Цифровой вихрь. Как побеждать диджитал-новаторов их же оружием

Более того, ценность традиционных источников знаний о клиентах, таких как демографические данные, снижается. Они представляют неполную картину современного потребителя, поскольку меняющиеся модели поведения больше не соответствуют типичным профилям покупателя. Результаты такой «постдемографической» культуры потребления могут озадачить компании, которые цепляются за вчерашние представления о покупателях. В Великобритании, например, женщины составляют большую часть игроков в видеоигры, а в период между 2012 и 2013 годами самой быстрорастущей демографической группой в Твиттере были люди 55–64 лет[35].

Раскрытие скрытых моделей

Цифровые технологии, в особенности мобильные телефоны и сенсоры, расширяют возможности компаний по определению моделей коммуникации и потребления среди клиентов. Эта новая гиперосведомленность по-новому определяет знания о поведении клиентов, которыми организации могут обладать. Вместо наблюдения за их деятельностью в определенное время (например, во время работы фокус-группы) компании теперь могут наблюдать за поведением клиентов в постоянном режиме. Такая гиперосведомленность создает беспрецедентные возможности для того, чтобы понять нужное сочетание ценности стоимости, взаимодействия и платформы, а затем реализовать его с помощью новых, улучшенных предложений.

Современные смартфоны оснащены большим количеством датчиков: акселерометрами и гироскопами для измерения движения и ориентации, магнитометрами и GPS-чипами для определения местоположения, датчиками температуры и интенсивности света и все чаще фитнес-датчиками, например датчиками сердцебиения и шагомерами{218}. Компании даже пытаются использовать другие способы получения данных об использовании телефона помимо датчиков. Исследователи Samsung обнаружили, что, наблюдая за определенными моделями использования телефона, например скоростью печати и частотой нажатия кнопки «backspace» и «особых символов», можно предугадать эмоциональное состояние пользователя с точностью 68 %, используя алгоритмы машинного обучения{219}.

Несколько революционных стартапов, включая Branch.co и inVenture, переосмысливают кредитование в развивающихся странах, предлагая мобильные приложения, которые оценивают кредитоспособность пользователя, основываясь на его особенностях использования мобильного телефона. Такой тип гиперосведомленности чрезвычайно актуален в развивающихся странах, в которых у миллионов потребителей нет доступа к банковским услугам, а недостаточная надежность данных приводит к тому, что у многих людей нет кредитных оценок. Приложения, которые разработали эти стартапы, прослеживают до 10 000 элементов данных каждого пользователя, чтобы оценить его кредитоспособность. Пользователи таких приложений соглашаются поделиться данными своего мобильного телефона в обмен на возможность получить заем. Если их кредитоспособность оценивается положительно, то они могут немедленно получить одобрение кредита и доступ к средствам прямо со своего телефона. Множество заемщиков – владельцы малого бизнеса, которые используют заемы для покупки таких вещей, как топливо и инвентарь. В этом смысле приложения расширяют не только индивидуальные возможности, но и способствуют росту потенциала местного бизнеса.

Новые способы захвата и анализа данных об использовании мобильных телефонов помогли получить интересные, и даже неожиданные результаты. Так, с помощью этих приложений было обнаружено, что чем быстрее пользователь разряжает аккумулятор своего телефона, тем менее он кредитоспособен. Еще одно открытие состоит в том, что люди, вводящие фамилии контактов на своем телефоне, обладают большей кредитоспособностью. Эти приложения – отличный пример того, как гиперосведомленные революционные компании используют цифровые технологии и процессы, чтобы занять вакансию ценностей. Не имея возможности собирать данные из нестандартного источника (мобильного телефона), эти компании не смогли бы удовлетворить потребности этого большого, но неосвоенного рынка. Согласно данным благотворительной инвестиционной компании Omidyar Network, такие приложения могут помочь от 325 до 580 миллионам людей в развивающихся странах воспользоваться кредитованием физических лиц{220}. Приложения могут ускорить процесс выдачи кредита и в развитых странах, например в США, где взятие ссуды на покупку недвижимости занимает в среднем 46 дней (мы коснулись обработки кредитов и оценки кредитоспособности с помощью мобильных устройств в примере с WeChat в главе 3){221}. Такие приложения могут также помочь предотвратить недобросовестную практику получения кредита: они дают точную оценку кредитоспособности заемщиков, которые выбирают ипотечные кредиты с минимальным числом документов, чтобы получить одобрение на кредиты, которые они не смогут выплатить. Подобные случаи сыграли роль в финансовом кризисе 2008 года[36].

Объединение цифровых и физических источников данных