Как только мы слышим о массовой персонализации, мы сразу представляем себе тонну рекламы, которая нам не нужна.
По сути, это история о том, как алгоритмы снизили цену, чтобы персонализировать продукт. Раньше позволить себе персонального менеджера, персональные контракты и условия можно было только для очень крупных клиентов.
Теперь это можно предложить каждому.
У вас есть бронь отеля в почте и деловые встречи в календаре? Вот координаты ближайших удобных мест с бизнес-ланчами, где можно проводить встречи.
И скидка.
Железка рассчитает деловую цель поездки по нескольким метрикам и не предложит вам катание на лошадях вместе с билетами в кино.
В идеале робот заберет ваш выбор, но он вам понравится.
Приложение оперативно предоставит кнопку для вызова такси и за день до встречи предложит услуги экспресс-глажки костюма в ближайшей химчистке.
Система адаптируется к вашим шаблонам поведения и предлагает вам именно то, что лучше всего соответствует вашему поведенческому профилю.
Например, внося платеж по ипотеке в нужную дату с напоминанием, или при снятии денег в банкомате предлагая вам ровно ту сумму за две пинты «Гиннесса», которую вы берете в баре каждую пятницу.
Homo otiosum
Глобальная экономика и люди, которые ее формируют, чем-то подобны газу.Вы не можете с какой-либо уверенностью предсказать поведение конкретного человека, так же как не можете предсказать поведение отдельного атома азота внутри воздушного шара.
Но в то же время, если у нас есть правильная модель, у нас есть возможность правильно предсказать направление газового потока, если мяч будет выпущен.
Для людей это пока не так точно работает, но за время существования экономики создано множество моделей.
Мы еще не достигли уровня Гэри Селдона из Фонда Азимова.
Одним из первых, кто попытался создать подобие модели рационального поведения человека, был Адам Смит. Именно ему приписывают ту самую модель «Экономического человека» — Homo Economicus, которую разработал Джон Стюарт Милль.
Это была достаточно грубая модель, предполагала, что каждый человек стремится к максимальной выгоде для себя, принимает взвешенные рациональные решения, выполняет свои обязательства и обладает всей необходимой информацией.
А теперь представьте, как вы садитесь вечером перед походом в супермаркет и начинаете описывать все плюсы и минусы шести сортов творожных сыров.
Вы учитываете все детали, пищевую ценность, толщину шоколадного слоя, уточняете прогноз надоя и инфляции молочной продукции в течение срока годности.
Наконец, добавьте амортизацию для холодильника и отправляйтесь покупать рассчитанное количество оптимального сыра.
Конечно, никто этого не делает. Разве что для принятия важных решений вроде ипотечного кредита или покупки автомобиля.
Собственно, именно спорные аксиомы рациональности, целостности и полноты информации вызвали критику со стороны других экономистов.
Рональд Коуз ввел понятие трансакционных издержек — действий, необходимых для обеспечения транзакции.
Условно, если вы не будете контролировать строительство своего дома, то рабочие, скорее всего, будут лить более дешевый бетон и выполнять какие-то скрытые работы менее качественно.
Диссертацию по вопросам добросовестности наконец завершили Джордж Акерлоф, Джозеф Стиглиц и Майкл Спенс.
Они провели исследование в ситуации, когда продавец и покупатель имеют разное количество информации на примере одних и тех же машин с поврежденным пробегом и «не битых, не крашеных, бабушка пошла в банк за пенсией».
Аналогичным образом были отвергнуты тезисы о рациональности.
Мы эволюционно ленивы и экономны.
Если вопрос не является критическим, то мы предпочитаем принять простое и импульсивное решение.
Именно на этом во многом базируется современный маркетинг и реклама.
В общем, эта «эффективность» проявляется во всем.
Мы стараемся получить желаемое как можно быстрее и не хотим терять даже несколько лишних секунд, если где-то можно получить то же самое быстрее.
Канеман хорошо объяснил это в своей книге «Думай медленно… быстро», где описал два основных способа человеческого мышления.
Один режим медленный — нужен для обработки чего-то сложного, непонятного и нестереотипного.
Мы используем его во время тренировок, например.
У него есть огромный минус – он очень энергозатратен и требует волевых усилий.
Второй режим – быстрый и автоматический, очень близкий к условнорефлекторной деятельности.
Он плохо справляется с обнаружением когнитивных искажений и решением сложных задач, но практически бесплатен, так как обрабатывается аппаратно.
Типичным примером быстрого мышления является поведение пользователей, когда веб-страница медленно загружается из поиска.
Например, Джефф Безос упомянул в статье Forbes в 2012 году, что задержка загрузки страницы на 0,1 секунды соответствует «снижению активности клиентов на 1 %».
Если вы заставите пользователя подождать, то он с большой вероятностью закроет вкладку и откроет следующий пункт в поиске.
Чтобы обеспечить максимальное вовлечение пользователей и сохранить фокус в высококонкурентной среде, большинство компаний начали собирать данные о пользователях для точного таргетинга.
Тот же Amazon фактически выступил движущей силой создания data-driven компаний.
Естественно, это не может не вызывать вопросов у пользователей, многие из которых чувствуют себя достаточно беззащитными перед крупными корпорациями.
Нужна ли анонимная маска?
Компания, ориентированная на данные
Логичным этапом развития большинства современных крупных компаний, работающих с потребителями, является принятие концепции data-driven маркетинга.Исследования от Бостонская консалтинговая группа предполагает, что компании, применяющие такой подход, добились среднего снижения затрат на 30% и увеличения доходов на 20%.
Именно это становится ключевым преимуществом крупного бизнеса, который благодаря таким механизмам может получить большое преимущество.
Давайте поближе познакомимся с классическим гигантом этой области – Amazon. Мне кажется, мало кто помнит его как простой книжный магазин.
У него есть несколько ключевых вещей, которые позволяют сделать его удобным для клиента и при этом увеличить его оборот, получив прибыль.
Рекомендации
Без этого пункта нынешнее развитие было бы просто невозможно.Продать сейчас пачку подгузников, детское питание, органические овощи и декоративную статуэтку из натурального камня недостаточно.
Через некоторое время после этой покупки стоит предложить потребителю развивающие пазлы из натурального дерева для детей пяти лет. Компании такого типа традиционно сильны в этом.
История рекомендательных систем началась в середине 1990-х годов и изначально была основана на простых принципах совместной фильтрации — «вам может понравиться то, что понравилось людям, которым понравилось то, что понравилось вам».
На основе «рейтингов», предоставленных пользователем, определялись корреляции в поведении и использовались для создания рекомендаций.
Со временем для повышения качества работы и точности попадания в процесс стали включаться все более разнообразные данные — информация о свойствах объектов и клиентов, о контексте текущей ситуации, о социальном графе клиента.
, о тенденциях, развивающихся на данный момент и т. д. В результате современная рекомендательная система представляет собой целый комплекс моделей машинного обучения, технологий обработки больших данных и высокопроизводительных систем.
Современная версия требует, чтобы система рекомендаций учитывала не только привычки пользователя, но и текущий контекст, в котором пользователь находится здесь и сейчас.
Предложите один фильм для семейного вечера и другой для дружеской посиделки, включите один плейлист для утренней пробежки и другой для работы с программным кодом, покажите подборку товаров для пляжного отдыха тому, кто ждет в самолете на Бали .
Решение этой проблемы требует совершенствования как технологической основы – работа с данными в режиме, близком к реальному времени, интеграция цифровых следов с разных поверхностей, хранение и быстрый доступ к результатам обработки, так и с точки зрения алгоритмов анализа – сегментация пользовательских сессий, выявление контекстных факторов.
, влияющие на принятие решений, интеграция множества источников в единую модель.
Самые продвинутые рекомендательные системы переходят от пассивных ответов на запросы пользователей к активным, предлагая контекстную помощь до того, как пользователь ее попросит. Например, он предложит вам заказать обед с доставкой, если вы пропустили обед из-за плотного рабочего графика, заранее предложит варианты подарка на день рождения супруге, учитывая ее/его вкусы, расскажет о новой книге ваш любимый автор, пока вы пьете кофе в книжном магазине через дорогу субботним утром.
Совместная фильтрация Переход к проактивному взаимодействию с клиентом также стимулирует разработку принципиально новой механики — рекомендательных систем с голосовым интерфейсом.
Они работают интерактивно и позволяют клиенту легко и непринужденно уточнять контекст и помогают системе выбирать лучшие предложения.
Такая трансформация приводит к рождению принципиально нового класса систем — виртуальных помощников, использующих обширный открытый набор сервисов и продуктов самой разной природы.
Но это уже другая, новая история.
Экосистема отзывов
Немногие современные системы могут обойтись без обратной связи.Однако мы все видели, как легко недобросовестными продавцами обмануть голоса, отзывы и другие показатели для продвижения своей продукции.
Если у компании есть данные о пользователе, его истории покупок и вообще о том, что он существует, мы можем с большой уверенностью отсекать большинство фейковых отзывов, чтобы новый покупатель получал максимально достоверную и правдивую информацию.
Напомню, разовые заработки от того или иного обмана гигантов мало интересуют. К сожалению, если отсеять ботов стало легко, то отсеять покупные отзывы от тех же недобросовестных китайских производителей довольно проблематично.
Собственно, выше описана история человека, который заработал на написании фейковых отзывов.
Но даже для такого продвижения нужно купить физический продукт, получить его и потом не показываться в многочисленных метриках, которые собираются по каждому пользователю.
По словам исполнительного директора Amazon Шэрон Кьярелла, не более 1% отзывов могут быть фальсифицированы, что было бы невозможно без огромного количества собранных данных.
Кроссплатформенное продвижение
Что ж, такие компании продвигают не только алгоритмы.Например, не все знают, но у Amazon есть куча мощных интеграций с популярными сторонними платформами.
Например, Snapchat позволяет обнаружить товар на видео и сразу предложить варианты его покупки.
Внешне это выглядит довольно просто для пользователя, но в бэкэнде используются сложные интеграции, системы рекомендаций, распознавание объектов в видео и подобная магия больших данных.
Умные помощники
Умные колонки и помощники на мобильных платформах — это еще один этап развития взаимодействия с пользователем, когда из унылой железки в самом начале своего развития помощники превращаются в по-настоящему умных помощников, гораздо лучше работающих с семантикой человеческого языка.Данное направление помогает освободить пользователя от повседневной рутины и упростить его жизнь.
Неважно, бронируете ли вы места в кинотеатре, устанавливаете будильник или читаете ребенку сказку на ночь через умную колонку.
Все любят поесть
С одной стороны, у нас постепенно отбирают выбор.С другой стороны, я не уверен, что каждый выбор человек пропустит. Позвольте мне попытаться объяснить на упрощенном примере покупки продуктов питания.
Вначале был рынок и грязная картошка.
Лук приходилось покупать в мешках, сортировать и потом в колготках развешивать на балконе.
А за мясом приходилось ехать в пригород, весь вечер разделывать увесистую половину свиньи и пытаться все это положить в морозилку.
Это может быть самый дешевый, но трудоемкий вариант. Потом появились гипермаркеты и теперь вся продукция размещалась на соседних полках.
Вам больше не придется беспокоиться о хранении продуктов, и вы сможете купить лук в количестве одной штуки, чтобы пожарить картошку.
При этом вы несколько ограничены в выборе товара, поскольку торговая сеть оптимизировала затраты за счет заключения договоров только с ограниченным числом поставщиков.
Но они всегда гарантируют, что на полке будет свежее молоко, а мясо уже будет упаковано и нарезано.
Однако туда нужно заходить раз в неделю и тратить несколько часов на сборку тележки и выбор товара.
Интересно, что в конечном итоге по многим параметрам он может даже оказаться дешевле обычного рынка за счет эффекта масштаба.
Сеть гипермаркетов закупает бананы целыми контейнеровозами, что недоступно мелким торговцам.
Затем с пандемией пришло судоходство.
Например, Сбермаркет стал очень популярен с начала пандемии.
Хотя в Москве службы доставки работают уже довольно давно, в регионах они начали появляться только с приходом карантина.
Люди быстро опробовали новый подход, и все остальные торговые сети были вынуждены последовать этому тренду.
Ритейл был вынужден организовать сбор заказов, логистику до покупателя, заявки и т. д. Это расходы.
Зато появилась возможность очень точно привязывать покупки к конкретному покупателю.
Появилась рекомендательная механика.
Купили острый перец и соусы Табаско? Почему бы не попробовать новый соус Magma Melt? В результате мы выдаем больше информации, но получаем заказ в один клик, доставку специально обученными людьми и бесплатные выходные.
Следующий шаг — подписка на питание.
Когда ты вообще не принимаешь никаких решений, а просто платишь какую-то абонентскую плату.
Готовые наборы или наборы для приготовления пищи с включенными в них рекомендациями доставляются вам сразу.
Еще меньше шагов, компоненты уже выбраны за вас.
Вы просто указываете свою цель – похудеть, набрать мышечную массу или другие параметры, и система подбирает для вас оптимальную диету.
При этом не будет рыбы, которую вы ненавидите, и арахиса, на который у вас аллергия.
Таких сервисов уже много и они достаточно успешно существуют на рынке.
Формально у вас выбора не отобрали.
На самом деле всегда можно купить как и раньше на рынке, но скорее всего не захотите.
Это именно та ситуация, когда пользователь может сознательно захотеть пожертвовать некоторой приватностью ради удобства, скидок и приятного обслуживания.
В результате мы постепенно приходим к тому, чтобы сместить вопросы выбора к системе с персональными рекомендациями.
Синергия услуг
Массовая персонализация наиболее ярко проявляется там, где несколько разнонаправленных сервисов собраны в одну информационную платформу.Вы купили машину? Это видно по большим расходам и сборам в автосалоне.
Почему бы не предложить клиенту страховку КАСКО с хорошим коэффициентом, если мы знаем, что она точная и малорисковая по всем показателям.
Человек получает более низкую цену, компания получает нового клиента.
Мужчина мучительно ищет подходящие пересадочные рейсы, но у другого источника есть информация, что он хочет поехать на фестиваль Quema dos Fitos в Португалии.
Предложим ему гостиничный пакет на нужные даты и выгодный маршрут с несколькими пересадками.
А также медицинская страховка для выезжающих за границу.
Вы знаете, сколько стоят услуги лечения в Европе, если что-то пойдет не так? Если на рынке много игроков, то они довольно жестко конкурируют за право забрать клиента себе.
В результате это приносит пользу самому потребителю, который получит именно то, что ему нужно.
Паранойя против удобства
Большинство обычных пользователей, похоже, не особо заботятся о том, какие данные они предоставляют и кому.Честно говоря, многие ли из вас читают полное соглашение об использовании файлов cookie на следующей странице или хотя бы просматривают каждый параграф лицензионного соглашения для следующей программы? Тем не менее, проблема существует, иначе не были бы приняты такие правила, как GDPR. Объем данных, которые собираются в единые центры для обработки, пугает. Этому можно противостоять, но ценой реального снижения качества жизни.
Просто перейти исключительно на наличные стоит, когда мы привыкли оплачивать такси, пиццу, билеты на отдых и очередной набор отверток с Алиэкспресс в три клика.
Так что стратегически это довольно бессмысленно.
Ценность данных о клиентах заставит все компании так или иначе изучать своих клиентов.
Оптимальная стратегия — предоставить о себе те данные, которые вы считаете необходимыми, но не стоит слишком переживать, если о любимом цвете ваших штор узнает другой слабый ИИ.
Конечно, не стоит оставлять все, включая паспортные данные, мутной подвальной фирме по продаже мелких гаджетов.
У вас есть два варианта.
Или вы затрачиваете много усилий и, возможно, но не обязательно, получаете за товар немного меньшую цену.
При этом вы, скорее всего, получите тот же кредит, наоборот, на менее выгодных условиях, поскольку для банка вы — неизвестный заемщик с высокими рисками.
Со страховкой аналогичная история.
Либо вы экономите время и получаете оптимальный товар, который был выбран для вас исходя из вашего профиля.
Это несет в себе определенные риски того, что вам могут предложить более высокую цену на некоторые товары, но в то же время все рисковые продукты, зависящие от профиля пользователя – страховки и кредиты – почти наверняка подешевеют. В общем, большинству компаний, которые могут себе позволить такую аналитику, невыгодно единоразово взимать с вас +30% от стоимости.
Рано или поздно ты узнаешь об этом и уйдешь.
Гораздо выгоднее увеличивать объемы с минимальной маржой, как это делает Amazon. Да, часто бывает страшно, когда компания знает о вас что-то, чего вы, казалось бы, никогда не рассказывали.
А зачастую просто из-за того, что по ряду каких-то характеристик вы попадаете в общий кластер с другими людьми, о которых известно немного больше.
Да, вы будете платить конфиденциально, используя дисконтные карты гипермаркетов и персональные кабинеты в интернет-магазинах, но это не будет двусторонний обмен.
Все компании стараются инвестировать в эту сферу, так как она дает очень существенные конкурентные преимущества.
А в условиях конкуренции будет происходить постоянное улучшение услуг, что принесет пользу потребителю.
Поэтому вы можете загрузить в свой браузер плагины для обмана трекеров, использовать только наличные платежи и избегать камер.
Но тогда вы, скорее всего, пострадаете от нерелевантной рекламы и упустите выгодные возможности.
Безымянному анониму из сети не предложат, например, хорошую страховку с большой скидкой или кредитную карту с продленным льготным периодом.
Персональные рекомендации не обязательно означают тысячу баннеров с предложениями купить котел отопления.
Чаще всего это история вообще не о рекламе, а о персонализации именно для вас.
Альтернативный вариант – привыкнуть к новой реальности и освободить время для своего хобби.
И пусть робот соберет и упакует набор для приготовления Том Яма.
Они знают, как делать это лучше с каждым годом.
Теги: #Управление проектами #робот #Анализ и проектирование систем #Интеллектуальный анализ данных #приложение #ИИ #массовая персонализация #алгоритмы #Homo otiosum #модель рационального человека #кроссплатформенное продвижение
-
Booking.com Будет Хранить Данные В России
19 Oct, 24 -
«Русь, Здавайся!»
19 Oct, 24 -
Маркетинг В Движении: Год Производства Гифок
19 Oct, 24
