Человек. Образ и сущность 2017. Гуманитарные аспекты. № 3–4 (30–31): Угроза апокалипсиса и идея свер - Страница 9

Есть ряд компаний – информационных гигантов, «информационных феодалов», как их часто называют, – которые обладают гигантскими запасами информации и огромными ресурсами, что помогает им продвигать свои интересы, которые постепенно расширяются во все новые сферы. Свободы выбора в Интернете давно уже нет, уверен Евгений, а поиск в Сети дает нам только то, что кому-нибудь нужно нам продать. Нейронные сети сканируют Интернет и фильтруют полученные персональные данные для заказчиков таких исследований – компаний, чьей целью является максимизация прибыли бизнеса. Избавиться же от рекламы и от навязываемого круга предложений могут лишь профессионалы, специалисты в области ИТ и информационной безопасности, но соответствующая настройка компьютера для безопасного выхода в сеть трудоемка, требует профессиональных навыков и занимает время20.

Безнадежность же попыток обычных людей защититься от манипулирования их сознанием Евгений иллюстрирует примером с игрой в шахматы с компьютером: «…известно и доказано, что человек не может победить компьютер в шахматы. Но не потому, что он очень умный – просто у компьютера есть две базы данных – одна – это поведенческие паттерны всех лучших игроков планеты, а вторая – это база всех игр и ходов, когда-либо сделанных и записанных. Как только вы начинаете ходить, в течение нескольких ходов машина понимает паттерн (вернее, вектор вариаций) и видит все ваши шаги задолго до того, как вы придете к ним своим маленьким человеческим мозгом. Проблема в том, что предиктивный анализ уже не ограничен шахматами – его начинают использовать везде, тем самым меняя наше поведение, заставляя нас поступать иначе, чем мы могли бы поступить самостоятельно, без вмешательств со стороны»21.

Безусловно, потребительские данные сейчас необходимы и востребованы в бизнесе, в том числе и в ритейле, где персонализированные таргетизированные коммуникации, реклама преобразуют уже сложившиеся известные бренды, меняют всю систему маркетинга и дистрибуции продуктов. Они нужны, чтобы строить персональные отношения с каждым клиентом, организовать клиентский сервис, оптимизировать управление ресурсами и т.д. [Ковалева, 2017, с. 20–23]. Много было сказано по этому поводу и в выступлениях спикеров на самой конференции «Digital Transformation» [Соколова, 2017].

Так, например, персонализация потребительских коммуникаций в последние годы серьезно преобразовала ритейл на косметическом рынке, где идут соперничество и борьба за новые идеи. Как рассказала на конференции представительница известного косметического бренда Л'Ореаль, для того чтобы обновить систему маркетинга в духе digital, компания использует «переливание свежей крови» – покупает стартапы с их инновационным стилем, например американский стартап NYX, созданный молодой американкой, которая не смогла найти карандаш для глаз нужного оттенка и создала его сама. Впоследствии этот стартап сохранил свой инициативный стиль и теперь задает тон в Л'Ореаль, который купил молодой бренд не чтобы его «лореализировать», а наоборот – чтобы «никсизировать» саму компанию Л'Ореаль, как сказала digital-менеджер компании Анна Мусихина в своем выступлении. Продажи NYX ведет онлайн через Интернет, базовый ассортимент, предлагаемый им, велик и постоянно обновляется. В результате появился и новый вид покупателей, которые привыкли ориентироваться не только на ассортимент, предлагаемый ближайшей торговой точкой, но и на онлайн-возможности отдаленной доставки, а значит, имеют совсем другие потребности и задают гораздо более сложные и изощренные поисковые запросы (например, вместо просто «красная помада» в поисковую строку вбивается «красная жидкая / твердая, водостойкая, матовая и проч. и проч. помада»). Новая модель маркетинга, порожденная в результате ухода в онлайн и нацеленная на постоянное генерирование все нового и нового контента, ориентированного на персонализированное отношение к клиентам, создает и новый тип потребительских коммуникаций. Продвигаясь в этом направлении, L'Oreal будет и дальше менять свою маркетинговую стратегию в духе e-commerce. Как говорят в компании, e-commerce – это больше уже не «вишенка на торте», а сам «торт». Надобность же в персональных данных и их объемы, полученные в результате обладания информацией о поисковых запросах, исследования предпочтений покупателей в такой ситуации решают все.

Интересный кейс использования такого инструмента для работы с Big Data как технологией Social Media Listening в компании Nestle был представлен на конференции Натальей Григорян. На основе его использования для мониторинга социальных сетей и автоматического анализа полученных персональных данных специалисты компании создали удачные кейсы, рассчитанные на региональную молодежную целевую аудиторию, и прежде всего студентов. Задача состояла в том, чтобы, основываясь на полученных данных, максимально учесть интересы, ценности, особенности языка общения молодежной аудитории из различных российских регионов и отразить их в данных видео. Нужно было, чтобы контент в этих видео был понятен именно данной аудитории, что прекрасно получилось у их создателей, и ролики вызвали большой эмоциональный отклик. Однако даже представительница компании, показывавшая эти ролики на конференции, никогда не бывавшая в данных регионах, не понимала, о чем, собственно, в них идет речь.

Чрезвычайно востребованы персональные данные и в сфере банковского бизнеса. Особенно интенсивно работают с данными банковские гиганты, например Сбербанк. Имея и собственные огромные IT-возможности, банк тем не менее сотрудничает в области мониторинга клиентского контента и со специализированными компаниями, например с Angry Analytics, которая сканирует социальные сети и другие открытые источники, собирая оттуда любые упоминания и мнения о компаниях и брендах. На конференции был представлен опыт этой компании по использованию нейронных сетей для обработки Big Data, мониторинга клиентского сервиса и информации о работе Сбербанка в социальных медиа. Ведь социальные медиа (сети, блоги, форумы, сервисы геолокации, сайты для подачи петиций и проч.) все больше доминируют в качестве коммуникационных каналов и используются клиентами для оставления своих отзывов о сервисе компании значительно чаще, чем почта или телефон, для подачи жалоб или, наоборот, позитивных отзывов. Сами же компании часто не в состоянии достаточно быстро и профессионально обработать такие объемы информации. Для сканирования сетей в Angry Analytics используются нейронные сети, которые фильтруют контент лингвистически, оценивают его эмоциональную окраску и находят упоминания о конкретных компаниях, брендах и проч. Среди полученных данных для анализа наиболее важен релевантный негативный сегмент, особенно с указанием конкретных данных. Наиболее продвинутые компании работают и с сегментом позитивных отзывов, как это делают в Сбербанке. Так, например, на основе такой информации был сделан представленный на конференции ролик с целью нематериального поощрения сотрудников одного из отделений банка в связи с высказанной им в электронных сетях клиентской благодарностью.

В качестве прекрасной иллюстрации к словам Черешнева прозвучал доклад Дмитрия Уфаева, представителя Департамента транспорта Москвы, об организации паркинга в столице, в которой задействовано большое количество информационных систем и используются огромные централизованные массивы данных о транспортных передвижениях граждан. При этом происходит и сотрудничество госструктур и частных компаний в области использования данных о пользователях.

Дмитрий Уфаев рассказал об организации работы с Big Data, касающихся всевозможных транспортных перемещений в столице, в целях повышения эффективности паркинга в Москве и о сотрудничестве в этой области городских властей с компаниями и стар-тапами, в том числе с Яндекс.-Такси. Для планирования работы парковок и повышения их эффективности в таком крупном мегаполисе, как Москва, с его миллионами транспортных трансакций требуется очень много данных о постоянных маршрутах жителей, паттернах их передвижений (так называемая «матрица корреспонденции», которая описывает подвижность населения мегаполиса). В связи с этим представители департамента обращались к мобильным операторам с просьбой предоставить им эти данные хотя бы в самой общей форме, только постоянные маршруты, точки передвижения. Но оказалось, что даже по этим данным очень легко идентифицировать человека. По этой причине мобильные операторы отказались от сотрудничества. Однако те или иные формы сотрудничества в будущем здесь неизбежны.