Zrozumienie sygnału
Prognoza nie jest zweryfikowaną tożsamością
Analiza daje prawdopodobny wynik na podstawie trendów w dostępnych danych; nie wskazuje płci, z którą dana osoba się identyfikuje. Te same imiona występują w różnych regionach i u osób o różnych tożsamościach, a wynik może być nieznany lub błędny. Wiarygodny kontekst kraju może pomóc, ale nie zamienia prognozy w fakt dotyczący osoby. Zachowuj wyniki nieznane, zamiast je wymuszać.
Odpowiedzialna personalizacja
Cztery zasady użytecznych doświadczeń
Personalizuj z uwzględnieniem kontekstu
Stawiaj na deklarowane preferencje i obserwowane zachowania; z prognozy korzystaj tylko wtedy, gdy wnosi odpowiednią i mierzalną wartość.
Unikaj stereotypów
Nie wyprowadzaj produktów, zainteresowań ani stylu komunikacji z prognozowanej kategorii.
Mierz stopniowo
Porównuj wzbogacony przepływ z neutralnym doświadczeniem; nie zakładaj automatycznej poprawy.
Zostaw możliwość wyjścia
Akceptuj wartości nieznane, zapewnij sposoby poprawiania danych i ścieżki, które nie zależą od prognozy.
Proces wdrożenia
Oceń przepływ w sześciu krokach
- 01
Określ uzasadniony cel
Zanim dodasz pole, udokumentuj pytanie, na które chcesz odpowiedzieć, grupę odbiorców i metrykę biznesową.
- 02
Ogranicz dane wejściowe
Wysyłaj tylko obsługiwane pole oraz, w razie potrzeby, wiarygodny kontekst kraju dla wybranego przepływu.
- 03
Zachowuj niepewność
Przechowuj pewność, wyniki nieznane i inne przydatne sygnały, zamiast narzucać kategorię każdemu rekordowi.
- 04
Zapewnij neutralną alternatywę
Utrzymuj użyteczne doświadczenie, gdy wartości brakuje, jest niepewna lub okazuje się błędna.
- 05
Przeprowadź kontrolowany test
Porównaj ograniczony wariant z neutralną grupą kontrolną, z góry określając metrykę i okres.
- 06
Oceń skutki i przechowywanie
Sprawdź skuteczność i możliwe szkody, wprowadź poprawki i usuwaj dane pochodne, gdy nie są już potrzebne.
Pomiar
Śledź więcej niż konwersję
Oprócz metryki biznesowej śledź pokrycie, wyniki nieznane, niską pewność, poprawki i sygnały rezygnacji. Dokumentuj okres i próbę, aby nie przedstawiać wyniku jako uniwersalnego twierdzenia.
- Skuteczność
- Główna metryka określona z wyprzedzeniem
- Pokrycie
- Rekordy obsługiwane i nieznane
- Jakość
- Rozkład pewności i poprawki
- Skutki
- Skargi, rezygnacje i szkodliwe wyniki
Wybierz wdrożenie
Zacznij od małej próbki, którą możesz sprawdzić
Prywatność i przechowywanie
Ogranicz dane i dostęp do niezbędnego minimum
Wysyłaj tylko wartość wymaganą przez wybraną metodę, ograniczaj dostęp do kluczy API i wyników oraz określ, jak długo będziesz przechowywać dane pochodne we własnym systemie, wraz ze sposobem ich poprawiania, gdy ma to znaczenie. Zgodnie z opublikowaną polityką prywatności imiona, nazwy użytkowników, adresy e-mail i inne dane wejściowe zakończonych powodzeniem zapytań nie są przechowywane jako rekordy zapytań do ponownego wykorzystania. Zapytania inne niż zapytania o adresy e-mail, dla których nie ustalono wyniku dotyczącego płci, mogą być przechowywane przez maksymalnie 12 miesięcy w celu ulepszania GenderAPI; zapytania o adresy e-mail są wyłączone z tego zbioru danych.
Przesłane pliki Excel i CSV mają zaplanowane usunięcie z aktywnych systemów w ciągu pięciu dni, a usunięte dane mogą pozostawać przez maksymalnie 15 dodatkowych dni w rotacyjnych kopiach zapasowych o ograniczonym dostępie. Logi serwera, uwierzytelniania i bezpieczeństwa podlegają własnym okresom przechowywania, opisanym w polityce. Prawa dostępu, sprzeciwu i usunięcia danych wyjaśniono w informacjach o prywatności zgodnych z RODO.
Najczęściej zadawane pytania
Pytania o dane oparte na imionach w marketingu
Czym są dane o płci oparte na imionach?
To probabilistyczne sygnały wyprowadzone z trendów związanych z imieniem, czasem z kontekstem kraju. Nie są ani zweryfikowaną tożsamością osoby, ani płcią, z którą ta osoba się identyfikuje.
Czy prognoza automatycznie poprawia marketing?
Nie. Zależy to od odbiorców, komunikatu, kanału, jakości danych i eksperymentu. Użyj neutralnej grupy kontrolnej i mierz cały przepływ.
Czy powinienem polecać produkty wyłącznie na podstawie prognozowanej płci?
Nie. Może to utrwalać stereotypy i tworzyć nietrafione doświadczenia. Stawiaj na wyraźnie zadeklarowane preferencje i obserwowane zainteresowania.
Dlaczego warto zachowywać pewność i wyniki nieznane?
Pokazują pokrycie i niepewność, pozwalają stosować osobne reguły przy niskiej pewności i zapobiegają mylącym raportom. Nie zamieniaj wyników nieznanych w wymuszoną kategorię.
Jaką metodę integracji wybrać?
REST API dla aplikacji i potoków danych, narzędzia arkuszy kalkulacyjnych dla zbiorów wymagających przeglądu, a automatyzację bez kodu dla przepływów typu wyzwalacz-akcja.
W jakich przypadkach nie należy używać tego sygnału?
Nie powinien być podstawą indywidualnych decyzji dotyczących zatrudnienia, kredytu, zdrowia, cen, dostępu ani innych decyzji o dużym wpływie.
Jakie dane z tych zapytań przechowuje GenderAPI?
Zgodnie z opublikowaną polityką prywatności dane wejściowe zakończonych powodzeniem zapytań nie są przechowywane jako rekordy do ponownego wykorzystania. Zapytania inne niż zapytania o adresy e-mail, dla których nie ustalono wyniku, mogą być przechowywane przez maksymalnie 12 miesięcy w celu ulepszania GenderAPI, a przesłane pliki Excel i CSV są usuwane z aktywnych systemów w ciągu pięciu dni, z możliwością pozostawania przez maksymalnie 15 dodatkowych dni w kopiach zapasowych o ograniczonym dostępie.