De nieuwe manieren waarop marketeers en ook politieke instellingen onze sociale-mediagegevens nu kunnen oogsten en ons in homogene groepen kunnen verdelen die geschikt zijn voor massa-aangepaste en gerichte berichten, is een van de hot issues die zich ontvouwen sinds de nasleep van de recente grote Facebook- en Cambridge Analytica-campagnes. -gegevensschandaal. Veel artikelen hebben al geprobeerd de gebeurtenissen samen te vatten, acties, deelnemers, en de standpunten – niet in de laatste plaats de onethische. Echter, onze aandacht werd gevestigd op het feit dat er momenteel weinig empirisch bewijs is van de werkelijke effectiviteit of impact van de psychografische analytische instrumenten die worden gebruikt door Cambridge Analytica (CA). Dit is verrassend, gezien het feit dat de methode tot nu toe is uitgelicht als iets dat "het ultieme marketingwapen" zou kunnen worden genoemd.

Dit artikel komt voort uit onze ervaring en uitwisselingen met wetenschappers in consumenten- en marketingonderzoek, die misschien het meest bekend zijn met de ontwikkeling van marktonderzoeks- en segmentatiemethoden en -praktijken in de loop van de tijd.

Het geheime wapen:psychografische segmentatie

De psychografische segmentatietool die door CA wordt gebruikt, breidt de traditionele marketingdoelgroep of kiezersanalyse verder uit dan eenvoudige "demografische gegevens" - bijvoorbeeld, leeftijd, geslacht, onderwijs – naar profilering op basis van persoonlijkheidskenmerken en op waarden gebaseerde scores. Gecombineerd met "big data" van Facebook-profielen en algoritmisch verbeterde statistische analyse en stealth-marketingtactieken, deze methode is aantoonbaar een benijdenswaardig digitaal marketinggeheim geworden, niet in de laatste plaats onder reclame- en marketingprofessionals.

Hoewel een groot deel van de publieke discussie over de CA-zaak ging over hoe enorme hoeveelheden Facebook-gegevens op onethische wijze zijn verkregen en gebruikt om het kiezersgedrag bij de Amerikaanse verkiezingen en de Brexit te beïnvloeden, er is relatief weinig gezegd over de exacte analysemethode die door het bedrijf wordt gebruikt en de omvang van zijn bijdrage aan de stemresultaten. Volgens een gedetailleerd verslag van Michael Wade van IMD Business School, CA kon de profielen van meer dan 50 miljoen Facebook-gebruikers identificeren door twee verschillende benaderingen en gegevensbronnen te matchen. Eerst, de resultaten van 270, 000 persoonlijkheidstests verkregen via een quizachtige Facebook-app ontwikkeld door Cambridge-professor Aleksandr Kogan. Tweede, de resultaten waren statistisch gerelateerd aan "digitale voetafdrukken van menselijk gedrag" van deze respondenten en hun (onbewuste) Facebook-vriendenprofielen (bijvoorbeeld "vind ik leuk"), dankzij een model ontwikkeld door een andere academicus uit Cambridge, Michal Kosinski.

Als resultaat, psychografische informatie over miljoenen mensen werd automatisch afgeleid van Facebook-gegevens, zonder het gewoonlijk omslachtige proces van persoonlijkheidsvragenlijsten die honderden vragen nodig hebben om door elke geanalyseerde deelnemer te worden beantwoord. Dit soort "reverse engineering" (zoals Wade het noemt) op basis van de activiteit van gebruikers van sociale media betekent dat slechts ongeveer 100 "likes" op Facebook voldoende zijn om iemands psychologische eigenschappen te schatten. Informatie zoals het leuk vinden, zeggen, Salvador Dalì of Lady Gaga zou dienen als een indicator van een persoonlijkheidstype, bijvoorbeeld openheid. De implementatie van machine learning en de meer gedetailleerde analytische procedure worden samengevat in een video met Jack Hansom van SCL-verkiezingen, bedrijf aangesloten bij Cambridge Analytica.

Hoewel beweerd werd dat de methode in staat was om "angstaanjagend nauwkeurige persoonlijkheidsanalyse" te produceren, het gebruik van Facebook-likes als psychometrische indicatoren biedt aanzienlijke methodologische beperkingen. Bijvoorbeeld, het leuk vinden van een Facebook-pagina is geen individuele actie die afzonderlijk wordt uitgevoerd, zoals het systematisch opstellen van een vragenlijst. In plaats daarvan, het is een inherent sociale en symbolische handeling – en moet worden geïnterpreteerd in de context van het platform en het gebruik ervan.

Gezien de nauwkeurigheid van de voorspellingen van CA, twee andere punten moeten kritisch worden overwogen. Eerst, of psychografische analyse al relevant is voor het afleiden van marketinginzichten. Tweede, microgerichte reclame-inhoud via psychografische technieken heeft het vermogen om de geest van mensen effectief te manipuleren.

Een wapen uit het verleden?

In marketing- en consumentenonderzoek technieken voor marktsegmentatie is geëvolueerd van het feit dat het gewoon niet effectief is, noch anderszins haalbaar voor een marketeer om te proberen iedereen tegelijk te beïnvloeden, met dezelfde melding. Daarom, the targeting of a specific subgroup – one that would be more likely to react in a desired manner to the intended marketing message – become the practice and theory of marketing communication. Echter, the logic for choosing the effective segmentation and targeting criteria has changed importantly over the years, not least due to technological changes and possibilities.

Despite the work of theorists in the early 20th century – for example, Thorsten Veblen and Max Weber, who recognised that consumption behaviour is closely tied with social structures (and vice versa) – the marketing scholars and practitioners in the post–World War II mass-media era have relied heavily on individualist and behavioural psychological paradigm. It is fair to say this has been the golden age of psychographic market segmentation in which target group has been profiled and expressed in terms of their personality traits or value system scores (for example, the VALS system).

Echter, the personality/value-based measurement has consistently been challenged for its ability to predict actual behaviours, such as specific product, brand or environmental choice (Wedel and Kamakura 2000 and Rokka and Uusitalo 2008). Tweede, these approaches precisely assume that behavioural patterns are shaped by differences in "global" psychological states or values (openness, conscientiousness, extraversion, agreeableness and neuroticism) that are thus "necessarily devoid of any influence of sociohistorical context" (Holt 1997, 327). Put differently, an abstracted and universalized personality type cannot capture the complexity and cultural sensitivity of consumer lifestyle choices, symbolic expression and tastes.

This shift in thinking put an end to wider application of psychographic methods long ago, at least in the field of marketing and consumer research. In plaats daarvan, four decades of work have testified the importance of sociocultural perspectives that are much more sensitive to the social and symbolic systems that shape our lifestyle-relevant choices and tastes (Arnould and Thompson 2005 and Holt 1997). This perspective is also shared by researchers in the Lifestyle Research Centre of EM Lyon. An analysis of Facebook likes from this standpoint would be understood more as the analysis of individuals' lifestyle associations and networks governed by socially established expressions of taste. Main difference of the psychographic segmentation to this form of socio-cultural lifestyle analysis would be its lack of connection to society and its cultural currents.

A 'magic bullet'?

A second issue evoked in the CA debate is the manipulative power of big data–based psychographic approaches that bear rather naïve assumptions about how communication and advertising work.

In the 1930s – the heyday of totalitarian propaganda – the dominant theory for interpreting the effects of mass media on population described political messages as "magic bullets" that, once they reached the targeted audience, would have immediate persuasive power. This arguably simplistic view was rejected a decade later by Paul Lazarsfeld and colleagues at Columbia University. Their empirical work relativized the power of political propaganda, demonstrating that message effects are largely mediated by interpersonal relations and collective interpretations – for instance, political views are also discussed and formed during family dinners and not simply absorbed from the media (Neuman and Guggheneim 2011). Similar considerations also resonate widely in advertising and marketing research. Bijvoorbeeld, there exists a body of academic literature that indicates that, based on empirical evidence, advertising does not increase or reduce alcohol consumption (Tikkanen and Aspara 2017).

Echter, with the rise of big data–based psychographic segmentation, the old "magic bullet" thesis has apparently gained new popularity. Cambridge Analytica's bragging of 'psychological warfare" stands as a case in point. We still have little or no evidence of the extent to which such campaigns can persuade people to change their mind about even simple product or brand choices – much less to vote differently.

We cannot argue there is no value in, nor evidence of, the ability of psychometric segmentation to achieve marketing goals. Bijvoorbeeld, a recent study found a 40% increase in advertising click-through-rate. Echter, its actual effects on consumption or voting behaviour have yet to be demonstrated.

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees het originele artikel.