מה הקשר בין הדלקת נרות חנוכה למילוי טופס דיגיטלי, ומה זה אומר עלינו?

ההרגל… קמתם בבוקר, עוד יום בשבוע, לחצתם על מכונת הקפה – היא כבר טוחנת את הפולים, ובזמן שאתם מצחצחים שיניים, אתם שומעים כבר את טפטוף האספרסו נמזג לכוס.

התיאור שלעיל הוא סוג של הרגל, ולכל אחד מאיתנו יש הרגלים כאלה ואחרים. אנו יודעים שהרגל הינו רוטינה או התנהגות הנוטה לחזור על עצמה באופן לא מודע. הנה, בימים אלה רובנו מדליקים את נרות חג החנוכה – כמה מכם שאלו את עצמם מדוע אנחנו מוסיפים כל יום נר עד השלמת החנוכייה? ומדוע איננו מתחילים מחנוכייה מלאה ובכל יום מורידים נר? – זהו הרגל שגדלנו עליו מילדות.

ההרגל נוצר באופן אוטומטי מאחר שהוא כבר התבצע לעיתים קרובות בעבר. השימוש באפקט ה"הרגל" מוטמע בכמה אופנים ושיטות בקרב חברות טכנולוגיה רבות, שעושות בתהליך ההרגל שימוש באפליקציות שונות. למשל: קיימות מערכות שלמות ש"למדו", כי ההרגל שלנו לאחר שהתעוררנו בבוקר הוא לבדוק את מצב השווקים הפיננסיים, וכך מוצגת לנו תמונה עדכנית (בצבעים מתאימים).

דוגמה נוספת שניתן להציג בנויה על צורת בניית מסמכים שאנו ממלאים בבואנו לקבל או לחדש את הדרכון שלנו – האם שמתם לב כי תמיד השדה הראשון מתייחס למספר תעודת הזהות שלכם? האם שאלתם את עצמכם מדוע המספר הזה כל כך חשוב? ההרגל המוטמע בטפסים הישנים ואשר נבנה במהלך השנים הוטמע כתהליך קבוע (ראו מקרים של מילוי טופסי ביטוח לאומי, אבטלה, בנקים) וככזה נבנו הטפסים הדיגיטליים באתרי האינטרנט השונים – מהחנות הדיגיטלית שממנה אתם רוכשים את פריטי הלבוש ועד לטופס של חברת אשראי שמעניקה הלוואות ועושה שימוש בסוגים שונים של הרגלים.

הרגלים אלה מלמדים רבות על ממלא הטופס: מצורת החשיבה כיצד משתמש הקצה מתחיל לנתח את הטופס, זמן ההקדשה לכל שדה וכן כיצד בחירת התשובות (מתוך מגוון תשובות) יכולה להשפיע על ניתוח המידע שנובע מתוך הטופס.

ממחקרים שנעשו בשנים האחרונות ( לדוגמה, זה), ניתן היום לומר, כי שינוי הרגל הוא תהליך ולא אירוע נקודתי. בנוסף עולה, כי טווח זמן של 66 ימים הינו הטווח שבו ניתן ליצור הרגל חדש או לשנות הרגל קיים. אפקט הימים האלה מאפשר למערכות ניטור כאלה ואחרות, בדגש על מערכות ניטור ברשתות החברתיות, לזהות בנקל ובטווחי זמן קבועים שינוי של הרגל, וככזה להסיק מסקנה פעילה על שינוי של התנהגות (לחיוב ולשלילה).

הרגלים הם מקור מידע על התנהגות משתמשים

כלומר, מעקב אקטיבי על הרגל מסוים יכול להיות מקור מידע ראשוני על התנהגותו של פלוני אלמוני. זאת ועוד, הדבר מאפשר לבצע ניטור של אותם הרגלים ולחפש את מקור השינוי ו/או קיומו של הרגל חדש – וככזה לבצע "גזירה" של התנהגות אחרת – מסקנה חדשה.

הרגל הוא חלק מתוך מארג עצום של מידע ונתונים שהאפליקציות אוספות ולומדות עלינו על מנת לייצר תמונה דיגיטלית על משתמש הקצה, ומכאן ללמוד ולהסיק מסקנות כיצד אותו משתמש רגיל ו/או יפעל בעתיד. שימוש במערכות בינה מלאכותית מאפשר למערכות הדיגיטליות לזהות במהירות שיא שינוי הרגל  ולנתח אותו ומתוכו לקבל תובנה עסקית חדשה. כלומר, לאור העובדה שאנו יודעים/מעריכים את ההרגל של משתמש הקצה, המידע נאסף לתוך מאגר מידע עצום, אשר יודע להסיק תובנה עסקית על משתמש הקצה. שינוי ההרגל יכול לציין שינוי פעילות מסוימת של לקוח הקצה ובניית הרגל חדש. מערכת הבינה המלאכותית יכולה לכמת את המידע ולבצע הערכה מחודשת של משתמש הקצה ולהציג בפני המנהלים מסקנות חדשות.

לדוגמה, מערכת הבינה של פייסבוק (Facebook) יודעת לזהות הרגלים של משתמש הקצה. נחזור לדוגמה שבה פתחנו את המאמר: אנחנו ממתינים לקפה, ובו בזמן בודקים את הווטסטפ שלנו במקביל לפתיחת דף החדשות של אתר מוביל; ההרגל הזה נרשם, וכל שינוי בו מבצע "חישוב מחדש של המסלול", שמערכת הבינה המלאכותית מבצעת אותו. המנגנון חריף יותר בכך שהמדד מתבצע לאורך זמן, ואם יש שינוי של ההרגל בפרק זמן X – מערכת המשוב של פייסבוק תבצע התאמה של הפיד להרגל החדש (למשל: זוהה שינוי, כי כעת המשתמש פותח את יומו בבדיקת מזג האוויר).

עלינו לקחת בחשבון, כי המנגנון שאותו תיארנו כאן הינו חלק ממערך שלם של מנגנונים, המבוססים על התנהגות וחשיבה "מחוץ לקופסא", ועל כך מתבססות חברות טכנולוגיה רבות בבואן ללמוד על המשתמש.

הכותב הוא מנכ"ל אלבי.