Stilanbefalinger fra dataforskere

I krydsfeltet mellem socialpsykologi, datavidenskab og mode er Amy Winecoff.

Efter at have opnået en ph.d. i psykologi og neurovidenskab her på Duke, Winecoff brugte tid på at undervise, før han flyttede over til industrien.

I dag, Winecoff arbejder som senior data scientist hos True Fit, et firma, der leverer værktøjer til detailhandlere til at hjælpe dem med at beslutte, hvilke produkter de foreslår deres kunder.

True Fits software er afhængig af at indsamle data om, hvordan tøj passer til folk, der har købt dem. Med disse data om tøjets størrelse og type, True Fit kan give størrelsesanbefalinger til en specifik forbruger, der ønsker at købe et bestemt produkt.

Ud over anbefalinger om størrelse, True Fit står bag mange websteds anbefalinger af produkter, der ligner dem, du browser eller har købt.

Selvom disse anbefalingssystemer har vist sig at fungere godt for websteder som Netflix, hvor du måske har set mange forskellige film og shows i den seneste tid, der kan bruges til at komme med anbefalinger, Winecoff påpeger, at dette kan være svært for noget som bukser, som folk ikke plejer at købe i løs vægt.

For at overvinde denne barriere, True Fit har konstrueret sit system, kaldet Discovery-motoren, at analysere et enkelt stykke tøj i halvtreds forskellige træk. Med så mange oplysninger, Det kan være lettere at komme med anbefalinger til lignende stilarter.

Imidlertid, Winecoffs baggrund i socialpsykologi har fået hende til at stille spørgsmålstegn ved, hvor godt disse algoritmer laver forudsigelser, der er i overensstemmelse med menneskelig adfærd. Hun hævder, at forståelsen af, hvordan folk danner deres præferencer, er en integreret del af at designe et system til at komme med anbefalinger.

En måde, hvorpå Winecoff tester, hvor sande forudsigelserne er over for menneskelige præferencer, er at bruge psykologiske undersøgelser for at få indsigt i, hvordan man finjusterer matematisk-baserede anbefalinger.

Med et generelt mål om at bestemme, hvordan mennesker bestemmer lighed i tøj, Winecoff designede en online undersøgelse, hvor forsøgspersoner præsenteres for et stykke tøj og fortalte, at tøjet er udsolgt. De bliver derefter præsenteret for to muligheder og skal vælge en til at erstatte den udsolgte vare. Ved at variere et aspekt i hvert af de to valg, gerne anderledes farve, mønster, eller nederdel længde, Winecoff og hendes kolleger kan skelne, hvilke egenskaber der er mest fremtrædende for en person, når de bestemmer lighed.

Winecoffs arbejde illustrerer styrken i at kombinere algoritmiske anbefalinger med socialpsykologiske resultater, og at videnskaben når ud til uventede steder, som at påvirke dine indkøbsvalg.