2014年4月26日土曜日

Web履歴から予測される「妊娠スコア」




これはTargetという会社のロゴ
So this is Target, the company.

この哀れな妊婦のお腹に ロゴを意味もなく 貼りつけたのではありません
I didn't just put that logo on this poor, pregnant woman's belly.

雑誌フォーブスに載った逸話を ご覧になったかもしれません 。Targetはこの15歳の少女が 親に妊娠を打ち明ける2週も前に 哺乳瓶、おむつ、 ベビーベッドの 広告とクーポン券を 送りつけたのです
You may have seen this anecdote that was printed in Forbes magazine where Target sent a flyer to this 15-year-old girl with advertisements and coupons for baby bottles and diapers and cribs two weeks before she told her parents that she was pregnant.



父親は激怒しました
Yeah, the dad was really upset.

Targetは 親さえ知らない 高校生の少女の妊娠を どうして知っていたのか?
He said, "How did Target figure out that this high school girl was pregnant before she told her parents?"



判明したことは 彼らには 何十万という顧客の 購入履歴データがあり 彼らが言う所の 妊娠スコアというものを計算したのです
It turns out that they have the purchase history for hundreds of thousands of customers and they compute what they call a pregnancy score,

単に妊娠の判断だけでなく 予定日の推定さえするのです
which is not just whether or not a woman's pregnant, but what her due date is.

すぐそれと分かる購入品— 例えばベビーベッドや 赤ちゃん服だけでなく いつもよりビタミン剤を 多めに買ったとか おむつを入れるのに必要であろう 大きな手さげカバンを 買ったということから 推測するのです
And they compute that not by looking at the obvious things, like, she's buying a crib or baby clothes, but things like, she bought more vitamins than she normally had, or she bought a handbag that's big enough to hold diapers.

それぞれの物は 購入したからと言って 何かがばれる訳ではなさそうですが
And by themselves, those purchases don't seem like they might reveal a lot,

そういった購入行動のパターンを 他の数千人の人々のデータと 照らし合わせることによって その意味が見えてきます
but it's a pattern of behavior that, when you take it in the context of thousands of other people, starts to actually reveal some insights.







フェイスブックには 月間ユーザーが12億います
Facebook has 1.2 billion users per month.

つまり地球上のインターネット人口の― 半分がフェイスブックを利用しています
So half the Earth's Internet population is using Facebook.

他のサイトと同様に ITのスキルが殆どなくても ネット上の人格を作ることができる
They are a site, along with others, that has allowed people to create an online persona with very little technical skill,

そんなサイトであり 人々は個人的な情報を大量に 投稿してきたのです
and people responded by putting huge amounts of personal data online.

その結果 何億という人々の 行動パターン 好みや人口統計データなどが 得られるのです。こんなことは 過去には有りませんでした
So the result is that we have behavioral, preference, demographic data for hundreds of millions of people, which is unprecedented in history.



私のようなコンピュータ科学者にとって これは意味深く 私は人々が共有した情報から 本人が公開しているとは思いもしない 多くの隠された特性を予測できる モデルを構築することができました
And as a computer scientist, what this means is that I've been able to build models that can predict all sorts of hidden attributes for all of you that you don't even know you're sharing information about.

科学者はそれによって 人々の— ネット上での交流を 手助け出来るのですが そんなに利他的でない 応用もあります
As scientists, we use that to help the way people interact online, but there's less altruistic applications,

問題はユーザーが この様な技術の存在やしくみを理解せず たとえ知っていたとしても コントロールする手段が無いことです
and there's a problem in that users don't really understand these techniques and how they work, and even if they did, they don't have a lot of control over it.









引用:TEDxMidAtlantic 2013
ジェニファー・ゴルベック Jennifer Golbeck
カーリー・フライの謎解き — ソーシャルメディアでの「いいね!」があなたの秘密を明かす?
The curly fry conundrum: Why social media “likes” say more than you might think

0 件のコメント:

コメントを投稿