Глава 8 Мера всех вещей

Из всех прорицателей немногие делают предсказания с большей уверенностью и одновременно несут за них меньшую ответственность, чем те, кто прогнозирует модные тренды. Из года в год различные фирмы, работающие в сферах дизайна, производства, продаж и комментирования обуви, одежды и аксессуаров, буквально завалены прогнозами о том, что могло бы стать, может стать, должно стать или точно станет следующей сенсацией. Тот факт, что эти предсказания почти никогда не проверяются на точность, что очень многие тенденции непредвиденны и что объяснения им даются как ad‑hoc, так и post‑hoc, похоже, не оказывает ни малейшего влияния на извечное самомнение «судей» моды. К счастью, хотя бы одна успешная модная компания не обращает внимания на все это.

Речь о Zara, испанском одежном ритейлере, со своим новым подходом к удовлетворению потребительского спроса не сходившем со страниц деловой прессы в течение 10 лет. Вместо попыток предвосхитить, что клиенты купят в следующем сезоне, Zara, в сущности, открыто признает: она понятия не имеет об этом, предпочитая так называемую стратегию «измеряй и реагируй». Заключается последняя в следующем. Во‑первых, агенты Zara прочесывают магазины, бывают в центре города и других многолюдных местах и наблюдают, что люди уже носят. Это позволяет им генерировать множество идей о том, что может сработать. Во‑вторых, имея в своем распоряжении эти и другие источники вдохновения, компания создает громадный портфель стилей, тканей и цветов. Каждая комбинация первоначально выпускается только маленькой партией, которая отправляется в магазины, где затем можно отследить, что продается, а что – нет. И, наконец, Zara отличается очень гибкой системой производства и дистрибуции, способной быстро реагировать на информацию, исходящую непосредственно от потребителей: от непродающихся стилей отказываются, а производство хорошо расходящихся – увеличивают. В итоге компания разрабатывает, производит, доставляет и продает новую одежду по всему миру всего за какие‑то две недели – поразительное достижение для любого, кто хоть раз томился в ожидании дизайнерской вещички201.

За 10 лет до того, как пример Zara стали рассматривать в школах бизнеса, теоретик менеджмента Генри Минцберг предвосхитил ее подход, предложив так называемую концепцию эмер‑гентной стратегии. Раздумывая над проблемой, упомянутой в предыдущей главе, – о том, что традиционное стратегическое планирование неизменно требует прогнозов о будущем и, следовательно, ведет к неизбежным ошибкам, – Минцберг рекомендовал планировщикам меньше полагаться на прогнозы долгосрочных стратегических тенденций и больше уделять внимания оперативному реагированию на текущие изменения202. Вместо того чтобы пытаться подогнать мир под собственное предвзятое представление о порядке, им следует научиться больше узнавать о его состоянии (и о том, что действительно работает), а затем, как Zara, реагировать на него как можно быстрее203. Цель специалистов по планированию, другими словами, заключается не в «правоте» относительно того, что сработает в будущем, а в выяснении того, что работает сейчас. Эффективное реагирование в таком случае сводится к отбрасыванию неработающих альтернатив – не важно, насколько многообещающими они могли казаться раньше, – и направлению ресурсов либо на уже существующие успешные варианты, либо на разработку новых.

Сплиты, толпы и кефаль

Особенно очевидны преимущества стратегии «измеряй и реагируй» над традиционным планированием в мире онлайн‑игр, где комбинация дешевого развития, большого количества пользователей и быстрых циклов обратной связи допускает многие варианты тестирования, оценки эффективности и измерения в реальном времени буквально всего и вся. До того как в 2009 году Yahoo! запустила свою новую домашнюю страницу, компания тратила месяцы на сплит‑тестирование каждого элемента дизайна. Около 100 млн человек установили Yahoo! в качестве своей домашней страницы. Это обуславливает большое количество трафика к другим сайтам Yahoo! так что любые изменения следует производить с крайней осторожностью. В течение всего процесса переоформления – когда бы команда разработчиков ни выдавала идею нового элемента дизайна – выбирался крошечный процент пользователей, имевших возможность просматривать версию страницы, содержащую эту модификацию. Затем, комбинируя их пожелания с такими наблюдаемыми показателями, как время нахождения людей на данной странице и интересующие их предметы, и сравнивая это с реакцией обычных пользователей, команда домашней страницы могла оценить, положительный или отрицательный эффект производит новый элемент204. Таким образом компания могла узнать, что сработает, а что нет в реальном времени и аудитории.

Сегодня сплит‑тестирование является стандартной процедурой в таких крупнейших веб‑компаниях, как Google, Yahoo! и Amazon, использующих его для оптимизации размещения рекламы, выбора контента, поисковых результатов, рекомендаций, ценообразования и даже оформления страниц. Ряд молодых компаний начали предлагать рекламодателям автоматизированные сервисы, из множества потенциальных рекламных объявлений отбирающие наиболее эффективные – причем этот показатель измеряется количеством переходов по баннерам в реальном времени205. Впрочем, философия планирования «измеряй и реагируй» не ограничивается выяснением того, как потребители будут реагировать на предоставленные им варианты. Этот процесс может подключать пользователя и к созданию контента. В мире средств массовой информации этот подход воплотился в то, что соучредитель Huffington Post Иона Перретти называет «правилом кефали» – по аналогии с пресловутой прической «Mullet», когда спереди волосы пострижены очень коротко, а сзади длинно (буквально: «дело впереди, тусовка сзади») [38].

Все начинается с традиционного представления о генерируемом пользователями контенте как о потенциальной золотой жиле для медиакомпаний. Во‑первых, они могут сильно увеличить количество, скажем, информационного материала. А во‑вторых, и это главное, пользователи получают возможность участвовать в обсуждении, что изменяет саму природу опыта – от чистого потребления до участия. А это ведет к повышению вовлеченности и лояльности. Впрочем, как часто случается с настоящими золотыми жилами, некоторая доля пользовательского контента – ерунда. Любой, кто читал комментарии в популярном блоге или на новостном сайте, подтвердит: многие из них – чепуха, а некоторые – откровенно гадкие. Так или иначе, это вовсе не тот контент, который хотели бы видеть рекламодатели. Модерирование комментариев, бесспорно, может решить эту проблему. Однако оно приводит к отчуждению пользователей, отвергающих любой контроль и желающих видеть свои замечания неотфильтрованными. Подобный контроль, впрочем, не подходит уже только из‑за масштабов. Как быстро обнаружил Huffington Post, горстка редакторов физически не успевает прочитывать сотни ежедневных публикаций, появляющихся в блогах. Решение – «правило кефали»: позволить «саду цвесть» лишь на последних страницах, где конкретную информацию увидят немногие. И только потом селективно продвигать материал с задних страниц на первые, держа под жестким редакционным контролем только их206.

«Правило кефали» является примером так называемого краудсорсинга. Этот термин для описания процесса привлечения к малым работам потенциально большого количества исполнителей207 в 2006 году в статье, опубликованной на страницах журнала Wired, предложил Джефф Хауи. Онлайн‑журналистика все больше использует модель краудсорсинга – причем не только для генерирования общественной активности вокруг новостей, но и для создания самих материалов, а порой и для принятия решения о том, какие темы освещать в первую очередь. Huffington Post, например, использует тысячи неоплачиваемых блогеров, создающих контент либо из страсти к теме, о которой повествуют, либо для извлечения иной выгоды из публикаций на популярном новостном портале. Другие сайты – такие, как Examiner.com, – содержат армии авторов, пишущих об интересующих их специфических темах. Им платят за постраничный просмотр. Наконец, сайты типа Upshot и Associated Content, принадлежащие Yahoo! не только привлекают к работе широкую общественность, но и отслеживают поисковые запросы и другие показатели текущего интереса толпы, на основе чего принимают решение, о каких темах писать208.

Идея измерения интереса аудитории и реагирования на него в условиях, приближенных к реальному времени, начинает выходить за рамки ориентированного на отдачу мира средств массовой информации. Например, кабельный канал Bravo регулярно запускает новые телевизионные реалити‑шоу на основе уже существующих – путем отслеживания онлайн‑популярности различных героев. Новые шоу могут быстро и по относительно низкой цене запускаться, а в случае провала канал так же мгновенно может их закрыть209. Следуя похожему принципу, Cheezburger Network – собрание почти 50 веб‑сайтов, представляющих дурацкие фото– и видеоматериалы со смешными заголовками, способен открыть новый сайт в течение недели после выявления новой тенденции и так же быстро забыть о нем210. Buzzfeed – платформа для запуска «заразных медиа» – отслеживает сотни потенциальных «хитов» и продвигает только те, которые вызывают у пользователей явный интерес211.

Какими бы яркими они ни были, эти примеры краудсорсинга работают только для медиасайтов. Последние уже привлекают миллионы посетителей и потому в режиме реального времени автоматически генерируют информацию о том, что людям нравится, а что нет. Таким образом, если вы не Bravo, Cheezburger или Buzzfeed – если вы просто какая‑то скучная компания, выпускающая аксессуарчики, или поздравительные открытки, или что там еще, – какая вам польза от потенциала толпы? К счастью, такие сервисы краудсорсинга, как Amazon’s Mechanical Turk (мы с Уинтером Мейсоном использовали его для проведения экспериментов, обсуждавшихся в первой главе), могут использоваться для проведения быстрых и недорогих маркетинговых исследований. Не знаете, как назвать свою следующую книгу? Вместо того чтобы перебирать идеи с редактором, можно провести быстрый опрос на Mechanical Turk и за несколько часов и всего каких‑то 10 долларов получить тысячу мнений. А еще лучше – попросить пользователей предложить свои варианты и устроить голосование. Хотите узнать мнение о дизайне нового продукта? Загрузите картинки на Mechanical Turk и, опять‑таки, устройте голосование. Желаете получить независимую оценку результатов вашего поисковика? Снимите ярлыки и забросьте результаты на Mechanical Turk: пусть решают настоящие веб‑пользователи. Ломаете голову, предвзяты ли средства массовой информации по отношению к вашему кандидату? Наскребите несколько сотен заметок из Интернета и вывесите их на Mechanical Turk: пусть люди оценят негативное или положительное отношение. И все это – всего лишь за выходные212.

Несомненно, Mechanical Turk наряду с другими потенциальными решениями краудсорсинга имеет определенные ограничения – наиболее очевидными являются репрезентативность и надежность пользователей этих сервисов. Многие считают странным чье‑то согласие работать за гроши и, следовательно, могут заподозрить, что либо эти люди не репрезентативны общей популяции, либо не принимают свое занятие всерьез. Такое беспокойство, конечно, небеспочвенно. Однако по мере взросления сообщества на Mechanical Turk, по мере того как исследователи узнают о нем все больше и больше, возникающие проблемы все чаще поддаются разрешению. Здешние посетители, например, намного более разнообразны и репрезентативны, чем думают некоторые. Ряд недавних опросов показал, что их надежность сравнима с показателями «экспертов». Наконец, даже в тех случаях, когда она низкая (что иногда бывает), ее часто можно повысить такими простыми приемами, как получение независимых рейтингов для каждого сегмента контента от нескольких пользователей и их усреднение213.

Прогнозирование настоящего

На более высоком уровне веб как целое может рассматриваться и в качестве формы краудсорсинга.

Сотни миллионов человек все чаще обращаются к поисковикам за информацией, посвящая как никогда много времени просмотру новостных, развлекательных, туристических или торговых сайтов, – и все больше делятся контентом со своими друзьями через такие социальные сети, как Facebook или Twitter. В принципе сведение воедино данных обо всей этой активности позволяет в режиме реального времени создать картину мира, каким он видится через интересы, проблемы и намерения глобальной популяции пользователей Интернет. Например, подсчитав количество поисковых запросов таких терминов, как «грипп» и «вакцина против гриппа», исследователи Google и Yahoo! смогли оценить количество заболевших – причем их оценки оказались довольно близки к цифрам, сообщенным Центром контроля и профилактики заболеваемости214. Facebook публикует индекс «валового национального счастья», основанный на обновлениях информации пользователями215, тогда как Yahoo! составляет ежегодный список наиболее частых поисковых запросов, служащий грубым путеводителем по культурному zeitgeist216. В ближайшем будущем, безусловно, станет возможным совмещение таких поисковых запросов и обновлений, а также твитов в сети Twitter, регистраций на Foursquare и многих других источников информации. Это позволит получить более специфичные показатели, отражающие, скажем, особенности торговли недвижимостью, темпы сбыта автомобилей или загруженность гостиниц – не только на национальном, но и на локальном уровнях217.

При условии надлежащей разработки и выверки подобные показатели позволяют компаниям и правительствам в равной степени как измерять предпочтения и настроения соответствующих аудиторий, так и реагировать на них. Главный экономист Google Хэл Вэриан называет это «прогнозированием настоящего». В некоторых случаях толпу можно использовать даже для прогнозирования ближайшего будущего. Например, потребители, собирающиеся приобрести новый фотоаппарат, могут искать информацию, чтобы сравнить модели. Любители кино могут интересоваться датой премьеры фильма или адресами кинотеатров, в котором он пойдет. А люди, планирующие отпуск, могут искать места и смотреть цены на авиаперевозки или номера в отелях. В таком случае, агрегируя количество поисковых запросов, связанных с историей продаж, хождением в кино или путешествиями, можно сделать краткосрочные прогнозы относительно интересующего вас экономического, культурного или политического поведения.

Исследователи пытаются определить тип поведения, который поддается прогнозированию на основе поисковых запросов, а также точность этих предсказаний и период, в рамках которого они возможны. Например, мы с коллегами из Yahoo! недавно изучали применимость количества поисковых запросов при прогнозировании кассовых сборов с премьеры запланированных на следующие выходные художественных фильмов, объема продаж за первый месяц новых видеоигр и рейтинга «горячей сотни» популярных песен Billboard. Все эти вычисления были сделаны за неделю до самих событий, так что мы не говорим о долгосрочных прогнозах – как явствует из предыдущей главы, оные сделать намного труднее. Тем не менее лучшее представление об интересе аудитории за неделю до события могло существенно повлиять на решение киностудии или дистрибьютора, на скольких экранах и в каких регионах запустить тот или иной фильм218.

Мы обнаружили, что преимущество, которое дает использование поисковых запросов по сравнению с другими методами прогнозирования (например, на скольких экранах должен выйти тот или иной фильм), маленькое, но значимое. Действительно (и об этом уже говорилось в предыдущей главе), простые модели, основанные на статистических данных, – пожалуй, самые надежные. То же справедливо и в отношении информации, связанной с поисковыми запросами. С другой стороны, существует множество способов повышения точности прогнозов – с помощью поиска и других веб‑данных. Иногда, например, доступ к надежным источникам статистики просто отсутствует – возможно, вы запускаете новую игру, непохожую на предыдущие, или вы не имеете доступа к цифрам, отражающим продажи ваших конкурентов. А иногда, как я уже говорил, будущее – не такое, как прошлое. Бывает, скажем, что обычно устойчивые экономические показатели вдруг становятся крайне нестабильными, а постоянно растущие цены на недвижимость резко падают. В этих ситуациях методы прогнозирования, основанные на статистических данных, дадут плохие результаты. Если статистика недоступна или просто неинформативна, доступ к коллективному сознанию в реальном времени – как отражено поисковыми запросами – может здорово помочь делу.

В целом потенциал Интернета в реализации стратегий «измеряй и реагируй» – радостное известие для предпринимателей, ученых и политиков. Однако не следует забывать, что этот принцип не ограничивается веб‑технологиями – тому пример не имеющая никакого к ним отношения компания Zara. Суть в том, что появление новых возможностей измерения должно повлечь за собой изменение традиционного подхода к планированию. Вместо того чтобы прогнозировать, как потребители поведут себя в будущем, и придумывать способы, как заставить их реагировать определенным образом – будь то рекламное объявление, продукт или политический курс, – мы можем непосредственно измерить их реакцию на целый спектр возможностей и сделать соответствующие выводы. Другими словами, переход от «прогнозируй и контролируй» к «измеряй и реагируй» – не просто технологический (хотя технология нужна), но психологический. Только признав, что будущее нам пока неизвестно, мы становимся открыты его познанию219.

Не просто измеряй: экспериментируй

Во многих обстоятельствах само по себе улучшение способности измерять не дает то, что нам нужно знать. Например, один мой коллега недавно беседовал с руководителем финансовой службы некой крупной американской корпорации. Последний признался, что за предыдущий год его компания потратила около 400 млн долларов на «рекламу бренда». Не конкретных товара или услуги – только «бренда». Насколько же эффективно были потрачены эти деньги? Респондент пожаловался, что не знает правильную цифру – то ли 400 млн, то ли ноль. Давайте‑ка задумаемся об этом. Руководитель финансовой службы не говорил, что 400 млн не были эффективными, – он просто сказал, что не имеет представления, насколько эффективны они были. Очень может статься, не потрать компания на рекламу бренда ни цента, ничего бы не изменилось. И, наоборот, отказ потратить деньги мог бы обернуться настоящей катастрофой. Он просто не знал.

На первый взгляд, 400 млн – слишком большая сумма для того, чтобы понятия не иметь, куда она девалась. Однако в реальности это капля в море. Каждый год американские корпорации в совокупности тратят около 500 млрд долларов на маркетинг. И нет причин думать, будто этот человек чем‑то отличается от руководителей финансовых служб других компаний. Более честный – быть может. Но не более или менее уверенный. Следовательно, тот же самый вопрос мы должны задавать обо всех 500 млрд. Насколько сильное влияние на поведение потребителей они оказывают в действительности? Имеет кто‑нибудь хоть малейшее представление? Если настаивать, рекламодатели часто цитируют Джона Ванамейкера [39]: «Половина денег, которые я трачу на рекламу, не приносит пользы. Я просто не знаю, какая именно это половина». Это замечание актуально и всегда вызывает смех. Но чего многие люди не понимают, так это того, что Ванамейкер произнес эту фразу почти 100 лет назад – примерно в то же самое время, когда Эйнштейн опубликовал свою теорию относительности. Как же так получилось, что, несмотря на невероятные научные и технические достижения со времен Ванамейкера – пенициллин, атомную бомбу, ДНК, лазеры, космические полеты, суперкомпьютеры, Интернет, – его недоумение остается столь же релевантным сегодня, как и тогда?

Дело точно не в том, что рекламодатели не научились производить измерения лучше и точнее. Наряду с их собственными электронными базами данных по продажам, независимыми рейтинговыми агентствами (такими как Nielsen или Comscore) и недавним увлечением онлайн‑данными по кликам, можно измерить много других переменных – причем в гораздо большем разрешении, чем это делал Ванамейкер. Пожалуй, мир рекламы располагает настолько огромным количеством данных, что сам не знает, как их использовать. Реальная беда в том, что рекламодатели хотят знать, является ли их реклама причиной повышения продаж, но, к сожалению, измеряют, как правило, лишь корреляцию между двумя этими фактами.

Компании часто определяют размеры своих бюджетов на следующий год как функцию предвосхищаемого объема продаж либо повышают свои затраты в течение пиковых периодов шопинга (например, праздников). Обе эти стратегии совершенно разумны. Однако и первая, и вторая ведут к корреляции рекламы и продаж вне зависимости от эффективности первой220.

В теории, разумеется, каждый «знает», что корреляция и каузация – разные вещи. Но на практике их так легко спутать, что мы грешим этим постоянно. Если садимся на диету и начинаем худеть, очень соблазнительно сделать вывод, что снижение веса обусловила диета. Но ведь когда люди садятся на нее, они, как правило, меняют и весь прежний образ жизни – например, больше занимаются спортом, больше спят, да просто уделяют больше внимания своему питанию. Любое из этих изменений – или, что более вероятно, некая их комбинация – может быть ответственно за потерю веса так же, как и определенный рацион. Но раз уж мы сосредоточились на диете, то, конечно, дело исключительно в ней, и никакие иные факторы тут вовсе ни при чем. Аналогичным образом любая рекламная кампания проводится на фоне множества других изменяющихся факторов – таким образом, никогда нельзя знать наверняка, действительно ли соответствующее поведение потребителей вызвано рекламой, а не чем‑то иным. Тем не менее, если фирмы тратят деньги на рекламу, после чего увеличиваются продажи, узнаваемость бренда и прочее – фактически любая переменная, которую будет угодно измерить, – логично предположить, что вызван этот рост именно рекламой.

Такое рассуждение, по сути, и есть в точности та самая post‑hoc ошибка, которую мы обсуждали в четвертой главе. Оттуда же мы знаем, что единственное решение – это провести эксперимент, в котором «лечение» (будь то диета или рекламная кампания) применяется в одних случаях и не применяется в других. Если интересующее событие (потеря веса, увеличение продаж и т. д.) в «экспериментальной» группе наблюдается существенно чаще, чем в «контрольной», можно сделать вывод: именно оно и вызывает эффект. В противном случае такого утверждать нельзя. Эта концепция очень проста, но именно благодаря ей за последние несколько веков наука достигла столь потрясающего прогресса. В медицине, если вы помните, лекарство может быть одобрено Федеральным управлением по контролю качества продуктов питания и лекарственных препаратов только после клинических испытаний, в ходе которых одни подопытные используют препарат, а другие либо не получают ничего, либо плацебо. Только если людям, принимавшим лекарство, становится лучше чаще, чем тем, которые его не принимали, фармацевтической компании разрешается утверждать, что препарат эффективен.

Точно так же должны рассуждать и рекламодатели. Как и в медицине, без экспериментов здесь невозможно установить причинно‑следственную связь и, следовательно, измерить настоящую отдачу от инвестиций в рекламу221. Допустим, выпуск нового продукта сопровождается рекламной кампанией, и он продается, как горячие пирожки. Разумеется, можно вычислить отдачу от инвестиций, основываясь на том, сколько было потрачено денег и каким получился уровень продаж. Именно это обычно и делается. А что, если бы товар стал хитом и продавался бы так же хорошо без всякой рекламы вообще? Тогда ясно, что деньги потрачены впустую. И наоборот: что, если иной рекламный ход дал бы в два раза больше продаж за ту же цену? Опять‑таки, в относительном смысле предпринятая кампания дала плохую отдачу по инвестициям, хотя и «сработала».

Более того, без экспериментов крайне сложно установить, какая доля очевидного эффекта рекламы объясняется предрасположенностью видевшего ее человека. Часто замечают, например, что спонсорские ссылки в поисковиках, которые вы видите с правой стороны страницы, дают гораздо лучшие результаты, чем объявления, отображаемые на большинстве других вебстраниц. Но почему? В основном тип спонсорских ссылок, которые вы видите, очень сильно зависит от того, что вы ищете. Люди, запрашивающие «карта Visa», скорее всего, обнаружат рекламу компаний, продающих кредитные карты, а те, кто запрашивает «Ботокс», – объявления косметологов. Однако и те и другие заинтересованы в предмете этих объявлений больше, чем остальные пользователи. А значит, то, что кто‑то кликнувший на рекламу «карта Visa» впоследствии закажет ее себе, может быть лишь отчасти поставлено в заслугу самому объявлению: ведь этот конкретный потребитель так или иначе собирался приобрести ее.

Это очевидно, но, по обыкновению, неверно истолковывается рекламодателями222. В реальности последние часто делают ставку на тех потребителей, которые с большей вероятностью купят их товары – потому что они либо делали это раньше (например, Pampers), либо покупали товары той же категории (например, у конкурентов Pampers), либо их качества или обстоятельства скоро вынудят их сделать это (например, молодая пара, ожидающая ребенка). Прицельная реклама такого типа нередко считается квинтэссенцией научного подхода. Но, опять‑таки, по крайней мере некоторые из указанных потребителей – возможно, даже многие – все равно купили бы тот или иной товар. Следовательно, реклама на них никак не подействовала – как и на тех, кто видел ее, но не заинтересовался. С этой точки зрения единственные значимые рекламные объявления – те, которые оказывают влияние на маргинального потребителя. То есть на такого, который в итоге купит продукт, хотя не сделал бы этого, если бы рекламы не видел. А единственный способ определить степень воздействия на маргинального потребителя – провести эксперимент, в котором решения о том, кто видит объявление и кто не видит, принимаются на случайной основе.

«Полевые» испытания

Основное возражение против таких типов опытов сводится к тому, что проведение их на практике весьма сложно. Если вы поставите рекламный щит у дороги или разместите объявление в журнале, узнать, кто его заметит, практически невозможно – сами потребители часто не обращают на них внимания. Кроме того, вероятно, человек, увидевший данное объявление, в некоем важном аспекте отличается от того, кто его не видел. Определенные типы людей, как правило, читают определенные типы журналов, ездят на работу по определенным дорогам и, быть может, купили бы ваш продукт вне зависимости от того, замечали они вашу рекламу или нет. Следовательно, какой бы эффект вы ни исследовали, исключить другие причины весьма проблематично. В любом случае само измерение уже представляет определенные трудности. Потребители могут совершить покупку через несколько дней, если не недель, – к тому времени связь между увиденным объявлением и соответствующим действием потеряется.

Возражения, безусловно, разумные. Однако сегодня почти все их можно отклонить. Это и продемонстрировали в ходе своего новаторского «полевого исследования», включавшего 1,6 млн клиентов крупного ритейлера, одновременно являвшихся и активными пользователями Yahoo! трое моих коллег по этой компании – Дэвид Рейли, Тейлор Шрайнер и Рэндалл Льюис. Они распределили участников следующим образом: 1,3 млн человек, попавших в «экспериментальную группу», при посещении оперируемых Yahoo! веб‑сайтов видели рекламу магазина, а оставшиеся 30 тысяч из «контрольной группы» – нет. Поскольку распределение испытуемых по группам производилось случайным образом, различия в поведении между ними должны были быть обусловлены самой рекламой. А поскольку все участники эксперимента находились в базе данных ритейлера, ее влияние можно было измерить с точки зрения их текущего покупательского поведения – вплоть до нескольких недель после завершения рекламной кампании223.

Используя этот метод, исследователи установили: за короткий промежуток времени дополнительные доходы, полученные благодаря рекламе, в четыре раза превысили стоимость кампании – и, возможно, со временем вырастут еще больше. В целом, заключили они, рекламная кампания оказалась эффективна – безусловно, хорошие новости как для Yahoo! так и для ритейлера. С другой стороны, почти весь эффект ограничивался пожилыми потребителями – рекламные объявления оказались в основном неэффективными для людей моложе 40 лет. На первый взгляд, плохие новости. Однако на это можно взглянуть и с другой стороны: неработоспособность чего‑то есть первый шаг к выяснению того, что работает. Например, рекламодатель мог бы поэкспериментировать со множеством различных подходов к привлечению молодых людей – включая различные форматы, стили и даже типы стимулов и предложений. Возможно, что‑то сработает – и было бы неплохо выяснить, что именно, причем на систематической основе.

Но, допустим, ни одна из этих попыток не оказалась эффективной. Возможно, рассматриваемый бренд просто не импонирует определенной популяции или же люди не реагируют на онлайн‑рекламу вообще. Даже тогда, однако, рекламодатель может хотя бы прекратить тратить деньги впустую, высвободив ресурсы для сосредоточения на тех, кто легче поддается влиянию. В любом случае, единственный способ повысить эффективность маркетинга – знать, что работает, а что нет. Эксперименты, таким образом, должны рассматриваться не как дающие (или не дающие) четкий «ответ», а скорее как часть непрерывного процесса познания, встроенного во всю рекламную деятельность.

Маленькое, но растущее сообщество исследователей полагает, что та же ментальность должна применяться и к планированию в бизнесе и политике – как онлайн, так и офлайн224. В недавно опубликованной в журнале MIT Sloan Management Review статье профессоров Массачусетского технологического университета Эрика Бринйолфссона и Майкла Шрага утверждается, что появление новых технологий отслеживания изобретений, продаж и других деловых параметров – будь то выкладка ссылок на поисковой странице, размещение продуктов на полке в магазине или подробности специального почтового предложения – влечет за собой новую эру контролируемых экспериментов в бизнесе225. Они даже цитируют Гари Лавмана, генерального директора сети казино Harrah’s: «Есть два способа быть уволенным из Harrah’s: украсть у компании или не включить нужную контрольную группу в наш бизнес‑эксперимент». Кому‑то может показаться странным, что владельцы казино – впереди планеты всей с точки зрения научно обоснованной деловой практики. Однако установка на рутинное включение экспериментального контроля может принести пользу и в других сферах бизнеса226.

Сегодня «полевые» опыты начинают проникать даже в наиболее консервативные области экономики и политики. Ученые из Poverty Action Lab Массачусетского технологического университета, например, провели более сотни исследований действенности различных программ помощи нуждающимся – в основном в сферах здравоохранения, образования, сбережений и кредитования227. Политологи оценили влияние рекламы и телефонной агитации на явку избирателей, а газет – на политические мнения228. Специалисты же по экономике труда провели многочисленные исследования эффективности различных вариантов заработной платы, а также влияния обратной связи на качество выполнения работы229. Как правило, этих ученых интересуют весьма специфичные вещи. Должны ли гуманитарные организации раздавать москитные сетки безвозмездно или требовать за них плату? Как сотрудники реагируют на фиксированную и сдельную оплату труда? Помогает ли предложенный план сбережений скопить большую сумму? Тем не менее для менеджеров и специалистов по планированию будут полезны ответы даже на самые скромные вопросы. Кроме того, «полевые» эксперименты могут осуществляться и в более крупных масштабах. Например, аналитик государственной политики Рэндалл О’Тул отстаивает идею их проведения Службой национальных парков. Применяя разные способы управления в разных парках (Йеллоустоун, Йосмит, Гласье и др.), последняя могла бы измерить эффективность каждого из них и выявить наиболее оптимальные230.

Важность локального знания

Разумеется, провести эксперимент не всегда возможно. США не могут вступить в войну с половиной Ирака и остаться в мире с другой его половиной, чтобы посмотреть, какая стратегия лучше сработает. Компания не может устроить ребрендинг одной своей половины или только для половины потребителей231. Иными словами, в сферах государственного управления и бизнеса решения должны приниматься быстро: если мы будем сидеть и продумывать всевозможные последствия каждого из них, ничто и с места не сдвинется. Это академики и исследователи могут позволить себе обсуждать тонкости взаимосвязи причин и следствий, а политикам и руководителям компаний надлежит действовать. Причем, сколько бы они ни думали, едва ли им когда‑либо удастся достичь определенной уверенности в своих поступках. В нашем мире первое правило – от добра добра не ищут, или, как любили напоминать нам инструкторы в академии, иногда даже плохой план лучше, чем вообще никакого плана.

Что ж, справедливо. Во многих ситуациях все, что можно сделать, – это действительно лишь выбрать план действий, который, как нам кажется, имеет больше шансов на успех, и придерживаться его. К сожалению, комбинация власти и необходимости часто вынуждает планировщиков полагаться на свои инстинкты больше, нежели они имеют на то право, – и это нередко приводит к катастрофическим последствиям. Как я упоминал во введении, конец XIX и начало XX века ознаменовались всеобъемлющим оптимизмом среди инженеров, архитекторов, ученых и правительственных технократов. Все они полагали, будто проблемы общества можно решить таким же образом, как и в науке и технике в эпоху Просвещения, а затем и промышленной революции. Но, как писал политолог Джеймс Скотт, этот оптимизм был основан на ошибочном убеждении, будто интуиция планировщиков является точным и надежным руководством в решении социальных проблем.

Согласно Скотту, основной изъян философии «высокого модернизма» в том, что, акцентируясь на жестких моделях причинно‑следственных связей, она недооценивает важность локального, контекстно зависимого знания. Как утверждает ученый, применение общих правил к сложному миру «приводит к практическим неудачам и социальному разочарованию»232. Единственное спасение, пишет он, в том, что планы должны учитывать «огромное множество практических навыков и приобретенных сведений о постоянно изменяющемся природном и человеческом окружении»233. Такой тип знаний, кроме всего прочего, сложно свести к универсальным принципам, поскольку «контексты, в которых он применяется, настолько сложны и неповторимы, что формальные процедуры принятия рационального решения становятся невозможными»234. Другими словами, всякий план должен основываться на локальных знаниях об особенностях конкретной ситуации, в которой он будет реализован.

Аргумент Скотта в пользу локального знания много лет назад предвосхитил экономист Фридрих Хайек. В своей знаменитой статье «The use of knowledge in society» он утверждал: планирование, по сути, есть дело агрегирования знаний. Распределение ресурсов требовало понимания того, кто в чем и как сильно нуждался. Однако, согласно Хайеку, агрегирование этих знаний по всей экономике, включающей сотни миллионов человек, одним‑единственным центральным планировщиком невозможно – каким бы умным он ни был и какими бы наилучшими побуждениями он ни руководствовался. Тем не менее каждый день рынки агрегируют всю эту информацию – без какого бы то ни было надзора или руководства. Если, например, кто‑то где‑то изобретает новый способ применения железа, который делает использование последнего более выгодным, этот человек заплатит за него больше, чем кто‑либо другой. Поскольку агрегированный спрос пошел вверх, при прочих равных условиях поднимутся и цены. Люди, менее эффективно использующие железо, будут покупать меньшее его количество, а использующие более эффективные технологии – больше. Не нужно понимать, почему цены пошли вверх или кому вдруг понадобилось больше металла, – на самом деле о процессе вообще ничего не нужно знать. Скорее, «невидимая рука» рынка автоматически распределяет ограниченное количество железа между теми, кто сумеет его использовать наилучшим образом.

Статья Хайека часто выставляется сторонниками свободного рынка как доказательство того, что предлагаемые государством решения всегда хуже рыночных. Безусловно, в некоторых случаях так оно и есть. Например, политика «ограничения и торговли квотами», направленная на снижение промышленных выбросов углерода, эксплицитно основывалась на рассуждениях этого экономиста. Вместо того чтобы навязывать бизнесу способы сокращения выбросов – как было бы в случае правительственной регуляции, – следовало просто назначить цену за углерод, ограничив общее количество выбросов для всей экономики в целом. Пусть каждое отдельно взятое предприятие само решает, как лучше поступить. Одни компании найдут способы сократить потребление энергии, другие перейдут на альтернативные ее источники, третьи прибегнут к методам очистки. Наконец, ряд фирм предпочтут заплатить за привилегию сохранить существующий объем выбросов, покупая квоты у тех, кто согласился его сократить. Причем стоимость квот будет зависеть от общего состояния спроса и предложения – точно так же, как и на других рынках235.

Такие основанные на рынке механизмы, как «ограничение и торговля квотами», похоже, действительно имеют больше шансов на успех, чем централизованные государственные решения. Однако они – отнюдь не единственный способ использовать локальное знание. Да и не обязательно самый лучший. Критики подобной политики, например, указывают, что рынки квот на выбросы углерода непременно распространят всевозможные сложные деривативы – как те, что в 2008 году поставили на колени финансовую систему. Причем последствия могут подорвать саму цель этого подхода. Надежнее, утверждают они, увеличить стоимость углерода путем обложения его налогом. Это по‑прежнему будет являться стимулом для сокращения выбросов – но с одновременным предоставлением свободы в выборе оптимального способа и без всех издержек и сложностей рынка.

Другим нерыночным подходом к использованию локального знания, в последнее время становящимся все более популярным среди правительств и учреждений, является конкурс. Вместо того чтобы отдавать ресурсы заранее выбранным реципиентам, механизм финансирования переворачивается с ног на голову: любой может работать над проблемой, однако вознаграждаются только те решения, которые удовлетворяют заранее поставленным целям. С некоторых пор конкурсы стали привлекать пристальное внимание – из‑за невероятного количества творческих решений, которое удается извлечь из относительно малых призовых фондов. Агентство DARPA, например, сумело приспособить коллективную креативность дюжин университетских исследовательских лабораторий для изготовления самоуправляемого автомобиля‑робота. Но при этом в качестве приза предложило всего несколько миллионов долларов – намного меньше, чем потребовалось бы для финансирования того же объема работ традиционными исследовательскими грантами. Аналогичным образом за 10 млн долларов, предложенных фондом X Prize в рамках конкурса Ansari X Prize на лучший космический корабль многоразового использования, удалось провести исследования общей стоимостью более 100 млн. А Netflix – крупная фирма по прокату DVD – заполучила наиболее талантливых компьютерщиков, и те помогли ей улучшить алгоритм рекомендации фильмов клиентам всего за один миллион долларов.

Вдохновившись этими примерами (наряду с «открытыми инновационными» компаниями – такими, как Innocentive, – проводящими сотни конкурсов в инженерии, компьютерной науке, математике, химии, естественных науках, физических науках и бизнесе), правительства задумались: а нельзя ли использовать такой подход для решения труднейших проблем в политике? Скажем, в прошлом году администрация Барака Обамы повергла в шок всю систему образования, объявив так называемую Гонку за первенство – по сути, соревнование среди штатов за ресурсы. Последние распределялись на основе планов, которые должны подавать сами штаты. Эти документы оценивались по множеству параметров – таких, как успехи учащихся, отчетность преподавателей и особенности трудовых договоров. В основном последующие дебаты вокруг «Гонки» касались ее акцента на качестве преподавания как основной детерминанте успешного обучения и на стандартизованном тестировании как способе его измерения. Однако, невзирая на критику, «Гонка» остается интересным экспериментом по одной простой причине: как и политика «ограничения и торговли квотами на промышленные выбросы», она определяет «решение» только на высшем уровне, оставляя детали на усмотрение штатам236.

Не изобретай велосипед

И основанные на рынке решения, и конкурсы – идеи, безусловно, хорошие. Однако централизованные государственные аппараты могут извлечь пользу из локальных знаний не только этими способами. В основе качественно иного подхода лежит следующее наблюдение: в любой возмущенной системе часто бывают моменты, когда конструктивные решения специфических проблем предлагают отдельные люди или группы (которых специалисты по маркетингу Чип и Дэн Хит в своей книге «Switch» называют «яркими пятнами»)237. Изначально подход «ярких пятен» был разработан специалистом по питанию, профессором университета Тафтса Марианом Цейтлиным. Он заметил, что, согласно ряду исследований особенностей детского питания в бедной среде, внутри любого сообщества одни дети питаются лучше других. Проанализировав эти естественные истории успеха – разное поведение матерей, рацион и время кормления, – Цейтлин понял одно. Матерей можно научить лучше заботиться о своих детях с помощью «доморощенных» решений, которые уже существуют в их сообществах238. Впоследствии подход «ярких пятен» успешно применялся в развивающихся странах и даже в США, где практика мытья рук, поначалу принятая лишь в горстке больниц, затем распространилась на всю медицинскую систему. Кстати, это привело к резкому снижению бактериальных инфекций – основной причине предотвратимых больничных смертей239.

Подход «ярких пятен» похож на методику использования существующих ресурсов, предложенную политологом Чарльзом Сейблом240. Эта философия, завоевывающая все большую популярность в процессе экономического развития, была взята за основу знаменитой системы производства компании Toyota, а затем перенята не только автомобилестроителями, но и другими областями промышленности и культуры. Идея заключается в том, что производственные системы должны отвечать принципу «точно вовремя» – то есть, если одна часть системы дает сбой, то вся она должна быть остановлена до устранения неполадки. На первый взгляд это нелогично (и действительно, это едва не привело Toyota к краху – по крайней мере однажды241). Однако главное преимущество такого подхода в том, что он вынуждает организации, во‑первых, решать проблемы быстро и энергично, а во‑вторых, прослеживать их «первоисточники». Этот процесс часто требует выхода за рамки непосредственной причины поломки, что позволяет понять, как изъяны в одной части системы могут привести к неполадкам в другой. И, наконец, в‑третьих, он вынуждает либо искать решения среди уже существующих, либо приспосабливать идеи из смежных сфер деятельности (так называемый сравнительный анализ, бенчмаркинг). Все три вышеизложенные практики – выявление места неполадки, прослеживание ее причин до первоисточников и поиск решений вовне – могут привести к переходу организации от решения сложных проблем централизованным путем к поиску уже существующих решений в широкой сети партнеров242.

Как подход «ярких пятен», так и методика использования существующих ресурсов фокусируются на конкретных решениях местных проблем и направлены на идентификацию уже найденных решений в данной конкретной области. Впрочем, вторая из них идет дальше: она подразумевает выявление не только того, что уже работает, но и того, что может работать при условии устранения определенных препятствий, ограничений и проблем в других частях системы. Потенциальный недостаток этой методики состоит в том, что она требует от сотрудников сильной мотивации к решению проблем по мере их возникновения. Встает резонный вопрос: а можно ли эту модель перенести из конкурентных условий промышленности в мир экономического развития или государственной политики? Как указывает Сейбл, сегодня существует множество примеров успешности местных предпринимателей – это и производители обуви в бразильском Риу‑Гранди‑ду‑Сул, и виноделы в аргентинском Мендозе, и производители футбольных мячей в пакистанском Сиялкоте. Хотя они и не следовали диктуемому рынком лозунгу «Государство – прочь с дороги!», тем не менее процветали. Разве можно рассматривать их как исключения из правила? Едва ли243.

Необходимо подчеркнуть, что и подход «ярких пятен», и методика использования существующих ресурсов имеют нечто общее: они требуют изменения мировоззрения планировщиков. Во‑первых, те должны понимать: какова бы ни была проблема – разработка более питательного рациона в бедных деревнях, снижение уровня инфицирования в больницах или повышение конкурентоспособности местной промышленности, – всегда существует вероятность, что кто‑то уже нашел решение и желает поделиться им с другими. А во‑вторых, раз уж не нужно выдумывать выход из каждой ситуации самостоятельно, планировщики должны посвящать больше ресурсов нахождению существующих решений и более широкому распространению данной практики244.

Планирование и здравый смысл

В сущности, об этом же говорили такие мыслители, как Скотт и Хайек. По их мнению, планировщики должны руководствоваться знаниями и мотивацией местных субъектов деятельности, а не своими собственными. Другими словами, они должны научиться поступать так же, как те, кого Истерли называет «искателями». По его словам, «планировщик уверен, что уже знает ответ; он мыслит о бедности как о технической проблеме, которую решит легко и сразу. Искатель же признает, что не знает ответов заранее; он полагает, что бедность – это сложная комбинация политических, социальных, исторических, институциональных и технологических факторов, и надеется найти решения отдельных проблем методом проб и ошибок. Планировщик убежден: чтобы диктовать свои решения, не обязательно владеть ситуацией изнутри. Искатель, наоборот, верит, что знаниями, необходимыми для нахождения оптимального выхода, располагают только инсайдеры и что большинство решений должны быть «доморощенными»245. Как бы там ни было, цель планирования должна заключаться в выявлении знаний, общепринятых в той группе людей, на которых разрабатываемый план окажет влияние, и в соответствующем реагировании на них.

Сколь различными они бы внешне ни казались, все эти подходы к планированию (наряду с эмергентной стратегией Минцберга, «правилом кефали» Перетти, краудсорсингом, прогнозированием настоящего и «полевыми» экспериментами) – фактически лишь вариации одной и той же общей стратегии «измеряй и реагируй». Иногда измерению подлежат знания местных субъектов деятельности, а когда‑то – клики мышкой или поисковые запросы. Бывает, достаточно просто собрать данные, а в другой раз – провести рандомизированный эксперимент. Иногда надлежащая реакция – это перераспределить ресурсы, например, с одной программы, темы или рекламной кампании на другую, а иногда – расширить чужое решение. На самом деле способов измерять и реагировать на разные проблемы столько же, сколько есть их самих. Не существует ни одного универсального подхода. Однако у них есть и нечто общее. Все они требуют от специалистов по планированию – будь то политики, старающиеся снизить уровень бедности, или рекламодатели, запускающие новую кампанию, – отказаться от разработки планов исключительно на основе собственных интуиции и опыта. Иными словами, намерения проваливаются не потому, что специалисты по планированию игнорируют здравый смысл, а потому, что, рассуждая о поведении сильно отличающихся от них людей, они опираются на свой собственный здравый смысл.

На первый взгляд, не попасться в эту ловушку легко. Но это не так. Когда бы мы ни задавались вопросом, почему все случилось так, как случилось, или почему люди поступают так, а не иначе, мы всегда найдем какой‑нибудь правдоподобный ответ. Наши же собственные суждения могут убедить нас настолько, что, к какому бы прогнозу или объяснению мы ни пришли, они покажутся нам очевидными. Нас всегда будет так и подмывать думать, будто мы знаем, как люди отреагируют на новый продукт, речь политика или закон о налогах. «Это никогда не сработает, – непременно скажем мы, – потому что люди не любят такие вещи». Или: «Никто не купится на это явное мошенничество». Или: «Такой налог пагубно отразится на усердии служащих и инвестициях в экономику». Ничего с этим не поделаешь: мы можем подавить собственную интуицию не больше, чем заставить остановиться свое сердце. Единственное, что мы можем, однако, – это помнить: в вопросах деловых стратегий, государственной политики, маркетинговых кампаний и дизайна вебсайтов следует с подозрением относиться к подсказкам здравого смысла, а вместо него руководствоваться тем, что можно точно измерить.

Здравый смысл ненадежен не только в тех случаях, когда речь заходит о планировании и политике. Он обманывает нас и в отношении многих философских вопросов об обществе – как мы определяем вину или как приписываем успех, – где измерение бывает невозможным. В этих обстоятельствах наша интуиция тут же выдаст мгновенный ответ. Ничего с этим не поделаешь, но мы хотя бы можем отнестись к ситуации с подозрением. Осознание же границ здравого смысла только улучшит наши представления об окружающем мире.