心理ターゲティングは購買可能性を高める重大な副作用がある
Facebookの「いいね」で性格を評価することをめぐり、研究者は3つの実験を行い、Facebookユーザーの性格に合ったメッセージは製品を購入するよう説得する可能性が高いと確認した。
近年、企業のマーケティング部門は「顧客プロファイリング」を基に「パーソナライズ」された広告を潜在顧客に届けることを重要視しています。インターネット以前のマーケティングとは異なり、今日では、顧客の違いを詳しく説明し、顧客から利益を得るために細やかに調整された戦略を採用することが求められます。100万ドルの豪華ヨットの広告を全員に表示することは、ヨットの広告を高所得層のグループに表示することとに比べ、遥かに効率性でおとります。低所得層のグループにはカジュアルな休暇を提案する方が好ましいのです。
パーソナライゼーションはおおいに利益をもたらします。コンテンツが私たちの好みやコンテクストに合わせてパーソナライズされると、私たちにとって最も関連性の高いものが示されます。個人化技術は必要な情報にアクセスする際の作業負荷を最小限に抑えます。インターネットブラウザーを開いて新しい靴を購入する場合、いくつかのサイトを検索して自分で見つけるよりも、お気に入りの靴の広告を見る方がはるかに便利です。企業が私たちに関して持っている情報が多ければ多いほど、関連性のないコンテンツをフィルターで取り除くことができます。
あなたは、我々への理解を深める企業が、危険な存在になりつつあると考えるかもしれません。プライバシーは私たちの生活における重要な優先事項であり、私たちがそれをあきらめてしまうと、私たちを操作したり、誤った考えを植え付けたりしたい人に対する防御が少なくなります。しかし、この問題に関する落とし穴は、私達は利便性や無料という状態の前では、私たちの個人データの一部を売ることを躊躇しなくなることです。
毎日使用しているが、無料である主要なオンラインサービスは、収集したデータを他のビジネスに活用することで収益を上げているケースがほとんどです。これらの企業はあなたのデータを使用して、オンラインアクティビティパターンと個人情報に合った広告を表示します。広告主はあなたに合ったコンテンツをより良く見せることができれば、彼らは最小限の広告費用で、あなたに商品の購入を決心させることに成功する可能性が高くなります。彼らは、彼らの広告を見たときにあなたが製品を購入する確率であるコンバージョン率をできる限り高くしたいと考えています。そのために、彼らはあなたについてのすべてを知りたいと思うでしょう。そして、あなたをめぐる情報の中でも、特に「金のなる木」になるのは、あなたの性格かもしれません。
研究者のチームは、あなたの性格が広告主にとってどれだけ有用かをテストしました。性格を評価するために、ユーザーにインタビューしたり、アンケートを送ったりする必要さえありませんでした。彼らは、Facebookの「いいね!」という重要な情報を分析するだけで済みました。
私たちは「いいね」を通じてFacebookでフィードを流れるコンテンツが好きである、と単に表明しているのではありません。私たちが好きで楽しむものは私たちの性格に依存するため、私たちはアイデンティティのより深い側面を、Facebookに対し明らかにしています。あなたが、内向的ではなく外向的であれば、ソーシャルコンテンツを楽しむ可能性が高くなります。開放性が高い場合、冒険的なコンテンツを楽しむ可能性が高くなります。 Facebookは「いいね」のデータを分析して、ユーザーの性格を推測できます。 実際、このデータにより、コンピューターは友人や家族よりも私たちの性格を予測することができます。
Facebookの「いいね」で性格を評価することをめぐり、スタンフォード大学院のMichal Kosinski准教授らは3つの実験を行い、すべてFacebookユーザーの性格に合ったメッセージは製品を購入するよう説得する可能性が高いかどうか、を調査しました(この実験を収めた論文は、ケンブリッジ・アナリティカ事件が明るみに出ている途中に出版されています。論文は、後に触れる、心理的ターゲティングの危険性にふれています)。
最初の調査では、2つのバージョンの美容製品の広告を作成しました。1つは外向的なユーザーに理想的であると考え、もう1つは内向的なユーザー用に設計されています。外向的な広告では、「“Dance like no one’s watching (but they totally are)”」(誰も見ないようなダンス[しかし、完全に見ている])など、発信的で社交的な性質に訴えるメッセージを使用します。対照的に、内向的な広告は、「“Beauty doesn’t have to shout”」(美しさは叫ぶ必要はありません)など、静かで落ち着いた態度をターゲットにしたメッセージを使用します。
彼らの広告キャンペーンは300万人以上のFacebookユーザーに到達しました。広告がユーザーの外向性と一致した場合、研究者は、広告が一致しなかったときよりもユーザーが製品を購入する可能性が50%高いことを発見しました。そのため、パーソナリティベースのターゲティングを使用すると、広告はより深いレベルでユーザーとつながり、購入ボタンをクリックする方向にユーザーを振り向ける可能性が高くなります。
FacebookとInstagramで84,000人を超えるユーザーにリーチした後、ユーザーの性格に合った広告は、競合する広告よりもユーザーにアプリをインストールするよう説得する可能性もまた、30%以上高くなりました。ただし、今回は、主に開放性の低い人々によって効果がもたらされました。開放性の高い人々は、どの広告を見たかについてあまり気にしていないようで、両方のメッセージに等しくインストールする可能性がありました。
最後の3番目の実験では、既存の会社の広告メッセージをユーザーの性格に合わせて調整し、それがユーザーインタラクションとコンバージョン率を改善するかどうかを調べました。実験の対象となった会社はバブルシューターのゲームを販売しようとしていたので、通常は標準的な広告を使用して、同様のゲームをダウンロードしたオーディエンスをターゲットにしました。 研究者はターゲットオーディエンスの性格を分析し、彼らが非常に内向的であることを学びました。そこで彼らは広告を作成しましたが、その代わりにそれらのユーザーを興奮させない発信メッセージを試しました。
「“Phew! Hard day? How about a puzzle to wind down with?” (ふう、つらい日? パズルで気分転換は?)」。
50万人以上のFacebookユーザーがこの広告を見ました。研究者は、新しいパーソナリティ調整広告が、標準広告よりもクリック数、アプリのインストール数、およびコンバージョン率が大幅に向上したことを示し、3つ目の実験により、先の2つの実験の結果を再現しました。
説得(Persuasion)は人々に行動を変えるよう説得しますが、メッセージがどれほど説得力があるかを正確に決定する多くの変数があります。組織が手に入れることができるこれらの変数が多ければ多いほど、彼らはより直感的かつ効果的に私たちに話すことができます。以前にFacebookが私たちをどれだけよく知っているかについて書きましたが、特にパーソナライズの増加に向けて広告は進歩を続けており、その知見の応用は進んでいく可能性が高いです。
私たちの趣味、興味、気質はそれぞれ異なります。一部の人は、本のある静かな夜に引き寄せられ、他の人は騒々しいパーティーに引き寄せられます。私たちは、私たちと似たような特徴を持つ人々の意見には簡単に納得する傾向があります。知人が私たちの年齢グループと私たちの興味を共有するとき、私たちは彼らをより親しみやすくし、私たちを説得する余地と機会を与えます。これはすべて、個人に合わせた広告とメッセージの力につながります。
明らかに、コンテンツのレコメンドは私たちの考え方に影響力があります。私たちのほとんどは、私たちの個人的な興味やネットワークとのみ相互作用するため、ソーシャルバブルとパーソナライズされたニュースフィードに埋もれていきます。ソーシャルメディアやターゲッティッドコンテンツを好めば好むほど、私たちのバブルへの依存が強くなります。バブルから抜け出すには努力と意志が必要です。私たちは概してバブルの外に出たがらない傾向を示します。パーソナライズに夢中なのは、まさにそれが私たちが望むものをたくさん与えてくれるからです。それが、与える側の企業にとってにとっては有益な理由です。
ただし、時折バブルを超えて世界を探索することは、得難い冒険になる可能性があります。 不快な政治的解説、新しい刺激的な趣味、または冒険的な芸術的嗜好など、壁の向こう側への冒険は、私たちの引き締めからの待望のさわやかな脱出を与えてくれます。
参考文献
Bart P. Knijnenburg et.al. Explaining the user experience of recommender systems. 2012.
S. C. Matz. M. Kosinski. G. Nave. D. J. Stillwell. Psychological targeting as an effective approach to digital mass persuasion. 2017. PNAS.
Michal Kosinski, David Stillwell, Thore Graepel. Private traits and attributes are predictable from digital records of human behavior. 2017.
Wu Youyou, Michal Kosinski, David Stillwell. Computer-based personality judgments are more accurate than those made by humans. 2015.
Ray Jiang, Silvia Chiappa, Tor Lattimore, Andras Gyorgy, Pushmeet Kohli. Degenerate Feedback Loops in Recommender Systems. 2019. DeepMind.
吉田拓史. あなたのオンライン行動から属性、性的指向、性格を理解できる. Jan. 2020. Axion.
吉田拓史. コンピューターの方があなたの性格をよく理解できる. Jan 2020. Axion.
吉田拓史. レコメンドによるフィルターバブルがあなたの考えを変える. Jan, 2020. Axion.
Image via http://riotheatre.ca/