Цифровая трансформация VS персонализация

Как не потерять человека за большими данными?

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?

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?»

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».

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.

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.

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.