Зачем маркетингу цифровая психометрия
У вас наверняка успешный маркетинг, если вы не просто говорите, что понимаете своих покупателей, но точно знаете, как выстраивать с ними контакт, какие товары и услуги им действительно нужны, и что влияет на их решение о покупке. По мере развития технологий у маркетолога появляется все больше инструментов, и одно из важнейших улучшений – то, что психографика, на которую по умолчанию ориентировались маркетологи, с приходом искусственного интеллекта становится цифровой. Лариса Марарица, руководитель R&D в Humanteq, социальный психолог и кандидат психологических наук, рассказывает, какие решения есть сейчас, почему многие все еще далеки от идеала и какое будущее у клиентоориентированного маркетинга
Маркетинг в постцифровой эпохе
Согласно исследованию Accenture Technology Vision 2019, чтобы выжить, компаниям придется научиться работать с цифровыми инструментами и данными о каждом покупателе. Недостаточно угадать то, что человек ищет, и привести лид на сайт или в мобильное приложение. Теперь данные о потребителях нужно уметь использовать для улучшения клиентского опыта и создания долгих доверительных отношений.
Казалось бы, онлайн-бизнесу этот тренд должен дать преимущество: много данных о поведении плюс возможность адаптировать пользовательский путь и контент. Но на самом деле наоборот — офлайн-бизнесу проще, потому что у него есть личный контакт с покупателем, возможность отслеживать реакции и эффективно на них отвечать в режиме реального времени. Эмпатию полевого маркетолога и контакт с продавцом пробуют заменить большими данными, но пока это неэффективно. Возможно ли это исправить?
Как маркетологи пытаются понять покупателей
Первым, на что мог опереться маркетолог в доцифровую эпоху, был бихевиоризм, который начался с идеи свести психологию человека к стимулам и реакциям. Сто лет назад Томас Уотсон помог маркетологам сделать рекламу эффективней. Он объяснил, как использовать страх матерей за здоровье ребенка для рекламы детской присыпки, указал, что настоящий двигатель продаж автомобилей — дизайн и стиль, а не «начинка». Именно Уотсон показал, что можно сформировать готовность купить новый продукт не потому, что старый вышел из строя, а потому, что он вышел из моды. Еще он придумал использовать селебрити для продвижения товаров и указал на базовые эмоции, которые стоит эксплуатировать для стимуляции спроса.
Популярный сегодня нейромаркетинг тоже продолжение бихевиоризма: он обещает так изменить рекламный материал, чтобы его воздействие стало максимально эффективным. Правда, Уотсон настаивал на том, что необходимо отслеживать покупателя от предъявления рекламного стимула до факта покупки, недостаточно получить от него «ответ» при опросе или по результатам ЭЭГ или МРТ. Кроме того, затраты на сбор и обработку таких данных высоки, поэтому используются малые выборки с высокой вероятностью получить ошибочный или недостоверный результат. И все же возможность увеличить убеждающую силу и эффект от рекламного послания не дает маркетологам покоя.
Поведенческая экономика и психология
Следующим шагом стала поведенческая экономика с ее открытиями в области особенностей восприятия и принятия решений, отношения к деньгам, выигрышам и проигрышам, шансу и вероятности. Канеман и Тверски стали новыми героями, показав ограниченную рациональность человека: его готовность потерять последнее, чтобы отыграться, переплатить за 100% гарантию, экономить и транжирить на одном и том же в зависимости от предложенного контекста, подверженность манипуляциям в формулировке продуктового предложения.
То, как индивидуальные различия влияют на покупательское поведение, открыли примерно в то же время. Из психологии в маркетинг перекочевали типологии личности и понятие стиля жизни. Мозговой штурм, полевые исследования и опросы покупателей — все это использовалось и используется для того, чтобы построить представление о том, какие люди составляют целевую аудиторию. Вычленяются и описываются персоны покупателей (buyers persona), истории пользователей (user cases), потому что рассматривать аудиторию как единую однородную массу — непростительное упрощение.
Онлайн-сервисы давно используют информацию о демографических характеристиках и интересах пользователей. На этапе привлечения аудитории они позволяют очертить потенциальных покупателей. Это помогает найти и задать аудиторию рекламной кампании. Но ни пол, ни возраст, ни история покупок или собранные в сервисе или из открытых источников данные сами по себе не содержат причин поведения человека: они только связаны, скоррелированы с фактом покупки. Мы можем увидеть пользовательский путь к покупке, однако совершенно не понимать, как и почему человек решил эту покупку совершить.
Большие данные давали много надежд, но не смогли их оправдать по двум простым причинам. Во-первых, они мало у кого есть. Во-вторых, что важнее, они часто превращаются в кладбища данных, потому что алгоритмы, которые их обрабатывают, очень несовершенны в поиске причин и формулировании выводов.
Получается, в маркетинге большие данные не всесильны: это просто консолидированная информация о поведении людей без объяснения его причин. А выявленные закономерности сомнительны: они могут оказаться недостоверными, второстепенными или не интерпретируемыми. Кроме того, опора на поведение человека в прошлом для прогноза его поступка в будущем оправдана, только если речь идет о рутинных действиях. И это значит, что с помощью собранных данных не получится уверенно предсказать поведение аудитории и накопить хоть сколько-нибудь полезных знаний о ней. Маркетологам-аналитикам очень не хватает «латентных переменных» – причин наблюдаемого в сервисе поведения, знание таких причин позволяет снизить размерность данных, с которыми необходимо работать для предсказания поведения человека.
С учетом всех этих замечаний технологии Data Science, которые могли бы строить адекватные предсказательные модели на основе реальных данных, неплохо работают у гигантских корпораций вроде Amazon или Google, которые могут и собирать, и обрабатывать огромные массивы информации. У компаний поменьше просто нет доступа к таким объемам, для них игра уже заранее проиграна: разрыв в точности и качестве работы с потребителем будет только увеличиваться.
Цифровая психометрия и personality-based marketing
Пять лет назад появилась цифровая психометрия — возможность определять на основе цифровых следов психологические особенности человека, его мотивацию, черты характера, интеллектуальные особенности и мировоззрение. Самым известным исследователем в этой области стал Михал Косински, который первым поставил эксперимент с психотаргетингом на Фейсбуке в 2016 году. Так началась цифровая психографика, где на смену психологическим тестам и опросам пришли большие данные и машинное обучение, дающие принципиально новый подход к анализу покупателей и аудитории. Несмотря на то, что исследование аудитории при помощи цифровой психометрии часто называют психографикой, это принципиально новый инструмент, ранее недоступный маркетологам. Цифровая психометрия открывает латентные, внутренние причины поведения человека. А значит, мы можем говорить о новом подходе к маркетингу — personality-based marketing — маркетинг, опирающийся на знание личности.
Цифровая психометрия, в отличие от традиционных аналитических инструментов, позволяет сделать обоснованные выводы о причинах поступков человека и определить, как он поведет себя в новой ситуации, как отреагирует на новое послание или продукт. Эта технология дает возможность строить и проверять маркетинговые гипотезы, персонализировать коммуникацию, проводить цифровые исследования аудитории, не полагаясь на интуицию и результаты штучных интервью или наблюдений.
И это не теоретическое построение: знание поведенческой психологии действительно помогает совершенствовать сервисы, а решения в области personality-based marketing уже есть у крупных игроков: например, IBM и Nielsen.
До последнего времени у маркетологов не было практичных и функциональных инструментов, которые позволяли бы применять психологические инсайты для решения рабочих задач. Трудно использовать серьезную академическую психологию в маркетинговой практике (такие объемные тесты и возможность исследовать каждого человека были доступны только при оценке персонала, но никак не в маркетинге).
Цифровая психометрия выводит маркетинг на новый уровень, давая возможность использовать знание о внутренних причинах поведения человека в маркетинге.
Рынок personality-based marketing: кто, что, как
В большинстве решений в области цифровой психометрии для маркетинга используются классические академические модели человека, получившие подтверждения во многих исследованиях. Самая известная — это OCEAN, или Большая пятерка, где человек может быть описан при помощи 5 устойчивых и культурно-независимых качеств. Другая популярная модель — ценностные ориентации личности по Шварцу. Эти модели упоминаются в миллионах академических исследований: их универсальность дает априорную информацию об общих свойствах человеческой личности, которой нет и быть не может в поведении и покупках, доступных сервису.
Есть на рынке и кастомные решения в области цифровой психометрии, многие из которых разработаны даже не компаниями, а отдельными авторами. Насколько такие разработки соответствуют критериям научных моделей, надежны и применимы на практике — вопрос открытый.
На графике – попытка отобразить актуальную ситуацию на рынке personality-based marketing. Как уже говорилось выше, компании на рынке различаются, прежде всего, тем, какие модели человека и тесты они используют. Безусловно, проверенные академические модели вызывают больше доверия. Второй важный фактор различия решений — это степень самостоятельности маркетолога или продакт-менеджера при работе с ними, возможность все сделать самому и возможность пользоваться решением без помощи консультантов. Очевидно, что просто получить набор цифр или графиков недостаточно, чтобы на его основе продумать креативную стратегию, привлечь или сегментировать аудиторию.
Существующие решения
Как мы уже говорили, у IBM есть сервис Watson Personality Insights. Этот инструмент позволяет построить психологический профиль человека по его текстам. AI алгоритмы от IBM определяют черты личности (по модели OCEAN), ценности и мотивацию (по модели ценностных ориентаций Шварца), а также потребности (собственная разработка компании). На сайте сервиса приводится ряд кейсов с использованием этой технологии, несомненным плюсом является использование признанных психометрических моделей, но все, что может сделать такой сервис, — это принять текст и выдать обратно психопрофиль. Как использовать результат для решения реальных задач — остается на усмотрение маркетолога.
Другое известное решение –– Apply Magic Sauce, разработанное Психометрической лабораторией Кембриджского университета и основанное на работах психолога Михала Косински, известного применением искусственного интеллекта для предсказания психологии человека. Этот сервис, как и Personality Insights от IBM, просто выдает психологические характеристики (черты личности по модели OCEAN и интеллект) в ответ на данные из социальной сети Twitter или Facebook.
Отечественная разработка — платформа Humanteq.ai — также определяет психологический профиль личности. Это решение работает не только с русскоязычными текстами и данными социальных сетей, но и с данными смартфона, определяя личностные черты (по модели OCEAN), ценности и мотивацию (по модели ценностных ориентаций Шварца), интеллектуальные и эмоциональные характеристики человека.
Среди российских разработок есть и другие компании: их решения или стремятся повторить решение от Apply Magic Sauce (DataFuel, подобное решение предложено и в рекламном кабинете MyTarget), или предлагают свои авторские разработки, которые трудно оценить (PSYCHEA), или используют более редкие психометрические модели (UNINUM).
За кем будущее?
Проблема описанных решений в том, что для их использования требуется не только возможность собирать данные, с которыми они могут работать (тексты, открытая информация из социальных сетей и т. д.), но и экспертиза в области психологии плюс понимание, как применить результаты в работе маркетолога. Более того, это требует разработки инхаус-решения, позволяющего улучшить бизнес-метрики. Конечно, с этим могут помочь консультанты. Так, например, GutCheck адаптирует результаты сервиса от IBM для психографики аудитории нового продукта. Но это довольно дорого и работает для разовых задач.
Современному маркетингу нужны сервисы, которые дадут возможность пользоваться инструментами personality-based marketing не только самостоятельно, но и легко, эффективно и на постоянной основе. И которые предложат решения, уже готовые к практическому использованию маркетологами. Работающее решение должно обладать каждым из этих качеств:
● давать возможность автоматически или полуавтоматически анализировать аудиторию — всю сразу или большую ее часть;
● выдавать результаты на языке, понятном маркетологам;
● предлагать инсайты о потребителях, которые маркетолог сможет применить как основу для маркетинговых кампаний и коммуникаций;
● давать готовые решения, с которыми можно эффективнее привлекать, удерживать и возвращать аудиторию.
Рынок компаний, создающих такие сервисы, пока только формируется. Это, например, уже упомянутая платформа Humanteq.ai: с ней можно в автоматическом режиме получить портрет аудитории и сегментировать ее для эффективного привлечения и удержания. Подобные возможности предлагает и платформа WHY (Nielsen). Разработка российско-британского стартапа Datasine, платформа Connect обрабатывает данные таким образом, чтобы в результате создавать персонализированные рассылки и креативы для разных сегментов аудитории.
Сейчас эти решения в разной фазе проработки. Пока что нельзя сказать, чтобы какое-то из них использовалось широко и уже себя зарекомендовало: ведущие маркетологи только начинают их тестировать.
Однако уже можно ясно представить, что подобные сервисы способны дать на практике. Например, решение от Datasine показывало достойные результаты по конверсии еще на заре своего существования. Humanteq.ai позволяет проводить цифровое исследование аудитории для построения коммуникационной стратегии, дешевле привлекать аудиторию и оптимизировать UX-воронку под целевой или платящий сегмент. VisualDNA разработала визуальный тест для сегментации потребителей и таргетирует рекламу с учетом эмоциональных предпочтений, черт личности и интересов потребителей. Humanteq.ai и VisualDNA позволяют привлекать новую аудиторию методом психологического look-a-like.
AI-технологии делают доступными достижения классической психологии для маркетологов. Ожидаемый эффект от personality-based marketing сопоставим с тем, как изменился маркетинг благодаря вкладу бихевиоризма и поведенческой экономики. И он не только в том, что маркетологи снова смогут повысить эффективность коммуникаций, но и в том, что сервисы станут удобнее для каждого из нас, а реклама будет опираться не только на то, что вы искали для своей бабушки этим утром или уже купили вчера, но и помогать человеку найти в огромном потоке информации то, что ему действительно важно и интересно.
