Зловещая долина. Что я увидела, попав в IT-индустрию

На самом деле продукт был технически сложный, хотя компания говорила об его удобстве и простоте. Объем информации, которую мне предстояло освоить, чтобы хоть немного помочь нашим клиентам, ужасал. Кривая обучения казалась неодолимой. Ноа давал мне домашние задания, подбадривал и говорил ни о чем не волноваться. Ближе к вечеру коллеги приносили мне пиво и с уверенным видом заявляли, что в конечном итоге я всему обучусь. Я им полностью доверяла.

Я была счастлива. Я училась. Впервые за всю профессиональную жизнь я не варила кому-то кофе, а решала проблемы. Моя работа состояла в том, чтобы исследовать кодовые базы незнакомых людей и рассказывать им, где они ошиблись при интеграции своего и нашего продукта и как это исправить. Когда, глядя на блок кода, я в первый раз поняла, что происходит, то почувствовала себя гением.

Фетиш больших данных я поняла быстро. Наборы данных завораживали: поток оцифрованного поведения отвечал на прежде даже не приходившие мне в голову вопросы. И он ежесекундно нарастал. Эту неудержимую волну поглощали наши серверы и банковский счет.

Нашим хлебом с маслом была вовлеченность: действия, показывающие, как пользователи реагируют на продукт. Она не имела ничего общего с прочно утвердившимся отраслевым стандартом о приоритете количественных показателей вроде числа просмотров и времени на сайте – их гендиректор называл ерундой. Говорил, что, в отличие от ерунды, вовлеченность работает. Вовлеченность устанавливает между пользователями и компанией обратную связь. Пользовательское поведение подсказывает менеджерам по продукту дальнейшие решения. Эти решения реализуются в приложении или на сайте, чтобы лучше диктовать или предсказать дальнейшее поведение пользователей.

Программное обеспечение было гибким и с одинаковой легкостью встраивалось как в фитнес-трекеры, так и в платежные системы и приложения по обработке и публикации фотографий. Интегрировалось в онлайн-бутики, цифровые супермаркеты, банки, социальные сети, стриминговые и игровые сайты. Собирало данные для платформ бронирования авиабилетов, номеров в отелях, столиков в ресторанах или банкетных залов для свадеб, площадок продажи жилья или поиска уборщиц, доставки еды или сайтов знакомств. Инженеры, дата-сайентисты и менеджеры по продуктам вставляли фрагменты нашего кода в свои кодовые базы, задавали параметры поведения, которые хотели отслеживать, и немедленно начинали собирать информацию. Все действия пользователя приложения или веб-сайта – нажал кнопку, сфотографировал, отправил платеж, провел по экрану пальцем в горизонтальном направлении, ввел текст – можно записать в режиме реального времени, сохранить, объединить и проанализировать в этих красивых панелях инструментов. Всякий раз, когда я объясняла это подругам, мой рассказ напоминал рекламный ролик.

В зависимости от метаданных, действия пользователей можно изучить подробнейшим образом, до самых косточек. Данные сегментируются по любым собранным приложением параметрам: возраст, пол, политические пристрастия, цвет волос, пищевые запреты, вес тела, уровень дохода, любимые фильмы, уровень образования, странности в поведении, склонности – плюс некоторые значения по умолчанию на основе IP-адреса, такие как страна, город, оператор сотовой связи, тип устройства и уникальный идентификационный код устройства. Программному обеспечению под силу узнать, что женщины в Бойсе пользовались приложением для занятий физическими упражнений преимущественно между 9 и 11 часами утра – всего раз в месяц, в основном в воскресенье, и в среднем по 29 минут. Программному обеспечению также под силу узнать, кто на сайте знакомств переписывается со всеми в нескольких минутах ходьбы, кто занимается йогой, кто делал интимную стрижку и какой обычно верный супруг искал секса втроем во время пребывания в Новом Орлеане. Всем клиентам надо было просто послать нам нужный запрос, а нам – узнать, что им нужно.

Предлагали мы и побочный продукт – инструмент пользовательской аналитики, за который некоторые клиенты доплачивали сверху. Инструмент аналитики пользователей сохранял индивидуальные профили пользователей платформы клиента. Они содержали потоки персонализированных метаданных, пригодных для поиска в них. Цель этого инструмента заключалась в облегчении охвата аудитории на базе анализа поведения и в стимулировании вовлеченности. Интернет-магазин может в собственной базе данных найти, кто из мужчин кладет в корзину бритвенные лезвия и масло для бороды, но никогда не оформляет покупку, и отправлять этим мужчинам электронные письма с предложением скидки или просто пассивно-агрессивное напоминание, что, возможно, пора побриться. Приложение доставки еды, зарегистрировав, что пользователь шесть вечеров подряд заказывал диету каменного века, может выдать всплывающее окно с предложением углеводов. Приложение для тренировок может определить, что пользователь выбрал силовые упражнения на все группы мышц сразу и автоматически послать пуш-уведомление типа: «Вы еще живы?»