Выгодный триместр
Несколько лет назад американская сеть супермаркетов Target наняла на работу талантливого математика Эндрю Пола. Маркетологи объяснили ему задачу: изменить потребительское поведение покупателей, убедить их запасаться всем необходимым в одном-единственном месте – и, разумеется, именно в их сети.
Сломать привычки сложно, но есть некоторые периоды в жизни каждого, когда это возможно. Переезд на новое место, смена работы и один из самых главных моментов – рождение ребенка. Молодые родители, изнеможенные бессонницей, предпочтут не тратить время и купить все в одном месте. Но когда ребенок рождается, это становится известно всем, и в борьбу за их кошелек вступают все конкуренты, от мала до велика.
«Если бы мы могли, – говорили ему маркетологи, – узнать о беременности женщины, мы могли бы соблазнить ее раньше всех». Особенно интересен второй триместр: именно тогда она покупает витамины, одежду для беременных и прочее. В этот период она к тому же и более податлива – кто будет слишком расчетлив в ожидании чуда?
Программа, разработанная Эндрю, смогла, анализируя покупки по картам лояльности, замечать изменения паттерна, когда женщина становилась беременной, даже по таким предметам, как крем для лица или тела. Таким женщинам сразу же начинали слать каталоги и буклеты товаров для беременных и молодых мам со скидками и купонами.
Однажды в офис компании пришел разгневанный мужчина, дочери которого Target выслал каталог детских подгузников. Он требовал извинений и немедленного прекращения этого безобразия, которое могло навредить его невинной несовершеннолетней дочери! Но через некоторое время ему пришлось извиняться уже самому: спустя несколько дней он выяснил реальное положение дел в своей семье, и не вина супермаркета, что он узнал о беременности девушки раньше, чем ее родители.
Ветреный спрос
С тех пор все стало только интереснее: маячки, расставленные в разных местах магазина, соединяясь с телефоном, могут отслеживать не только перемещения, но и интерес к тому или иному товару; тележки с умными датчиками, камеры, распознающие лица, и многое другое. Все они собирают данные, любое наше движение анализируется, и обнаруживаются паттерны поведения покупателей и «жизни» товара.
Мы уже писали о том, как погода влияет на продажи тех или иных товаров. Становится теплее – и люди начинают покупать больше мясных полуфабрикатов для шашлыков или клубники, а также купальные принадлежности, садовый инвентарь и пиво, зато падают продажи салатов. Стоит добавиться ветру, как приоритетными становятся другие товары.
Очевидно, что к изменениям надо готовиться, и у розничного бизнеса требования к прогнозу погоды ничуть не менее жесткие, чем у авиации. Маркетологи «нацеливают» программы на содержание продуктовых тележек и открывают удивительный мир сочетаний. Если в корзине молоко, то, вероятнее всего, будут и яйца, и другие ингредиенты для выпечки. Если там есть авокадо, то, скорее всего, не будет помидоров и лука, а если будет кукуруза, то не будет авокадо. Листовой чай любит сладости, а паста – сыр. Некоторые комбинации кажутся очевидными и объяснимыми, но все больше становится паттернов, которые непросто объяснить.
Так, в сетях супермаркетов, где всерьез взялись за предсказание спроса на основе прогноза погоды, просто выдают команды магазинам, что делать. В конце концов, объяснить работнику зала, почему срочно надо задвигать бананы и выдвигать ягоды на передний план, бывает просто некому и незачем. Завтра придет плей-лист с музыкой, которая увеличивает продажи вина, и это стало известно в результате анализа огромных данных. Об этом знает пара математиков в головном офисе, но ответа на вопрос «Почему?» от них тоже дожидаться не стоит, ведь они заняты созданием новейших алгоритмов.
Мы знаем множество фактов о самих себе, но это знание настолько огромно и неструктурированно, что извлечь из него метазнания под силу только программам. Они начинают узнавать нас все лучше и лучше с каждым днем, а мы по-прежнему остаемся в неведении относительно причин своих поступков. Магазины будут точно знать, что мы купим, и как раз приготовили это, вычислив, что мы зайдем сегодня, в 8 часов вечера, в то время как мы сами этого вроде и не планировали. Кому-то такая информация покажется пугающей, потому что не оставляет свободы выбора, но в некоторых вопросах и не хочется стоять перед выбором несущественных вариантов.
Заботливая кофеварка и чуткий холодильник
Интернет вещей, который позволяет домашним приборам, например кофемашине, следить за запасами кофе, воды, молока и чистящих средств и дозаказывать их самостоятельно, приведет к тому, что вещи начнут обслуживать нас, освобождая от мелких дел. Но они также будут учиться особенностям нашего поведения, нашим привычкам и склонностям. Холодильник мог бы подсказать, что не стоит покупать этот сорт сыра, который, по его данным, никогда не бывает доеден и всегда выбрасывается. Он мог бы и следить за нашей диетой, если ему будет позволено, и предостерегать от появления в нем большего, чем нужно, количества сладкого и мучного.
Компания IBM недавно запустила проект «Шеф Уотсон», который использует мощный искусственный интеллект и обладает огромными данными по продуктам питания и способам их приготовления. Программа может подобрать вам рецепт на основе того, что найдется у вас в холодильнике, предложит тип кухни и даст прогноз о сочетании любых ингредиентов. Эта программа учится с огромной скоростью и весьма скоро затмит кулинарное творчество любого шеф-повара. Когда она начнет работать вместе с роботизированной кухней, то сможет делать все сама, не прося вас даже заглядывать в холодильник. И даже выбирать – в конце концов, откуда вы знаете большинство вечеров, чего бы вы хотели на ужин? «Удиви меня», – скажете вы, зайдя на кухню, и она, зная пристрастия действительно лучше вас, сделает все как надо, чтобы вы остались довольны.
Сегодня есть программы, которые учатся нашим предпочтениям – в музыке, вине, ресторанах, кино или книгах. Если вы потратите время на то, чтобы помогать ей вас лучше узнать, то вскоре она сможет предложить вам новую песню, зная, что она вам точно понравится. Еще бы – такая программа, как Pandora, например, раскладывает каждую композицию на 450 характеристик (покажите мне музыковеда, который сможет хотя бы перечислить все эти характеристики), и каждое ваше одобрение или неодобрение какой-то песни вносит изменения в алгоритм подбора для вас следующей. Такая же история с ресторанами и кинофильмами.
Полгода назад мы компанией поужинали в одном ресторане, и нас обслуживали настолько плохо, что, если бы не алкоголь и чувство юмора, вечер мог быть испорчен. Но в один эпический момент хамства я впервые написал и тут же опубликовал заметку о нашем ужине на крупнейшем сайте путешествий. С тех пор тот обзор получил тысячи просмотров, и бог знает, сколько людей поостереглись туда заходить. А сегодня программы могут сами отслеживать динамику оценки ресторанов и гостиниц и могут даже не предложить пользователю этот вариант. Для алгоритмов этот ресторан может и вовсе перестать существовать.
Смысл из машины
Любое общество страдает, когда в нем заводится даже малое количество людей, эксплуатирующих систему в своих интересах в ущерб и за счет других. Мы, в общем-то, так и не научились избавляться от таких проявлений, и нам остается одна надежда – на алгоритмы. С другой стороны, они же смогут нам предсказывать, насколько хорошо мы справляемся со своими задачами.
Представьте, что Pandora, накопив громаднейшую базу данных, может заранее оценить какую-ту песню и предсказать точнее, чем кто-либо на земле, будет ли она популярна, или нет. Правда, как и в случае с «Шефом Уотсоном», этой программе проще будет создать песню, которая, по ее прогнозам, станет хитом, самостоятельно, без участия человека…
Смотрите, что получается – мы все больше освобождаемся от принятия несущественных решений, полагаемся на что-то, что знает наши предпочтения и интересы лучше нас, мы можем меньше рисковать в каких-то вопросах, зная наши шансы наперед. Мы теряем профессии, в которых машины становятся несравненно лучше нас; мы проигрываем им в креативности, и у нас возникает парадоксальная ситуация. Наши базовые потребности удовлетворены, у нас больше времени и возможностей, и когда, как не сейчас, задаваться вопросом о смысле жизни, о счастье, о будущем, обо всем таком?
И мы, скорее всего, зададим эти вопросы именно программам: ведь если мы довольны тем, как они, изучая наши предпочтения, советуют нам книги, музыку или рестораны, то почему бы не спросить о большем? Печально? Наверное. Но скорее всего, так и будет.
- Duhigg C. How companies learn your secrets // The New York Times. February 16, 2012.