Menggabungkan Wawasan Manusia Dengan Machine-learning untuk Memahami Konsumen

Menggabungkan Wawasan Manusia Dengan Machine-learning untuk Memahami Konsumen

Bagaimana suatu perusahaan dapat menggunakan machine-learning untuk secara efisien memahami kebutuhan dan keinginan pelanggan mereka, tanpa mengorbankan wawasan yang berasal dari intuisi dan empati karyawan?

C Space adalah sebuah perusahaan yang membantu perusahaan lain menciptakan produk dan layanan baru yang akan berguna secara fungsional dan secara emosional beresonansi dengan konsumen. Sebagai bagian dari pekerjaan ini, C Space mengumpulkan materi secara online dari konsumen perusahaan dan calon konsumen potensial. Pada suatu waktu, mereka  menerima sekitar 13 juta kiriman teks tidak terstruktur dan lebih dari 307.000 foto dan video dari sekitar 167.000 kontributor yang berbeda, semuanya menjawab pertanyaan terbuka yang mereka ajukan, ditambah dengan percakapan yang dibuat sendiri oleh kontributor tentang topik pilihan sendiri. Satu tantangan yang C Space hadapi adalah menemukan kebutuhan yang belum terpenuhi, yang selalu dinanti, yang seringkali tidak terartikulasikan dalam kekayaan konten ini. Untuk melakukan ini, C Space menggunakan metode machine-learning yang diawasi manusia yang menurut mereka dapat dipelajari oleh perusahaan lain. Begini cara kerjanya.

Pemrograman komputer tradisional bergantung pada bagaimana mengartikulasikan seperangkat aturan eksplisit agar diikuti komputer. Misalnya:  Jika frasa berisi kata “gila”, kodekan sebagai negatif atau Jika benda pada gambar memiliki empat roda, tandai sebagai mobil. Tapi apa yang terjadi jika benda beroda empat dimasukkan ke dalam sekotak Cracker-Jacks atau Happy Meal? Haruskah benda itu diberi label sebagai mainan? Sebagai sesuatu yang berbahaya jika ditelan?

Anda dapat melihat batasan dari pendekatan berbasis aturan ini saat mencoba memahami ekspresi manusia yang tidak terstruktur. Menjadi “gila” berarti menjadi gila atau marah; menjadi “marah” justru sebaliknya. Dan bukan hanya benda beroda empat yang bisa menjadi penyedot debu atau mainan yang ditarik, dan mobil pun bisa memiliki tiga roda.

Tidak ada yang bisa menulis atau mengartikulasikan semua aturan untuk mengklasifikasikan semua hal secara mutlak, dan mereka pasti tidak bisa mendokumentasikan semua cara ekspresi emosi manusia. Sebagai manusia, kita belajar, mengklasifikasikan, dan bertindak berdasarkan pengenalan pola dan asosiasi masa lalu. C Space membuat asumsi secepat kilat berdasarkan pola, tujuan, dan konteks.

Jenis machine-learning  yang mereka terapkan, yaitu machine-learning yang diawasi juga bergantung pada pembelajaran dari asosiasi sebelumnya. Dengan memberikan contoh yang telah mereka klasifikasikan, komputer dapat “belajar” dari pengalaman tanpa diprogram secara eksplisit, dan menjadi lebih pintar dari waktu ke waktu saat pengalaman itu terakumulasi.

Machine-learning  hanyalah satu alat dalam perangkat mereka yang selalu berkembang. Tapi ini sangat membantu karena berbagai alasan.

Misalnya, bisnis secara alami berfokus pada apa yang mudah diukur dalam upaya mereka untuk mengevaluasi dan meningkatkan kinerja dan pengalaman konsumen. Bias itu diperkuat dalam riset pasar tradisional, di mana orang biasanya ditanya tentang pemungutan suara tertutup dan pertanyaan dengan skala peringkat yang menghasilkan tanggapan yang mudah diukur dan diulang. 

Namun seringkali wawasan terbesar ditemukan dalam percakapan spontan dengan konsumen — bukan dalam survei online yang diminta untuk diisi oleh pembeli, tetapi dalam foto yang mereka ambil, tweet yang mereka posting, dan saran yang mereka tawarkan di forum online. Jadi, alih-alih memaksa orang untuk berperan sebagai “responden” dan membatasi masukan mereka hanya pada jawaban atas pertanyaan yang telah dipikirkan sebelumnya, mereka mendorong anggota komunitas untuk berbagi dalam berbagai cara, mengetahui bahwa machine-learning akan membuat mereka lebih efisien dalam menafsirkan berbagai bentuk ekspresi manusiawi yang organik dan tidak terstruktur. Dalam hal ini, ini memungkinkan mereka menjadi lebih manusiawi dan lebih berpusat pada konsumen.

Machine-learning  tidak membebaskan kita dari kebutuhan dan kesenangan dalam bereksplorasi. Sebaliknya, ini berfungsi ibarat pendeteksi logam bagi mereka, menampilkan sinyal dalam data dan memberi tahu mereka tempat menggali emas. Misalnya, dalam komunitas pribadi yang mereka jalankan untuk orang dengan skizofrenia, mereka mengharapkan dan melihat banyak percakapan tentang gejala, pengobatan, dan efek samping. Tetapi ketika mereka menganalisis teks tidak terstruktur yang muncul dari kelompok itu, mereka melihat sejumlah referensi yang tidak biasa untuk seni, musik, dan tulisan. Itu membuat mereka lebih dalam mengeksplorasi pentingnya ekspresi kreatif dalam kehidupan pasien ini, yang pada gilirannya menginformasikan pesan klien mereka dan program dukungan dengan cara yang baru dan kuat.

Analisis semacam ini memiliki risiko dan keterbatasan. Yang paling utama di antaranya adalah bias yang tersirat dalam set pelatihan itu sendiri, yang dapat menyebabkan kesimpulan yang salah, tidak efektif, atau bahkan tidak etis. Lagipula, komputer tidak penasaran. Mesin tidak bisa bertanya, “Perspektif siapa yang belum kita minta?” Mesin juga tidak dapat menyarankan, “Bagaimana jika kita mengajukan pertanyaan secara berbeda?” C Space dalam hal ini tetap berkewajiban sebagai orang yang bijaksana dan sadar diri untuk melakukan itu, serta mengaudit algoritma mereka untuk mencari bias.

Selain itu, mesin tidak memiliki kualitas manusia yang sangat penting untuk pertumbuhan bisnis. Meskipun mesin dapat diajari untuk mengenali sentimen, mereka tidak dapat diajari untuk merasakan. Gairah emosional sangat penting untuk mendorong perubahan individu dan organisasi serta membangun hubungan konsumen yang kuat. Dan karena komputer tidak memiliki emosi, mereka tidak memiliki kekuatan untuk berempati atau membuat kita senang.

Defisit emosional itu — yang pada gilirannya menciptakan defisit relasional — itulah sebabnya kita cenderung memperlakukan mesin sebagai alat, bukan sebagai rekan kerja. Seperti yang diamati Kurt Grey dalam artikel HBR yang menarik, “Anggota tim yang mempercayai bahwa mereka membutuhkan setidaknya tiga hal: Perhatian bersama, rasa kerentanan bersama, dan keyakinan pada kompetensi. Kepedulian bersama — mengetahui bahwa rekan satu tim Anda peduli dengan kesejahteraan Anda — mungkin merupakan elemen paling dasar dari kepercayaan… Kami tidak mempercayai AI bukan hanya karena AI tampaknya tidak memiliki kecerdasan emosional tetapi juga karena tidak memiliki kerentanan.”

Tanpa elemen kepercayaan yang paling vital, yaitu perhatian bersama, C Space akan terus menghargai dan menggunakan machine-learning, tetapi tidak “berhubungan” dengan mesin. Dan ketika hal-hal yang berkaitan dengan manusia itu ada, perusahaan dapat menjalin hubungan konsumen yang kuat dan tahan lama yang tidak dapat dibangun atau diganti oleh mesin apa pun.

Leave a Reply

Your email address will not be published. Required fields are marked *