偏った広告のビジネスへの影響 (およびその修正方法)
公開: 2022-10-29私たちは皆、善悪を問わず偏見を持っており、それらの態度の多くは、私たちの行動に情報を与えたり、指示したりする場合でも、無意識です. しかし、これらの無意識の偏見がマーケティングに浸透するとどうなるでしょうか?
これにはいくつかの方法があります。 最もよく知られているのは、広告キャンペーンの実際のメッセージとクリエイティブであり、それが写真の多様性の欠如であろうと、特定の言葉や言い回しに関する文化的感受性の欠如であろうと. しかし、無意識の偏見は、私たちがこれらのキャンペーンを実行するために使用するテクノロジーそのものにも影響を及ぼします.
この影響は潜行性が高く、見過ごされがちですが、広告の偏りは、ブランドの健全性から、新しいオーディエンスに拡大する機会の実現の失敗まで、ビジネスに重大な悪影響を与える可能性があります. 長期的には、これらの偏見はより広い世界で特定の固定観念を永続させ、人々に重大な害を及ぼす可能性があります.
ブランドが誤って偏見の罠に陥らないようにするためには、偏見がどこから来るのか、それが広告にどのように影響するのか、より多くの視聴者を反映して話すより包括的なキャンペーンを作成するためにどのような手順を実行できるかを理解する必要があります。
マーケティングにおける無意識の偏見とは？
無意識の偏見、または暗黙の偏見は、年齢、社会経済的地位、体重、性別、人種、性的指向などのさまざまな要因に基づいて、人々が無意識のうちに下すさまざまな社会的ステレオタイプおよび判断として定義されます。
私たちの行動のほとんどは、意識的に考えずに発生します。 それが、普通に生きるために必要な何百万もの決定を下して、私たちが一日を過ごす方法です. しかし、そのプロセスは、私たちが気づいていないかもしれない多くの判断を行う脳に大きく依存しているため、無意識の偏見が私たちの行動や行動に非常に大きな影響を与える可能性があります.
これらの偏見は、文化的態度、規範、伝統、および性別、人種、年齢、民族性、宗教、経済階級、セクシュアリティ、障害、および国籍 (およびその他のグループ) に対する私たちの見方に影響を与えるその他の要因に一生さらされることから生じます特徴）。 そのため、特定、挑戦、または解決することが非常に難しい場合があります。
マーケティングでは、これはいくつかの異なる方法で明らかになる可能性があります: オーディエンス セグメント、人口統計学的決定、メッセージ、写真、文化的暗示などです。 広告バイアスとは、ブランドが誰に対してマーケティングを行っているか、それらの消費者を引き付けるために何を言いたいかなどを無意識に推測して決定していることを意味します。
マーケティング担当者は一般に、こうした思い込みを正そうとしますが、個人と同じように、偏見がどのように現れているか、いつ戦略に影響を与えているかを常に認識しているわけではありません。
偏った広告はビジネスにどのような影響を与えますか?
無意識のバイアスを特定して修正することは、マーケティング チームの一連の責任の重要な部分です。これらの仮定の影響は、ビジネスや社会全体に非常に有害な場合があるためです。
SEEHER Gender Equality Measure (GEM) を使用した IRI と SEEHer の調査では、広告とプログラミングにおける性別に基づくバイアスを特定するデータ駆動型のオープンソースの方法論で、結果は決定的でした。 GEM スコアであり、セールス リフトが最も低い広告の GEM スコアは最も低かった。
出典: IRI & SEEHER
広告バイアスが引き続き問題となる主な理由の 1 つは、人口統計学的なオーディエンス セグメンテーションに基づくキャンペーンが、短期的なパフォーマンスの向上を促進できる、よりパーソナライズされた広告へのショートカットを提供できることです。
しかし、長期的な影響は深刻で、取り返しのつかない損害を引き起こす可能性があります。 これらの無意識の偏見に訴える広告に依存すると、新しいオーディエンスを排除することでブランドの成長の可能性が大幅に制限され、ブランドのクリエイティブやメッセージのステレオタイプに依存している場合、ブランド イメージに大きな損害を与える可能性があります。
広告における無意識のバイアスとはどのようなものですか?
特に悪質な (そして悪名高い) 例として、Dove による広く批判された広告キャンペーンでは、Dove 石鹸を使用した後に白人女性に変身した黒人女性が取り上げられました。 キャンペーンにおける Dove のポジショニングは純粋さに関するものであり、それは広告クリエイティブの白さによって表され、意図的ではないとしても明白に人種差別主義者であるとすぐに特定されたアイデアでした.
出典: 世界経済フォーラム
このような例を見て、あなたのブランドがこれほど恐ろしいことをしたことがないかどうかを理解するのは簡単です。 しかし、無意識の偏見が広告で果たす役割の例は、それほど明白ではありませんが、いたるところにあります。
広告、ウェブサイト、プレゼンテーションなどに使用する画像について考えてみてください。意識しているかどうかにかかわらず、写真の選択はビジネスを表すものになります。 たとえば、プロフェッショナリズムを表すストック フォトを選択しようとしていて、頭の中にある写真が会議テーブルの周りにスーツを着た白人男性のグループである場合、それは無意識の偏見の結果である可能性があります。
マーケティング担当者は、この種の偏見をよりよく認識できるようになりましたが、定期的に頭をもたげます (女性はサラダを食べながら笑っていますか?)。
しかし、次のフロンティアは自動化であり、広告に対する無意識の偏見の影響を理解し始めたところです. AI や広告ターゲティングなどの機械学習ツールは、これらのシステムのアーキテクトの暗黙のバイアスが原因の 1 つとして、実際には負のバイアスを強化する可能性があります。 パラメータはデータ セグメントで構築されるため、広告主は自動化されたシステムに水門を開き、否定的な固定観念を永続させています。
さまざまな自動化プロセスから生じるさまざまなバイアス
出典: Varshney、Trustworthy Machine Learning、2022 年
IBM Watson Advertising は、2022 年 1 月に The Ad Council のキャンペーン データに基づいて新しい調査結果を発表しました。これは、COVID ワクチン接種を提唱するキャンペーンへのさまざまなインプットに基づく無意識の偏見が、収入レベルや政治的関心などの複数の特性についてキャンペーンを広める AI アルゴリズムに影響を与えていることを明確に示しています。信念。
「最も重要な観察結果の 1 つは、デジタル広告に使用されるデータとアルゴリズムに偏りが存在する可能性があり、その偏りは人間の目で常にすぐに観察できるとは限らないということです。」
これは単なる理論上の話ではありません。 Facebook は最近、Facebook の広告プラットフォームに事前入力されたリストをめぐって、National Fair Housing Alliance (NFHA) および Communications Workers of America (CWA) との訴訟で和解したアメリカ人、ヒスパニック系、アジア系アメリカ人。 ターゲットを絞った広告リストは、同じように「白人」を除外していませんでした。これは、保護されたグループの広告に公正かつ平等なアプローチを要求する公民権法に違反しています。
出典: ニューヨークタイムズ
技術的バイアスは、人間の認知バイアスまたはデータのバイアスが無意識のうちにシステムにエンコードされ、大規模に分散された場合に発生する可能性があります。 これらの無意識の偏見は、特に広告エコシステム内のデータとシグナルの相互作用において、非常に複雑で検出されない可能性がある体系的な問題になる可能性があります。
出典: 米国国立標準技術研究所 (NIST)
広告、ターゲティング、メッセージにどのようなバイアスが反映されているかを検出するのは難しいかもしれませんが、マーケティング チームはこの問題に気づき、積極的に仮説に挑戦し、解決策を見つけることを優先する必要があります。
偏った広告とどのように戦っていますか?
過去のキャンペーンで何が効果的だったとしても、今こそ、ブランドが包括的なアプローチを採用し、潜在的なバイアスに対処できるようにするために、一歩踏み出して大幅な変更を加えるときです。
全体的なクリエイティブ プロセスに関しては、次のことを確認してください。
- 初期構想から実行、測定まで、プロセスの各段階で利害関係者として多様な視点を持ち込む
- 偏りがないかターゲティング基準を確認し、入力とアルゴリズムの決定に基づく結果の両方について質問することを恐れないでください。
- クリエイティブ プロセスに多様性、公平性、包括性 (DEI) を追加するだけでなく、十分なサービスを受けていないコミュニティの人々と協力して、彼らの視点をブランドとの双方向の会話に取り入れてください。
- ブランドを新しいオーディエンスやさまざまなメッセージやクリエイティブに開放することで、いくつかの仮定に挑戦するために構築されたテスト フレームワークを作成します。
パブリケーションの CMO は、クリエイティブの品質管理の一環として含める必要がある便利なチェックリストを作成しました。
出典：CMO
アルゴリズムのバイアスに関して言えば、解決策はもう少し複雑です。 AI がより高度になるにつれて、この分野の専門家は、さまざまなモデルやサービスがどのように開発されているかについて、より透明性を高めるよう求めています。
皮肉なことに、こうした欠陥のある偏った結果を生み出す可能性がある私たちが構築したモデルを押し戻し、疑問を投げかけることに対する答えは、多くの場合テクノロジーです。 広告における暗黙の偏見を明らかにして軽減するために構築されたこれらのツールを確認してください。
- AI Fairness: このオープンソース ツールキットは、ユーザーが AI アプリケーションのライフサイクル全体で機械学習モデルの差別と偏見を調査、報告、軽減するのに役立ちます。
- IBM Watson: 広告の AI はバイアスをスキャンすることで、人間には見えないサブグループ間の根底にあるつながりを発見し、各集団に公平に対応するより良い戦略を作成するのに役立ちます。
- IBM FactSheets: FactSheet は、AI モデルまたはサービスの作成と展開に関する関連情報 (ファクト) のコレクションです。 FactSheet プロジェクトの目標は、透明性を高め、AI がどのように作成および展開されたかについて理解を深め、AI の使用方法に対する一定レベルのガバナンスと制御を可能にすることで、AI への信頼を育むことです。
今日の消費者は、自分が選んだブランドに、より多くのことを期待しています。 消費者に高品質の製品やサービスを提供するだけでは、もはや十分ではありません。 あなたの顧客は、あなたの価値観を前面に出してほしいと思っています。 消費者が広告に慣れてきたら、時間を取って、あなたが世の中に出しているものについて直感的なチェックを行ってください。