Psykografi: Beteendeanalysen som hjälpte Cambridge Analytica att känna till omröstare

Psykografi: Beteendeanalysen som hjälpte Cambridge Analytica att känna till omröstareGöra anslutningar genom spårningsbeteende. GarryKillian / Shutterstock

Samtalen som har uppenbarats mellan Cambridge Analytica och Facebook har alla trappings av en Hollywood-thriller: en Bond-skurkstil-VD, en återkommande miljardär, en naiv och konfliktflöjtblåsare, en hipster datavetenskapare blev politisk, en akademiker med till synes tvivelaktig etik, och naturligtvis en triumferande president och hans inflytelserika familj.

Mycket av diskussionen har varit på hur Cambridge Analytica kunde hämta data på fler än 50m Facebook-användare - och hur det påstått misslyckades att ta bort dessa uppgifter när de berättade för att göra det. Men det handlar också om vad Cambridge Analytica faktiskt gjorde med data. I själva verket representerar datakrisningens tillvägagångssätt en stegvis förändring av hur analys kan idag användas som ett verktyg för att skapa insikter - och att utöva inflytande.

Exempelvis har pollister länge använt segmentering för att rikta sig mot specifika grupper av väljarna, t.ex. genom att kategorisera publiken efter kön, ålder, inkomst, utbildning och familjestorlek. Segment kan också skapas kring politisk anknytning eller köppreferenser. Den dataanalyseringsmaskin som presidentkandidaten Hillary Clinton använde i 2016-kampanjen, som heter Ada efter matematikern och den tidiga databasen för 19-talet, använde toppmoderna segmenteringstekniker för att rikta in sig på grupper av behöriga väljare på samma sätt som Barack Obama hade gjort fyra år tidigare.

Cambridge Analytica blev kontrakt till Trump-kampanjen och gav ett helt nytt vapen för valmaskinen. Medan det också använde demografiska segment för att identifiera grupper av väljare, som Clinton kampanj hade, segmenterade Cambridge Analytica också psycho. Som definitioner av klass, utbildning, sysselsättning, ålder och så vidare är demografi informativ. Psykografi är beteendemässigt - ett sätt att segmentera efter personlighet.

Detta ger mycket mening. Det är uppenbart att två personer med samma demografiska profil (till exempel vita, medelålders, anställda, giftiga män) kan ha markant olika personligheter och åsikter. Vi vet också att anpassning av ett meddelande till en persons personlighet - oavsett om de är öppna, inverterade, argumentativa osv. - går långt för att hjälpa till att få det meddelandet över.

Förstå människor bättre

Traditionellt har det varit två vägar för att fastställa någons personlighet. Du kan antingen lära känna dem riktigt bra - vanligtvis under en längre tid. Eller du kan få dem att ta ett personlighetsprov och be dem att dela det med dig. Ingen av dessa metoder är realistiskt öppna för undersökare. Cambridge Analytica hittade en tredje väg, med hjälp av två akademiker i Cambridge.

Den första, Aleksandr Kogan, sålde dem tillgång till 270,000 personlighetstest som slutfördes av Facebook-användare genom en online-app som han skapat för forskningsändamål. Att tillhandahålla uppgifterna till Cambridge Analytica var det, mot Facebook: s interna uppförandekod, men bara nu i mars 2018 har Kogan blivit förbjudet av Facebook från plattformen. Dessutom kom Kogans data också med en bonus: han hade enligt uppgift samlat in Facebook-data från provtagarnas vänner - och i genomsnitt 200-vänner per person, som gav upphov till några 50m-personer.

Men dessa 50m-personer hade inte alla tagna personlighetsprov. Det är här den andra Cambridge akademiska, Michal Kosinski, kom in. Kosinski - som sägs tro att mikroinriktning baserat på onlinedata skulle kunna stärka demokratin - hade funnit ett sätt att omvandla en personlighetsprofil från Facebook-aktivitet som gillar. Oavsett om du väljer att tycka om bilder av solnedgångar, valpar eller människor säger tydligt mycket om din personlighet. Så mycket, faktiskt, det på grundval av 300 gillar, Kosinski modell kan förutsäga någons personlighet profil med samma noggrannhet som en make.

Kogan utvecklade Kosinksis idéer, förbättrade dem och sköt en affär med Cambridge Analytica. Beväpnad med denna bounty - och kombinerad med ytterligare data som hämtats från andra håll - byggde Cambridge Analytica personlighetsprofiler för mer än 100m registrerade amerikanska väljare. Det hävdas att företaget sedan använde dessa profiler för riktade annonser.

Tänk dig till exempel att du kan identifiera ett segment av väljare som är högt i samvetsgrannhet och neurotik och ett annat segment som är högt i extroversion men lågt i öppenhet. Det är uppenbart att människor i varje segment skulle reagera annorlunda mot samma politiska annons. Men på Facebook behöver de inte se samma annons alls - var och en kommer att se en individuellt anpassad annons avsedd att framkalla önskat svar, om det röstar för en kandidat, inte röstar för en kandidat eller donerar pengar.

Cambridge Analytica arbetade hårt för att utveckla dussintals annonsvariationer på olika politiska teman som invandring, ekonomi och pistolrättigheter, alla skräddarsydda för olika personlighetsprofiler. Det finns inget bevis alls att Clintons valmaskin hade samma förmåga.

Beteendeanalyser och psykografisk profilering är här för att stanna, oavsett vad som blir av Cambridge Analytica - vilket har starkt kritiserad vad det kallar "falska påståenden i media". På så sätt industrialiserar det vilka bra säljare alltid gjort, genom att anpassa sitt budskap och leverans till kundernas personlighet. Denna inställning till electioneering - och verkligen till marknadsföring - kommer att vara Cambridge Analytics ultimata arv.

Om författaren

Michael Wade, professor i innovation och strategi, Cisco Chair i Digital Business Transformation, IMD Business School

Den här artikeln publicerades ursprungligen den Avlyssningen. Läs ursprungliga artikeln.

relaterade böcker

{amazonWS: searchindex = Böcker; nyckelord = privatlivets fred; maxresultat = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

följ InnerSelf på

facebook-icontwitter-iconrss-icon

Få det senaste via e-post

{Emailcloak = off}