Wie internetwinkel Bol.com bezoekt, kan kiezen uit zo'n zestien miljoen producten. Vooral als je als klant niet precies weet wat je zoekt, kan een gerichte aanbeveling het verschil maken om door de bomen het bos te zien. Maar dergelijke aanbevelingssystemen kunnen nog veel beter, zegt promovendus Mark Graus. Tijdens zijn afstuderen merkte hij al dat aanbevelingssystemen vrij basaal te werk gaan: ze vormen geen beeld van de persoon achter de gebruiker, maar kijken vaak puur naar observeerbaar gedrag, zoals eerdere aankopen. “En dat terwijl de aanbevelingen beter worden wanneer je een begripslaag aan de data toevoegt.”

Dat klinkt wat abstract, maar hij maakt het concreet met een voorbeeld: “Als ik zie dat mijn vrouw een lingeriesetje bestelt, dan mag ik ervan uitgaan dat het voor haarzelf is. Als mijn beste vriend dat doet, dan is het waarschijnlijk een cadeautje voor zijn vriendin.” Dat is een interpretatie die voor mensen heel natuurlijk is, maar voor de computer niet. “De computer weet wel dat iemand die hardloopschoenen koopt, ook vaak hardloopsokken bestelt, maar een mens snapt dat zo iemand waarschijnlijk een hardloper ís, met alle interesses die daarmee samenhangen.” En dat is relevante informatie voor webwinkels, want betere aanbevelingen leiden tot meer aankopen en een grotere klanttevredenheid.

Diverse online diensten werken overigens met een ratingsysteem: Netflix is een bekend voorbeeld. Maar dat werkt ook niet optimaal, zegt Graus: “Dan zie je dat iedereen documentaires vijf sterren geeft, en films met onderbroekenlol als American Pie maar drie. Maar ondertussen kijkt iedereen American Pie en niet die documentaires.”

Hobbels en kronkels

Geïnspireerd door wat hij tijdens zijn afstuderen had geleerd, leek Graus het verrijken van aanbevelingssystemen met inzichten uit de psychologie daarom een mooi onderwerp voor promotieonderzoek. Afgelopen donderdag leverde hem dat een doctorstitel op, maar het pad daarheen bleek vol hobbels en kronkels: zijn onderzoeksvoorstellen strandden bij de subsidieverstrekkers, waarna hij in contact kwam met internetconsultant Adversitement in Uden.

Daar mocht hij een dag per week besteden aan promotieonderzoek in samenwerking met de groep Human-Technology Interaction, omdat het mooi aansloot bij zijn advieswerk voor het bedrijf. Van daaruit rolde hij door naar dochteronderneming O2mc, maar toen dat failliet ging, moest hij opnieuw op zoek naar een plek om zijn onderzoek voort te zetten. Gelukkig kon hij instromen in een impulsproject met Philips, waar hij drie jaar fulltime onderzoek kon doen.

Menstypes

Voor een goede aanbeveling kan het volgens Graus helpen om de gebruikers in te delen in verschillende types. Hij keek onder meer naar het gebruik van een luchtzuiveraar die kan worden bediend met een app. “Een deel van de mensen gebruikt die puur om het apparaat aan te sturen, en een ander deel om informatie te vergaren over de luchtkwaliteit. Je ziet dus dat mensen op verschillende manieren omgaan met hetzelfde systeem.”

Dat inzicht paste hij vervolgens toe bij een app van Philips voor jonge ouders, uGrow, die informatieve artikelen bevat over zaken als borstvoeding, slaapritmes en ontwikkeling van de baby. “Zelf was ik toen net vader geworden, dus ik kon me makkelijk inleven in de gebruikers”, zegt Graus. “Binnen de app worden automatisch volgende artikelen gesuggereerd, op basis van eerder gelezen teksten. Ik heb een vragenlijst gemaakt om de opvoedstijl van de ouders te bepalen: warm of afstandelijk en strikt of juist losjes. Het bleek dat de indeling in typen ouders op basis van die vragenlijst een betere voorspeller was van in welke artikelen de ouders geïnteresseerd waren dan de eerder gelezen artikelen.”

Door een psychologisch profiel op te stellen, kon hij dus betere suggesties doen - een bemoedigend resultaat voor zijn vakgebied. Graus krijgt gelukkig alle mogelijkheden om zijn inzichten te verdiepen: na een rommelige aanloop mag hij zijn wetenschappelijke carrière een vervolg geven als universitair docent aan de Universiteit Maastricht.