Книга: Потребители будущего. Кто они и как их понять

10. Иррациональное изобилие — когда ерунда приносит доход

10. Иррациональное изобилие — когда ерунда приносит доход

В каждом потребителе притаилась Сесси Джуп с ее картиной мира, которую многие компании и многие экономисты не желают принимать.

Это мир, где правят эмоции, где иррациональность имеет смысл, где логика скучна, где нужды, страсти и желания не только по-детски просты и прекрасны, но также неотъемлемы и легко возбудимы.

Это мир как он есть. И это мир, вытесненный рациональной, управляемой по линейному принципу, легко измеримой моделью, в которой всему есть свое место — или, по крайней мере, место в формуле, где X и Y можно включить в уравнение, позволяющее аналитикам сопоставить рациональное ожидание с ростом проекта и найти число где-то между приемлемой выгодой и допустимыми потерями. Бессмысленная чепуха, если бы не способ прогнозирования и регулирования рынков, когда все в большей или меньшей степени согласны с одним и тем же — что мир и управляющие им рынки представляют собой, как отмечает с иронией экономист Пол Ормерод, «машину», которая может быть очень сложной, «но, в принципе, с ней можно полностью разобраться и предсказать последствия различных путей ее использования. Потянуть рычаг, нажать на кнопку — последствия будут полностью предсказуемы».

Это также мир, в котором мы одержимы не теми вещами, согласно известному правилу Майка Хаммера — ETDBW (бизнес, с которым легко иметь дело) — аббревиатуре, ставшей лозунгом компаний, которые не только оценивали не то, но и забывали по ходу дела, что же они оценивали.

Правило Хаммера было простым: делайте все естественно, гладко, избавьтесь от посредников, наведите порядок — и прибыли гарантированы. По сути, он указывал на очевидное: чем больше звеньев в цепочке поставок, тем дольше по ней идти и больше шансов совершить ошибки, которые будут стоить денег.

К примеру, он обнаружил, что большинство заказов в среднестатистической американской компании проходило через 15 или даже 20 отделов, прежде чем их выполняли, и требовалось потратить $97 для обработки заказа на батарейки, которые стоят $3. Что же он решил? Разгружать, сокращать, упрощать.

Но как получилось, что многие сотрудники счастливы тратить свое время на эту монотонную работу? Заполнять формы? Чертить линии? Глотать воздух, вместо того чтобы черпать вдохновение?

Хаммер как никто другой знает, что подчиненные хороши настолько, насколько хороши их начальники, а снижение расходов — это в той же степени признание поражения, что и знак, свидетельствующий о разрастании компании и слишком большом отклонении от своих первоначальных принципов. От того, в чем должны заключаться эти принципы: не оценивать, а вдохновлять; не урезать, а быть на ведущей позиции. Но ведущей позицией не так легко управлять, а потому и оценить ее. То же самое с оригинальностью, новаторством, риском, отвагой, действием, созиданием и всеми волнующими прилагательными, которые обычно ассоциируются с этими словами.

Между тем Ормерод и постоянно растущее число экономистов, прогнозистов и аналитиков тенденций по обе стороны Атлантического океана сказали бы, что это как раз то самое, на что стоит обратить внимание. И что, будучи отнюдь не машиной (которую, как считает Хаммер, можно сделать проще, чище и эффективнее), мир, рынки, тенденции и процессы, порождаемые этими рынками (или даже рынки, порождаемые этими процессами), — на самом деле очень сложные взаимосвязанные сети, управляемые не патентами или законами, а тем самым, что грэдграйнды отказываются оценивать и чем живет и о чем постоянно думает Сесси Джуп — это притягательная, постоянно меняющаяся и иррациональная сложность мира, которую «экономисты бабочек»[5], как нобелевский лауреат Дэниэл Канеман, и Ормерод, и Мэттью Рубин из Беркли, в настоящее время начинают постигать и исследовать.

Канемана, психолога по призванию, хорошо знают и часто цитируют, хотя его имя вряд ли известно офисным клеркам и статистикам. Работу Канемана можно изложить простыми словами: путем экспериментов он обнаружил, что люди для понимания мира используют информацию, находящуюся под рукой, или легкодоступную, или подразумеваемые знания, вместо того чтобы проводить длительные исследования с целью узнать больше или найти объективные и неопровержимые факты — то, что, по мнению неоклассических экономистов, делает большинство из нас. Другими словами, столкнувшись с проблемой, мы собираем все, что о ней известно, прежде чем принять рациональное и взвешенное решение.

Канеман также обнаружил, что ответы на контрольные вопросы во многом зависят от того, как эти вопросы сформулированы, и совсем не обязательно от масштаба опроса. Плохие вопросы не только приводят к плохим ответам, но также, поскольку их задают, опираясь на неполное понимание, они вдвойне некорректны, дают большие отклонения и в большинстве случаев совершенно неточны.

Его третий вывод: люди не всегда правильно оценивают риск. Например, они склонны переоценивать вероятность ядерного взрыва, но при этом недооценивать риск попасть в автокатастрофу. Все очевидно для человека с улицы, но не для экономистов, при оценке будущего стремящихся работать по каким-то правилам и считающих, что будущее формируется на основе их представлений о том, как, по их мнению, видят его формирование люди. Другими словами, предупреждая нас о кризисе, они считают, что мы обратим внимание.

Для них (снова математика) человеческие решения принимаются согласно ожидаемой пользе. Это, как формулирует журнал Economist, «сумма прибылей, которые они рассчитывают получить в каждом возможном сценарии будущего, умноженная на вероятность воплощения сценария». Таким образом, проблема очевидна: поскольку люди придают одним сценариям больший вес, чем другим, их решения некорректны или, скорее, иррациональны, а если говорить совсем просто — слишком человеческие.

Биржевые аналитики из-за своих оценок показателей и теории рационального ожидания всегда упускают из виду главное — при продолжительном спросе они постоянно предсказывают спад; при росте цен они излучают оптимизм и энтузиазм, как во времена доткомовской аферы. «Экономисты бабочек» меньше смотрят на цифры и, как следствие, более точны.

«Экономика бабочек», которую Рубин называет «экономикой удовлетворения», — это сложная система, стремящаяся не оценивать то, что делает нас теми, кто мы есть, а наблюдать, как это влияет на рынок — эмоции, страхи, стремления, нужды, желания, мечты, поэзия, удовольствие и духовность; побуждения, которые мы хотим удовлетворить сегодня и сейчас, а не через неделю или через год. «Экономисты всегда предполагали, что люди на 100 % рациональны в своем выборе, но если спросить кого-либо, желает ли он получить $10 сейчас или $15 через неделю, большинство опрошенных скажут, что хотят $10 сейчас, — объясняет Рубин. — А если спросить, желают ли они получить $10 через пятьдесят недель или $15 через пятьдесят одну, они выберут второй вариант. Другими словами, если сделать проблему абстрактной и отвлеченной, люди (экономисты в том числе!) с успехом применят для ее решения логику и рациональные рассуждения, но если свести проблему к точке, в которой появляется возможность получить больше средств немедленно, эмоциональная сторона берет верх».

Экономистам и маркетерам это не по нраву, считает Рубин, поэтому они предпочитают это не учитывать. Имеете ли вы дело со «свиными» фьючерсными контрактами в Миннесоте, или с ВВП Франции, или пытаетесь обратиться к новой потребительской демографии, вот что вы на самом деле хотите сделать — предсказать человеческое поведение, противопоставить абстрактным и логическим нуждам обычные, но мощные желания и эмоции.

Мало кто из экономистов старой школы заводит об этом речь, утверждает Роберт Шиллер, чья книга Irrational Exuberance описывает головокружительные годы доткомов с середины до конца 1990-х как «иррациональный, самодвижущийся, самонадувающийся пузырь».

Пузырь и то, как он лопнул, увидели немногие, говорит Шиллер, потому что остальные продолжали смотреть «на данные, на числа, вместо того чтобы смотреть на эмоции, на психологию, на дух времени — иррациональную движущую силу, преобладавшую тогда в культуре».

В этом и заключался феномен доткомов — в этом заключаются все рыночные и культурные сдвиги. Человеческое поведение. То, что заставляло американских и британских потребителей продолжать покупать в течение 2002 года, когда экономисты заявляли, что мы находимся в упадке после 11 сентября и впереди еще один экономический спад.

Но даже когда наступила рецессия, покупатели продолжали покупать, цены на дома продолжали расти, кредитные линии продолжали использоваться и расширяться по мере того, как потребители игнорировали информацию бизнес-изданий: дела плохи, пришло время сокращать расходы. Почему? Потому что после 11 сентября, если люди беспокоились, они выражали свое беспокойство по-человечески понятным образом (только если вы человек, а не экономист), наслаждаясь, развлекаясь, живя сегодняшним днем, вместо того чтобы откладывать на завтрашний, до которого они могут не дожить. И это правильно, утверждает Шиллер: «Когда происходит значительное событие — это из-за того… что много факторов движется в одном направлении. Одно из моих замечаний к экономистам — они придают настолько большое значение точности, что, когда не могут с точностью учитывать множество различных факторов, предпочитают сконцентрироваться на одном».

Пример из области финансового прогнозирования: особенно при попытках предсказать степень риска используется множество типов электронных таблиц, регрессионный анализ, или так называемые системные динамические модели. Многие из них, вслед за ошибками таких финансовых организаций, как Daiwa, Sumitomo, Barings и Kidder Peabody, используются для проработки сценариев «а что, если…» — например, что произойдет с рынком, если, скажем, в системе окажется бухгалтер-жулик или мошенник либо произойдет ошибка в сложении или вычитании?

Также учитываются округленные коэффициенты — текущие фигуры в экономике, доходы с учетом инфляции на следующий год, ценность компании на фондовой бирже, ее позиция относительно конкурентов на рынке, сильные и слабые стороны ее инвесторов, сильные и слабые стороны конкурентов и так далее.

Очевидно, чем больше коэффициентов вы внесете, тем более точным получится результат, но сколько всего их нужно? Сколько требуется информации или данных (в противоположность знаниям)? И самое главное, что нам вводить? Подробности о погоде от синоптиков? О тенденциях ежегодных отпусков? О трудовом стаже или служащих компании? А как насчет их личной жизни, эмоционального состояния, куда они ходят за покупками, что они едят?

На этом месте неоклассические экономисты (или брокеры, если мы имеем дело с прогнозированием на фондовой бирже) нажмут кнопку «запустить программу» и пожалуются: «слишком много данных», многие из них «слишком иррациональны, слишком непоследовательны».

Считается, что в таких моделях прогнозирования следует придерживаться простоты, что линейность — это главное. Что эти модели, если они рациональны и управляются экспертами, как-нибудь приведут к истине. Исключив из модели или программы человеческий аспект, вы также исключите то, что делает ее более-менее точной.

Синоптики сталкиваются с этим постоянно.

В США в марте 2001 года все говорили, что плохая погода неминуема, что ожидается снег, но не должно быть ничего похожего на бурю столетия, случившуюся в 1993-м, когда значительная часть Восточного побережья была парализована из-за трехфутовых сугробов. Однако самые мощные из погодных суперкомпьютеров предрекали худшее: в марте 2001-го объявлялись штормовые предупреждения, и экстренные службы готовились к снежной буре.

Метеорологи старой школы были в сомнениях, но данные говорили сами за себя, поэтому синоптики просто представили их публике в качестве факта. Наступило 6 марта, и, как и предполагалось, пошел снег, но по меркам Штатов это было не страшнее обычного снегопада, при котором дети катаются на санках. Почему же компьютеры допустили ошибку? Они не могли справиться с вычислениями достаточно быстро или достаточно гибко, либо у них было слишком много данных, отклоняющихся от нормы, — коэффициентов, которые программисты сочли нерелевантными. Поэтому они сделали то, что делает большинство программ с линейной или округленной моделью прогноза, столкнувшись с большим количеством данных, — использовали умные алгоритмы, которые отбрасывают некоторые подробности, даже те, которые самым непосредственным образом могут повлиять на результат.

Это сглаживание, или алгоритмический прыжок, часто применяется в большинстве моделей прогнозирования в биологии, физике и химии, и поэтому мы перешли к более сложным адаптивным процессам и процессорам. Денежные рынки, однако, продолжают использовать эти модели, опираясь на экспертов, которые мыслят во многом так же — рационально, соответственно сглаживая выступающие углы, учитывая только логические факторы. Между тем, как показывают онлайн-игры и виртуальные фондовые биржи, новички, использующие эмоциональные и иррациональные, но зато более интуитивные и реалистичные подходы к предсказанию рыночных ситуаций, превосходят экспертов.

Голливудская биржа и Электронная биржа штата Айова (Биржа предсказаний) являются тому доказательством. Каждая обменивает предсказания на виртуальные ценные бумаги или игрушечные деньги, и каждая раз за разом оказывается более точной в предсказаниях о поведении рынка — какие звезды получат больше «Оскаров» или как будут обстоять дела с ценными бумагами, — чем их двойники в реальной жизни.

Похоже, что люди могут успешно работать вместе, используя интуицию, эмоции, собственные понятия о риске — в онлайне, если не хотят смущать друг друга, или же рядом с коллегами — с целью анализа рынков, основываясь на том, что дает им наблюдение и эмоциональное восприятие мира.

В 2001-м, например, Голливудская биржа настолько точнее предсказала вручение «Оскаров», чем специалисты от индустрии, что теперь студии платят ей за подробную информацию. Аналогично Биржа предсказаний теперь используется брокерами, инвесторами и растущим числом аналитиков с Уолл-стрит, чтобы получить более точное представление о том, когда могут случиться прорывы в ключевых областях сектора биотехнологий или лечении рака и СПИДа. В этом и заключается «экономика удовлетворения» — использовать иррациональное, эмоциональное и алогичное для создания развивающейся сети, внутри которой можно предсказывать и понимать людей и будущее.

Такие люди, как Эрик Бонабью (прогнозист консалтинговой компании ICosystem), именно это и делают — используют темперамент, чтобы объяснить, почему, например, большая часть ежегодных потерь французских и итальянских банковских систем приходится на август; почему небольшое увеличение числа покупателей приводит супермаркет к ухудшению продаж вина; почему микроскутеры становятся неотъемлемой городской транспортной игрушкой для поколения кофе-латте и Кархартта, в то время как мини-скутеры (или не менее странно выглядящие продукты вроде Sinclair C5) не имеют успеха?

Материал, с которым работают Бонабью и его коллеги, состоит, без сомнения, из нашей нелогичности, из наших мечтаний. Подобно игрокам Голливудской биржи, они также дают большую точность, чем традиционные модели, действующие сверху вниз, которые берут глобальные уравнения и структуры и применяют их к локальным ситуациям так, что большая картина накладывается на малую, сводя ее роль, по сути, к нулю, убирая ее влияние на результат.

Спонтанные модели действуют наоборот. Они берут микрофакторы и смотрят, какое влияние на макро те могут оказать. Таким образом, «спонтанность» — это система или философия, действующая снизу вверх, которая берет человека, отдельного индивидуума, и смотрит, как он может взаимодействовать с окружающими его людьми и каковы могут быть последствия такого взаимодействия.

Как показывают системы спонтанного моделирования и как обнаруживают экономисты спонтанности, рынки и тенденции не только сложны, но и противоречивы.

Представьте, например, шоссе в два ряда, заблокированное интенсивным движением. Логика подсказывает, что, если вы достроите еще один ряд с подходящими въездами и выездами, это ускорит движение (а с экономической точки зрения еще и даст больше прибыли городу в краткосрочной перспективе). Но Бонабью и его коллеги откажутся — и будут правы: движение станет еще интенсивнее, что приведет к еще большим пробкам и вызовет еще большее раздражение водителей.

Однако еще в 1968 году, до Бонабью и «экономики бабочек», проблему обнаружил немецкий инженер по исследованию операций, и с тех пор она известна как парадокс Браеса.

Это иррациональное, но вполне доступное для понимания следствие, которое нужно принять как норму, если вы собираетесь оставить поэтапную линейность прогнозов в прошлом и принять зеркальную иррациональность, которая позволит лучше разглядеть будущее и приспособиться к нему.

Оглавление книги