Os pesquisadores criaram um algoritmo que previu com sucesso as compras do consumidor. O algoritmo utilizou dados do dia a dia dos consumidores nas redes sociais. As marcas podem usar isso para analisar clientes em potencial. O método dos pesquisadores combina técnicas poderosas de modelagem estatística com reconhecimento de imagem baseado em aprendizado de máquina.

O professor associado Toshihiko Yamasaki e sua equipe da Escola de Graduação em Ciência e Tecnologia da Informação da Universidade de Tóquio exploram maneiras novas e interessantes de fazer uso de dados, como dados de mídia social. Alguns aplicativos que eles desenvolvem são úteis para entidades como empresas para melhorar sua eficácia de maneiras diferentes, mas, em particular, em como eles alcançam e influenciam clientes em potencial.

“Eu fiz duas perguntas à minha equipe:'É possível calcular a semelhança entre diferentes marcas com base na maneira como os clientes se relacionam com elas nas redes sociais?' E, 'Se então, as marcas podem usar essas informações para melhorar a forma como se comercializam? '", disse Yamasaki." E com o tempo, esforço e paciência, eles voltaram com uma resposta simples, mas confiante:'Sim!' "

Mas a maneira como sua equipe deduziu isso não foi nada simples. A análise computacional de dados de mídia social é frequentemente chamada de mineração, como o termo sugere, é uma tarefa monumental e trabalhosa. Por esta razão, pesquisadores da área fazem uso de várias ferramentas computacionais para analisar as mídias sociais de uma forma que os seres humanos não conseguem.

"No passado, muitas empresas melhoraram suas estratégias de marketing com o uso de pesquisas de clientes e projeções com base em seus dados de vendas, "explicou o pesquisador-chefe Yiwei Zhang." No entanto, estes são demorados e imprecisos. Agora temos acesso e experiência em ferramentas como aprendizado de máquina e análises estatísticas complexas. "

A equipe começou seu trabalho reunindo dados de mídia social disponíveis ao público de seguidores de marcas selecionadas. Eles usaram métodos comprovados de reconhecimento de imagem e aprendizado de máquina para analisar e categorizar fotos e hashtags relacionadas aos seguidores das marcas. Isso revelou padrões de comportamento dos consumidores em relação a diferentes marcas. Esses padrões significavam que os pesquisadores podiam calcular a semelhança entre marcas diferentes ou mesmo não relacionadas.

"Avaliamos nosso algoritmo proposto em relação ao histórico de compras e questionários, que ainda são úteis para fornecer contexto às informações de compra, "continuou Zhang." Os resultados experimentais mostram que as empresas de cartão de crédito ou cartões pontuais podiam prever bem o comportamento de compra anterior dos clientes. Nosso algoritmo pode prever com precisão a disposição dos clientes em experimentar novas marcas. "

Essa pesquisa pode ser extremamente útil para novas promoções de marcas que fazem uso das redes sociais. Também pode ser usado por shopping centers e shoppings para planejar quais lojas incluir ou para as próprias lojas escolherem quais marcas estocar. E a pesquisa pode até mesmo ajudar a combinar marcas com influenciadores de mídia social adequados para ajudar a anunciar melhor seus produtos.

“Visualizar o que antes não era visível é sempre muito interessante, "concluiu Yamasaki." As pessoas podem dizer que os profissionais já 'veem' esses tipos de padrões, mas ser capaz de mostrar a semelhança entre as marcas numericamente e objetivamente é uma inovação. Nosso algoritmo é comprovadamente mais eficaz do que julgar essas coisas com base apenas na intuição. "