Sådan vil webshops forudsige dine shoppingvaner i ekstrem detaljegrad

De største spillere blandt webbutikkerne har adgang til information om forbrugerne, som selv Google og Facebook ser misundeligt efter. Predictive intelligence er på vej mod e-handlen.

De fleste har nok prøvet at købe noget på nettet for derefter at blive bombarderet med reklamer for lige netop dette produkt i flere uger efterfølgende. Reklamen kommer sandsynligvis, fordi du har søgt på Google efter produktet, og så tror hele søgemaskinens reklamenetværk, at du stadig er interesseret i det. Også selvom det ikke hænger sammen med virkeligheden.

Fænomenet med reklamer, der tilpasser sig vores adfærd på nettet, er ikke noget nyt. Men at reklamerne langtfra altid virker efter hensigten, er til gengæld også en kendt sag.

Det personaliserede internet har længe været på tale, uden at man nødvendigvis har oplevet det som forbruger, men det er måske ved at ændre sig.

Algoritmer baseret på ikke bare big data, men nærmere 'huge data' fra kunderne hos en lang række af verdens største webbutikker vil nemlig inden for et par år kunne forudsige vores forbrugsmønstre ned til en nærmest uhyggelig detaljegrad. Målet for butikkerne er at gøre købe-oplevelsen så personlig, at man slet ikke opdager, at reklamerne er blevet målrettet. Det betyder blandt andet, at hver enkelt online-butik ikke længere vil have det samme udseende for to forskellige personer. De vil løbende tilpasse sig den enkeltes præferencer og foreslå produkter, som man som forbruger ikke engang selv er blevet bevidst om, at man har brug for endnu.

Sådan lyder en del af visionen fra stifteren og den tidligere direktør for machine learning-virksomheden CQuotient, Rama Ramakrishnan. Hans firma blev i oktober 2014 opkøbt af en af de største cloudbaserede e-handelsplatforme i verden Demandware, og dermed fik den indiske it-ingeniør og hans team adgang til at kunne analysere på mere end 200 mio. forbrugeres adfærd for at føre sin vision ud i livet.

»Der har ikke været nogle fundamentale ændringer i den måde, vi tilpasser resultaterne personligt for forbrugerne i e-handlen på, siden Amazon blev pioner på området for 15 år siden,« siger Rama Ramakrishnan, der i dag er ledende it-forsker hos Demandware, og fortsætter:

»Min filosofi er, at vi kan gøre hjemmesiderne dybt personlige, hvor alt ændrer sig, uden at brugerne ved, at det sker. Dette kan lade sig gøre med machine learning.«

Kan du lide stribede slips…

Ideen bag personlige reklamer er som sådan ikke ny. Køber du en bog på Amazon, har tjenesten allerede en god fornemmelse for, hvad du ellers kan være interesseret i, fordi den har et overblik over, hvad andre brugere, der har købt bogen, ellers køber af andre værker.

Men det er ifølge Rama Ramakrishnan kun første skridt. Hans predictive intelligence-hold arbejder således i øjeblikket på at nedbryde hver enkelt produkt i de forskellige webshops til så
små bestanddele som muligt. Hvor man normalt opdeler produkter som tøj i naturlige kategorier som størrelse, pris, type og måske farve - som eksempelvis en størrelse medium blå blazer til 2.499 kr. - tager Demandware skridtet videre. Det foregår ved brug af sproganalyse - eller natural language processing (NLP) - som dekonstruerer beskrivelserne af de enkelte produkter og finder fællesnævnere imellem dem. I beskrivelsen ‘et smalt nålestribet slips til hverdagsbrug’, vil algoritmen kunne tildele produktet en række tags, som ‘smal’, ‘nålestribet’, og ‘hverdagsbrug’, som systemet kan sammenligne med de millioner af andre produkter og skabe forbindelser imellem dem.

»Hver kunde er en del af en graf, hvor folk er forbundet med hinanden, hvis de har fælles smag,« siger Rama Ramakrishnan.

Derudover kan virksomheden også analysere på andre brugermønstre, såsom hvornår på dagen en bruger søger efter de forskellige produkter, samt hvor lang tid vedkommende dvæler ved enkelte produkter. Hvis en person kigger i længere tid på et produkt, kan det være en indikator for, at man er interesseret i det, og så kan virksomheden lave et skræddersyet tilbud på det.

Dermed bliver det blandt andet muligt at lave personaliserede søgninger i webbutikker, på samme måde som Google gør det på sin egen søgemaskine. Når man søger på sokker, vil man ikke længere få vist en alfabetisk liste over mærkerne, men i stedet kun få vist præcis de par, som har ens størrelse, foretrukne farve og materiale og til den samme eller højere pris, end man betalte sidst (på den måde tjener webbutikkerne flere penge, når de kender kundens prisniveau og dermed ikke kommer til at foreslå billigere produkter).

»Systemet skal forstå dig fuldstændig som person, så man kan finde de rigtige produkter selv med meget grove søgeord. Det handler om at fjerne så meget friktion som muligt fra oplevelsen,« siger Rama Ramakrishnan.

Det, som gør det muligt for it-ingeniørens hold - efter eget udsagn - at ramme mere plet med forudsigelserne end tidligere, er især den store mængde af data hos Demandware. E-handelsplatformen står bag webshops fra en række af verdens største brands som L’Oreal, Adidas, Panasonic, GoPro samt de danske Bestseller-tøjbutikker. Dermed har den også adgang til forbrugsmønstre for over 200 mio. forbrugere på tværs af disse brands til at analysere på.

‘Hemmeligheden’ bag at analysere så store datamængder består ifølge Rama Ramakrishnan i den måde, hvorpå virksomheden bryder data ned i små delmængder og samler dem igen. Den metode vil it-ingeniøren og MIT-underviseren dog ikke løfte sløret for af hensyn til ip-rettigheder.

Big data muliggør forudsigelser ud fra meget lidt viden om den enkelte forbruger

En ting er dog, hvor præcist systemet kan definere den individuelle ‘smag’ ud fra de mange nye karakteristika på produkterne.

En anden og mere grundlæggende udfordring for virksomhederne består i, at de som udgangspunkt har meget lidt information om den enkelte kunde. I gennemsnit køber en kunde 1-2 produkter om året i de analyserede webbutikker, og dermed bliver datagrundlaget for at kunne lave en personlig anbefaling meget tyndt.

»De fleste webbutikker står ikke med et ‘big data’-problem, men med et ‘lille-data’-problem. Dette er det største problem i detail-handelen: Vi bliver nødt til at kunne forudsige, hvad kunderne gør, selvom vi kun ved meget lidt om dem,« siger chef for data-analyse hos Demandware Graeme Grant.

Det er her, hvor de 200 mio. forbrugere kommer ind i billedet. For når data bliver så omfattende, er det lettere at kunne se mønstre mellem forbrugernes smag. Modsat Google og Facebook, der hovedsageligt kender til brugernes søgehistorik, likes og sociale interaktioner, har Demandware-netværket adgang til noget meget lukrativt for virksomhederne, nemlig viden om, hvornår forbrugerne rent faktisk trykker på ‘køb’-knappen.

En person, der kan lide en speciel type slips, bor i en bestemt del af verden og køber det på et bestemt tidspunkt, kan således sammenlignes på tusindvis af forskellige karakteristika med andre brugere. Og når systemet ved, hvad disse brugere ellers køber af varer, så bliver forudsigelserne ifølge Rama Ramakrishnan mere præcise.

Hans egen forudsigelse lyder på, at vi inden for 2-5 år vil se en grad af personliggjorte shopping-oplevelser på nettet, så vi ikke længere oplever indholdet som målrettet os selv.

For at vende tilbage til eksemplet med produktet, som vi køber i dag, men hvor reklamerne ikke tilpasser sig vores behov: Hvis det eksempelvis er en dyne, så kan der være to grunde til, at vi stadig ser reklamer efter købet ifølge Rama Ramakrishnan. Den første (og mest udbredte) grund er, at annoncørens platform (f.eks. Google) slet ikke er klar over, at der er foregået et køb. Men en anden mangel består også i en manglende forståelse for de forskellige tidscyklusser af de forskellige produkter. Der kan gå mange år, før der er behov for at få skiftet en dyne ud, og fremtidens systemer vil have et kendskab til disse variabler ifølge it-ingeniøren. Dermed vil web-butikkernes systemer vide, hvornår man som forbruger igen bliver relevant at markedsføre en dyne til.

Til sidst er der så privatlivet. Det blev der ikke snakket meget om på den e-handelskonference, som Demandware arrangerede i London, og som Version2 var blevet inviteret til. En enkelt virksomhedsejer spurgte, om den omfattende databrug kunne skabe problemer for hendes forretning i forhold til loven. Svaret var, at systemet var clearet med den gældende lovgivning.

Registreringen af brugene foregår både med en cookie, hvilket fungerer på den enkelte enhed. Men på tværs af enheder som mobil, tablet og desktop kan systemet også identificere brugerne, når de eksempelvis registrerer sig med en email-adresse i forbindelse med et køb.

»For hver ny enhed, der indsamler data om forbrugerne, får vi endnu flere muligheder for at gøre oplevelsen personlig,« siger Rama Ramakrishnan.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (4)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Thomas Christensen

En del var bliver jo købt på baggrund af anbefaling fra anden kunde, men hvis kunden så ikke kan finde varen på baggrund af personalisering er jo lidt lige meget.

Det er jo også lidt problemet med google når folk skriver google it, for selv om det muligvis er blandt de første resultater hos folk selv, kan det jo være på 200.000 pladsen på den spørger idet denne har en anden søgemønster og dermed en "anden" søgemaskine.

  • 1
  • 0
Ronni K. Gothard Christiansen

Jeg holdte et oplæg om Behavioral Responsiveness for 3 uger siden til en konference i Prag som bl.a. også skyder ind i emnet men går lidt bredere til værks -> https://www.youtube.com/watch?v=_VKNDh7VXbw

Der er ingen tvivl om at "døde" gamle historiske data er fine i dag - men deres evne til at respondere på ændringer i efterspørgslen (adfærden) er relativt ringe og der kan Prediction bare noget helt andet.

  • 0
  • 0
Jimmy Christiansen

Når man søger på sokker, vil man ikke længere få vist en alfabetisk liste over mærkerne, men i stedet kun få vist præcis de par, som har ens størrelse, foretrukne farve og materiale og til den samme eller højere pris, end man betalte sidst
...
.....
Til sidst er der så privatlivet. Det blev der ikke snakket meget om på den e-handelskonference, som Demandware arrangerede i London

Noget tyder på at det snart ikke er nok med adblock/noscript og søgemaskiner som startpage.com når man leder efter produkter.
Øjensynligt skal man snart til at bruge Tor og eventuelt stærkere midler. Bare for at få den billigste pris når man handler ind på nettet!
( bemærk at det er ikke svært at bruge Tor: https://www.torproject.org/projects/torbrowser.html.en )

  • 1
  • 0
Flemming Larsen

I forhold til andre oplysninger der indhentes på nettet - er det især stærkt bekymrende at disse data indsamles med direkte reference til en person. Man skal jo oplyse navn og adresse for at kunne modtage en vare. Sammenholdt med de oplysninger som der her er udtryk for at web sites vil indamle er det jo direkte personhenføre data - som i Danmark er omfattet af persondataloven.

  • 2
  • 0
Log ind eller Opret konto for at kommentere