Перед тем как внести какие-либо изменения в систему, необходимо понять, насколько хорошо она работает. К сожалению, это не так просто, как кажется. Невозможно, например, остановить вращение Земли на то время, пока вы будете снимать показания и проводить анализ.

Исследование придется проводить в режиме «нон-стоп». Конечно, это тяжело, но вполне осуществимо — если вы знаете, на что именно обращать внимание.

Данная глава поможет вам понять, как раскладывать (деконструировать) системы на меньшие составляющие, которые легче поддаются анализу, как вычленять самое важное и как прослеживать связь между элементами системы.

 

Деконструкция

Мы уже поняли, что сложные системы состоят из связанных потоков, запасов, процессов и элементов. Система может быть настолько сложной, что ее невозможно осмыслить целиком. Семь-восемь переменных или зависимостей — и возникает ограничение когнитивного восприятия и замешательство.

Как же в таком случае проанализировать очень сложную систему?

Деконструкция — это процесс разделения сложных систем на небольшие подсистемы с целью анализа их функциональности. Вместо того чтобы пытаться понять систему как единое целое, вы разбиваете ее на части и анализируете, как подсистемы работают по отдельности и как они взаимодействуют друг с другом.

Если вы ничего не знаете о главных принципах работы автомобиля, открывать капот и изучать его содержимое нет смысла: там так много деталей, что непонятно, с какой начинать. Как поступить в этом случае? Сначала необходимо определить основные подсистемы, такие как двигатель, коробка передач, радиатор, — это поможет вам понять, как функционирует вся система.

Затем нужно мысленно отделить эти подсистемы друг от друга и от всей системы в целом и попытаться понять «зоны их ответственности». Вместо того чтобы впустую тратить время на изучение всей машины, сосредоточьтесь, например, на двигателе. Где начинается подсистема? Какие потоки в ней задействованы? Какие процессы здесь происходят? Наблюдаются ли какие-либо петли обратной связи? Что произойдет в случае отсутствия притока? Где подсистема заканчивается? Что представляет собой отток из нее?

При знакомстве с подсистемами необходимо постоянно помнить о том, что они взаимосвязаны и являются частью большей системы. Поэтому так важно определить, что способствует запуску подсистемы и что вызывает ее остановку.

Кроме того, необходимо выявить существующие в системе условия — взаимосвязи «если… то» или «когда… тогда», которые влияют на ее функциональность. Например, энергия сгорающего топлива преобразуется в работу двигателя. Искра от свечи зажигания поджигает его, и тепловая энергия превращается в механическую, которая толкает поршень, активизирующий остальную систему Если какой-то элемент этой подсистемы отсутствует, система останавливается. То есть сгорание топлива и искра от свечи зажигания — это условия работы подсистемы.

Различные графики и схемы могут помочь вам лучше понять, как взаимодействуют между собой элементы подсистемы. Объяснить работу сложной системы на словах очень тяжело — лучше нарисуйте схемы потоков, запасов, условий и процессов. На основании хорошо продуманных блок-схем вы сможете понять, как работает система, и починить ее, если она сломается.

Итак, чтобы проанализировать и понять сложную систему, разделите ее на небольшие подсистемы и изучите их работу по отдельности.

 

Измерение

После того как вы разобрались с элементами системы и поняли, как они работают и взаимодействуют друг с другом, настало время ответить на следующий вопрос: насколько хорошо работает система? Для этого необходимо ее оценить и измерить.

Измерение — это процесс сбора данных о работе системы. Имея на руках информацию об основных ее функциях, намного легче понять, насколько хорошо работает она сама.

Кроме того, на основании полученных данных вы сможете сравнивать между собой разные системы. Например, при сборке компьютеров используются различные типы микропроцессоров — какой именно вы выберете? Оценив различные характеристики каждого процессора (цикл памяти, расход энергии, теплообразование и т. д.) и сравнив их между собой, вы можете выбрать тот, который лучше всего подойдет вашему компьютеру.

При анализе системы измерение помогает избежать незаметности отсутствия. Помните: нелегко увидеть то, чего нет. Измерение различных элементов системы во время работы помогает выявить потенциальные проблемы прежде, чем они возникнут.

Например, при диабете слишком высокий или слишком низкий уровень сахара в крови опасен для жизни, поэтому организм регулирует этот процесс, вырабатывая различные дозы специального вещества — инсулина.

Уровень инсулина крайне важен для больного диабетом, но вы не можете его определить, просто взглянув на человека. Без проведения измерений мы можем оказаться во власти незаметности отсутствия, пока все не станет настолько плохо, что больной, например, впадет в кому.

Чтобы этого не произошло, больные диабетом измеряют уровень сахара и инсулина в крови несколько раз в день.

Измерение — это первый шаг на пути к усовершенствованию. Питер Друкер однажды сказал: «Что не измерено, тем нельзя управлять». Так и есть. Если вы не знаете, какой доход приносит ваш бизнес и какова сумма затрат, трудно понять, будет ли ему во благо то или иное изменение. Перед тем как начать сбрасывать вес, вы должны узнать, сколько вы весите, чтобы в дальнейшем отслеживать любые изменения.

Без данных вы слепы. Если вы хотите что-то изменить, сначала надо произвести замеры.

 

Ключевые показатели эффективности

Главная проблема измерения заключается в том, что измерить можно что угодно. Однако избыточность данных способна привести к ограничению когнитивного восприятия и к тому, что вы в них просто утонете.

Некоторые измерения важнее других. Измерения самых важных элементов системы называются ключевыми показателями эффективности (Key Performance Indicators, KPI). Измерения же, которые не способствуют внедрению каких-либо усовершенствований в систему, — просто пустая трата времени и энергии. Если вы хотите усовершенствовать систему, не рассеивайте свои по определению ограниченные внимание и энергию на все ее составляющие — сосредоточьтесь на ключевых показателях.

К сожалению, всё, что находится на дальнем плане, измерить легче, чем то, что имеет первостепенное значение. Например, доход — это довольно важно, правда? Но только потому, что он является ключевым компонентом прибыли. Вас не спасет миллион долларов, если, зарабатывая его, вы потратили два миллиона. Как однажды сказал предприниматель и ведущий программы Dragon’s Den («Логово Драконов») на ВВС Тео Пафитис: «Прибыль — это здравый смысл. Оборот — это суета». Сам по себе доход — это не KPI.

Та же логика применима и к другим процессам. Например, измерить производительность группы программистов, на первый взгляд, проще всего в строчках кода. Но проблема в том, что «больше» не всегда значит «лучше». Талантливый программист способен усовершенствовать программу, написав меньше строчек кода, чем его коллеги. Если для вас главное — количество, то удаление нескольких тысяч строчек будет выглядеть как потеря, хотя на самом деле речь может идти о существенном улучшении.

Ситуация еще сильнее усугубится, если вы привяжете вознаграждение программистов к этому показателю: вследствие искажения, вызванного стимулированием, вы получите код размером с роман «Война и мир».

Обычно KPI, имеющие отношение к бизнесу, напрямую связаны либо с пятью составляющими каждого бизнеса, либо с пропускной способностью.

Вот некоторые вопросы, которые я задаю, чтобы определить такие KPI:

— Создание продукта: как быстро система создает продукт? каков уровень притока?

— Маркетинг: сколько людей обращает внимание на ваше предложение? сколько клиентов дает вам разрешение на предоставление дополнительной информации?

— Продажи: сколько клиентов соглашается купить то, что вы предлагаете? какова средняя пожизненная ценность клиента?

— Доставка ценности: как быстро вы можете обслуживать одного клиента? какова частота возвратов продукта или жалоб?

— Финансы: каков размер вашей маржи прибыли? какова величина покупательной способности? достаточно ли вам имеющихся денег?

Любые измерения, имеющие отношение к этим вопросам, скорее всего, являются KPI. Все остальные, не связанные с пропускной способностью процесса или системы, можно не принимать во внимание.

Ограничьте себя тремя-пятью KPI на систему. При выполнении измерений очень хочется держать в голове всю найденную вами информацию. Сопротивляйтесь такому желанию: если вы перегрузите свой мозг данными, то, скорее всего, пропустите те изменения, которые действительно имеют значение. Вы всегда сможете копнуть глубже в случае необходимости.

Найдите системные KPI — и вы сможете управлять своей системой, не боясь утонуть в море данных.

 

Мусор на входе — мусор на выходе

Анализ некачественных данных в лучшем случае грозит вам получением бесполезных результатов, а в худшем — обманчивых или дискредитирующих.

Качество «входа» всегда отражается на качестве «выхода». Если вы будете строить дом из плохих материалов, он получится некрасивым и ненадежным. Если вы будете неправильно питаться, вести сидячий образ жизни и слишком много смотреть телевизор, то, скорее всего, станете вялым и равнодушным. Если вы не чувствуете никакой радости от своей работы, то вряд ли сможете выполнить ее хорошо.

«Мусор на входе — мусор на выходе» — очень простой принцип: при внесении бесполезных данных получается бесполезный результат. Ваша способность понимать систему непосредственно связана со способностью отслеживать то, что в ней происходит, а это, в свою очередь, зависит от качества и количества собранных вами данных.

Если вы не хотите в результате получить мусор, откажитесь от него в самом начале. Всегда помните об этом, принимаясь за новый проект, — и конечный результат обязательно оправдает ваши надежды.

Качественный вход — качественный выход.

 

Аналитическая честность

На последнем рабочем месте в Procter & Gamble я должен был разработать стратегию маркетинговых измерений — придумать способ определения эффективности рекламы нашей компании в сети. Каждый год P&G тратила миллионы долларов на рекламные баннеры, продвижение в поисковой системе и создание видеороликов. Я должен был понять, стоят ли результаты затраченных денег.

В процессе работы моя команда выяснила, что система, которую мы использовали для подсчета уникальных посетителей наших сайтов, работала неправильно. Она учитывала не только реальных пользователей, но и поисковых роботов, которые заходили на наши интернет-страницы по несколько раз в день. Иначе говоря, мы попали в ситуацию мусор на входе — мусор на выходе, и все наши измерения оказались бесполезными.

Естественно, мы рекомендовали модернизировать систему подсчета посетителей. Но наше предложение не вызвало энтузиазма в компании. Все сотрудники знали, что собираемые системой данные бесполезны, но, похоже, им было все равно. Странно, правда?

Проблема заключалась вот в чем: установка новой системы подсчета сильно уменьшила бы количество уникальных посетителей сайта, то есть то, что большинство считало ключевым показателем деятельности. Будучи более точной, новая система выставила бы их работу сотрудников в невыгодном свете. Исправлению ошибки они предпочли дальнейшую жизнь во лжи и сами поставили под сомнение свою способность увеличить эффективность работы сайта.

Аналитическая честность означает беспристрастные измерение и анализ имеющихся у вас данных. Поскольку мы, люди, существа социальные, нам свойственно переживать из-за того, что подумают о нас другие, и это заставляет нас приукрашивать реальность. Если вы действительно хотите произвести улучшения, такое стремление может помешать сбору точных данных и проведению объективного анализа.

Чтобы сохранить объективность по отношению к данным, лучше всего попросить, чтобы их оценил человек не заинтересованный, со стороны. Поддаться искажению, вызванному стимулированием, и предвзятости подтверждения легко, когда на кону стоит ваше социальное положение. Наличие опытного, но беспристрастного третьего лица, которое проверит ваши методы измерения и анализа, имеет огромное значение: может быть, вам и не понравятся его выводы, но по крайней мере вы будете точно знать, как обстоят дела.

Снимите розовые очки и постарайтесь объективно принять те данные, которые в конечном счете помогут вам совершенствовать вашу систему

 

Контекст

В этом месяце ваш доход составил 200 тысяч долларов. Это хорошо или плохо?

Зависит от обстоятельств. Если в прошлом месяце вы заработали 100 тысяч долларов — это хорошо. А если в этом месяце вы потратили 400 тысяч долларов — это плохо.

Контекст — это использование соответствующих измерений с целью предоставления дополнительной информации о данных, которые вы исследуете. Чтобы выбрать между «хорошо» и «плохо», недостаточно знать свой доход — нужна дополнительная информация. Размер дохода за предыдущий месяц и расходов в нынешнем месяце и есть тот контекст, который поможет прояснить всю ситуацию.

Обобщенные измерения практически всегда бесполезны, особенно когда речь идет о реальных улучшениях, поскольку они лишены контекста. То, что на ваш сайт в этом месяце зашло 2 миллиона пользователей, ни о чем не говорит. Без контекста вы не можете определить, было ли внесено в систему какое-либо изменение или насколько эффективно она работает, а это, в свою очередь, ограничивает вашу способность ее усовершенствовать.

Старайтесь принимать во внимание не только цифры, но и контекст: без него вы рискуете пропустить какое-нибудь важное изменение в данных. Даже зная «общий показатель качества» или то, что доход увеличился или уменьшился, вы не сможете понять, важно это или нет и почему так произошло (случайность это или следствие какого-то изменения в системе или среде).

Возьмите себе за правило всегда рассматривать каждое измерение в контексте с другими измерениями.

 

Выборка

Что делать, если ваша система слишком большая и сложная, чтобы собирать данные по каждому процессу?

Иногда не стоит измерять все потоки. Если вы управляете масштабируемой системой, зачастую невозможно проверить все элементы и найти все ошибки. Как быстро определить возможные проблемы, если система обрабатывает огромное количество данных и заключает миллионы сделок?

Выборка — это определенная случайным образом часть некоего целого, способная рассказать о поведении всей системы. Если вы когда-нибудь сдавали кровь на анализ, вы прекрасно представляете, что такое выборка. Врач или медсестра берет небольшое количество крови и отправляет ее в лабораторию. Если тест покажет, что в этом образце наблюдаются какие-то аномалии, вероятнее всего, они присутствуют и во всей остальной крови в вашем организме.

Выборка помогает определить системные ошибки, не тратя время и деньги на анализ всей системы. Если вы производите мобильные телефоны, нет необходимости проверять каждое устройство, сходящее с конвейера: проверка каждого двадцатого позволит в короткие сроки оценить положение дел и в случае необходимости подкорректировать систему. В зависимости от того, насколько быстро и точно нужно выявить ошибки, вы можете уменьшить или увеличить частоту выборки.

Одна из форм выборки — проверка без предупреждения. Многие магазины периодически нанимают «таинственных покупателей», которые проверяют, насколько хорошо персонал выполняет свою работу. Они интересуются ассортиментом, задают кучу вопросов, хотят вернуть купленный товар и вообще действуют на нервы. А поскольку работники магазина не знают, какие клиенты настоящие, а какие подставные, такой метод оказывается намного эффективнее постоянного пристального контроля за каждым отдельным служащим.

Однако если образец был взят не случайным образом или не является «представителем» общего, совокупности, результаты выборки могут быть неверными. Ясно, что при оценке среднего дохода семьи мы получим разные результаты, если возьмем жителей Манхэттена и Западной Виргинии. Чем больше у вас образцов, выбранных случайным образом, тем вернее будут ваши результаты.

 

Доверительный интервал

Представьте, что вы купили волшебную монету, которая чаще всего падает орлом вверх. Как узнать, что это не подделка? Конечно, нужно проверить ее в действии.

Давайте представим, что, подбросив ее пять раз, вы получили два орла и три решки. Так что, нужно ее вернуть?

Доверительный интервал представляет собой вероятность того, что определенный анализ окажется правильным. Прежде чем очернять репутацию продавца, стоит удостовериться в точности ваших результатов.

Чем больше образцов вы возьмете, тем выше доверительный интервал данного измерения. Объем выборки увеличивается каждый раз, когда вы подбрасываете монету. Чем он больше, тем точнее ваши измерения и, соответственно, тем больше к ним доверия.

Подбросив монету всего пять раз, вы не можете быть полностью уверены в том, что это подделка: объем выборки слишком мал. Если же вы подбросите ее тысячу раз и она в 70 % случаев упадет решкой вверх, значит монета действительно неправильная, но все равно она не подделка мошенника (скорее всего, вам досталась монета, которая в большинстве случаев падает не орлом вверх, а решкой).

Я не буду детально описывать, как именно рассчитывается доверительный интервал, но сделать это довольно легко, особенно если вы умеете пользоваться электронными таблицами или базами данных. Начинающим я рекомендую почитать книгу Principles of Statistics («Принципы статистики»).

Помните о том, что результатам измерений, основанных на малых объемах выборки, не стоит доверять. Каждый раз, когда вы сталкиваетесь с выборкой, основанной на незнакомых вам данных, обязательно проверяйте ее объем и способ отбора образцов. Чем больше образцов вы соберете, тем больше доверия будут вызывать результаты анализа.

 

Соотношение

Соотношение — это метод сравнения двух показателей или результатов измерения друг с другом. Определив соотношение «выходного» параметра к «входному», вы сможете измерить все виды отношений между различными элементами вашей системы.

Предположим, из 30 посетителей вашего магазина 10 ушли с покупкой. То есть соотношение будет 10/30, или 1/3, то есть 33 %.

А теперь предположим, что вы провели для продавцов тренинг, по результатам которого повысилась их эффективность: 15 покупок на 30 клиентов, зашедших в магазин.

Тогда соотношение будет 15/30, или 1/2, то есть 50 %.

Подумайте об измерении возврата на инвестиции: вы просто делите сумму доходов на сумму расходов и вычитаете 1. Результат, выраженный в процентах, и будет величиной возврата.

Например, вы потратили 2 миллиона и заработали 4. Окупаемость составит 100 %: 4 миллиона (заработанные) / 2 миллиона (потраченные) = 2.

2-1 = 1 = 100 %.

Ниже указаны некоторые полезные отношения.

— Доходность активов: какой доход вы получили на один доллар, вложенный в оборудование?

— Доходность капитала: какой доход вы получили на один инвестированный доллар?

— Доходность рекламы: какой доход вы получили на один доллар, вложенный в рекламу?

— Доход на сотрудника: какой доход вы получили на одного нанятого вами сотрудника?

— Закрытие сделок: какая доля обслуженных вами клиентов совершила у вас покупку?

— Отношение возвратов/жалоб: сколько возвратов или жалоб было сделано на каждую продажу?

Постоянно проверяя эти соотношения, намного легче заметить изменение в системе и то, к чему оно ведет. Если показатель закрытия сделок или окупаемость инвестиций растет — это хороший знак. Если же величина этих показателей падает, стоит выяснить причины.

Проявите фантазию: изучайте свой бизнес и определяйте соотношения, которые раскрывают наиболее важные элементы вашей системы.

 

Среднее арифметическое, медиана, мода и размах

В среднем капитал читателей Wall Street Journal составляет 1,7 миллиона долларов. Аудитория газеты, похоже, очень богатые люди, не правда ли?

Да, это так, но не настолько, как вы думаете. Дело в том, что Wall Street Journal читают такие люди, как Билл Гейтс и Уоррен Баффет, а их состояние измеряется миллиардами. Одним своим существованием они делают среднее арифметическое намного выше, чем оно есть на самом деле.

Среднее арифметическое рассчитывается путем деления суммы всех данных на их количество. Рассчитывать среднее арифметическое несложно, но тут может вмешаться синдром Гейтса — Баффета: наличие выходящих за рамки объектов увеличивает или уменьшает его настолько, что оно перестает быть репрезентативным. Однако если исключить такие объекты, среднее арифметическое становится более точным.

Чтобы определить медиану, необходимо выстроить значения в порядке убывания и найти данные, расположенные посередине ряда. Медиана связана с особым показателем, называемым процентиль, и является 50-м процентилем. По определению, 50 % значений в ряду будут находиться ниже медианы. Рассчитав медиану и сравнив ее со средним значением, вы сможете проверить, не повлияли ли выходящие за рамки объекты на результат.

Мода — это значение в ряду данных, которое встречается наиболее часто. Ряд может содержать несколько мод — в этом случае можно сказать, что он мультимодален. Такие данные указывают на потенциально интересные связи в системе.

Размах — это разность между наибольшим и наименьшим значениями в ряду. Размах лучше всего использовать для быстрой оценки: вам нужно всего два значения. Правда, их легче всего исказить слишком высокими или слишком низкими выходящими за рамки значениями, такими как, например, банковский счет Билла Гейтса.

Среднее арифметическое, медиана, мода и размах — очень полезные статистические средства анализа, при помощи которых можно получить типичные результаты, конечно, при условии, что вы используете их правильно.

 

Корреляция и причинно-следственная связь

Представьте себе бильярдный стол: зная точное расположение каждого шара и то, какие силы воздействуют на биток (вектор воздействия, ударная сила, точка воздействия, трение стола и сопротивление воздуха), вы можете точно вычислить его путь и то, как он будет воздействовать на другие шары на этом пути. Профессиональные бильярдисты настолько хорошо моделируют ситуацию в уме, что могут раскидать партию за считаные минуты.

Это причинно-следственная связь, то есть цепь причин и следствий. Поскольку вычислить полную цепь причинной связи несложно, можно сказать, что именно удар по битку вызвал попадание другого шара в лузу. Если вы будете бить по битку с одинаковой силой и одинаковым образом, вы раз за разом будете получать тот же самый результат.

Вот другой мысленный эксперимент с гипотетическими данными: люди, страдающие сердечными заболеваниями, съедают в среднем по 57 двойных чизбургеров с беконом каждый год. Выходит, двойные чизбургеры с беконом приводят к сердечным приступам? Не обязательно. Эти же люди каждый день принимают душ и моргают 5,6 миллиона раз в год. Не будете же вы утверждать, что душ и моргание тоже приводят к сердечным приступам?

Корреляция — это не то же самое, что причинно-следственная связь. Даже если вы видите, что одно измерение тесно связано с другим, это еще не доказывает, что первое стало причиной последнего.

Представьте, что у вас своя пиццерия и вы разместили тридцатисекундную рекламу на каком-нибудь телеканале. После выхода ролика в эфир вы заметили, что ваши продажи возросли на 30 %. Произошло ли это благодаря рекламе?

Не обязательно. Взлету продаж могли способствовать и другие причины. Можете быть, в тот день в городе проходила научная конференция и ее участники выбрали ваше место, чтобы быстро перекусить. Может быть, закончился учебный год, и семьи с детьми выбрались в город, чтобы отпраздновать это событие. Может быть, в это же время вы запустили акцию «две пиццы по цене одной» и тем самым привлекли посетителей. Сложно вычислить, что именно стало причиной повышенного спроса.

Вполне возможно, реклама, наоборот, вызвала сокращение объема продаж: люди сочли ее непривлекательной или даже неприятной, но это осталось незамеченным, поскольку благодаря какому-то другому фактору продажи выросли.

Выявить наличие причинно-следственной связи всегда сложнее, чем наличие корреляции. При анализе сложных систем со многими переменными и связями определить истинную причинную связь часто чрезвычайно трудно. Чем больше изменений происходит в системе, тем выше вероятность того, что на результат, который вы пытаетесь проанализировать, повлияло больше одного изменения.

 

Нормы

Если вы хотите оценить эффективность чего-то в настоящем, иногда полезно обратиться к прошлому.

Нормы — это инструмент использования прошлого опыта для обеспечения контекста текущих измерений.

Например, если вы занимаетесь продажей новогодних украшений, то, сравнив выручку за предпоследний и последний кварталы года, сможете сделать очень важный вывод: никто не покупает ваш товар в августе. Еще лучше, если вы сравните продажи за последний квартал этого года с прошлогодними продажами за тот же самый период, чтобы понять, пошли дела лучше или хуже.

Однако если методы измерений подвержены изменениям, то нормы, основанные на предыдущих измерениях, становятся недействительными. В P&G мы использовали метод оценки эффективности некоторых видов рекламы. Имея на руках данные за несколько лет, мы могли сравнивать новую рекламу со старой, имевшей успех. Если новая реклама не соответствовала норме, ее не использовали.

Если бы компания внезапно решила использовать другие методы тестирования, эти нормы потеряли бы свою силу: это было бы все равно что сравнивать яблоки и апельсины. Изменив методы измерений, вы уже не можете использовать основанные на них нормы. Но если вы все-таки хотите применять их, вам нужно создать новую базу данных.

При всем этом успешная работа в прошлом не гарантирует такую же эффективность в настоящем. Помните: мы имеем дело со сложными системами. Со временем меняется все. Тот факт, что нечто было полезным когда-то, не означает, что оно будет полезным и сейчас. Периодически проверяйте свои нормы и их действие.

 

Заменитель

Что делать, если измерить что-то напрямую невозможно? Используйте заменитель. Например, в демократических политических системах голоса избирателей выступают в качестве замены всеобщего «волеизъявления людей». Невозможно просканировать каждого человека и определить его предпочтения, поэтому голоса являются наилучшей альтернативой.

В области научных измерений заменители также используются повсеместно. Вы никогда не задумывались над тем, откуда ученые знают, насколько горячо Солнце или сколько лет некоторым камням.

Они используют такие заменители, как длина волны электромагнитных лучей или распад известных радиоактивных изотопов, а затем, применяя уже доказанные отношения и формулы, находят ответ.

Чем ближе заменитель к оригинальному объекту, тем лучше. Возьмите аналитику сайта: вы хотите знать точно, на что именно его посетители обращают внимание и сколько времени они на это тратят, но при этом вы не можете залезть к ним в голову. Хорошим заменителем может послужить отслеживание движений мыши.

Согласно исследованию, проведенному учеными Университета Карнеги — Меллоун,

…в 84 % случаев, когда курсор мыши застывал на определенной странице или части сайта, туда же был устремлен взгляд посетителя. Кроме того, в 88 % случаев, если пользователь не смотрел на страницу, там не было и курсора 1 .

Поскольку движения мыши и зрительная фиксация (то есть внимание) обладают корреляцией, то движения мыши можно считать хорошим заменителем внимания посетителя. Чем сильнее корреляция, тем лучше заменитель.

Перед использованием заменителя убедитесь в том, что он действительно имеет отношение к объекту. Заменитель может привести к ошибочным результатам, если окажется, что он измеряет совсем не то, для чего предназначался изначально. Вспомните, к примеру, попытку определить производительность программиста на основании количества строчек кода. Они, конечно, могут служить заменителем, позволяющим оценить эффективность работы, но иногда большой объем кода сигнализирует об уменьшении производительности и, соответственно, не может использоваться для измерения.

 

Сегментация

В совокупном множестве данных очень часто можно найти что-то стоящее — нужно просто поискать. Сегментация — метод деления множества данных на четко определенные подгруппы с целью раскрытия дополнительного контекста. Такое деление может выявить ранее неизвестные отношения. Например, вы знаете, что заказы в этом месяце увеличились на 87 %. Это хорошо, но еще лучше, если вы узнаете, что 90 % этих заказов были сделаны женщинами из Сиэтла. Все, что нужно, — это понять, почему они сделали заказы; такая информация пригодится в будущем.

Существует три основных способа сегментации: по прошлому опыту, демографическим и психографическим признакам.

Сегментация по прошлому опыту делит клиентов в зависимости от действий в прошлом. Например, вы можете разделить данные о продажах, используя данные предыдущего периода, сравнивая продажи новым клиентам с продажами клиентам, которые уже у вас что-то покупали. Одним из видов сегментации по прошлому опыту являются расчеты пожизненной ценности клиента.

Сегментация по демографическому признаку делит клиентов на категории в зависимости от внешних личностных характеристик. Такая информация, как возраст, пол, доход, национальность и место проживания, помогает определить, какие из клиентов относятся к вашим возможным покупателям. Зная, что ваши основные клиенты — мужчины в возрасте 23–32 лет, проживающие в крупных городах и зарабатывающие больше 2000 долларов в месяц, вы сможете разработать маркетинговую стратегию по привлечению клиентов с похожими характеристиками.

Сегментация по психографическому признаку делит клиентов на категории в зависимости от их внутренних психологических особенностей, установок и мировоззрения. Обычно они определяются при помощи различных исследований, оценок и фокус-групп.

Психографические характеристики могут оказаться крайне полезными при создании ценности или корректировке этого процесса, разработке маркетинговой стратегии и стратегии продаж. Например, если вы продаете домашние системы безопасности, скорее всего, ваши возможные покупатели считают, что окружающий мир — это опасное место, и не чувствуют себя комфортно даже дома. Поэтому лучше всего размещать свою рекламу в журналах и на сайтах, посвященных выживанию и самозащите, поскольку их читатели и посетители разделяют подобные убеждения.

Разделите свои данные по сегментам — и вы обнаружите много полезных скрытых связей, которые стоит изучить.

 

Персонализация

Любые данные — это не просто набор цифр; чтобы они приносили пользу, нужно понять, что за ними стоит.

Анализируя данные системы, мы забываем, что они характеризуют действия реальных людей. Представьте, что вы сотрудник отдела по обслуживанию клиентов и в ваши обязанности входит общение с недовольными покупателями. Если вы сократите каждый ваш телефонный разговор с клиентом с десяти до восьми минут, то с количественной точки зрения получите 20 %-ное улучшение.

Однако рано праздновать: вы упускаете тот факт, что у вас остается другой разочарованный клиент, который висит на трубке пусть не десять, а восемь минут, и они все равно кажутся ему вечностью.

С каждой минутой он становится все злее и злее, что не лучшим образом сказывается на его мнении о вашем сервисе. Это усовершенствование на 20 % тускнеет по сравнению с тем, как будут влиять на вашу репутацию рассуждения этого клиента о ненадежности вашей компании.

Персонализация — это создание на основании количественных данных истории (повествования) об опыте или поведении реального человека.

Так, многие компании создают вымышленные профили. Когда я занимался разработкой чистящих средств для P&G, мы проводили исследование рынка и обнаружили два больших сегмента: людей, которые предпочитали тщательную чистку («Я не успокоюсь, пока не вычищу все до блеска»), и людей, которые не хотели тратить на уборку слишком много сил и времени («Квартира выглядит более-менее нормально — и хорошо»).

Мы объединили эту информацию с другими данными, такими как доход, семейная статистика, хобби, и создали вымышленный профиль. С его помощью принимать какие-либо решения стало намного легче: вместо того чтобы ориентироваться при оценке идеи на статистику и «мертвые» цифры, мы спрашивая себя: а понравилось бы это «Венди»?

В дополнение к сухим данным создайте историю, которая поможет людям понять, что происходит, — и ваши аналитические действия дадут отличные результаты.