Big Data og atferdspsykologi — en lønnsom synergi

Det teknologiske markedet har endret seg mer i løpet av de siste 10 årene en på de siste 60 årene til sammen. Kompleksiteten i markedet endres raskt, og organisasjoner eller selskaper som ikke klarer å tilpasse seg endringene i et marked vil kunne dø ut til fordeler selskaper som tilbyr nye og innovative løsninger.

Store mengder atferdsdata er en av de raskest voksende endringsmekanismene selskaper blir stilt overfor i dag, og her kan problemstillingene/utfordringene bli mange. For eksempel;

· Kostnader og kompetanse til å håndtere store mengder atferdsdata

· Sikkerhet og personvern ved oppbevaring og behandling

· Ulike løsninger for oppbevaring av data

· Kompetanse innenfor analyse og databehandling

· Kompetanse om tjenestedesign og interaksjonsdesign

Ved å kombinere kunnskap fra atferdspsykologi, design, datavitenskap, maskinlæring, og kunstig intelligens vil man potensielt sett få en bedre forståelse og større verdi av atferdsdata.

Det koster mye penger å innhente, oppbevare og behandle atferdsdata. I tillegg, om du ikke besitter kompetansen som kreves for å behandle og analysere dataene for å hente ut verdifull innsikt, vil dataene i seg selv være verdiløse. Det er mulig å spare penger på å automatisere prosesser som går ut på å behandle og analysere store mengder atferdsdata, men hovedfokuset burde ligge på å forstå atferden som ligger bak dataene.

Vi har flere formål med å samle inn atferdsdata, der innsikt er hovedmålet. Hvordan bruker kundene produktene? Hvilke andre behov har kundene? I hva slags kontekster, hvilke preferanser har de osv.

Atferdsdata kan gi mange svar, og svarene har stor verdi hvis vi stiller de rette spørsmålene og analyserer dataene riktig. For eksempel, i Smartbil-appen har vi fått innsikt i hvilke fartsgrenser det oftest kjøres for fort, eller når fartsovertredelser er vanligst. Vi kan også se at flere kvinner en menn bruker mobiltelefonen mens de kjører, selv om kvinner generelt sett er bedre sjåfører en menn. Yngre sjåfører (18–30) kjører oftere for fort en eldre sjåfører. Dette kan igjen åpne for mer målrettede belønninger for tryggere kjøring hvor vi ser at behovet er størst.

Som regel bruker vi atferdsdata til å beskrive hva kunder gjør og hvordan de bruker ulike typer produkter. Slik kan vi også predikere/forutsi kundeatferd, og det er viktig for oss i forsikringsbransjen da det for eksempel kan si noe om for eksempel risiko for å få skader. Et annet, men nærliggende element som atferdsdata bidrar til, er muligheten til å påvirke atferd — noe som er et av hovedfokusene innenfor atferdspsykologi.

Design er også et essensielt område, hvor kombinert kunnskap om atferdspsykologi, interaksjonsdesign og tjenestedesign bidrar til mer effektive løsninger og bedre kundeopplevelser. Ved utvikling av for eksempel mobilapplikasjoner, er det designet og utformingen av applikasjonen som vil være det som møter kundene. Atferdspsykologi og forståelsen av hvordan vi oppfatter og reagerer på ulike komponenter og sammensetninger av visuelle fremstillinger kan bidra til å forbedre opplevelsen og bruk av applikasjoner.

Skal vi kunne påvirke atferd, må vi først evne å forutsi og beskrive den. På den måten kan vi være presise og relevante når vi jobber med forebygging av skader.

Dette åpner selvfølgelig også opp for en etisk debatt, ref. store sosiale medie-selskaper som Facebook, Twitter og Instagram som har vært i flere rettshøringer angående hvordan de påvirker brukernes atferd. Temaet blir også tatt opp i Netflix-dokumentaren «Social media». Disse selskapene tar i bruk atferdspsykologi for å både beskrive og påvirke atferden til brukerne. Et eksempel er «refresh» knappen på Facebook. Siden forandrer seg hver gang du refresher, og til slutt vil du få frem noe som interesserer deg eller fanger din oppmerksomhet.

Innenfor atferdspsykologien kaller vi dette for intermitterende forsterkning (reinforcement schedules) som brukes flittig innen spillindustrien, casino og gambling. Sannsynligheten for at det du gjør leder til en belønning kommer bare av og til, noe som igjen fører til en slags «avhengighet». Du vil gjøre handlingen ofte for å oppnå belønning. Dette kan være et eksempel på uetisk bruk av atferdspsykologi for å skape avhengighet av et produkt.

Men, vårt hovedfokus er å bruke atferdsdata til å påvirke atferd i en mer positiv retning. Det kan være økt fysisk aktivitet, bærekraft (som mindre forbruk, intensiver for å kjøpe elbil, sortering av søppel), sparing, sikkerhet og mye mer. I Smartbil-appen til Fremtind og SpareBank 1 får vi inn store mengder atferdsdata basert på kjøreatferden til de som bruker appen. Disse dataene bruker vi til å forsøke å påvirke atferd som leder til tryggere trafikk og sikrere veier. For eksempel kan vi gi poeng til de som lar mobiltelefonen ligge når de kjører bil, eller til de som overholder fartsgrensene. Dette handler om å påvirke og endre atferd som potensielt sett kan ha store og ødeleggende konsekvenser både for individer og for samfunnet i sin helhet.

Stor fart og ufokuserte sjåfører er blant de største medvirkende faktorene til trafikkulykker. Slik type bruk av atferdsdata, påvirke til tryggere trafikk, har høy sosial validitet, det betyr at det er viktig for både individet og for samfunnet. Ved å ha kompetanse om atferdspsykologi og mekanismer som påvirker menneskelig atferd, vil vi kunne tilføre atferdsdata en mye større verdi.

Ved å kombinere kunnskap fra atferdspsykologi, design, datavitenskap, maskinlæring, og kunstig intelligens vil man potensielt sett få en bedre forståelse og større verdi av atferdsdata ved å kunne tilby bedre løsninger. Data har liten verdi i seg selv, om den ikke behandles og tolkes riktig. Med bedre analyser og større bruksområder, vil verdien av atferdsdata øke, både for selskapene, individene og samfunnet som helhet.