Как только мы слышим про массовую персонализацию, мы сразу представляем себе тонну рекламы, которая нам не нужна. На самом деле, это история про то, как алгоритмы уронили цену для персонализации продукта. Раньше вы могли себе позволить персонального менеджера, персональные договоры и условия только для очень крупных клиентов. Сейчас это можно предложить каждому.

У вас в почте лежит бронь на отель, а в календаре деловые встречи? Вот координаты ближайших удобных мест с бизнес-ланчами, где можно провести встречи. И скидка. Железяка по нескольким метрикам вычислит деловую цель поездки и не будет предлагать вам конные прогулки вместе с билетами в кино. В идеальном варианте робот отберёт у вас выбор, но вам это понравится. Приложение вовремя подсунет кнопку для вызова такси и за день до встречи предложит услуги экспресс-глажки костюма в ближайшей химчистке. Система адаптируется к вашим паттернам и предлагает вам именно то, что лучше укладывается в ваш поведенческий профиль. Например, провести платёж по ипотеке в нужную дату с напоминанием или при снятии денег в банкомате предложить вам ровно сумму на две пинты Гиннесса, которые вы берёте в баре каждую пятницу. 

Homo otiosum

Глобальная экономика и отдельные люди, которые её формируют отчасти похожи на газ. Вы не можете достаточно достоверно предугадать поведение конкретного человека, как и поведение отдельного атома азота внутри воздушного шарика. Но при этом, при наличии верной модели, у нас есть возможность корректно предсказывать направление струи газа, если шарик отпустить. Для людей это работает пока не так точно, но моделей за время существования экономики было создано немало. До уровня Гэри Сэлдона из «Основания» Азимова мы ещё не добрались.

Одним из первых, кто попытался создать подобие модели рационального человеческого поведения, был Адам Смит. Именно ему приписывают ту самую модель «Человека экономического» — Homo economicus, которая была развита Джоном Стюартом Миллем. Это была довольно грубая модель, она предполагала, что каждый человек стремится к максимальной выгоде для себя, принимает взвешенные рациональные решения, выполняет свои обязательства и обладает всей нужной информацией. А теперь представьте себе, как вы перед походом в супермаркет садитесь вечером и начинаете расписывать все плюсы и минусы шести сортов творожных сырков. Учитываете все детали, пищевую ценность, толщину шоколадного слоя, уточняете прогноз по надоям и инфляцию молочных продуктов в течение сроков хранения. В финале добавляете амортизацию холодильника и идёте покупать вычисленное количество оптимального сырка.

Разумеется, так никто не делает. Разве что для ответственных решений вроде ипотечного кредита или приобретения машины. Собственно, именно спорность аксиомы рациональности, добропорядочности и полноты информации и послужили причиной критики со стороны других экономистов. Рональд Коуз ввёл концепцию транзакционных издержек — действий необходимых для обеспечения сделки. Условно, если вы не будете присматривать за строительством своего дома, то рабочие с определённой вероятностью зальют бетон подешевле и выполнят какие-то скрытые работы менее качественно. Окончательно тезис по добропорядочности добили Джордж Акерлоф, Джозеф Стиглиц и Майкл Спенс. Они проводили исследования в ситуации, когда продавец и покупатель владеют разным объёмом информации на примере тех же автомобилей со скрученным пробегом и «не бит, не крашен, бабушка ездила за пенсией в банк».

Аналогично были отвергнуты тезисы о рациональности. Мы эволюционно ленивые экономичные. Если вопрос не является критически важным, то мы скорее предпочтём принять простое и импульсивное решение. На этом и строится во многом современный маркетинг и реклама. В целом, эта «экономичность» проявляется во всём. Мы стараемся как можно быстрее получить желаемое и не хотим тратить даже считанные дополнительные секунды, если где-то можно получить то же самое быстрее. Канеман отлично это разбирал в своей книге «Думай медленно... решай быстро», где описывал два основных режима мышления человека. Один режим медленный — нужен для обработки чего-то сложного, непонятного и нестереотипного. Мы задействуем его во время обучения, например. Имеет огромный минус — оно очень энергозатратно и требует волевых усилий. 

Второй режим быстрый и автоматический, что-то очень близкое к условно-рефлекторной деятельности. Плохо справляется с обнаружением когнитивных искажений и решением сложных вещей, но зато почти бесплатно, так как обрабатывается «аппаратно».

Типичный пример быстрого мышления — поведение пользователей при медленной загрузке веб-страницы из поиска. Например, Джефф Безос в статье Forbes в 2012 году упоминал, что задержка в 0,1 секунды при загрузке страницы соответствует «снижению активности клиентов на 1 %». Если заставить пользователя подождать, то он с высокой вероятностью закроет вкладку и откроет следующий пункт в поиске.

Чтобы обеспечить максимальную вовлечённость пользователей и удержать фокус внимания в условиях жёсткой конкуренции, большинство компаний начали собирать пользовательские данные для точного таргетинга. Тот же Amazon фактически выступил локомотивом в создании data-driven компаний. Естественно, это не может не вызывать вопросы у пользователей, многие из которых чувствуют себя довольно беззащитно перед крупными корпорациями.

Нужна ли маска Анонимуса

Data-driven company

Закономерной стадией развития большинства современных крупных компаний, работающих с потребителями, является принятие концепции data-driven маркетинга. Исследование от Boston Consulting Group говорит о том, что компании с подобным подходом получили в среднем снижение затрат на 30 % и повышение выручки на 20 %. Именно это становится ключевым преимуществом большого бизнеса, который может получить большое преимущество благодаря подобным механизмам.

Давайте поближе посмотрим на классического гиганта этой области — Amazon. Мне кажется, мало кто помнит его как простой книжный магазин. У него есть несколько ключевых вещей, которые позволяют сделать удобно клиенту и одновременно увеличить свои обороты, извлекая прибыль.

Рекомендации

Без этого пункта было бы просто невозможно нынешнее развитие. Мало продать пачку памперсов, детское питание, органические овощи и декоративную статуэтку из натурального камня прямо сейчас. Стоит предложить потребителю развивающие головоломки из натуральной древесины для детей пяти лет через время после этой покупки. В этом традиционно сильны подобные типы компаний.

История рекомендательных систем началась в середине 1990-х годов и изначально опиралась на простые принципы коллаборативной фильтрации — «вам может понравиться то, что нравилось тем, кому нравилось то, что нравилось вам». На основании проставленных пользователем «оценок» определялись корреляции в поведении и использовались при построении рекомендаций. Со временем для улучшения качества работы и точности попадания в процесс стали включать всё больше разнообразных данных — информацию о свойствах объектов и клиентов, о контексте текущей ситуации, о социальном графе клиента, о развивающихся в моменте трендах и т.д. В результате современная рекомендательная система — это целый комплекс моделей машинного обучения, технологий обработки больших данных и высокопроизводительных систем.

Современный вариант требует от рекомендательной системы учитывать не просто привычки пользователя, но ещё и текущий контекст, в котором пользователь находится здесь и сейчас. 

Предложить один фильм для семейного вечера и другой для дружеской посиделки, включить один плейлист для утренней пробежки и другой для работы с программным кодом, показать подборку товаров для пляжного отдыха тому, кого ждёт самолёт на Бали. Решение этой задачи 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 сессий пользователя, выделение факторов контекста, влияющих на принятие решения, интеграция многих источников в единой модели.

Наиболее продвинутые рекомендательные системы переходят из пассивного режима ответов на запросы пользователя в активный, предлагая контекстную помощь до того, как пользователь о ней попросил. Например, предложит вам заказать обед с доставкой, если из-за плотного рабочего графика пропустили обед, заблаговременно предложит варианты подарка на день рождения супруги/супруга, с учётом её/его вкусов, расскажет о новой книге вашего любимого автора, когда вы пьёте кофе напротив книжного магазина субботним утром. 

Коллаборативная фильтрация

Переход к проактивному взаимодействию с клиентом стимулирует и развитие принципиально новых механик — рекомендательных систем с голосовым интерфейсом. Они работают в диалоговом режиме и позволяют клиенту легко и естественно уточнить контекст и помочь системе подобрать оптимальные предложения. Подобная трансформация приводит к рождению систем принципиально нового класса — виртуальных помощников, использующих обширный открытый набор сервисов и продуктов самой разной природы. Но это уже другая, новая, история.

Экосистема отзывов

Мало какая современная система может обойтись без обратной связи. Впрочем, мы все видели, как легко накручиваются голоса, отзывы и другие метрики для продвижения своих продуктов недобросовестными продавцами. Если у компании есть данные о пользователе, его истории покупок, да вообще о том, что он существует, мы можем с большой уверенностью отсечь большинство фейковых отзывов для того, чтобы новый покупатель получил наиболее достоверную и правдивую информацию. Напомню, что однократные заработки на том или ином обмане мало интересны гигантам.

К сожалению, если ботов отсечь стало нетрудно, то отсеять купленные отзывы от тех же недобросовестных китайских производителей довольно проблематично. Собственно, выше и описывается история человека, который зарабатывал написанием фейковых обзоров. Но даже для такого продвижения нужно купить физический товар, получить его, а потом не засветиться на многочисленных метриках, которые собираются по каждому пользователю. По словам одной из руководителей Amazon Sharon Chiarella, удаётся фальсифицировать не более 1 % отзывов, что было бы невозможно без множества собранных данных.

Кросс-платформенное продвижение

Ну и не одними алгоритмами продвигаются подобные компании. Например, не все знают, но у Amazon есть куча мощнейших интеграций с популярными сторонними платформами. Например, тот же Snapchat позволяет обнаруживать товар на видео и тут же предлагать варианты его приобретения. Снаружи выглядит довольно просто для пользователя, но в бэкенде задействует сложнейшие интеграции, рекомендательные системы, распознавание объектов на видео и тому подобную магию больших данных.

Умные помощники

Умные колонки и ассистенты на мобильных платформах — ещё один этап развития взаимодействия с пользователем, когда из туповатой железяки в самом начале своего развития, помощники превращаются в действительно интеллектуальных ассистентов, которые намного лучше работают с семантикой человеческого языка. Это направление помогает освободить пользователя от повседневной рутины и упростить ему жизнь. Неважно, в бронировании ли мест в кинотеатр, установке будильника или чтении сказки на ночь ребёнку через умную колонку.

Все любят поесть

С одной стороны, у нас постепенно отбирают наш выбор. С другой стороны, я не уверен, что по каждому выбору человек будет скучать. Давайте попробую объяснить на упрощённом примере с покупкой еды.

Вначале был рынок и грязная картошка. Лук надо было покупать мешками, перебирать и потом развешивать на балконе в колготках. А за мясом надо было ехать в пригород, разделывать здоровенную половину свиньи весь вечер и пытаться засунуть всё это в морозилку. Это может быть самый дешёвый, но времязатратный вариант.

Потом появились гипермаркеты и теперь все продукты легли на соседние полки. Уже не надо заморачиваться с хранением продуктов, а лук можно купить в количестве одной штуки, чтобы пожарить картошку. При этом вы несколько ограничены в выборе товаров, так как торговая сеть оптимизировала издержки, заключая договоры только с ограниченным количеством поставщиков. Зато они всегда гарантируют, что на полке будет свежее молоко, а мясо будет уже упаковано и нарезано. Тем не менее вам надо ехать туда раз в неделю и тратить несколько часов на сборку корзины и выбор товара. Что интересно, в итоге по многим позициям это может оказаться даже дешевле обычного рынка из-за экономии на масштабе. Сеть гипермаркетов закупает условные бананы целыми контейнеровозами, что недоступно мелким лавочникам. 

Потом с пандемией пришла доставка. Например, Сбермаркет стал очень популярен с начала пандемии. Если в Москве довольно давно функционировали сервисы доставки, то в регионах они начали появляться только с приходом карантинов. Люди очень быстро распробовали новый подход, и все остальные розничные сети были вынуждены последовать за этим трендом. Розница была вынуждена организовать сбор заказов, логистику до покупателя, приложения и прочее. Это расходы. Зато появилась возможность привязывать покупки к конкретному покупателю очень точно. Появились механики рекомендаций. Вы покупали жгучий перец и соусы Табаско? А почему бы не попробовать новый соус «Магматический расплав»? В итоге информации отдаём больше, но получаем заказ в один клик, доставку специально обученными людьми и свободные выходные.

Следующий этап — подписка на еду. Когда вы вообще не принимаете никаких решений, а просто платите некоторую абонплату. Вам доставляют сразу готовые сеты или наборы для готовки с вложенными рекомендациями. Ещё меньше действий, компоненты уже выбраны за вас. Вы просто указываете свою цель — похудение, набор мышечной массы или другие параметры, а система подбирает для вас оптимальный рацион. При этом там не будет рыбы, которую вы ненавидите и арахиса, на который у вас аллергия. Таких сервисов уже немало, и они вполне успешно существуют на рынке.

Формально у вас не отобрали выбор. По факту вы всегда можете купить как раньше на рынке, но вряд ли захотите. Это как раз именно та, ситуация, когда пользователь сознательно может захотеть пожертвовать некоторой приватностью ради удобства, скидок и приятного сервиса. В итоге мы постепенно приходим к перекладыванию вопросов выбора на систему с персональными рекомендациями.

Синергия сервисов

Наиболее ярко массовая персонализация проявляется там, где в одну информационную платформу собирается несколько разнонаправленных сервисов. Вы купили машину? Это видно по крупным расходам и оплате в автосалоне. Почему бы не предложить клиенту КАСКО с хорошим коэффициентом, если мы знаем, что он по всем метрикам аккуратный и низкорисковый. Человек получает более низкую цену, компания — нового клиента.

Человек мучительно ищет правильные стыковочные рейсы, но из другого источника есть информация о том, что он хочет на фестиваль Куэма-душ-Фитуш в Португалии. Давайте предложим ему пакет из отеля на нужные даты и выгодный маршрут с несколькими пересадками. А ещё медицинскую страховку для выезжающих за рубеж. Вы же знаете сколько стоят услуги лечения в Европе, если что-то пошло не так?

Если на рынке много игроков, то они довольно жёстко конкурируют за право забрать клиента себе. В итоге это идёт на пользу самому потребителю, который получит именно то, что ему нужно.

Паранойя против удобства

Большинство обычных пользователей, похоже, в принципе особенно не заботятся о том, какие именно данные и кому они отдают. Признайтесь честно, многие ли из вас читают полностью соглашение о принятии cookies на очередной странице или хотя бы просматривают каждый параграф EULA к очередной программе? Тем не менее проблема существует, иначе не принимались бы такие регламенты как GDPR.

Объём данных, который собирается в единые центры для обработки пугает. Этому можно противостоять, но ценой реального снижения качества жизни. Один переход исключительно на наличные чего стоит, когда мы привыкли в три клика оплачивать такси, пиццу, билеты на отпуск и очередной набор отвёрток с Aliexpress. Поэтому стратегически это довольно бессмысленно. Ценность данных о своём клиенте будет вынуждать все компании так или иначе изучать своего потребителя. Оптимальная стратегия — отдавать те данные о себе, которые вы считаете нужным, но не сильно переживать, если очередной слабый AI узнает о любимом цвете ваших штор. Конечно, не стоит оставлять всё, включая паспортные данные мутной подвальной фирме по продаже мелких гаджетов.

У вас есть два варианта. Либо вы тратите много усилий и, возможно, но не обязательно, выгадаете цену на товар чуть ниже. При этом, тот же кредит вы, скорее всего, получите, наоборот, на менее выгодных условиях, так как для банка вы неизвестный заёмщик с высокими рисками. Со страховками аналогичная история.

Либо вы экономите время и получаете оптимальный продукт, который вам подобрали на основании вашего профиля. Это несёт определенные риски того, что на какие-то товары вам могут предложить более высокую цену, но одновременно у вас почти наверняка станут дешевле все рисковые продукты, которые зависят от профиля пользователя — страховки и кредиты. В целом, большинству компаний, которые могут себе позволить подобную аналитику, невыгодно разово содрать с вас +30 % от цены. Рано или поздно вы об этом узнаете и уйдёте. Намного выгоднее увеличивать объёмы с минимальной маржинальностью, как поступает тот же Amazon.

Да, часто пугает, когда компания знает о тебе то, что ты вроде как никогда не сообщал. Причём зачастую просто из-за того, что вы попадаете по ряду каких-то признаков в общий кластер с другими людьми, о которых известно чуть больше. Да, вы будете платить своей приватностью, используя скидочные карты гипермаркетов и персонализированные аккаунты в онлайн-магазинах, но это не будет двусторонним обменом.

Все компании стараются вкладываться в это направление, так как оно даёт очень весомые конкурентные преимущества. А с конкуренцией будет непрерывное совершенствование сервисов, что пойдёт на пользу и потребителю. Поэтому вы можете обвешивать ваш браузер плагинами для обманывания трекеров, использовать только наличные платежи и избегать камер. Вот только потом вы же с высокой вероятностью будете страдать от нерелевантной рекламы и упускать выгодные возможности. Noname анонимусу из сети не предложат хорошую страховку с большой скидкой или кредитную карту с расширенным грейс-периодом, например. Персональные рекомендации — это вовсе необязательно тысяча баннеров с предложениями купить нагревательный котёл. Чаще всего это вообще история не про рекламу, а про персонализацию именно под вас.

Альтернативный вариант — привыкнуть к новой реальности и освободить время под своё хобби. А набор для приготовления Том Яма пусть лучше соберёт и упакует робот. Они умеют это делать всё лучше с каждым годом.