Выбор потребителей и автономия в эпоху искусственного интеллекта и больших данных

Последние разработки в области искусственного интеллекта и аналитики данных способствуют автоматизации некоторых дел потребителей (например, в умных домах и в беспилотных автомобилях) и позволяют появиться маркетинговым практикам, основанным на больших данных и микро-таргетингу (например, , персонализированные алгоритмы рекомендации контента). Мы утверждаем, что эти разработки могут вызвать напряжение у маркетологов, потребителей и политиков: они могут, с одной стороны, способствовать благополучию потребителей, делая выбор потребителей более простым, практичным и эффективным. С другой стороны, они также могут подорвать чувство автономии потребителей, отсутствие которой может нанести ущерб благополучию потребителей. Опираясь на различные точки зрения маркетинга, экономики, философии, нейробиологии и психологии, мы исследуем, как чувство автономии потребителей в принятии решений влияет на их благополучие. Мы обсуждаем, как новые технологии могут улучшить или уменьшить восприятие потребителями того, что они контролируют свой выбор, и как любой из них, в свою очередь, может улучшить или ухудшить благосостояние потребителей. Основываясь на этом, мы выявляем открытые исследовательские вопросы в области выбора, благополучия и благополучия потребителей и предлагаем направления для будущих исследований.

 

Сегодняшние потребители имеют больше вариантов выбора и больше информации об этих вариантах, чем когда-либо прежде. Согласно стандартной экономической перспективе теории полезности, это развитие должно помочь потребителям найти и выбрать варианты, которые лучше всего соответствуют их потребностям, позволяя им снизить затраты на поиск и повысить полезность, которую они получают от своего выбора. Маркетологи, исследователи и политики обычно предполагают, что снижение затрат на поиск, транзакции и принятие решений расширяет возможности потребителей и повышает их благосостояние. Сложные алгоритмы, обрабатывающие огромные объемы данных о потребителях, например, позволяют онлайн-маркетологам предлагать только нужный продукт или услугу, избавляя потребителей не только от затрат на поиск, но и от неприятных и сложных компромиссов, которые часто влечет за собой выбор потребителя. Рассмотрим, например, системы рекомендаций по контенту, такие как Outbrain или Taboola, или системы управления контентом, такие как Netflix или Amazon, которые используют большие данные и искусственный интеллект для поведенческого таргетинга. Такие системы предлагают контент, который, вероятно, понравится человеку с учетом его текущего выбора, позволяя потребителям легко находить интересующий контент. В качестве другого примера, автономные автомобили (например, Mobileye и Google) не только берут на себя трудную задачу вождения, но и, как ожидается, будут способны учиться предсказывать предпочтения разных водителей в отношении того, какой тип маршрута выбрать или какой тип стиль вождения принять. Быстрый технический прогресс также меняет то, как Интернет вещей влияет на потребление, будь то термостаты, которые узнают о температурных предпочтениях пользователей (например, Google Nest), или системы распознавания голоса, которые слушают и исполняют заявленные желания потребителей и могут научиться предсказывать их потребности и предпочтения (например, Amazon Alexa, Google Home или Apple Siri).

Перевод: Дәуітова Арай 307 группа