Poziom dowodów
Przykładowe scenariusze nie są zweryfikowanymi przypadkami klientów
Poprzednia wersja łączyła dokładne wartości procentowe z anonimowymi przykładami z handlu, ochrony zdrowia, mody i finansów. Bez klienta, źródła, wielkości próby, okresu i metody tych liczb nie można niezależnie zweryfikować, dlatego nie powtarzamy ich tutaj jako rzeczywistych wyników. Nie zastępujemy ich też innymi klientami, logotypami, metrykami ani opiniami: scenariusze w tym przewodniku są hipotezami do przetestowania, a nie wykazanymi wynikami.
Praktyczne scenariusze
Cztery przepływy do ostrożnego przetestowania
Komunikaty na ścieżce zakupowej
Wzbogacaj odpowiednie rekordy, oddzielaj niepewne wyniki i porównuj kontrolowaną personalizację z neutralnym doświadczeniem.
Badanie odbiorców
Analizuj zagregowane trendy, dokumentując pokrycie, wyniki nieznane i ograniczenia próby.
Przygotowanie danych w CRM
Dodawaj znormalizowane pola i sygnały uzupełniające, aby zespół mógł sprawdzić rekordy przed ich użyciem.
Eksperymenty w kampaniach
Sprawdzaj, czy precyzyjnie określony komunikat poprawia zdefiniowaną metrykę, nie traktując każdej prognozy jak tożsamości.
Personalizacja
Stawiaj na użyteczne i neutralne doświadczenia
Wynik wywnioskowany z imienia nie jest płcią, z którą dana osoba się identyfikuje. Doświadczenie powinno pozostać użyteczne, gdy wyniku brak lub jest on błędny: zapewnij neutralną alternatywę, unikaj stereotypów, nie podejmuj decyzji o istotnych skutkach na podstawie wywnioskowanej płci i umożliwiaj poprawianie ważnych danych za pomocą odpowiednich mechanizmów kontrolnych po stronie właściciela danych.
Ramy pomiaru
Oceniaj wyniki w czterech krokach
- 01
Najpierw zdefiniuj decyzję
Udokumentuj, do czego potrzebujesz sygnału, kto będzie z niego korzystać i jakie zastosowania są wyraźnie wykluczone.
- 02
Użyj grupy kontrolnej
Porównuj wzbogacony przepływ z neutralnym doświadczeniem, zamiast przypisywać każdą zmianę jednemu polu.
- 03
Mierz pokrycie i niepewność
Przedstawiaj rekordy nieznane, niejednoznaczne i o niskiej pewności razem z wybraną metryką biznesową.
- 04
Oceniaj skutki
Szukaj szkodliwych wyników, mylącej personalizacji i różnic w skuteczności między regionami lub językami.
Wybierz ścieżkę wdrożenia
REST API, arkusz kalkulacyjny lub automatyzacja bez kodu
Zarządzanie danymi
Ogranicz dane i dostęp do niezbędnego minimum
Mapuj tylko dane wejściowe wymagane przez udokumentowany cel, ograniczaj dostęp do kluczy API i wyników oraz zdecyduj, kiedy pola pochodne zostaną ponownie ocenione lub usunięte. 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 zastosowania i ich pomiar
Czy wartości procentowe z poprzedniej wersji to zweryfikowane sukcesy?
Nie. Poprzednia wersja nie podawała klientów, źródeł, wielkości próby ani metody; ta wersja nie przedstawia więc tych wartości procentowych jako dowodów i nie zastępuje ich innymi liczbami.
Co powinno zawierać studium przypadku nadające się do publikacji?
Zgodę klienta, metrykę bazową, wielkość próby, okres, metodę, zmierzony wynik i wyraźnie opisane ograniczenia.
Jak mierzyć przepływ wzbogacania danych?
Zdefiniuj metrykę z wyprzedzeniem, zachowaj grupę neutralną, dokumentuj pokrycie i niepewność oraz unikaj automatycznego przypisywania wyniku jednej zmiennej.
Czy prognozowana płeć odpowiada tożsamości osoby?
Nie. Jest to probabilistyczny wniosek na podstawie imienia, a nie płeć, z którą dana osoba się identyfikuje. Może być błędny lub nieodpowiedni i nie powinien służyć jako potwierdzona tożsamość ani jako podstawa decyzji o istotnych skutkach.
Czy należy wykluczać wyniki nieznane?
Nie. Zachowuj wyniki nieznane i o niskiej pewności jako takie: ich udział jest częścią pokrycia i jakości danych i powinien być przedstawiany razem ze wskaźnikami sukcesu.
Jakie dane powinien przechowywać przepływ wzbogacania?
Przechowuj tylko pola potrzebne do udokumentowanego celu i określ zasady usuwania. 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. Sprawdź też logi i zasady przechowywania każdej połączonej usługi.
Gdzie znajdę opcje wdrożenia?
Zajrzyj do dokumentacji REST lub do połączonych z tą stroną przewodników po Google Sheets, Shopify i automatyzacji bez kodu.