Рубрика развивается при поддержке
Маркетинг
PSYCHEA
616

Цифровая трансформация VS персонализация

Как не потерять человека за большими данными?

В закладки

Автор: Олег Клепиков, управляющий партнер PSYCHEA

Сегодня каждая компания стремится следовать двум глобальным трендам. С одной стороны – цифровизация (цифровая трансформация), с другой – персонализация отношений с клиентами, клиентоцентричность. В теории два этих тренда поддерживают друг друга: внимание к ценностям и потребностям клиента помогает делать оптимальные и точные цифровые инструменты, которые, в свою очередь, развивают глубину персонализации.

Но на практике, как только бизнес начинает активно оптимизировать процессы цифровыми технологиями, он теряет качество и уровень персонализации отношений со своими клиентами.

Как это происходит?

В чем суть конфликта?

Казалось бы, чем дешевле становится среда разработки и выше компетенции разработчиков, тем доступнее качественная работа с большими данными, которые позволяют извлечь и проанализировать больше клиентских треков (customer journey), сформировать более индивидуализированные предложения, точнее сегментировать и управлять клиентскими портфелями. Дискретная, детальная информация о контексте клиента, опираясь на который он принимает решения, уже доступна, бери и делай качественную персонализацию!

Очень странно на этом оптимистичном фоне выглядит отчет Gartner «5 Trends Appear on the Gartner Hype Cycle for Emerging Technologies, 2019», опубликованный в конце августа прошлого года.

В отчете говорится о том, что персонализация – технология, которая достигнет своего плато только через 5‑10 лет. Речь о качественной персонализации, предполагающей персональный контент и персонализированный продукт в правильном и максимально релевантном канале для каждого клиента.

То есть все данные есть, а качественной персонализации нет и ждать ее еще 5‑10 лет?

Все начинается с look a like алгоритма, хорошо известного всем, кто работает в диджитал-коммуникациях. Руководствуясь этим алгоритмом, на основании данных, накопленных по клиентскому контексту (что смотрел и куда ходил), легко выделить отдельные клиентские группы, которые ведут себя примерно одинаково. Если мы нашли такую группу и один из группы купил, а другие нет, то не купивших мы «догоняем» по тем же схемам, теми же сделкам и продуктам, предполагая, что раз они демонстрируют похожее поведение, значит наша схема, наш алгоритм, чуть позже сработает и на них тоже.

Это сильная и правильная гипотеза, она реально работает на рынке, но не всегда и все реже.

Когда уже выстроенная схема совсем перестает работать, бизнес усиленно совершенствует свой продукт или сервис, создавая технологического монстра, а разработчики начинают плодить бесконечное количество более узких клиентских сегментов, чтобы еще точнее таргетировать предложения. Тогда идея look a like на размытых сегментах не применима, а затраты на обслуживание бесконечно растут. Возникает закономерный вопрос: «Мы приводим людей и предлагаем максимально персонально, но они не покупают, не проваливаются в воронку дальше. Что мы делаем не так?»

Что мы делаем не так?

Дело в том, что большая часть информации о клиенте в цифровизированной компании, как и прогнозы о поведении клиента в отношении продукта, строятся на основе цифровых следов. Для технологичного бизнеса, цифровой след – главный источник клиентского контекста.

Но как охотник, не видевший тигра и не знающий ничего о его повадках, никогда не поймает его по следам, так и компания, наблюдающая за своим клиентом по цифровым следам, не «поймает» клиента на основе своих предположений.

В современной парадигме мы привыкли считать, что нашими большими данными мы описываем человека, а здравого смысла и фокус-группы достаточно, чтобы создать хорошее предложение, интерфейс, выстроить навигацию, адаптировать трек, коммуникацию и совершить сделку.

Это не так. Потому что мы склонны описывать и оценивать другого человека через призму собственного опыта и собственных ценностей. У разных людей разные ценностные модели, у каждого, кто анализирует, есть свои предпочтения, а у аудитории могут быть прямо противоположные.

Например, разработчик продукта, ориентированный на новизну и впечатления не может по цифровым следам предположить, что его аудитория ориентирована на удержание, накопление и контроль, а не на секси и дизайн. Разработчик, который смотрит через свою призму, не может создать продукт для аудитории, которая находится с другой стороны.

Это довольно банально, но, чтобы ответить на вопрос «Что делать, чтобы подружить цифровизацию и персонализацию?», необходимо осознавать, что на каждое утверждение «какая классная идея» есть мнение - «это не мое, и мне не подходит».

Куда мы движемся?

Можно выделить три эволюционных эпохи, прохождение которых гарантирует нам, что цифра – не помеха персонализации и пониманию истинных человеческих потребностей.

Первая эпоха нами уже почти пройдена.

Это эпоха продукта и сделки с ним. Когда те самые производители и разработчики пытаются найти оптимальный способ, как привести максимально возможную аудиторию к продукту. Это про проталкивание в канале и попытку снизить сопротивление за счет нахождения подобного в клиентском поведении.

Академическая психология давно прошла этот этап разочарования в бихевиаристике (в начале 20-века) и обратилась к когнитивистике (науке о мышлении).

Бихевиористика опирается на поведение и полагает, что за правильным стимулом всегда следует определенная реакция. Но практика доказала, что это не так и разбираться пришлось не с поведением, а с мышлением.

Вторая эволюционная эпоха, которую описывает отчет Gartner – эпоха интереса к личности со всеми ее когнитивными искажениями, не только через следы, но и через содержательные характеристики, определяемые его стилем, эстетическими и этическими предпочтениями, способами обработки информации. Это эпоха психологического поведенческого анализа, психографики и прикладной когнитивистики.

Этот этап иллюстрируют для нас громкие проекты Cambridge Analytica, интерес к поведенческим наукам в бизнесе, поведенческой экономике, которая была манифестирована в начале нулевых в работах нобелевских лауреатов Канемана и Талера.

Примат данных меняется на главенство того, кто оставляет следы. И мы наблюдаем редкие попытки аналитиков увидеть за данными человека. И только понимая человека, понимая принципы того, как он мыслит и действует, приняв то или иное решение, мы можем достигнуть высокой эффективности и качественно персонализировать контент, не тиражируя look a like модели и имея при этом более высокий отклик. Это эпоха перехода от описания к пониманию клиента.

Третья эпоха, куда мы немного преждевременно бежим – эпоха задач в контексте человека. Переход от понимания человека к иному отношению к задачам, которые стоят перед ним. И сейчас мы на этапе рождения эффективных инструментов job to be done (JTBD), теории взгляда на продукт через призму того, зачем его покупают — то есть на какую работу клиент «нанимает» товар или услугу. JTBD — это ценности, за которые клиент покупает продукт. Это не всегда про функционал и атрибуты продукта, это ценности в контексте человека, которые могут быть такими, как подтверждение статуса, получение впечатлений или новых эмоций, следование традиции или достижение безопасности.

Только понимая личность человека мы можем точно определить, каким образом он будет решать ту или иную задачу. Рассуждения о том, что можно забыть о человеке и ориентироваться лишь на его задачи – спекуляция, нельзя прыгнуть через эпоху, но очень ценно, что некоторые бизнесы иллюстрируют интерес к теории JTBD, это ускорит прохождение второй эпохи.

Кто он - человек за данными?

Человек за данными, это:

1) Физическая форма, конституция.

2) Культура, образование, опыт - сложно учитываемые данные.

3) Ценности, то, как он смотрит на мир и борется со стрессом, его потребности, особенности его мышления, его этика, эстетика. Это легко учитывается и классифицируется, чему посвящена идея психографики.

Люди с разными ценностями и потребностями предпочитают разные продукты: кому-то важен сверхфункционал, кому-то опора на опыт других (все покупают), а кому-то самая новая и стильная форма, за которую он готов платить.

Разные люди склонны воспринимать (или отвергать) информацию/сообщение в разных каналах. Новатор – человек, открытый к новому опыту, с высоким аппетитом к риску, отвергнет информацию/сообщение из масс-медиа, но будет доволен или удовлетворен обращением через новый, неожиданный для него канал.

Сообщение в канале характеризуется:

- структурой - о чем мы говорим в первую и вторую очередь, на чем ставим акценты, которые напрямую связаны с ценностями, ориентациями и установками нашего клиента;

- текстом, который описывает предложение - текстом в определенном стиле, который соответствует уровню культуры и особенностям мышления и восприятия, процессу принятия решения;

- аудио-визуальным стилем, соотносимый с эстетическим профилем человека, в нем должны присутствовать те объекты, которые соответствуют интересам этого человека.

Ошибка в любой из этих частей, убивает всю цепочку.

Как найти человека за данными?

Помирить цифру и персонализацию на данном этапе, значит - внедрить психографический анализ в свою повседневную практику.

На рынке достаточно data scientists, на фоне почти полного отсутствия поведенческих аналитиков и когнитивистов, которые могут интерпретировать данные, исходя из знаний о психологии человека.

Необходимая часть примирения - переход от здравого смысла к профессиональному управлению коммуникацией на основе знаний о том, как личность человека предопределяет задачу и структуру коммуникаций. Для этого необходимо изучать психологию личности.

Если вы не готовы тратить несколько лет (от 3-х до 7-ми) на профессиональною переподготовку своих аналитиков, ищите компании, которые занимаются психографикой профессионально – начиная от выявления психологических профилей клиентов на основе внутренних данных бизнеса и цифрового следа и до формирования коммуникаций на основе этих знаний.

Если вы занимаетесь инновационной разработкой и вам интересны новые идеи - подумайте о том, как внедрить алгоритмы персонализации обращения к клиенту в автоматизированные средства коммуникации. Персонализируйте чат-боты не по теме вопроса, а по стилю общения; пусть ваши персональные помощники работают, как когнитивные ассистенты; разрабатывайте системы адаптивного управления и автоматической генерации контента на основе психологического профайлинга.

Единственный возможный путь увидеть человека за данными и повысить эффективность своего продуктового предложения - автоматизация и анализ данных на основе психографики, которая требует больше знаний о психологии личности, а не просто навык описания клиента на основе его цифрового следа.

Материал опубликован пользователем.
Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "PSYCHEA", "author_type": "self", "tags": [], "comments": 6, "likes": 6, "favorites": 17, "is_advertisement": false, "subsite_label": "marketing", "id": 106211, "is_wide": false, "is_ugc": true, "date": "Mon, 10 Feb 2020 15:47:33 +0300", "is_special": false }
Простой коллтрекинг
для малого бизнеса
Новый алгоритм с
настройкой в два клика
Узнать больше
Коллтрекинг
без боли
Простые настройки
Умный алгоритм
Чистая аналитика
Подробнее
Простой коллтрекинг
для малого бизнеса
Знание источников продаж
постичь ты сможешь
познать
Простой коллтрекинг
для малого бизнеса
Знание источников продаж
постичь ты сможешь
постичь
(function(d, w) { var analyticsCategory = "CoMagic branding"; var sendEvent = function sendEvent(label) { var action = arguments.length > 1 && arguments[1] !== undefined ? arguments[1] : "Click"; var value = "" .concat(analyticsCategory, " \u2014 ") .concat(label, " \u2014 ") .concat(action); console.log("Analytics: %c".concat(value), "color: #E87E04"); if (window.dataLayer !== undefined && analyticsCategory) { window.dataLayer.push({ event: "data_event", data_description: value }); } }; var rand = function rand(min, max) { min = Math.ceil(min); max = Math.floor(max); return Math.floor(Math.random() * (max - min + 1)) + min; }; var id = rand(1, 4); var head = document.querySelector(".comagic-branding-head"); head.setAttribute("data-comagic", id); sendEvent(id + " — Header", "Init"); head.addEventListener("click", function() { sendEvent(id + " — Header"); }); var branding = document.querySelector( '.comagic-branding[data-comagic="' + id + '"]' ); branding.style.display = "block"; sendEvent(id + " — Footer", "Init"); branding.addEventListener("click", function() { sendEvent(id + " — Footer"); }); })(document, window);
0
6 комментариев
Популярные
По порядку
Написать комментарий...
3

Олег, расскажите подробнее, какие поведенческие модели вы используете в работе? 
Какие то базовые шкалы пятифакторную, может Келли? Я пробовал несколько подходов к поведенческим моделям и классификациям, но все сводиться к вероятностным моделям "наступления" события в поведении людей выделенных в класс. Массивы данных кластеризируются в определенные, довольно стабильные паттерны поведения, но разве их создают не по большей части средовые факторы, ситуация в которую попал человек и уже на втором месте какие то его особенности, которые с течением времени жизни в определенных условиях вообще можно вынести за скобки? 

Как быть с "хмурым"? Вот подсел человек на наркотики, его поведение резко поменялось, а он все тот же, ситуация ругая и что с этим делать. 

Прибавить к парадигме JTBD стрелу времени и вот уже нет никакого человека, только мозг скачущий к решениям на основе средовых факторов через свою жизнь. Может к черту этого "человека", может лучше работать с "интерфейсом", охватить все операции в кремниевом мозге компьютера, вместо взаимодействия с ним исходя из базовых принципов - утопия. Или у вас есть подход? 
Мы в финтехе все равно никого не пустим на кухню, вот и возимся сами. 

Ответить
0

Виктор, добрый день!
Мы стараемся не использовать опросники (как обычно комментарии к опросникам следующие - недостаточный объем рефлексии себя, нехватка мотивации, слишком лингвистический, а не формальный подход к описанию поведения, прямая ложь и тп), а опираемся непосредственно на фиксацию поведения и его интерпретацию.Для этого мы разработали собственную синтетическую модель. Кратко ее суть в том, что мы свели воедино поведенческую феноменологию и обширный перечень психологических конструктов, которые используются в описании личности. При этом мы не очень верим в эти конструкты, хоть и обращаемся к ним, чтобы разговаривать с учеными и практиками на этом языке, но интерпретируем эти конструкты скорее алгоритмически и математически. Например, такие ценностно-смысловые направленности или ценностные ориентации как: контроль, традиции и тп мы описываем как сокращение количества степеней свобод, которые демонстрирует наблюдаемый, будь то его поведенческие ивенты или набор в его потребительской корзине.
По взаимодействию среды и персоналии вы абсолютно правы и в этом и стояла наша задача - мы искали единые шкалы, которые не будут интерпретировать человека отдельно, но смогут быть использованы и для совместного описания, то есть описания персонально-средового взаимодействия. И в принципе, если смотреть глубоко, мы не используем в своей работе понятия психотипов и тп. Мы ориентируемся на функциональные состояния, которые могут быть краткосрочными и долгосрочными, на специфики протекания когнитивных процессов, которые тоже описываем больше в физических терминах, на сценарный анализ поведения, опять же таки отталкиваясь от феноменологии. И если человек подсаживается на что-то, то разумеется вектор и широта доступных ему состояний или состояний, которые он будет демонстрировать сильно изменится.
По поводу JTBD - помимо задач существует еще и стиль решения задачи, и именно тут и выплывают сценарии, функциональные состояния, эргономические требования к интерфейсу (сценарные, графические, текстовые и др данные). То есть мозг, который скачет по средовым факторам при этом обладает собственными спецификами и особенностями регуляции процессов, что и задает тон скачков и сценариев и диапазон отреагирования. По хорошему мы не рассматриваем человека, как человека со всем его биологическим разнообразием. Мы исследуем и регулируем его модель. А внутри модели есть строгие логики ее построения и анализа)) То есть подход у нас есть и он хорошо работает на самых разных данных - от текстов и клавиатурного почерка, до потребительской корзины, графа интересов и поведения в физическом пространстве. Основной вопрос свести вполне строгую математику и психологию. У нас это решено)
Кстати зря вы никого не пускаете на кухню, так как мы уже 8 лет ходим по финтеху и давно могли бы сделать очень многое, но кухня закрыта а внутренних компетенций по прикладной когнитивистике и анализу поведения в финтехе практически нет. Так же как у нас не может быть вашей экспертизы в финтехе. Мне кажется здесь вопрос создания реальных лабораторий для R&D и разработки. При этом есть еще дефицит кадров в нашей области и часть попыток от крупнейших банков не очень состоятельны, особенно, когда идут на имена компаний и персон, а не на компетенции.
Может сделаем что-то вместе?)

Ответить
0

Олег, огромное спасибо. Крайне интересно все что вы делаете! У нас и правда, из-за недостатка ваших знаний у наших сотрудников выходят очень механистические модели, техничные, но хрупкие. 

Сам настоял, чтобы мне дали ресурсы заниматься "поведением" в компании, так как были разработки на прежнем месте работы в FMCG секторе,  но условия были четкие: " у нас правила ЦБ, риски воровства данных, риск утечек, риск заражения системы торгов и управления счетами" или принимаю правила игры или "могу валить в лабораторию", не первый раз бюрократия мешает науке, если прибыльность призрачная. Так что, был бы рад поработать, но не выйдет. Этого "босса" в этой игре мне не пройти. 
Обязательно пишите еще! Рекомендуйте статьи и исследования! Ну и процветания вашему бизнесу (чтобы уж совсем пафосно закончить). 
Спасибо!

Ответить
0

Виктор, спасибо. Будем рады, если однажды вводные изменятся.
Постараемся писать - пока не всегда успеваем, но мы работаем над этим)) А за бизнес - спасибо отдельное. Будем!
До связи

Ответить
2

Олег, спасибо за содержательный материал. 
Надеюсь, чаще читать здесь публикации от PSYCHEA.

Ответить
2

Алексей, спасибо! Сделаем)

Ответить

Прямой эфир