Згідно з рейтингом авторитетного видання WIRED Александр Нікс входить в топ-25 геніїв світу. Його компанія займалась скандальною виборчою кампанією Дональда Трампа, вибудовуючи свою роботу на інноваційних наукових методах та технологіях, пов’язаних з Big Data. У рамках годинної доповіді під час конференції IT Arena 2017 у Львові Александр Нікс розповів, як міняється комунікація сьогодення та поділився думками щодо переформування індустрії, яка не змінювалась останні 50-60 років.
Доповідь СЕО компанії Cambridge Analytica про роботу на Дональда Трампа під час президентських виборів у США стала головною подією технологічної конференції IT Arena. ZAXID.NET пропонує найцікавіші витяги з виступу Александра Нікса.
Кампанія Трампа
Коли команда Александра взялась за роботу на Трампа, то виявила, що раніше там не було ІТ, не було аналітики даних, тобто, в технології не інвестували взагалі. Тож роботи у Cambridge Analytica було чимало. Перше, за що взялись експерти – масштабне дослідження. Команда застосовувала опитування та вибудовувала графіки в реальному часі, за допомогою яких можна було відслідковувати їхні результати, настрої, планувати виділення ресурсів та сценарії подальших кроків кампанії.
Доповідь Александра Нікса “From Mad Men to Math Men” на IT Arena
Хорошим прикладом ефективності такої аналітики може стати штат Вісконсин, який вважався «залізно» закріпленим за демократами. Хіларі була настільки впевнена у перемозі там, що під час кампанії жодного разу не відвідала цей штат. У той же час, в Cambridge Analytica побачили можливість перемогти демократів та переконали Трампа відвідати штат аж п’ять разів. У підсумку, республіканці взяли верх у Віконсині завдяки різниці у 23 тис. голосів.
Технології не можуть стати панацеєю. Не можна взяти докорінно поганого кандидата і перетворити в хорошого. Але у випадку, коли різниця у 1, 2 чи 5% може стати вирішальною, використання правильних технологій допоможе досягнути успіху
Команда Cambridge Analytica виділила два основних питання, які турбували кожного виборця, розбила цих людей на групи та підготувала тисячі різних рекламних кампаній, націлених на конкретні групи виборців. В цілому, було більше 4000 кампаній, в рамках яких групи виборців бачили оптимізований заклик, сформований на основі їхнього психологічного потрету.
Як це працює?
Рекламні агентства часто аналізують аудиторію за такими даними, як демографія, географія чи економіка. Александр Нікс вважає цей підхід безглуздим. Ідея, що всі жінки, чи темношкірі, чи молоді люди, чи багатії, мають отримати однаковий рекламний заклик, на його думку, нелогічна. Люди бувають закритими до нового досвіду чи відкритими, невротичними чи ні, вони можуть легко погоджуватись з новими фактами або навпаки… Насправді, таких психологічних показників багато. Практика показує, що люди з однаковими статками, сімейним статусом чи однієї статі не сприйматимуть рекламу однаково ефективно, хоча часто ці базові дані вважають основними показниками для окреслення цільової аудиторії. Інформація, безумовно, важлива та потрібна, але на ній ефективну рекламну кампанію не збудуєш.
Світ змінюється. Наші діти дивуватимуться, як можна було показувати однакову рекламу 10 мільйонам людей
СЕО Cambridge Analytica окреслює три компетенції, на яких базується ефективна робота його компанії: поведінкова наука, аналітика даних та технологія адресованої реклами.
Поведінкова наука
Вивчення поведінки – це суміш соціальних наук, антропології, розуміння людської поведінки та процесу прийняття рішень. Це розуміння персоналії, того, що лежить під повехнею. Людство стоїть на порозі ери найбільш персоналізованої комунікації, бо таке спілкування значно ефективніше.
Люди хочуть мати особисті стосунки з їхніми улюбленими брендами. І це можливо лище завдяки зверненню до користувача на індивідуальному рівні
Для того, щоб краще зрозуміти поведінкові науки можна глянути на традиційну рекламу. Вона або інформує про щось, чого ви ще не знали (період знижок, розпродажів тощо), або працює для надання брендові переваги, тобто, як нагадування про певний сервіс без спонукання ним скористатись.
Поведінкова комунікація, натомість, спрямована на зміну поведінки людини і спонукає людину піти/купити/замовити чи проголосувати за певного кандидата. Це не інформування чи позиціонування, це спонукання до дії.
Александр Нікс спілкується з відвідувачами IT Arena
Найпростіший приклад: У тебе є особистий пляж і ти не хочеш, щоб сторонні люди плавали на цій ділянці. Ти розміщуєш знак з ввічливим проханням не заходити на приватний пляж. Це не працює, та ти й сам скоріш за все проігнорував би таке прохання. А от якщо глянути глибше і справді захотіти змінити поведінку людей, можна усвідомити, що більшість боїться акул. Тож розміщення таблички з текстом «Обережно, акули!» діятиме ефективніше і люди справді перестануть плавати на твоєму пляжі.
Цей приклад ілюструє базовий принцип розуміння психологічних чинників, які впливають на рішення людей. За допомогою правильних повідомлень можна коригувати поведінку.
Модель OCEAN
Для того, щоб розуміти та аналізувати мотивацію людей, команда Cambridge Analytica застосовувала модель OCEAN. Це ієрархічна модель особистості, яка виділяє п’ять основних рис, що складають особистість людини. Для кращого запам’ятовування в англомовній літературі їх складають в акронім OCEAN:
Openness – відкритість досвіду (готовність пробувати нове)
Conscientiousness – сумлінність (порядок, звички, планування)
Extraversion – екстраверсія (рівень соціальної активності)
Agreeableness – доброзичливість, (вознесення потреб сім’ї/суспільства понад своїми)
Neuroticism – нейротизм (схильність переживати)
Дізнатись ці показники можна завдяки опитуванню, яке містить доволі специфічні психологічні питання. В США такий тест OCEAN пройшло близько 2 млн американців, і це дозволило екстраполювати результати на більшість населення.
Скажімо однакові на перший погляд люди можуть надавати перевагу абсолютно різним товарам. Так, на прикладі автомобілів, людина з високим показником Agreeableness схильна купити електрокар, щоб подбати про довкілля, а високий показник Conscientiousness потребує чітких агрументів, які переконають прийняти рішення про покупку, у той час як чоловік з високим показником Еxtraversion найбільше уваги зверне на емоційну рекламу на кшталт тої, де спорткар мчить по трасі під час заходу сонця.
Аналітика даних
Big Data змінює багато індустрій. Великі дані вже вчинили революцію в фінансах та рітейлі і у процесі зміни в галузі здоров’я. Big Data спричинятиме фундаментальні зміни протягом 20-ти наступних років еволюції, вважає Александер Нікс. У фокусі його презентації, звісно, зміни у комунікації.
СЕО Cambridge Analytica назвав свою доповідь From Mad Men to Math Men, від “Божевільних” до математиків. Це красива гра слів, бо Mad Men – назва популярного американського телесеріалу про рекламних гуру з Медісон авеню. Вони збираються, сідають разом і брейнштормлять креативні рішення, часто геніальні, але базовані на інтуіції, досвіді та здогадках. Ці хлопці проштовхують свій меседж аудиторії і надіються, що вона зрезонує. Якщо так – можна виграти маркетингову нагороду, якщо ні – пора рухатись до наступної рекламної кампанії і пробувати знову.
Александр Нікс під час презентації From Mad Men to Math Men
Те, чого шукали колеги Александра – вміння використовувати комунікацію, щоб міняти поведінку і рятувати життя. На меті було зрозуміти аудиторію з неймовірною деталізацією, зрозуміти, який посил люди сприйматимуть максимально ефективно.
Як заохотити африканців використовувати контрацепцію, щоб запобігти розповсюдженню захворювань, чи переконати азіатів не підтримувати терористів, або спинити торгівлю дітьми… Ці сфери такі, що якщо ти помилишся – помруть люди. Тому креатив і спроби навмання – не відповідь
У такій країні, як США, дані громадян доступні автоматично, хіба що вони заборонять використання таких. За що ти платиш кредиткою, які журнали читаєш, які гольф-клуби відвідуєш, в яку церкву ходиш, який автомобіль водиш, які у тебе хоббі та стиль життя – всі ці дані можна звести в одну базу і навіть зв’язати з ім’ям, адресою та номером телефону. Загалом, в США у є 4000-5000 джерел даних про кожного. Це початкова точка з якою працювали в Cambridge Analytica.
Далі є ще клієнтські дані, які доволі глибокі, але вузькі. Це те, як користувач взаємодіє з конкретним продуктом чи сервісом. Якщо ти, наприклад, Mercedes, то знатимеш на які автомобілі дивився твій клієнт, який таки купив, як платив за покупку, який його дохід, ну і матимеш інформацію про адресу та ім’я. Об’єднавши ці дані із даними про спосіб життя та іншою інформацією про споживацький досвід, можна краще зрозуміти споживача і, відповідно, працювати з ним на більш особистому рівні.
Заповнити прогалини у профілях аудиторії допомагає machine learning. Маючи зразки людей, про яких відомо багато, можна екстраполювати ці дані, щоб застосувати їх і співвіднести з рештою населення. Припустимо, у тебе є мільйон користувачів і ти розумієш хто ці люди, як вони виглядають та чим живуть. Тепер ти можеш знайти в базі тих, хто по всіх показниках підпадає під твого клієнта, але ще ним не є. Можна націлитись саме на цей сегмент людей і це з високою імовірністю буде ефективно.
Приклад дашбордів, створених для відслідковування ходу виборчої кампанії
Під час останніх президентських виборів у США, команда експертів вибудовувала дашборди, які ілюстрували поточну ситуацію та ділили виборців на групи на які старались впливати по-різному. Наприклад, виборців з групи затятих республіканців могли залучати до кампанії, просили поволотнерити, тощо, а лінивих виборців, які точно підтримували Трампа, але могли не прийти на вибори старались заохотити (викликати Uber, якщо падатиме дощ і йти на дільницю не хотітиметься тощо). Також, розташування кожного виборця було видно на карті, тому можна можна було створити повідомлення для конкретних груп і таргетувати їх на конкретні локації.
В умовах необмеженого фінансування, кожному виборцю в США можна було б написати особисте звертання, даних для цього достатньо. Просто це дорого
Наприклад, якщо тебе хвилює питання зброї і аналітика відображає тебе, як виборця з високим рівнем Neuroticism, то в повідомленні використовуватимуть страх: зброя — це захист від грабіжника чи вбивці. Якщо ж переважає Agreeableness, то для тебе зброя — це швидше традиція, той випадок, коли дідусь вчив батька стріляти, а батько вчить сина, і це цінна традиція, яку хочеться зберегти. І експерти вже знають як піднести тобі інформацію.
Адресована реклама
Технології сьогодення дозволяють знайти людей зі схожими психологічними портретами, об’єднати їх у групу і працювати з ними більш особисто. Александер Нікс розповів, що в США для цих цілей використовують діждитал рекламу та телебачення.
Ми можемо взяти один і той же контент і згенерувати не просто сотні, а тисячі, а то й десятки тисяч його версій та показати відповідній цільовій аудиторії
Так, той хто більше переживає про безпеку авто – отримає рекламу про безпеку автомобіля, а інший побачить сильні сторони авто з точки зору економії, бо це саме те що може стати аргументом в його випадку.
Виступ Александра Нікса на IT Arena
Те ж можна робити з телебаченням. У США глядачі одного і того ж телешоу на одному й тому ж каналі в однаковий час можуть бачити абсолютно різні блоки реклами, в залежності від того, до якої групи споживачів належать. Ця технологія сильно розвинута у США, також активно завойовує Велику Британію і багато інших країн Європи. СЕО Cambridge Analytica назвав її майбутнім і переконаний, що таке телебачення найближчими роками буде всюди. На даній же стадії такий вид реклами доволі дорогий, а отже недоступний багатьом гравцям на ринку. Інший спосіб – це дослідити які саме програми і коли дивиться цільова група і купувати рекламу під час саме цих конкретних шоу.
Чому це важливо?
В кінці 2014 року Cambridge Analytica увійшла в передвиборну кампанію США як радник Теда Круза – останнього із серйозних опонентів Трампа всередині Республіканської партії. Історія стрімкого злету сенатора-консерватора стала чи не найнезрозумілішою подією тих передвиборчих перегонів, адже 60% електорату навіть не знали імені Круза. Тим не менше, з допомогою інноваційних технологій Тед Круз стрімко набрав оборотів. За словами Александра Нікса, якби часу було трохи більше, то Круз, імовірно, обігнав би Трампа. Що це, як не доказ сили Big Data у вмілих руках?
