В цифровом мире, где большая часть нашей жизни сосредоточена вокруг устройства, которое мы носим с собой повсюду, смартфон быстро превратился из стерильного карманного компьютера в одну из самых личных вещей, которыми владеет современный человек. Достаточно выполнить быстрый поиск в Интернете по запросу «индивидуальные чехлы для мобильных телефонов», чтобы увидеть, что персонализация — это большой бизнес (я нашел более 870 тысяч результатов). И персонализация не ограничивается тем, как выглядит смартфон или какую операционную систему предпочитает пользователь. В последние несколько лет персонализация стала модной, когда дело доходит до создания приложений. Я не могу вспомнить, когда в последний раз я сидел на презентации с клиентом или дизайнером, где кто-то не написал слово «персонализированный» на доске, обсуждая желаемый пользовательский опыт.

Что же на самом деле означает персонализированный пользовательский опыт? Как технолог, я обычно разбиваю его на две составляющие: контекстную и релевантную. С чисто тактической точки зрения современные телефоны имеют большую часть того, что нужно разработчику для определения контекста. Где сейчас географически находится пользователь? Пользователь движется или стоит на месте? Какое приложение сейчас на переднем плане? Все это очень объективные данные, которые можно легко получить, если предположить, что нашему приложению предоставлены надлежащие разрешения.

А вот с релевантностью немного сложнее. Существует субъективный компонент, который в прошлом, как оказалось, был в лучшем случае громоздким для оттачивания. Например, допустим, у меня есть приложение, которое продает билеты на концерт, и Кендрик Ламар только что объявил, что будет выступать в Далласе. Приложение легко определяет, находится ли пользователь в районе Далласа, но является ли пользователь поклонником R&B музыки? Если я просто бомбардирую пользователя уведомлением каждый раз, когда билеты поступают в продажу в ее географическом регионе, я рискую, что пользователь удалит или просто отключит уведомления.

В прошлом этот аспект персонализации решался одним из двух способов. Первый — просто спросить. «Эй, пользователь моего приложения, тебе нравится музыка в стиле R&B?» Это работает нормально, если набор данных, который вы пытаетесь определить, невелик, но факт в том, что при таком большом количестве приложений важно, чтобы пользователь как можно безболезненнее вошел в ваше приложение. Если сразу после установки приложения меня заставляют участвовать в опросе, где я должен ответить «да» или «нет» на дюжину различных вопросов о моих предпочтениях, когда дело касается музыки (или чего-либо еще в этом отношении), я инстинктивно удаляю его. Большинство из нас загружают приложения, чтобы сделать жизнь более удобной, а не доставлять неудобства.

Другой популярный подход к персонализации — создание профиля пользователя с течением времени. Итак, в моем примере выше предложите пользователю билеты на Кендрика Ламара, и если он скажет «нет», больше не предлагайте ей билеты на Кендрика Ламара. Однако это требует времени и чревато ошибками. Что, если моему пользователю нравится Кендрик Ламар, но он был занят в ту ночь? И только потому, что моему пользователю не нравится Кендрик Ламар, могу ли я действительно предположить, что ей не нравится R&B-музыка? Вы начинаете видеть проблему. Умная аналитика требует большей выборки данных. Тем не менее, если мне потребуется год, чтобы собрать достаточно данных, чтобы по-настоящему персонализировать пользовательский опыт, какова вероятность того, что я когда-нибудь достигну переломного момента, прежде чем пользователь разочаруется и удалит приложение?

Если бы только был доступный набор данных, который можно было бы использовать в качестве отправной точки для моделирования предпочтений моего пользователя. Какое-то волшебное хранилище в Интернете, где люди годами делились, лайкали и комментировали вещи, которые могли бы дать мне представление о том, что может быть «актуальным» для человека. О, подождите, есть; это называется социальные сети.

Каналы пользователя в социальных сетях могут дать нам большую информацию о том, что может иметь отношение к человеку. У него также есть явное преимущество, заключающееся в том, что он меняется и растет с течением времени, так что он отражает новейшие и самые лучшие мысли пользователя.

Вот кое-что еще, чтобы рассмотреть. Во многих случаях социальные сети стали предпочтительным механизмом авторизации. Это означает, что с технологической точки зрения мы можем просто добавить еще несколько разрешений к SDK, который у нас уже есть в приложении. После этого нужно просто программно извлечь последние 200 или около того сообщений пользователя и передать их в API машинного обучения для построения базовой модели предпочтений пользователя. У IBM Watson, например, есть API пользовательского потребления, который может анализировать до 20 МБ вводимого текста для моделирования личности, которая представляет более 40 потребительских предпочтений, одним из которых является музыка.

Согласно сервисной документации:

Музыкальные предпочтения указывают на интерес автора к разным типам музыки и на то, нравится ли автору играть музыку. Категория имеет девять настроек.

Затем музыкальные предпочтения разбиваются на девять категорий, в которых интерес пользователя оценивается по шкале от нуля до единицы. Оценки объясняются ниже.

0,0 (маловероятно)
0,5 (нейтрально)
1,0 (вероятно)

Чтобы увидеть этот вид машинного обучения в действии, зайдите на демонстрацию IBM Personal Insights и протестируйте ее.

Хотя машинное обучение явно не идеально, по своей природе машинное обучение будет только улучшаться. И если последние 12 лет цифровых технологий ничему другому нас не научили, так это тому, что социальные сети не исчезнут в ближайшее время. В сочетании машинное обучение и социальные сети предлагают самый быстрый и безболезненный путь к персонализации. Благодаря API-интерфейсам машинного обучения от Google, Amazon, Microsoft и вышеупомянутой IBM (и это лишь некоторые из них) пространство для инноваций созрело. Те из нас, кто работает с цифровыми технологиями, на пересечении всех этих захватывающих разработок, должны искать новые и творческие применения этих мощных и развивающихся технологий.