Personality or Value: A Comparative Study of Psychographic Segmentation Based on an

Online Review Enhanced Recommender System (Kepribadian atau Nilai: Studi Banding dari
Segmentasi Psikografis Berdasarkan Online Tinjau Sistem Rekomendasi yang ditingkatkan)

Hui Liu 1,y, Yinghui Huang 1,2,y, Zichao Wang 3, Kai Liu 1, Xiangen Hu 1,4 and Weijun Wang 1,*

1. Laboratorium Kunci Cyberpsikologi dan Perilaku Remaja, Departemen Pendidikan,

Universitas Normal Tiongkok Tengah, Wuhan 430079, Cina; huiliu931031@gmail.com
(H.L.); yinghui0121@mails.ccnu.edu.cn (Y.H.); ccnulk@mail.ccun.edu.cn (K.L.);
xiangenhu@gmail.com (X.H.)
2. Sekolah Manajemen Informasi, Universitas Normal Tiongkok Tengah, Wuhan 430079, Cina
3. Departemen Teknik Listrik dan Komputer, Rice University, Houston, TX 77005, AS;
wangzichao6@gmail.com
4. Departemen Psikologi, Universitas Memphis, Memphis, TN 38152, AS
 Korespondensi: wangwj@mail.ccnu.edu.cn; Tel .: + 86-153-0715-0076
+ Hui Liu dan Yinghui Huang adalah penulis pendamping.

Diterima: 1 Maret 2019; Diterima: 8 Mei 2019; Diterbitkan: 15 Mei 2019

Abstrak: Data konsumen besar menjanjikan menjadi pengubah permainan dalam pemasaran terapan
dan empiris penelitian. Namun, investigasi tentang seberapa besar data membantu
menginformasikan aspek psikologis konsumen sejauh ini hanya mendapat sedikit perhatian.
Psikografis telah terbukti berharga jalur segmentasi pasar dalam memahami preferensi konsumen.
Meskipun dalam konteks e-commerce, sebagai komponen segmentasi psikografis, kepribadian telah
terbukti Efektif untuk prediksi preferensi pengguna e-commerce, masih belum jelas apakah
psikografis segmentasi secara praktis berpengaruh dalam memahami preferensi pengguna di seluruh
produk yang berbeda kategori. Sejauh pengetahuan kami, kami memberikan demonstrasi kuantitatif
pertama efek yang menjanjikan dan kepentingan relatif dari segmentasi psikografis dalam
memprediksi pengguna secara online preferensi pembelian di seluruh kategori produk yang berbeda
dalam e-commerce dengan menggunakan data-driven pendekatan. Kami pertama-tama membangun
dua leksikon psikografis online yang mencakup Faktor Lima Besar (BFF) ciri-ciri kepribadian dan
Schwartz Value Survey (SVS) menggunakan metode natural language processing (NLP) yang
didasarkan pada pengukuran perilaku penggunaan kata pengguna. Kami kemudian menggabungkan
leksikon dalam sistem rekomendasi berbasis jaringan neural deep (DNN) untuk memprediksi
pembelian online pengguna preferensi mempertimbangkan kemajuan baru dalam metode prediksi
preferensi pengguna berbasis segmentasi. Secara keseluruhan, segmentasi konsumen ke dalam
kelompok heterogen secara mengejutkan tidak menunjukkan peningkatan yang signifikan dalam
memahami preferensi konsumen. Variabel psikografis (keduanya BFF dan SVS) secara signifikan
meningkatkan kekuatan penjelas dari preferensi konsumen elektronik, sedangkan peningkatan
kekuatan prediksi tidak signifikan. SVS cenderung mengungguli segmentasi BFF, kecuali untuk
beberapa kategori produk. Selain itu, DNN secara signifikan mengungguli sebelumnya metode.
Pendekatan pengukuran dan segmentasi SVS yang berorientasi e-commerce yang mengintegrasikan
keduanya BFF dan SVS direkomendasikan. Bukti empiris yang kuat memberikan pedoman praktis
untuk keduanya pengembangan produk e-commerce, pemasaran dan rekomendasi, dan referensi
metodologis untuk riset pemasaran berbasis data besar.

Kata kunci: segmentasi psikografis; prediksi preferensi pengguna; konstruksi leksikon; ulasan
online; sistem rekomendasi; pemasaran data-driven besar

1. Pendahuluan
Di era big data, paradigma penelitian layanan pemasaran telah banyak berubah oleh data
pemasaran yang sangat besar terakumulasi dari internet, seperti pada demografi, perilaku pengguna
(untuk selanjutnya kami akan menggunakan kata "pengguna", "pelanggan", dan "konsumen" secara
bergantian), dan social hubungan. Data pemasaran berbutir halus ini informatif, sehingga memberi
pemasar ekstra peluang untuk mengevaluasi preferensi pengguna [1], memprediksi produk yang
akan dibeli pengguna berikutnya [2,3], memberikan iklan yang ditargetkan [4,5], mengungkap
persepsi konsumen terhadap merek [6], dan memperoleh daya saing kecerdasan [7]. Secara khusus,
aspek psikologis perilaku pengguna, penting untuk memahami dari pada hanya memprediksi
preferensi konsumen, pada akhirnya berkontribusi pada pengambilan keputusan yang cerdas dalam
pemasaran. Sayangnya, penyelidikan tentang bagaimana data besar membantu memberi informasi,
sejauh ini, hanya mendapat sedikit perhatian [8].
Studi telah menunjukkan bahwa variabel psikologis, seperti nilai dan kepribadian, adalah
teori dan alat utama untuk segmentasi psikografis pengguna, yang merupakan penentu penting bagi
pengguna perilaku dan preferensi pembelian [9,10]. Secara khusus, ciri-ciri kepribadian, salah
satunya psikografis komponen segmentasi, telah menjadi karakteristik psikologis konsumen dan
pemasaran utama digunakan dalam e-commerce. Sayangnya, kekuatan sifat kepribadian prediktif
dan jelas perilaku pengguna online tetap kontroversial [11]. Kontroversi ini memotivasi
penyelidikan pihak lain jenis segmentasi psikografis, seperti nilai, dalam memahami preferensi
pengguna, yang dimiliki
belum diselidiki. Selanjutnya, tidak jelas apakah kekuatan prediktif dan jelas bervariasi
antara kategori produk dan antara metode prediksi preferensi segmen yang berbeda. Alasan utama
adalah bahwa mengumpulkan data segmentasi psikografis dari pengguna e-commerce sulit dalam
skala besar, biasanya membutuhkan konsumen untuk mengisi kuesioner yang panjang.
Variabel psikologis, seperti kepribadian dan nilai, sangat tertanam dalam bahasa yang
digunakan orang saat ini [12]. Dengan data pengguna yang sangat besar dalam bentuk bahasa alami,
bahasa alami data memberikan gambaran yang lebih jelas tentang proses kognitif dan perilaku orang
daripada data yang dikumpulkan survei laporan diri tradisional dan banyak digunakan [13-15].
Praktis, pemrosesan bahasa alami (NLP) teknik dapat diterapkan untuk mengidentifikasi variabel
psikografis, seperti online pengguna e-commerce penggunaan kata, untuk memahami dan
memprediksi perilaku pembelian dan preferensi pengguna dalam skala besar.
Situs web e-commerce, khususnya, telah mengakumulasi sejumlah besar yang dihasilkan
pengguna
konten (UGC), yang menyediakan dasar untuk mengamati psikografi pengguna dan
memprediksi pengguna preferensi secara langsung. Dengan perkembangan pesat teknik seperti data
besar, kecerdasan buatan, dan linguistik komputasi, UGC menyediakan jalur yang andal untuk
mengidentifikasi konsumen secara otomatis psikografis, termasuk kepribadian dan nilai-nilai,
berdasarkan data yang tidak terstruktur. Terinspirasi oleh baru-baru ini kemajuan dalam penelitian
psikolinguistik berbasis data besar, yang menunjukkan bukti perilaku online penggunaan kata yang
terkait dengan psikografi [16,17], kami mendasarkan penelitian kami pada konsumen Amazon dunia
nyata meninjau dan memberi peringkat data. Kami mengusulkan bukti penggunaan kata yang
berhubungan dengan psikografis, mengekstrak konsumen karakteristik psikografis menggunakan
metode analisis sentimen, dan memperkenalkan jaringan saraf yang dalam (DNN) untuk
memprediksi dan menjelaskan preferensi pengguna dalam e-commerce.
Kami menemukan bahwa, secara keseluruhan, variabel psikografis secara signifikan
meningkatkan kekuatan penjelas preferensi e-konsumen di sebagian besar kategori produk yang
kami pelajari, sedangkan peningkatan dalam kekuatan prediksi tidak signifikan. Secara khusus,
Survei Nilai Schwartz (SVS) cenderung mengungguli segmentasi Big Five Factor (BFF) dalam
memprediksi dan menjelaskan preferensi pengguna, dengan pengecualian beberapa kategori produk.
Namun, agak mengejutkan, membagi e-konsumen menjadi kelompok heterogen menggunakan
metode clustering tidak secara signifikan meningkatkan prediksi dan kekuatan penjelas dari
preferensi konsumen online dibandingkan dengan menangani konsumen secara keseluruhan. Selain
itu, metode DNN yang kami usulkan menunjukkan kinerja terbaik dalam pemahaman Preferensi
konsumen elektronik, dan mengenai kategori produk, ada perbedaan yang lebih signifikan untuk
segmentasi psikografis dalam memprediksi, daripada menjelaskan, preferensi konsumen elektronik.
Selain itu, kami merekomendasikan pengukuran SVS berorientasi e-commerce dan pendekatan
segmentasi yang terintegrasi baik BFF dan SVS.
Pekerjaan kami memperluas kedalaman dan luasnya teori psikografis melalui preferensi
pengguna prediksi dalam skenario e-commerce. Secara khusus, kami menemukan bahwa
subdimensi psikografis variabel dan jenis produk memberikan referensi praktis untuk
pengembangan pengukuran psikografis dan aplikasi untuk kategori produk e-commerce spesifik
yang kami pelajari. Dengan memperkenalkan penggunaan bukti perilaku terkait kata psikografis,
diikuti oleh pendekatan big data, kami miliki berusaha untuk mengatasi kesulitan mendapatkan
psikografis e-konsumen dalam skala besar, dan telah menyediakan metode prediksi preferensi
konsumen berbasis psikografis yang menjanjikan untuk penelitian selanjutnya.

2. Tinjauan Pustaka dan Desain Penelitian

Pada bagian ini, kami meninjau pekerjaan dasar pada psikografi konsumen dan melacaknya
hubungan dengan preferensi pengguna, khususnya dalam skenario online. Membangun
perkembangan saat ini
dalam ukuran perilaku psikografis online, kami kemudian memperkenalkan dan mengusulkan
metode terkait dan
teknik dalam ilmu komputer dan psikolinguistik. Akhirnya, kami mengatur dan menguraikan
penelitian kami
pertanyaan dan kerangka kerja.

2.1. Segmentasi Psikografis

Segmentasi pasar telah memiliki sejarah yang panjang sejak Smith (1956) [18] pertama kali
menyarankannya sebagai strategi diferensiasi produk untuk meningkatkan daya saing. Telah diakui
secara luas sebagai alat mendasar dalam memahami perilaku pelanggan [19,20]. Wedel and
Kamakura (2012) mendefinisikan segmentasi sebagai “satu set variabel atau karakteristik yang
digunakan untuk menetapkan pelanggan potensial kelompok homogen ”[21]. Segmentasi sangat
penting karena perusahaan memiliki sumber daya yang terbatas dan harus fokus pada cara
mengidentifikasi dan melayani pelanggannya.
Awalnya, segmentasi pasar terutama berakar pada profil kepribadian. Yang paling sering
digunakan skala untuk mengukur aspek umum kepribadian sebagai cara untuk mendefinisikan
subtitle homogen adalah Jadwal Preferensi Pribadi Edwards. Namun, secara umum, studi awal
didasarkan pada Edwards Personal Jadwal Preferensi diganggu dengan korelasi rendah dan bahkan
tidak konsisten dengan perilaku pelanggan dan preferensi, dan karenanya gagal memenuhi
kebutuhan pemasar [22]. Salah satu alasan utamanya adalah itu studi menggunakan tes kepribadian
standar yang awalnya dikembangkan dalam klinis atau akademik bukannya konteks bisnis [23].
Sejak itu, kepribadian Big Five Factor memiliki sifat — yang sering terjadi dan secara konsisten
muncul dalam sebagian besar upaya untuk mendefinisikan faktor-faktor dasar manusia, yaitu,
neuroticism, extraversion, agreeableness, conscientiousness, dan openness — telah menggantikan
Edwards Personal Jadwal Preferensi.
Gaya hidup didefinisikan sebagai seperangkat perilaku yang mencerminkan pertimbangan
psikologis individu dan konsekuensi sosiologis [24], dan lebih valid dalam membentuk perilaku
individu dibandingkan untuk ciri-ciri kepribadian. Konstruk gaya hidup yang digunakan dalam
segmentasi pasar didasarkan pada penelitian pada motivasi [23] dan nilai-nilai pribadi [22]. Mitchell
(1994) mengemukakan bahwa gaya hidup adalah campuran dari kehidupan pribadi dan nilai yang
dirasakan, sedangkan nilai adalah sintesis dari sikap individu, kepercayaan, harapan, prasangka, dan
tuntutan [25]. Kegiatan, minat, dan pendapat (AIO) adalah salah satu yang paling luas alat
pengukuran gaya hidup yang digunakan [23]. Ini mencakup variabel dari rasional, spesifik, dan
perilaku bidang psikologi serta dari atribut sosiodemografi, dan memberikan wawasan yang baik ke
dalam gaya hidup individu [26]. Memang, prioritas nilai individu adalah bagian dari pandangan
dunia dasar mereka, dan umumnya didefinisikan sebagai tujuan trans-situasional yang diinginkan
yang beragam dalam kepentingan dan berfungsi sebagai prinsip-prinsip pedoman dalam kehidupan
individu [27]. Selain itu, nilai-nilai lebih luas dalam ruang lingkup daripada sikap atau jenis variabel
yang terkandung dalam langkah-langkah AIO, dan dapat menjadi dasar penting untuk segmentasi.
Secara umum, inventaris nilai seringkali hanya berisi beberapa nilai saja, bukan 200 atau 300 item
AIO. Oleh karena itu, para sarjana mulai menggunakan nilai-nilai sederhana, intuitif, dan elegan
sebagai gaya hidup lain yang terkait metode segmentasi psikografis untuk menggantikan pendekatan
AIO yang sangat luas dan memberatkan [22].
Karya-karya terkait nilai awal banyak digunakan tiga pengukuran gaya hidup yang
merupakan alternatif sederhana ke AIO: nilai, sikap, dan gaya hidup (VALS); daftar nilai (LOV);
dan Survei Nilai Rokeach (RVS). Salah satu teori segmentasi nilai yang paling banyak digunakan
adalah Stanford Research Institute tipologi nilai dan gaya hidup konsultasi (VALS2), yang berisi 35
pertanyaan psikografis dan empat pertanyaan demografis yang menghubungkan demografi dan pola
pembelian dengan sikap psikologis [28].
RVS diusulkan oleh Rokeach (1973) [29], LOV [30] dikembangkan oleh Survey Research
Center di Universitas Michigan, dan SVS [31] dikembangkan oleh Schwartz et al. sekitar dua
dekade lalu, adalah tiga instrumen yang banyak digunakan untuk menilai nilai-nilai dan gaya hidup
individu. RVS membutuhkan responden untuk memberi peringkat 18 nilai terminal dan 18 nilai
instrumental. Nilai terminal dianggap sebagai salah satunya egois atau berpusat pada masyarakat,
dan intrapersonal atau antarpribadi dalam fokus, sedangkan instrumental nilai adalah nilai moral dan
kompetensi. LOV, diusulkan oleh Kahle, Beatty, dan Homer (1986) [30], adalah instrumen yang
lebih pendek dan lebih mudah diimplementasikan yang hanya mencakup sembilan nilai. SVS lebih
instrumen nilai yang dapat diterima dan banyak digunakan saat ini, dan menunjukkan bahwa ada 10
nilai primer diorganisasikan ke dalam circumplex [27], seperti yang ditunjukkan pada Gambar 1.
Circumplex ini berfungsi sebagai payung di bawah dimana mayoritas penilaian nilai individu jatuh.
Schwartz (2012) mencatat motivasi bersama penekanan nilai-nilai yang berdekatan: kekuatan (Pow),
prestasi (Achiev), hedonisme (Hed), stimulasi (Stim), pengarahan diri sendiri (S-D), universalisme
(Univ), kebajikan (Benev), tradisi (Trad), konformitas (Conf), dan keamanan (Sec) [27]. Meskipun
teori yang mendasari SVS membedakan 10 nilai, ia mendalilkan bahwa, pada tingkat yang lebih
mendasar, nilai membentuk rangkaian motivasi yang terkait. Nilai Schwartz menyiratkan bahwa
seluruh rangkaian 10 nilai terkait dengan variabel lain apa pun (mis., perilaku, sikap, usia, dll.)
secara terpadu.
 Gambar 1. Circumplex Survei Nilai Schwartz.

2.2. Segmentasi Psikografis dan Perilaku Konsumen

Segmentasi pasar terdiri dari melihat pasar yang heterogen sebagai jumlah yang lebih kecil
pasar homogen, dengan preferensi produk yang berbeda di antara segmen pasar penting untuk
tujuan mengembangkan strategi perusahaan yang lebih baik. Perilaku konsumen dan model
preferensi prediktif dapat menjadi jauh lebih efektif ketika audiens target dibagi menjadi segmen
pelanggan yang berbeda dan model prediksi yang dirancang secara individual dikembangkan untuk
masing-masing segmen [32], dengan beberapa di antaranya didasarkan tentang psikografi.
Para peneliti telah mendasarkan segmentasi psikografis pasar pada berbagai faktor, termasuk
kepribadian, gaya hidup, dan nilai-nilai. Psikografi awal terutama dianggap kepribadian, tetapi
penelitian berdasarkan salah satu profil kepribadian, yaitu, Jadwal Preferensi Pribadi Edwards, gagal
pada memprediksi keputusan pembelian konsumen. Sarjana lain menggunakan model kepribadian
BFF. Hirsh, Kang, dan Bodenhausen (2012) mensurvei orang-orang tentang berbagai pesan
pemasaran dan menemukan itu orang merespons lebih positif pesan yang disesuaikan dengan
kepribadian mereka [33]. Dalam domain musik, I Fernández-Tobías et al. (2016) menunjukkan
bahwa rekomendasi musik online lebih berhasil ketika mereka memanfaatkan korelasi antara
kepribadian orang dan preferensi musik mereka [34]. Demikian pula, Karumur, Nguyen, dan
Konstan (2016) menemukan korelasi antara kepribadian dan preferensi film di kalangan pengguna
Netflix [35]. Selain itu, penelitian dalam pemasaran telah menemukan itu kepribadian hanya
menjelaskan sejumlah kecil variasi keseluruhan dalam perilaku konsumen [11].
Berbagai penelitian telah dilakukan tentang pengaruh gaya hidup pengguna terhadap produk
konsumen pembelian [36] dan preferensi [37,38]. Hasil komprehensif telah mengkonfirmasi efek
dari gaya hidup konsumen dalam memprediksi preferensi online pengguna. Lee et al. (2009) menilai
gaya hidup konsumen mengenai adopsi produk elektronik, dan hasilnya berdasarkan pemodelan
persamaan structural menunjukkan bahwa faktor gaya hidup konsumen (kesadaran mode, orientasi
waktu luang, internet keterlibatan, dan preferensi e-shopping) adalah anteseden langsung dan tidak
langsung dari niat konsumen untuk mengadopsi produk teknologi tinggi [36]. Berdasarkan survei
AIO, Piazza et al. (2017) menyelidiki hubungan antara gaya hidup dan preferensi pengguna online,
dan menemukan bahwa ada monotonik lemah korelasi antara suka Facebook dan gaya hidup
individu [38]. Berdasarkan penggunaan web skala gaya hidup yang dikembangkan oleh AIO, Pan et
al. (2014) menerapkan metode penandaan untuk mengidentifikasi gaya hidup online dan untuk
membuat rekomendasi sesuai dengan kemiripan tag gaya hidup pengguna dengan telekomunikasi
label gaya hidup produk perusahaan [37].
Selain gaya hidup dan kepribadian, hubungan antara nilai dan preferensi konsumen juga
telah ditegaskan. Para sarjana telah menggunakan konstruk LOV dalam kaitannya dengan fashion
konsumen kepemimpinan [39], keterlibatan [40], dan preferensi merek [41]. Berdasarkan data
kuesioner, Weng and Run (2013) menyelidiki pengaruh nilai-nilai pribadi konsumen Malaysia
terutama menggunakan Pengukuran LOV sehubungan dengan niat perilaku keseluruhan dan
kepuasan pembelian [42]. Fraj dan Martinez (2006) mengadopsi VALS dan mengidentifikasi nilai
dan gaya hidup mana yang paling baik dijelaskan perilaku ramah lingkungan [43]. Berdasarkan
RVS, Padgett dan Mulvey (2007) menunjukkan itu teknologi harus ditingkatkan melalui tautan ke
nilai-nilai pelanggan [44]. Wiedmann, Hennigs, dan Siebels (2009) membangun nilai terkait
kemewahan untuk mengidentifikasi berbagai jenis konsumen mewah, dan menemukan itu aspek
nilai hedonis sebagai komponen SVS dari kesenangan diri sendiri dan pengayaan hidup paling
penting untuk persepsi mereka tentang nilai mewah [45].
Kombinasi segmentasi dan prediksi, di mana segmentasi digunakan untuk membantu
membangun model prediksi segmen-bijaksana, telah menjadi pendekatan segmentasi umum dan
telah diterapkan untuk skenario bisnis yang berbeda. Antipov dan Pokryshevskaya (2010)
melakukan segmentasi pengguna penelitian berdasarkan metode pohon keputusan dan kemudian
membangun model penilaian regresi logistik terpisah untuk setiap segmen menggunakan dataset
churn [46]. Reutterer et al. (2006) mengusulkan pendekatan dua tahap untuk mendapatkan segmen
yang gigih secara perilaku dan memprediksi kecenderungan pelanggan untuk menunjukkan gejala
(re) pembelian menggunakan data histori pembelian ritel [47]. Ge et al. (2011) mengeksploitasi
pembelajaran multifokal untuk membagi konsumen menjadi beberapa kelompok fokus dan secara
otomatis memprediksi kategori masalah berdasarkan data log masalah pelanggan dunia nyata [48].
2.3. Ukuran Perilaku Segmentasi Psikografis
Meskipun memainkan peran yang menjanjikan dalam memprediksi preferensi pengguna
online, psikografis segmentasi belum banyak dipelajari dalam skenario belanja online. Ada dua
utama alasan. Pertama, pengumpulan data untuk penelitian tersebut biasanya membutuhkan
pelanggan online untuk menyelesaikannya survei dan, karenanya, tidak dapat dengan mudah
diterapkan dalam skala besar. Kedua, memperoleh abstrak karakteristik psikografis pelanggan
online melalui seleksi kuesioner yang wajib terganggu oleh masalah keandalan dan validitas untuk
kuesioner [16]. Saat ini, dengan pengembangan teknik big data yang mendalam, peneliti dapat
mengakses sejumlah besar open-ended laporan karakteristik psikologis pengguna yang tertanam
dalam konten buatan pengguna (UGC). Baru-baru ini tahun, semakin banyak penelitian telah
menunjukkan bahwa laporan semacam itu valid secara ekologis dan didorong sepenuhnya oleh apa
yang orang katakan sedang mereka lakukan dan pikirkan, dengan kata-kata mereka sendiri [16].
Penelitian psikologi dan pemasaran menunjukkan bahwa bahasa manusia mencerminkan
psikologi karakteristik. Frekuensi kita menggunakan kategori kata tertentu memberikan petunjuk
tentang karakteristik ini. Beberapa peneliti telah menemukan bahwa variasi dalam penggunaan kata
tertanam menulis seperti blog, esai, dan tweet dapat memprediksi aspek kepribadian, gaya berpikir,
social koneksi, dan keputusan pembelian [49-51]. Karya-karya ini, yang mengeksplorasi kelayakan
untuk diturunkan karakteristik psikologis dari teks UGC, telah menunjukkan bahwa model
komputasi berbasis pada karakteristik psikologis yang diturunkan memiliki kinerja kompetitif
dibandingkan dengan menggunakan model kuesioner yang dilaporkan sendiri [52,53]. Penelitian
menunjukkan kasus-kasus di mana data bahasa alami memiliki memberikan gambaran yang lebih
jelas tentang proses kognitif dan perilaku orang daripada data yang dikumpulkan survei laporan diri
tradisional dan banyak digunakan [16].
Sebagai salah satu segmentasi psikografis, nilai-nilai kemanusiaan dianggap digeneralisasi
melintasi petak waktu dan budaya yang luas, dan sangat tertanam dalam bahasa yang digunakan
orang setiap hari [12]. Oleh karena itu, nilai dapat diekstraksi dari kata-kata online pengguna
menggunakan perilaku. Boyd et al. (2015) menyelidiki hubungan antara pengukuran perilaku
penggunaan kata pengguna dan Schwartz nilai skor, dan mengusulkan kata-kata tema yang terkait
dengan setiap dimensi nilai SVS [16]. Mengenai kepribadian, Yarkoni (2010) melaporkan kata-kata
individual yang digunakan dalam blog online (N = 694) yang positif dan berkorelasi negatif dengan
kepribadian [17]. Karya-karya ini merupakan bukti studi konsep itu menunjukkan kegunaan dari
mengandalkan penanda bahasa alami dari fenomena psikologis abstrak, termasuk nilai-nilai dan
kepribadian, dan menyajikan peluang signifikan untuk memprediksi dan memahami dengan lebih
baik hubungan mereka dengan perilaku dan pikiran konsumen dalam arti yang lebih luas.