Capire il segnale
Una previsione non è un'identità verificata
L'analisi fornisce un risultato probabile in base a modelli nei dati disponibili; non indica il genere con cui una persona si identifica. Lo stesso nome ricorre in regioni diverse e in persone con identità diverse, e il risultato può essere sconosciuto o errato. Un contesto del paese affidabile può aiutare, ma non trasforma la previsione in un fatto sulla persona. Conserva i risultati sconosciuti invece di forzarli.
Personalizzazione responsabile
Quattro principi per esperienze utili
Personalizza con il contesto
Parti dalle preferenze dichiarate e dal comportamento osservato; usa la previsione solo quando aggiunge un valore appropriato e misurabile.
Evita gli stereotipi
Non dedurre prodotti, interessi o stile di comunicazione da una categoria prevista.
Misura per gradi
Confronta il flusso arricchito con un'esperienza neutra; non dare per scontato un miglioramento automatico.
Lascia un percorso alternativo
Accetta i valori sconosciuti e offri la possibilità di correggere i dati, oltre a percorsi che non dipendono dalla previsione.
Processo di implementazione
Valuta il flusso in sei passaggi
- 01
Definisci uno scopo legittimo
Documenta la domanda a cui rispondere, il pubblico e la metrica aziendale prima di aggiungere un campo.
- 02
Limita i dati inviati
Invia solo il campo supportato e, se necessario, un contesto del paese affidabile per il flusso scelto.
- 03
Conserva l'incertezza
Salva la confidenza, i risultati sconosciuti e gli altri segnali utili invece di forzare ogni record in una categoria.
- 04
Offri un'alternativa neutra
Mantieni un'esperienza utile quando un valore manca, è incerto o si rivela errato.
- 05
Esegui un test controllato
Confronta una variante ben delimitata con un gruppo di controllo neutro e stabilisci in anticipo metrica e periodo.
- 06
Valuta effetti e conservazione
Esamina l'effetto e i possibili danni, applica le correzioni ed elimina i dati dedotti quando non servono più.
Misurazione
Monitora più della sola conversione
Oltre alla metrica aziendale, monitora anche copertura, risultati sconosciuti, confidenza bassa, correzioni e segnali di disiscrizione. Documenta periodo e campione, così che il risultato non appaia come un'affermazione valida in generale.
- Effetto
- Metrica principale stabilita in anticipo
- Copertura
- Record elaborati e sconosciuti
- Qualità
- Distribuzione della confidenza e correzioni
- Impatto
- Reclami, disiscrizioni e risultati dannosi
Scegli l'implementazione
Inizia con un piccolo campione verificabile
Privacy e conservazione
Limita dati e accessi allo stretto necessario
Invia solo il valore richiesto dal metodo scelto, limita l'accesso alle chiavi API e ai risultati e stabilisci per quanto tempo conservare i dati dedotti nel tuo sistema e come correggerli quando è rilevante. Secondo l'informativa sulla privacy pubblicata, nomi, nomi utente, indirizzi email e altri input delle richieste riuscite non vengono conservati come record di richiesta riutilizzabili. Le richieste che non riguardano indirizzi email e per le quali non viene trovato alcun risultato di genere possono essere conservate per un massimo di 12 mesi per migliorare GenderAPI; le richieste con indirizzi email non fanno parte di questo set di dati.
I file Excel e CSV caricati sono programmati per la rimozione dai sistemi attivi entro cinque giorni e i dati rimossi possono restare in backup a sovrascrittura periodica e ad accesso limitato per un massimo di altri 15 giorni. Per i log di server, autenticazione e sicurezza valgono periodi di conservazione propri, descritti nell'informativa. I diritti di accesso, opposizione e cancellazione sono spiegati nell'informativa GDPR sulla privacy.
Domande frequenti
Domande sui dati basati sul nome nel marketing
Che cosa sono i dati di genere basati sul nome?
Segnali probabilistici dedotti da modelli associati a un nome, talvolta con un contesto del paese. Non sono né un'identità verificata della persona né il genere con cui la persona si identifica.
La previsione migliora automaticamente il marketing?
No. Dipende da pubblico, messaggio, canale, qualità dei dati e sperimentazione. Usa un gruppo di controllo neutro e misura l'intero flusso.
Devo consigliare prodotti solo in base al genere previsto?
No. Può rafforzare gli stereotipi e creare esperienze inappropriate. Parti dalle preferenze dichiarate esplicitamente e dagli interessi osservati.
Perché conservare la confidenza e i risultati sconosciuti?
Mostrano copertura e incertezza, consentono di applicare regole proprie in caso di confidenza bassa ed evitano report fuorvianti. Non trasformare i risultati sconosciuti in una categoria forzata.
Quale metodo di integrazione dovrei scegliere?
La REST API per applicazioni e pipeline di dati, gli strumenti per fogli di calcolo per set di dati da verificare e l'automazione no-code per flussi basati su trigger e azione.
In quali casi il segnale non dovrebbe essere usato?
Non dovrebbe essere alla base di decisioni individuali su lavoro, credito, salute, prezzi, accesso o altre decisioni ad alto impatto.
Quali dati di queste richieste conserva GenderAPI?
Secondo l'informativa sulla privacy pubblicata, gli input delle richieste riuscite non vengono conservati come record riutilizzabili. Le richieste che non riguardano indirizzi email e per le quali non viene trovato alcun risultato possono essere conservate per un massimo di 12 mesi per migliorare GenderAPI; i file Excel e CSV caricati vengono rimossi dai sistemi attivi entro cinque giorni e possono restare in backup ad accesso limitato per un massimo di altri 15 giorni.