AIと機械学習を活用して、誰にでも何でも販売する

AI と IBM Watson の Personality Insights を使用して見込み客に確実に販売する方法を解説した A-Z ガイド。

お知らせ: 多くのリクエストに応えて、毎週のシグナルと限定コンテンツを無料で共有する Telegram グループチャットを開始しました。 このリンクからすぐに参加できます。

誰にでも何でも売ることができるというのは、ほんの一握りの人だけが持つスキルです。 魔法の力を持たない私たちにとって、取引を成立させることは難しい場合があります。 商品を販売しようとしている相手の性格を知ること以上に価値のあることは何でしょうか? 広い意味では、販売とは単に販売しようとしている商品だけを指すのではないかもしれません。 販売とは、サービスを提供する、あるいは自分自身を売り込むこと（大学や就職の面接、ビジネスミーティングなど）を指す場合もあります。

こうした面談の前に、その人が衝動的か、利他的か、感情的かなど、その人の性格特性を知っておくことで、物語を形作り、人物の個性を引き出しながら、その人に「適切な」商品を販売することが容易になります。

認知コンピューティング - 重要な現れとして広く認識されているスキルです...

私たちは、テクノロジーのユーザーとして、それを当然のこととして受け止めるようになりました。 最近ではこれより一般的なものはほとんどありません…

どのような業界に携わっている人であっても、このようなツールを使えることが究極の武器になると言っても過言ではありません。 上司の考えを理解し、新しいビジネスアイデアを上司に提示する優れた方法を見つけるために使用する場合でも、次の就職面接の準備として使用する場合でも、実際の用途は無限です。

残念ながら、そのようなツールは存在しません。

あなた自身の性格プロファイルを開発する方法を学ぶために読んでください！

プロジェクトブループリント

青写真を作成する前に、簡潔な目標が必要です。

目標は明確です。ある人物の Twitter アカウントを入力すると、その人の性格に関する完全な洞察が得られる機械学習モデルを構築し、ターゲット顧客へのマーケティングを可能にします。

冒頭で強調したように、使用例はあなたの想像力によってのみ制限されます。 可能な用途はほぼ無限です。

幸いなことに、ほとんどの作業はすでに IBM によって完了しています。 私たちは IBM Watson ツールのみを使用し、10 行未満の Python コードで人物のツイートを提供し、その人について可能な限り多くのことを知ることができます。

実行する手順は次のとおりです。

• IBM Cloud アカウントを作成します (無料で簡単に作成できます)。
• IBM Watson Personality Insights を購読してください (こちらから無料で購読できます)。
• 「ターゲット」が投稿したすべてのツイートを取得します。
• 完全な性格分析には Watson を使用します。
• モデルの調査結果に基づいて計画を立てます。

この記事を気に入っていただき、毎月の限定コンテンツを無料で受け取ることにご興味がおありの場合は、この記事の最後にある私の限定メーリング リストに登録してください (ここからも直接アクセスできます)。

分析を実行する

最初のステップは、必要なすべてのライブラリを Python にインポートすることです。

ライブラリがインポートされたので、IBM Cloud アカウントを作成します。 アカウントを作成したら、このリンクから IBM Watson Personalized Insights にサインアップしてください。

すべてが計画どおりに進んだ場合は、API キーと URL を取得しているはずです。 Python で次のコードを記述した後、キーと URL を対応するフィールドに貼り付けます。

Watson に関しては、これでほぼ完了です。モデルにデータを供給するには、ユーザーのツイートを取得する必要があります。 これは Tweepy を使用して実行できます (ドキュメントはここにあります)。

この記事では、「GetOldTweets」ライブラリを使用します。 pip 経由で簡単にインストールでき、Twitter の API にアクセスする必要はありません。 インストール後は、CLI からもアクセスできるようになります。

特定のアカウントのすべてのツイートを取得するには、ターミナルで次のコマンドを使用します。

 GetOldTweets3 --username "人のユーザー名"  

注意！ツイートを「.json」ファイルに保存することが非常に重要です。 したがって、ツイートを含むファイルが「.csv」形式の場合は、変換する必要があります。

プロジェクトの青写真に概説されているように、架空のクライアントの Twitter データを分析します。

ツイートを「.json」ファイルに抽出した後、次のコード行を使用してモデルを実行します。

できました! これで、雇用主の性格分析が完了しました。

データの理解

モデルは値の長いリストを提供します。 残念ながら、データは読みにくいので、pandas データフレームを作成し、さまざまな機能をインポートすることができます。

ドキュメントによると、Watson から提供されるデータは次の 2 つのカテゴリに分類されます。

• 性格特性には、ビッグファイブ、ニーズ、価値観が含まれます（詳細についてはここをクリックしてください）

2. 消費嗜好（詳細はこちら）

このユースケースでは、消費の好みが最大の価値を持つ可能性があります。 ただし、顧客を理解して販売を行うために重要と思われる情報については、以下で説明します。

テーマは次のようです:

• 新しいアイデアを受け入れる
• 感情的
• 用心深い
• 外向的
• 断定的な
• 外向性
• 適切な
• 利他的な
• 妥協なし
• 信頼しやすい

これらは、モデルによって提供されるパーソナライズされた洞察の例です。 この分野の消費パターンを見てみましょう。

テーマは

• 何かを購入する際にコストよりも安全性を優先する場合がある
• 品質よりもスタイルを優先する
• 商品を購入する際にブランド名に影響を受けることがある
• 製品を購入する際にオンライン広告の影響を受ける可能性があります
• 製品を購入する際にソーシャルメディアの影響を受ける可能性があります
• 今のところ買うかもしれない
• ジムの会員になる可能性がある
• 環境への配慮が低い
• 頻繁に外食することがある

これらは、このトピックに関して収集できる多くの対象データ ポイントのうちのほんの一部であることを強調しておくことが重要です。

誰かについて多くの情報を持っていると、商品を販売するのが簡単になるだけでなく、特定の行動をとるように説得したり、相手に好感を持たせたり、さらにそれ以上の効果が得られることは明らかです。