Demographic Differences in the Predictability of Consumer Mobility
Met behulp van geanonimiseerde creditcardtransactiegegevens kwantificeert deze studie hoe de voorspelbaarheid van consumentenmobiliteit varieert tussen demografische groepen en temporele schalen, waarbij wordt onthuld dat bezoeksequenties zeer voorspelbaar zijn (96–97%) op individueel winkelniveau, maar aanzienlijk minder op niveau van het type bedrijf, met lichte seizoensgebonden verschillen waargenomen tussen jongere mannen en vrouwen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Menselijke beweging is zelden willekeurig. We hebben de neiging om terug te keren naar dezelfde koffiebar, dezelfde sportschool of dezelfde supermarkt, wat een ritme creëert dat zich dag na dag herhaalt. Wetenschappers die bestuderen hoe mensen zich door steden bewegen, weten al lang dat deze patronen niet slechts gewoontes zijn; ze zijn voorspelbaar. Door te kijken naar de digitale voetsporen die we achterlaten—zoals de gegevens van waar we onze creditcards swipen—kunnen onderzoekers meten hoeveel van ons toekomstige gedrag al geschreven staat in ons verleden. De kern van het idee is simpel: als we weten waar een persoon is geweest, hoe goed kunnen we dan raden waar ze als volgende naartoe gaan? Deze vraag bevindt zich op het snijvlak van stedelijke planning en datawetenschap, en vraagt of de chaos van het dagelijks leven een verborgen orde verbergt. Het antwoord is belangrijk omdat het begrijpen van deze grenzen ons helpt om betere diensten te ontwerpen, van verkeerssystemen tot lokale bedrijven, zonder dat we de toekomst perfect hoeven te voorspellen, maar eerder door te begrijpen wat de grenzen zijn van wat mogelijk is om te voorzien.
Een onderzoeker zette zich scharpe om deze grenzen te testen met behulp van een enorme collectie creditcardgegevens van een Spaanse bank uit 2011. Ze probeerden niet een computerprogramma te bouwen om te raden waar mensen als volgende naartoe zouden gaan. In plaats daarvan gebruikten ze een methode gebaseerd op informatietheorie om het theoretische plafond van voorspelbaarheid te berekenen. Stel je voor dat je het volgende woord in een zin probeert te raden; als de zin zeer repetitief is, is de gok makkelijk. Als het willekeurig is, is de gok moeilijk. De onderzoeker paste deze logica toe op winkelbezoeken, waarbij de "onzekerheid" in de geschiedenis van een klant werd gemeten. Ze bekeken twee verschillende manieren om deze bezoeken te zien: eerst, als ritten naar specifieke, individuele winkels, en tweede, als ritten naar bredere categorieën winkels, zoals "restaurants" of "kledingwinkels". Door deze twee visies te vergelijken over verschillende leeftijden, geslachten en jaargetijden heen, brachten ze in kaart hoeveel regelmaat er bestaat in ons bestedingsleven en wie de meest rigide patronen volgt.
De studie begon met het filteren van de gegevens om zich te richten op actieve klanten die tussen de tien en honderd bezoeken in een enkele maand hadden gedaan. De onderzoeker analyseerde vervolgens de sequentie van deze bezoeken. Ze ontdekten dat wanneer er gekeken werd naar specifieke winkels, de patronen ongelooflijk sterk waren. De wiskunde toonde aan dat als men de eerdere bezoeken van een persoon aan specifieke locaties kende, de theoretische limiet voor het raden van hun volgende stop tussen de 96% en 97% lag. Dit betekent dat voor de meeste mensen de keuze voor een specifieke winkel sterk wordt bepaald door hun geschiedenis. Echter, toen de onderzoeker diezelfde bezoeken groepeerde in bredere categorieën, daalde de voorspelbaarheid. Weten dat een persoon vandaag een "restaurant" bezoekt, maakte het ongeveer 10 procentpunt moeilijker om te raden welk specifiek type restaurant zij als volgende zouden bezoeken vergeleken met weten dat zij een specifiek restaurant bezochten. Deze kloof onthult dat onze sterkste gewoontes verbonden zijn aan specifieke plaatsen, en niet alleen aan algemene soorten activiteiten.
De onderzoeker onderzocht ook hoe deze patronen veranderden in de loop van de tijd en bij verschillende groepen mensen. Ze bekeken gegevens van verschillende seizoenen en vonden dat de voorspelbaarheid iets hoger was in de winter- en zomermaanden vergeleken met de lente en de herfst. Dit suggereert dat de routines van mensen repetitiever worden tijdens de extremen van het jaar, misschien door het weer of door vakantieschema's. Wanneer ze de gegevens uitsplitsten naar leeftijd en geslacht, kwam een duidelijke trend naar voren: de voorspelbaarheid nam over het algemeen af naarmate mensen ouder werden. Dit betekent dat jongvolwassenen de neiging hadden om meer consistente routines te hebben dan oudere mensen. Er was ook een klein verschil tussen mannen en vrouwen. In de kortere tijdsperioden, zoals een enkel seizoen, vertoonden jonge mannen een iets hogere voorspelbaarheid dan vrouwen van dezelfde leeftijd. Echter, toen de onderzoeker naar de gegevens van het gehele jaar keek, verdween dit genderverschil en werden de patronen voor mannen en vrouwen bijna identiek.
Deze bevindingen bieden een nauwkeurige blik op de structuur van menselijk gedrag, maar de auteur is voorzichtig in de definitie van wat hun cijfers betekenen. De 96% tot 97% is geen score die een computermodel heeft behaald in een test; het is een theoretische limiet. Het vertegenwoordigt de maximale mate van voorspelbaarheid die aanwezig is in de gegevens zelf, ongeacht hoe slim het voorspellingsinstrument ook mag zijn. De studie beweert niet dat een specifiek algoritme dit getal zou kunnen bereiken, noch suggereert het dat elk enkel bezoek voorspelbaar is. In plaats daarvan stelt het vast dat de informatie die in onze transactiegeschiedenis besloten ligt, rijk is aan orde. De gegevens stammen uit 2011, dus ze weerspiegelen de betaalgewoonten van dat tijdperk, en ze vatten alleen de bewegingen vast die door één bank zijn geregistreerd, niet elke plek waar een persoon naartoe zou kunnen gaan. Toch zijn de resultaten binnen die grenzen duidelijk: ons dagelijks leven wordt beheerst door sterke, meetbare ritmes, en die ritmes variëren afhankelijk van of we kijken naar een specifieke winkel of een algemene categorie, en wie we zijn.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.