Öneri Motorları: Daha İyi Seçimler Yapma

Yeni dijital çağın şirketlerinin en belirgin özelliklerinden biri, eyleme geçirilebilir öneriler sunma yeteneğidir. Çoğu zaman, bu dijital ilk şirketlerin rekabet avantajı, öneri motorlarının doğruluğu ile ilişkilidir.

Kendi endüstrilerinde devrim yaratan şirketleri düşünün. Netflix, Spotify veya Amazon olsun, hepsi başlangıçta müşteri katılımı ve sadakati için ana araç olarak öneri motorları yaptı. Spotify’ı rakiplerinden ayıran şey, eşi benzeri görülmemiş bir doğrulukla ve görünür herhangi bir girdiniz olmadan keyif alacağınız yeni müzikleri keşfetme şeklidir. Zaman geçtikçe, daha akıllı ve daha doğru hale gelir ve hiç bitmeyen bir değer yaratma döngüsü sağlar.

Tavsiye sistemleri birçok yönden sürekli artan yeni bilgi, ürün ve hizmet akışının sürdürülmesine izin verir. Spotify’a her gün yüklenen 60.000 şarkı, YouTube’a her dakika yüklenen 500 saatten fazla içerik ve her gün Instagram’a yüklenen on milyonlarca fotoğrafla, bir sonraki adımda ne satın alacağınız, izleyeceğiniz ve tüketeceğiniz konusunda bilinçli kararlar vermek önemli ölçüde zorlaşıyor. . Bu içerik bolluğunda anlamlı bir şekilde gezinebilmek bir süper güç gibi hissettiriyor ve bu nedenle müşteriler bu hizmetleri diğerlerine tercih etme eğiliminde.

Öneri manipülasyonu

Rakamlar da çok şey anlatıyor. Örneğin Netflix, insanların izlediği dört filmden üçünün kişiselleştirilmiş önerilerden geldiğini iddia ediyor. Böyle bir durumda, tavsiye sisteminin insanların seçimleri üzerinde benzersiz bir etkisi vardır. Kaçınılmaz ve son derece zor bir soru ortaya çıkıyor: Bu tavsiyelerin ne kadarı adil ve tarafsız? Çoğunluğu göz önüne alındığında tahmine dayalı analitik danışmanları ve makine öğrenimi mühendisleri, yapay zekadan kaynaklanan önyargıyı tamamen ortadan kaldırmanın neredeyse imkansız olduğu konusunda hemfikir, bu öneriler gerçekten ne kadar adil? Ve daha da önemlisi, öneriler manipüle edilebilir mi?

Özünde, bir öneri sisteminin çıktısını manipüle etmek mühendisler için kolaydır. 2018’de Drake’in yeni albümünün piyasaya sürülmesi, Spotify’da tek günlük akış rekorları kırdı. Drake’in muazzam popülaritesi söz konusu olmasa da, birçoğu başarısını Spotify tarafından düzenlenen ‘yüz yüze’ promosyona bağlıyor. Sadece sanatçının yeni şarkıları ‘Ambient Chill’ ve ‘Best of British’ (Drake Kanadalı bir sanatçıdır) dahil olmak üzere tüm çalma listelerinde yer almakla kalmadı, aynı zamanda birçok kullanıcı rapor edildi tavsiyelerinde aşırı derecede artan bir Drake varlığı. Spotify’ın perde arkasında gerçekte ne yaptığını asla bilemeyecek olsak da, bunun ücretli bir promosyon olduğunu düşündüren birçok faktör var. Reklamda yanlış bir şey olmasa da, bunu bir öneri motoru çıktısı olarak gizlemek haksızlık gibi geliyor.

Bu konuda bir şeyler yapabilir miyiz? Bu pek olası görünmüyor. Büyük kullanıcı tepkisine ve Drake’in karanlık taktiklerinin medyada geniş yer almasına rağmen, Spotify’ın kullanıcı tabanı o zamandan beri her yıl istikrarlı bir şekilde büyüyor.

Genel olarak daha iyi seçimler yapmak

Öneri motorlarının kullanımı, müşterileri belirli bir platforma çekmenin çok ötesine geçer; aynı zamanda daha iyi iş kararları vermekle ilgilidir. Önümüzdeki yıllarda, pazarlamacıların, marka yöneticilerinin, İK profesyonellerinin, UX tasarımcılarının ve metin yazarlarının işi, farklı öneri sistemleriyle giderek daha da artacak. Esasen bu sistemler, çok daha kullanışlı ve kullanıcı dostu dijital danışmanlar olarak yeniden tasarlanmış geleneksel veri analizi platformlarınızdır.

Belirli bir hedef kitle için hangi tür pazarlama kampanyasının en iyi olacağını belirlemek için verileri manuel olarak analiz etmek yerine, bu süreç Amazon’daki önerileri keşfetmeye benzeyecektir. ‘Bu tür reklamlara olumlu tepki veren müşteri grubu da bu reklamı tıkladı’ veya ‘Bu hedef grubun, 1’e 2 promosyonlara kıyasla premium tekliflerden etkilenme olasılığı %80 daha fazladır’ gibi şeyler, ve benzeri.

Benzer şekilde, IBM’in Watson Tone Analyzer’ı gibi araçlar, bir yöneticinin şirket çapındaki e-postasını organizasyon yapısındaki değişikliklerle ilgili olarak inceleyebilir ve daha açık, şeffaf ve teşvik edici hale getirmek için belirli revizyonlar önerebilir. Metin yazarları seçilen hedef gruba göre kelime seçimi konusunda öneriler alacaklardır. UI tasarımcıları, belirli bir uygulama türüne hangi yazı tipinin daha iyi uyacağına dair veriye dayalı öneriler alacak. Yine, bugün piyasada bu tür birçok araç var, sadece daha tüketici dostu bir deneyim sağlamaları gerekiyor.

Öneri sistemlerini yalnızca e-ticaretle ilişkilendirmeyi bırakmanın zamanı geldi. Öneri motorları yalnızca ürün önermek için değil, aynı zamanda karar vermeyi kolaylaştırmaya yardımcı olabilecek veriye dayalı tavsiyeler sağlamak için de kullanılabilir. Makine öğrenimi ve yapay zekada süregelen yeniliklerle, öneri sistemlerinin hem tüketici hem de çalışan deneyimlerini devralmaya devam edeceği kesin.