Social media
Netflix en Facebook zijn al gebruikers van machine learning. Wu Youyou, Micheal Kosinski en David Stillwel hebben bijvoorbeeld al een 2015 een algoritme ontworpen waarmee Facebook iemand persoonlijkheid bepaalt op basis van likes. Persoonlijkheid is in een volgende fasen weer voor allerlei vormen van gedrag. Uit onderzoek blijkt zelfs dat algoritme iemands persoonlijkheid beter kan bepalen dan een vriend of familielid, mits het maar beschikt over voldoende likes. Facebook verzameld ook gegevens van onder andere Google. Als je bijvoorbeeld op een webwinkel googelt, zal Facebook die data verzamelen en dat verwerken in advertenties. Zo zorgt Facebook er altijd voor dat ze op de hoogte is van jouw interesses en maakt het zo steeds persoonlijker.

Slimme billboards

Enkele weken geleden zijn er op Amsterdam Centraal reclamezuilen neergezet met daarin gezichtsherkenning camera's. Het is niet zo dat de camera jou filmt. Maar het analyseert je gezichtsuitdrukking. Ook telt hij hoe vaak iemand langsloopt en of er mensen kijken. Dit is allemaal mogelijk door machine learning. In de camera's zit een Facereading software en is daarom een geautomatiseerde manier om de gezichtsuitdrukkingen van consumenten te analyseren om vast te stellen of dit soort software ook gebruikt kan worden om objectieve emoties na het zien van een advertentie te meten. Emoties spelen namelijk een belangrijke rol in consumentengedrag en reclameboodschappen. Eerder werd al zelfrapportage gebruikt, dit is goedkoop, snel en gebruiksvriendelijk, maar heeft een aantal tekortkomingen. Het meet namelijk niet de reacties buiten het bewustzijn van de consument. De slimme billboards met face reading kunnen dit wel en zijn daarom veel efficiënter. 

Waarom is het relevant voor jou?

Machine learning zou op twee manieren relevant kunnen zijn, namelijk

1. Snel de doelgroep selecteren
   Tijdens een onderzoek gaat er altijd veel tijd in het onderzoeken van de doelgroep zitten. Een onderzoek zou veel sneller kunnen verlopen bij het gebruik van machine learning. Op deze manier onderzoek je de doelgroep niet met een enquête, maar met profiling. Door het verzamelen van data op het internet, bijvoorbeeld Facebook, zou je snel een profiel van de doelgroep kunnen maken of kunnen categoriseren.
   
   
2. Gedrag bepalen
   Data biedt ongelofelijk veel mogelijkheden voor voorspellingen, zoals klikgedrag op websites en producten die een klant interessant zou kunnen vinden. Tijdens je onderzoek zou je kunnen kijken naar het online klikgedrag van de doelgroep. Met machinelearningtechnieken kunnen we vaak betere voorspellingen doen over menselijk gedrag en menselijke kenmerken dan met klassieke statistische modellen. Het zou bijvoorbeeld relevant kunnen zijn bij het onderzoeken van een probleem bij een bedrijf, zoals minder klanten, geen klantloyaliteit of gewoon om te weten wat hun klanten interesseert en bezighoudt.