Het jaar is 2020 en ik besluit van baan te wisselen. Ik stap over van de wereld van online marketing naar de overheid en daarmee verandert de context van mijn werk behoorlijk. Deze verandering liet me iets zien. Iets over de werking van aanbevelingssystemen. In dit artikel leg ik je uit wat dat is en wat dat voor je betekent.
Een nieuwe werkomgeving
Mijn overstap van de online marketing naar de overheid had invloed op een aantal dingen. Ten eerste ging ik niet langer werkten met marketing data. De nieuwe context van mijn werk werd belasting data. Daarnaast was ik een zogenaamde digital analytics specialist, iemand die zich bezig houdt met het vastleggen van data in digitale systemen (zoals een website of app). Mijn nieuwe titel werd business analyst (of bedrijfsanalist) en daarmee richtte ik me meer op de klantvraag: hoe kan een dataproduct goed aansluiten bij de wensen en werkwijze van een klant?
Samengevat kan ik zeggen dat ik bleef werken in de wereld van data, maar dat er weinig overlap was tussen mijn oude en nieuwe werkgebied.
Het algoritme schiet tekort
Het algoritme speelt op elke content platform een belangrijke rol. Zo ook op social media. Het algoritme is hier een soort aanbevelingssysteem. Het doel: zorgen dat je nuttige content te zien krijgt zodat je lang blijft hangen en vaak terugkomt.
Als je het hebt over werk, dan heb je het vroeg of laat over LinkedIn. Het platform is naar eigen zeggen een professionele community. Toen ik werkzaam was in de online marketing, kreeg ik regelmatig updates; events, tips & tricks en product updates passeerden de revu. Soms nuttig. Soms minder nuttig.
Nu ik van baan wisselde, werd een deel van die content minder boeiend voor me. Zou het algoritme mijn switch snappen?
Na een paar weken bekroop me het gevoel dat dat niet zo was. Veel berichten leken niet langer nuttig. Ze gingen over een datacontext waarin ik niet langer actief was.
Zoals een goede data analist betaamt, besloot ik mijn gevoel te onderzoeken. Ik legde elke dag voor een vaste periode data vast. Ik keek bewust naar de berichten in mijn feed en beoordeelde ze op het nut. Nuttige berichten waren ofwel direct nuttig (als in: ik wilde hierop reageren) of later nuttig (artikelen die ik opsloeg om later te lezen).
Hersenloos scrollen door mijn newsfeed transformeerde zo in doelbewust data vergaren voor mijn onderzoek.
Een datavisualisatie van de kwaliteit van een algoritme
Mijn onderzoekje resulteerde in een interessant inzicht. Laat ik beginnen met wat cijfers.
In totaal bekeek ik 836 berichten. Als ieder bericht een blokje is ziet dat er zo uit:
Dat zijn er aardig wat.
Laten we nu eens kijken hoeveel berichten hiervan nuttig waren. Door de nuttige berichtjes aan te passen naar een open vierkantje en de nutteloze berichten te vervangen met een kruisje krijgen we hier een beeld bij:
Ai… dat is niet best. In mijn onderzoek waren 43 van de 836 berichten nuttig. Dat is zo’n 5%.
LinkedIn, als platform, heeft daarmee een aanbevelingssysteem dat me voor iedere 60 seconden die ik het geef 3 seconden aan nuttige info teruggeeft.
Klinkt niet als een heel nuttig aanbevelingssysteem…
Reflecties op een tekortschietend algoritme
Ten tijde van mijn onderzoek schreef ik een kort stukje over het gevoel dat dit me gaf:
Het voelt alsof het newsfeed-algoritme niet met verandering om kan gaan. Ik stapte over naar een ander werkgebied, maar het doet daar niets mee. Mijn interesse verandert, maar het doet daar niets mee. […]
Het aanbevelingssysteem lijkt daarmee te zeggen dat het graag wil dat ik blijf zoals ik ben. Dat ik voorspelbaar blijf. Veranderen mijn interesses, dan hoef ik niet op het systeem te rekenen.
Zijn er eigenlijk wel aanbevelingssystemen die hier rekening mee houden?
Nieuwsgierig?
Ben je benieuwd hoe goed een algoritme voor jou werkt? Start dan met een visueel logboek.
Het is simpel. Neem een vel papier en neem twee kleurpotloden. Scrol door je newsfeed heen en maak een blokje in de ene kleur als het interessant is en in de andere kleur als dat niet zo is. Teken de interessante blokjes vanuit één hoek en de nutteloze vanuit de andere hoek.
Ongeveer zo:
Blokje voor blokje zal je duidelijk worden of je feed een beetje voor je werkt. Of juist niet.