ti, tie var būt produkti, pakalpojumi, saturs, interfeisa līdzekļi utt.) un pēc tam saista šos unikālos modeļus ar demogrāfiskajām grupām, pamatojoties uz saistību stiprumu. unikālais modelis. Pēc grupētas mijiedarbības matricas iegūšanas mēs izmantojam matricas faktorizāciju vai citus algoritmus latentās lietotāja mijiedarbības identificēšanai. Matricas faktorizācija un saistītie algoritmi ir īpaši piemēroti lielu datu kopu dimensiju samazināšanai, nosakot latentos faktorus.
Kā darbojas APG datu vadītas personas
APG bagātina algoritmu radītos lietotāju segmentus, pievienojot atbilstošu vārdu, attēlu, komentārus sociālajos tīklos un saistītus demogrāfiskos atribūtus (piemēram, ģimenes stāvokli, izglītības līmeni, nodarbošanos utt.), vaicājot ievērojamu sociālo mediju platformu auditorijas profilus. APG ir iekšēja datubāze ar metatagiem ar tūkstošiem iegādātu ar autortiesībām aizsargātu fotoattēlu, kas atbilst vecumam, dzimumam un etniski atbilstošiem. Sistēmai ir arī iekšējā datu bāze ar simtiem tūkstošu vārdu, kas ir arī atbilstoši vecumam, dzimumam un etniski atbilstošiem. Piemēram, divdesmit gadus vecai indiešu sievietei APG automātiski atlasa populāru vārdu sievietēm pirms divdesmit gadiem Indijā. Pēc tam APG datu vadītās personas tiek parādītas lietotājiem no organizācijas, izmantojot interaktīvo tiešsaistes sistēmu.
APG izmanto pamata lietotāja datus, uz kuriem darbojas sistēmas algoritmi, pārveidojot šos datus informācijā par lietotājiem. Šis algoritmiskās apstrādes rezultāts ir izmantojama metrika un mērījumi par lietotāju kopu (t.i., procenti, varbūtības, svari utt.), kas parasti tiek rādīti nozares standarta analītikas pakotnēs. Šo praktisko rādītāju izmantošana ir nākamais APG abstrakcijas līmenis. Rezultāts ir personiskās analīzes sistēma, kas spēj sniegt lietotāja ieskatus dažādos precizitātes līmeņos ar integrētiem un uzdevumam atbilstošiem līmeņiem.
Piemēram, C līmeņa vadītāji var vēlēties augsta līmeņa skatījumu par lietotājiem, kuriem būtu piemērotas personas. Operatīvie vadītāji var vēlēties varbūtības skatījumu, kam būtu piemērota analītika. Ieviestājiem ir jāveic tiešas lietotāja darbības, piemēram, mārketinga kampaņai, kurai piemērotāki ir individuālie lietotāja dati.
Katru APG līmeni var iedalīt šādi:
Konceptuālais līmenis, cilvēki. Augstākais abstrakcijas līmenis, konceptuālais līmenis, ir personu kopa, ko APG ģenerē no datiem, izmantojot iepriekš aprakstīto metodi, un pēc noklusējuma ir desmit personas. Tomēr APG teorētiski var ģenerēt tik daudz personu, cik nepieciešams. Personai ir gandrīz visi tipiskie atribūti, kas atrodami tradicionālajos personas profilos. Tomēr APG personas kā saskarnes ļauj ievērojami palielināt interaktivitāti personu piesaistē organizācijās. Interaktivitāte tiek nodrošināta tā, ka lēmumu pieņēmējs var mainīt noklusējuma numuru, lai ģenerētu vairāk vai mazāk personu, un sistēma pašlaik ir iestatīta no piecām līdz piecpadsmit personām. Sistēma var ļaut meklēt personu kopu vai izmantot analīzi, lai paredzētu personas intereses.
Analīzes līmenis: procenti, varbūtības un svari . Analītikas līmenī APG personas darbojas kā saskarnes ar pamatā esošo informāciju un datiem, kas tiek izmantoti personu izveidei. Konkrētā informācija var nedaudz atšķirties atkarībā no datu avota. Tomēr analītikas līmenis atspoguļos metriku un mērījumus, kas ģenerēti no pamata lietotāja datiem, un veidos personas. Programmā APG personas nodrošina dažādu analītisko informāciju, izmantojot noklikšķināmas ikonas personas saskarnē. Piemēram, APG parāda procentuālo daļu no visas lietotāju kopas, ko pārstāv konkrēta persona. Šis analītiskais ieskats ir vērtīgs lēmumu pieņēmējiem, lai noteiktu, cik svarīgi ir izstrādāt vai izstrādāt konkrētai personai, un palīdz risināt jautājumu par personas derīgumu, pārstāvot faktiskos lietotājus.
Lietotāja līmenis: individuāli dati. Izmantojot demogrāfiskos metadatus no pamatā esošā faktorizācijas algoritma, lēmumu pieņēmēji var piekļūt konkrētam lietotāja līmenim (t.i., individuālajam vai apkopojumam) tieši APG. Skaitliskie lietotāja dati (dažādās formās) ir personu un analītikas pamats.
Uz datiem balstītu personu ietekme
Personu konceptuālā pāreja no plakaniem failiem uz personām kā saskarnēm, lai uzlabotu lietotāju izpratni, paver jaunas iespējas lēmumu pieņēmēju, personu un analītikas mijiedarbībai. Izmantojot uz datiem balstītas personas, kas ir iegultas kā analītisko sistēmu saskarnes, lēmumu pieņēmēji var, piemēram, pievienot analīzes sistēmas ar personu priekšrocībām, lai ar empātiju starp ieinteresētajām personām un lietotāju datiem izveidotu psiholoģisku saikni un joprojām varētu piekļūt praktiskiem lietotāju numuri. Ir vairākas praktiskas sekas vadītājiem un praktiķiem. Proti, personas tagad ir apspriežamas, jo personas precīzi atspoguļo pamatā esošos lietotāja datus. Šis pilnas kaudzes ieviešanas aspekts iepriekš nebija pieejams ne personām, ne analītikai.
APG ir pilnībā funkcionāla sistēma, kas tiek izmantota reālās klientu organizācijās. Lūdzu, apmeklējiet https://persona.qcri.org lai redzētu demonstrāciju.
Šo saturu rakstīja Kataras skaitļošanas pētniecības institūts , Hamad Bin Khalifa University, Kataras fonda biedrs. To nav rakstījuši MIT Technology Review redakcijas darbinieki.