Au croisement de la psychologie sociale, la science des données et la mode est Amy Winecoff.

Après avoir obtenu un doctorat. en psychologie et en neurosciences ici à Duke, Winecoff a passé du temps à enseigner avant de passer à l'industrie.

Aujourd'hui, Winecoff travaille en tant que data scientist senior chez True Fit, une entreprise qui fournit des outils aux détaillants pour les aider à décider quels produits ils suggèrent à leurs clients.

Le logiciel de True Fit repose sur la collecte de données sur l'ajustement des vêtements aux personnes qui les ont achetés. Avec ces données sur la taille et le type de vêtements, True Fit peut faire des recommandations de taille pour un consommateur spécifique cherchant à acheter un certain produit.

En plus des recommandations sur la taille, True Fit est à l'origine des recommandations de nombreux sites de produits similaires à ceux que vous parcourez ou avez achetés.

Bien que ces systèmes de recommandation fonctionnent bien pour des sites comme Netflix, où vous avez peut-être regardé de nombreux films et émissions différents dans un passé récent qui peuvent être utilisés pour faire des recommandations, Winecoff souligne que cela peut être difficile pour quelque chose comme un pantalon, que les gens n'ont pas tendance à acheter en gros.

Pour surmonter cet obstacle, True Fit a conçu son système, appelé moteur de découverte, analyser un seul vêtement en cinquante traits différents. Avec autant d'informations, faire des recommandations pour des styles similaires peut être plus facile.

Cependant, La formation de Winecoff en psychologie sociale l'a amenée à se demander dans quelle mesure ces algorithmes font des prédictions conformes au comportement humain. Elle soutient que comprendre comment les gens forment leurs préférences fait partie intégrante de la conception d'un système pour faire des recommandations.

Une façon dont Winecoff teste la véracité des prédictions par rapport aux préférences humaines utilise des études psychologiques pour mieux comprendre comment affiner les recommandations basées sur les mathématiques.

Avec un objectif général de déterminer comment les humains déterminent la similitude dans les vêtements, Winecoff a conçu une étude en ligne où les sujets se voient présenter un vêtement et leur disent que le vêtement est en rupture de stock. Ils se voient ensuite proposer deux options et doivent en choisir une pour remplacer l'article en rupture de stock. En variant un aspect dans chacun des deux choix, comme une couleur différente, modèle, ou longueur de jupe, Winecoff et ses collègues peuvent distinguer quels traits sont les plus saillants pour une personne lors de la détermination de la similitude.

Le travail de Winecoff illustre le pouvoir de combiner des recommandations algorithmiques avec des résultats psychologiques sociaux, et que la science atteint des endroits inattendus, comme influencer vos choix d'achat.