Как «Target» узнает о ваших желаниях прежде, чем они возникнут

 

Прогнозирование привычек

I

 

Однажды несколько коллег из отдела маркетинга остановились у рабочего стола Эндрю Поула – нового аналитика «Target» – и задали ему любопытный вопрос:

– А могут ли ваши компьютеры определить, беременна ли покупательница, даже если она не хочет, чтобы мы об этом знали?

Поул был статистиком. Всю свою жизнь он оперировал данными. Поул вырос в маленьком городке в Северной Дакоте; пока его друзья занимались в 4-H[216] и строили модели ракет, Эндрю играл с компьютерами. После колледжа он получил степень магистра в области статистики, потом экономики. Большинство его однокурсников – выпускников университета Миссури – устремились в страховые компании и государственные учреждения, но Поул выбрал иной путь. Он увлекся анализом паттернов, которым пользовались экономисты для объяснения человеческого поведения. Поул и сам поставил ряд неофициальных экспериментов. Однажды он устроил среди своих друзей опрос и набросал математическую модель идеального анекдота. Периодически он старался вычислить точное количество пива, которое ему нужно выпить, чтобы перестать стесняться девушек на вечеринках, но при этом не выглядеть в их глазах идиотом. (Именно это конкретное исследование никогда не удавалось.)

Впрочем, Поул понимал: эти эксперименты – детский сад по сравнению с тем, что творит с данными корпоративная Америка. Вся жизнь человека была как на ладони. Вот о чем мечтал Поул! Узнав, что «Hallmark» – компания по продаже поздравительных открыток – ищет статистиков в Канзас-Сити, он подал заявление и вскоре днями напролет прочесывал данные о продажах. Какие открытки продаются лучше – с пандами или слониками? В каком цвете – красном или синем – веселее смотрится надпись «Со мной бабушка моя, и значит, в доме главный – я»? Это был рай.

Шесть лет спустя, в 2002 году, Поул услышал, что компания «Target» ищет специалистов по работе с данными. Что касается сбора данных, «Target» – настоящий монстр. Каждый год миллионы покупателей приходили в 1147 магазинов «Target» и сообщали о себе терабайты информации. Они пользовались картами постоянного клиента, отоваривали купоны, полученные по почте, или расплачивались кредитными картами, даже не подозревая, что «Target» может связать их покупки с индивидуализированным демографическим профилем.

Для статистика эта информация была волшебным окошком, через которое он мог заглянуть в мир предпочтений клиента. «Target» продавала все на свете – от бакалеи до одежды, электроники и дачной мебели. Отслеживая покупательские привычки людей, аналитики компании могли предугадать, что происходит у них дома. Человек покупает новые полотенца, простыни, столовое серебро, кастрюли и замороженные обеды? Вероятно, он только что купил новый дом – или развелся. В тележке лежат инсектициды, детское белье, фонарик, куча батареек, женский журнал и бутылка «Шардоне»? Приближается летний лагерь, и мама ждет этого не дождется.

Работа в «Target» давала Поулу возможность изучать самое сложное существо на планете – американского покупателя – в его естественной среде обитания. Он строил математические модели, которые обрабатывали данные и определяли, в каких домах есть дети, а где живут убежденные холостяки; какие покупатели любят проводить время на природе, а кому интереснее мороженое и любовные романы. Фактически Поул стал математическим чтецом мыслей, расшифровывающим привычки покупателей. Зачем? Да затем, чтобы заставить их тратить побольше денег, разумеется.

В один прекрасный день несколько коллег Поула из отдела маркетинга остановились у его рабочего стола. Нужно вычислить беременных клиенток «Target», исходя из их покупательского поведения, сказали они. Беременные женщины и новоиспеченные родители – настоящий клад для розничной торговли. Это самая жадная до товаров и нечувствительная к ценам группа потребителей. Они покупают не только подгузники и влажные салфетки. Люди с маленькими детьми настолько устают, что покупают все, что им нужно – сок и туалетную бумагу, носки и журналы, – в любом магазине, где есть бутылочки и молочная смесь. Более того, если молодые родители начинают делать покупки в «Target», то становятся клиентами на долгие годы.

Другими словами, информация о беременных покупательницах могла принести «Target» миллионы долларов.

Поул был заинтригован. Ему предстояло залезть не только в головы покупателей, но и в их спальни. Что может быть лучше для статистика-гадалки?

К моменту окончания проекта Поул извлечет несколько важных уроков об охоте за самыми интимными человеческими привычками. К примеру, он узнает, что скрывать свои знания иногда так же важно, как ими обладать, и что не все женщины в восторге от компьютерной программы, которая сует свой нос в их планы деторождения.

Не все, оказывается, считают, что математическое чтение мыслей – это здорово.

«Боюсь, неспециалисты сказали бы, что это нечто вроде тотальной слежки, – сказал мне Поул. – У некоторых это вызывает дискомфорт».

 

* * *

 

Раньше такая компания, как «Target», никогда бы не наняла такого парня, как Эндрю Поул. Еще двадцать лет назад фирмы розничной торговли не проводили глубокого анализа данных. Вместо этого «Target» – а также продуктовые магазины, торговые центры, продавцы поздравительных открыток, одежды и других товаров – пытались заглянуть в головы потребителей старым испытанным способом: наняв психологов, которые утверждали, будто их мудреные научные методы могут заставить клиентов тратить больше.

Некоторые из этих методов используются и по сей день. Если вы придете в «Walmart», «Home Depot» или местный торговый центр, вы увидите те же торговые уловки, которые применялись десятки лет, – уловки, призванные воздействовать на подсознание покупателя.

Возьмем, к примеру, покупку продуктов.

Скорее всего первое, что вы увидите при входе в продуктовый магазин, – живописные груды фруктов и овощей. Если подумать, размещать их у входа в магазин нет смысла, поскольку они легко подавятся на дне тележки; по логике вещей, они должны быть расположены у касс, чтобы покупатели видели их в последнюю очередь. Однако маркетологи и психологи давным-давно выяснили: если мы начинаем  покупки со здоровой пищи, у нас гораздо больше шансов купить чипсы, печенье и замороженную пиццу. Говоря научным языком, всплеск подсознательной добродетельности после покупки ореховой пасты существенно облегчает последующее приобретение пинты мороженого.

Или возьмем тот факт, что большинство из нас, войдя в магазин, поворачивают направо. (Вы знали, что поворачиваете направо? Почти наверняка так вы и поступаете. Существуют тысячи часов видеозаписей, на которых покупатели, войдя в магазин, поворачивают направо.) Именно по этой причине самые прибыльные товары обычно размещают в правой части магазина – в надежде, что их купят сразу. Или возьмем, например, хлопья и супы: когда они расставлены не в алфавитном порядке, как будто случайно, мы инстинктивно задерживаемся около них чуть дольше и смотрим товары вокруг. «Raisin Bran» редко где будет стоять рядом с «Rice Chex». Наоборот, чтобы найти нужные хлопья, вам придется облазить все полки, и, возможно, у вас появится соблазн захватить еще одну коробку, но другой марки[217].

Основной минус такой тактики заключается в том, что подход ко всем покупателям одинаковый. Это примитивный, шаблонный способ запустить покупательские привычки.

За последние двадцать лет, однако, рынок розничной торговли стал более конкурентоспособным; в результате торговые сети вроде «Target» пришли к заключению, что на старых приемах далеко не уедешь. Единственный способ увеличить прибыли – выяснить привычки каждого покупателя и продавать каждому в отдельности, пользуясь персонализированными приемами, разработанными с учетом уникальных предпочтений данного конкретного клиента.

Все больше маркетологов стали осознавать, насколько сильно привычки влияют почти на все наши решения о покупках. Эксперименты показывали: если понять привычки отдельного человека, его можно заставить купить практически что угодно[218]. В рамках одного из исследований ученые записали на пленку, как посетители ходят по продуктовым магазинам. Главным образом исследователей интересовали покупатели, пришедшие со списком покупок – то есть люди, которые заранее решили, что хотят купить.

Оказалось, что, несмотря на эти списки, более 50 % решений о покупке принимались в тот момент, когда клиент видел продукт на полке, ибо какими бы ни были благие намерения, записанные на бумажке, привычки оказывались сильнее. «Ну-ка посмотрим, – идя по магазину, бормотал один покупатель. – А, вот чипсы. Они мне не нужны. Хотя… Ого! А на “Lay’s”-то скидки!»[219] И с этими словами он положил пакет в тележку. Некоторые покупали одни и те же бренды месяцами, даже если сам товар им не очень нравился («Я, конечно, не в восторге от “Folgers”, но все равно покупаю. Больше же ничего нет», – сказала одна женщина, стоя перед полкой с десятками марок кофе). Каждый раз люди покупали примерно одинаковое количество продуктов, хотя клялись себе, что будут экономить.

«Иногда потребители действуют как рабы привычки – автоматически повторяют прошлое поведение, практически не учитывая текущих целей», – писали в 2009 году два психолога из университета Южной Калифорнии[220].

Самое удивительное в этих исследованиях, однако, заключалось в следующем: хотя все покупатели руководствовались привычками, эти привычки были у каждого свои. Молодой человек, который любил картофельные чипсы, покупал их всегда, а любительница «Folgers» ни разу даже не заглянула в этот отдел. Одни покупали молоко всякий раз, когда приходили в магазин (не важно, что дома его было еще много); другие утверждали, что стараются похудеть, но покупали пирожные. Покупатели молока и любители пирожных обычно не пересекались.

У каждого человека были свои, уникальные, привычки.

«Target» решила воспользоваться этими индивидуальными причудами. Но как? Каждый день в их магазины приходили миллионы людей. Как отследить их предпочтения и модели покупательского поведения?

Нужно собирать данные. Огромные, невообразимо большие объемы данных.

Чуть более десяти лет назад «Target» занялась созданием гигантского хранилища данных, в рамках которого каждому покупателю присваивался идентификационный код – так называемый «гостевой ID-номер» – позволявший отслеживать его покупки. Всякий раз, когда клиент пользовался выпущенной «Target» кредитной картой, предъявлял на кассе карточку постоянного покупателя, отоваривал присланный по почте купон, заполнял опросник, звонил в службу поддержки, открывал электронную почту от «Target», заходил на сайт Target.com или покупал что-нибудь онлайн, компьютеры компании принимали это к сведению. Покупка привязывалась к гостевому ID-номеру покупателя наряду с информацией обо всех остальных вещах, которые он приобретал раньше.

К этому же гостевому ID-номеру была привязана демографическая информация, которую «Target» собирала самостоятельно или покупала у других фирм, в том числе: сколько этому покупателю лет, состоит ли в браке, есть ли у него дети, в каком районе города проживает, сколько времени занимает дорога до магазина, сколько денег зарабатывает, какие сайты посещает, какие кредитные карты носит с собой, какой у него номер домашнего и мобильного телефона. Кроме того, «Target» могла располагать данными о национальности клиента, трудовой занятости, любимых журналах, кредитной истории. Компания знала, в каком году тот или иной покупатель приобрел (или продал) свой дом, в каком колледже учился, какие марки кофе, туалетной бумаги, хлопьев или яблочного пюре предпочитает.

Многие компании, торгующие данными, – например, «InfiniGraph», – изучают доски объявлений и форумы в Интернете и отслеживают товары, о которых люди отзываются положительно. Фирма «Rapleaf», например, продает информацию о политических симпатиях покупателей, их читательских привычках, благотворительности, количестве автомобилей, а также о том, что они предпочитают – например, новости на религиозные темы или специальные акции на сигареты[221]. Другие компании анализируют фотографии, которые потребители размещают в Сети, и отмечают, толстые они или худые, высокие или низкие, с пышными волосами или лысые, и какие в результате товары их могут заинтересовать. («Target» отказалась перечислить демографические компании, с которыми она сотрудничает и какие типы данных изучает.)

«Раньше компании знали только ту информацию, которую их клиенты хотели им сообщить, – сказал Том Давенпорт, один из ведущих исследователей корпоративных методов использования данных. – Этот мир уже в прошлом. Вы будете в шоке, узнав, сколько вокруг информации. Все компании покупают ее, ибо это единственный способ выжить».

Если раз в неделю – около 18.30 в будний день – вы покупаете коробку хлопьев, а в июле и октябре – большие мешки для мусора и оплачиваете покупки кредитной картой «Target», то статистики и компьютерные программы компании установят, что у вас есть дети и что вы привыкли заезжать в магазин по дороге с работы. А еще у вас есть газон, который нужно стричь летом, и деревья, которые сбрасывают листья осенью. Они обратят внимание, что вы покупаете хлопья, но никогда не берете молоко – значит, вы покупаете его в другом месте. В итоге «Target» вышлет вам купоны на молоко, а также на шоколадную крошку, школьные принадлежности, садовую мебель, грабли, и – поскольку после долгого рабочего дня вы наверняка захотите расслабиться – пиво. Компания догадается, какие товары вы обычно покупаете, и попытается убедить вас приобретать их в «Target». Фирма имеет возможность рассылать персонализированную рекламу и купоны каждому клиенту. Вам и в голову не придет, что вы получили не такое письмо, как ваши соседи.

«Благодаря гостевому ID, у нас есть ваше имя и адрес. Кроме того, мы знаем, что у вас есть карта “Target Visa”. Всю эту информацию можно связать с вашими покупками в нашем магазине», – сказал Поул статистикам на конференции в 2010 году. Компания может привязать к конкретным клиентам около половины всех продаж в магазине, почти все онлайн-продажи и около четверти посещений сайта.

На этой конференции Поул показал слайд с образцами данных, собираемых Target[222], – схему, которая, едва появившись на экране, заставила кое-кого из слушателей даже присвистнуть от удивления.

 

 

Проблема с этими сведениями заключается в том, что без статистической обработки они совершенно бесполезны. С точки зрения непрофессионала, два покупателя, которые купили апельсиновый сок, ничем не отличаются друг от друга. Только математик может вычислить, что один из них – 34-летняя женщина, которая покупает сок детям (и, следовательно, ей пригодится купон на DVD-диск «Паровозик Томас»), а второй – двадцативосьмилетний холостяк, который пьет сок после пробежки (и, следовательно, может воспользоваться скидками на кроссовки). Поул и пятьдесят сотрудников аналитического отдела «Target», собственно, этим и занимались – они искали в фактах привычки.

«Это так называемый портрет гостя, – пояснил мне Поул. – Чем больше мне известно о человеке, тем точнее я могу угадать его покупательские привычки. Я вовсе не собираюсь выяснять о вас все и всегда, но ошибаться буду реже».

Поул пришел работать в «Target» в 2002 году. К этому времени аналитический отдел уже разработал компьютерные программы для выявления семей с детьми. В ноябре их родителям присылали каталоги велосипедов и самокатов, которые будут отлично смотреться под рождественской елкой, в сентябре – скидки на школьные принадлежности, а в июне – рекламу игрушек для бассейна. Компьютеры выискивали женщин, купивших бикини в апреле, а потом рассылали им купоны: в июле – на солнцезащитный крем, а в декабре – на книги о похудении. Собственно, при желании «Target» могла отправить каждому клиенту купоны на товары, которые он наверняка купит, ибо уже покупал их раньше.

«Target» отнюдь не одинока в своем стремлении прогнозировать привычки потребителей. Практически все крупные компании розничной торговли – в том числе «Amazon.com», «Best Buy», «Kroger», «1–800-Flowers», «Olive Garden», «Anheuser-Busch», почтовая служба США, «Fidelity Investments», «Hewlett-Packard», «Bank of America», «Capital One», а также сотни других – имеют отдел «предсказательной аналитики», который занимается выяснением предпочтений потребителей. «Но у “Target” это всегда получалось лучше всех, – заявил Эрик Сигел на конференции “Мир предиктивной аналитики”. – Сами по себе данные ничего не значат. Просто “Target” умеет задавать умные вопросы».

Не нужно быть гением, чтобы сообразить: человеку, который купил хлопья, скорее всего понадобится и молоко. Однако были и другие, гораздо более сложные – и прибыльные – вопросы, на которые требовалось ответить.

Вот почему через несколько недель после того, как Поул был принят на работу, его коллеги спросили, можно ли определить беременных покупательниц, даже если сами женщины это скрывают.

 

* * *

 

В 1984 году приглашенный профессор Калифорнийского университета по имени Алан Андресон опубликовал статью, которая должна была ответить на основной вопрос: почему некоторые люди внезапно меняют свои покупательские привычки?

Весь предыдущий год команда Андресона обзванивала потребителей Лос-Анджелеса, расспрашивая об их последней поездке в магазин. Как только респондент снимал трубку, ученые забрасывали его вопросами о том, какую зубную пасту и какое мыло они приобрели и изменились ли их предпочтения. Всего было опрошено почти триста человек. Подобно другим исследователям, Андресон обнаружил, что большинство людей покупали одни и те же марки хлопьев и дезодоранта. Балом правили привычки.

Правда, не всегда.

Так, за последние шесть месяцев 10,5 % опрошенных сменили марку зубной пасты. Более 15 % начали покупать новый стиральный порошок.

Андресон хотел знать, почему эти люди отступили от обычных моделей поведения. То, что он обнаружил, стало одним из основополагающих элементов современной теории маркетинга: вероятность изменения покупательских привычек наиболее высока в переломные моменты жизни потребителя. Примеров множество. Так, после свадьбы многие начинают покупать другой вид кофе, после переезда в новый дом – другие хлопья, а после развода – другие марки пива[223]. Потребители, в жизни которых происходят некие важные события, часто не замечают или не обращают внимания, что их покупательские привычки изменились. Однако это замечают розничные торговцы; уж они-то обращают на это самое пристальное внимание[224].

«Смена места жительства, брак или развод, потеря работы или новая должность, новый член семьи, – писал Андресон, – все это делает потребителей более восприимчивыми к вмешательству маркетологов».

Какое событие в жизни большинства людей самое важное? Что вызывает наибольшую «восприимчивость к вмешательству маркетологов»? Конечно, рождение ребенка. Для большинства клиентов появление малыша – великое потрясение. Естественно, в этот момент их привычки максимально податливы.

Так что для компаний беременные женщины – настоящая золотая жила.

Новоявленные родители покупают массу всего – памперсы и влажные салфетки, детские кроватки и комбинезончики, одеяльца и бутылочки. Все это приносит таким магазинам, как «Target», существенную прибыль. Согласно результатам одного исследования 2010 года, в первый год жизни ребенка среднестатистический родитель тратит на детские товары 6800 долларов[225].

Но это лишь вершина айсберга. Первоначальные расходы – ерунда по сравнению с прибылью, которую может получить магазин, если воспользуется сменой покупательских привычек свежеиспеченного родителя. Как только измученные мамочки и спящие на ходу папочки начнут покупать молочную смесь и подгузники в «Target», они начнут покупать продукты, чистящие средства, полотенца, нижнее белье, и… – можно продолжать до бесконечности – тоже в «Target». Потому что это легко. А для тех, кто недавно стал родителем, легкость – самое важное.

«Как только они начнут покупать у нас подгузники, они станут покупать и все остальное, – сказал мне Поул. – Если вы несетесь по магазину в поисках бутылочек и пробегаете мимо апельсинового сока, вы хватаете упаковку. Ого, а вот и новый фильм, который я так хотел посмотреть. Скоро вы будете покупать у нас хлопья и салфетки».

Новоиспеченные родители настолько ценны, что крупные компании готовы на все, чтобы их найти. Многие – даже те, чьи товары не имеют никакого отношения к младенцам, – регулярно наведываются в роддома. Одна нью-йоркская больница, например, дарит каждой мамочке пакет с образцами геля для волос, пенки для лица, крема для бритья, а также энергетический батончик, шампунь и мягкую хлопчатобумажную футболку. Внутри лежат купоны на онлайн-фотоуслуги, мыло для рук и занятия в местном спортклубе. Еще есть образцы памперсов и детских лосьонов, однако они совершенно теряются среди товаров для взрослых. В 580 больницах по всей территории Соединенных Штатов молодые матери получают подарки от компании «Walt Disney», которая в 2010 году учредила особый отдел по продвижению своей продукции среди родителей маленьких детей. Аналогичные программы есть в «Procter & Gamble», «Fisher-Price» и множестве других фирм. По оценкам «Disney», рынок новорожденных в Северной Америке стоит 36,3 миллиардов долларов в год[226].

Впрочем, для таких компаний, как «Target», навещать молодых мам в родильном отделении в некотором смысле уже поздновато. Попав в роддом, женщина автоматически попадает на радары ко всем остальным. «Target» не хотела конкурировать с «Disney» и «Procter & Gamble»; она хотела обойти их. Как это сделать? Очень просто: начать маркетинговую компанию до рождения малыша. Вот почему Эндрю Поулу задали вопрос о возможности построения алгоритма для прогнозирования беременности. Если они сумеют выявлять будущих мам уже на втором триместре беременности, то смогут «захватить» их прежде, чем это сделают другие.

Единственная проблема заключалась в том, что обнаружить беременных клиенток оказалось не так-то просто. У «Target» был свой реестр беременных женщин. Некоторые будущие мамочки охотно делились ценной информацией – например, ожидаемой датой родов, – что позволяло компании вовремя отправлять им купоны на витамины или памперсы. Однако реестром пользовалась только небольшая доля беременных клиенток «Target».

О беременности других покупательниц можно было лишь догадываться, так как они покупали одежду для беременных, детскую мебель и коробки с подгузниками. Впрочем, знать и догадываться – две разные вещи. Как узнать, что женщина покупает памперсы для своего будущего малыша, а не в подарок беременной подруге? Более того, важны сроки. Купон, который пришелся бы как нельзя кстати за месяц до родов, через несколько недель после рождения ребенка полетит в помойку.

Поул начал с того, что тщательно изучил информацию в уже существующем реестре «Target». Это помогло понять, как меняются покупательские привычки среднестатистической женщины по мере приближения родов. Реестр служил своеобразной лабораторией для проверки догадок и предположений. Каждая будущая мать сообщала свое имя, имя своего супруга и предполагаемую дату рождения малыша. Банк данных «Target» связывал эту информацию с гостевыми ID семьи. В результате, когда эти женщины покупали что-то в магазине или онлайн, Поул мог определить триместр, во время которого была совершена покупка. Вскоре он уже начал подмечать определенные закономерности.

Поул обнаружил, что будущие матери делали покупки весьма предсказуемым образом. Возьмем, например, лосьоны. Многие покупают лосьоны, однако один из аналитиков «Target» обратил внимание, что женщины из реестра покупали необычно большое количество лосьонов без запаха где-то в начале второго триместра беременности. Другой аналитик обнаружил, что в первые двадцать недель беременности многие женщины запасаются витаминами – кальцием, магнием, цинком. Каждый месяц уйма народу покупает мыло и ватные диски. Если же кто-то вдруг начинает покупать мыло без отдушки, упаковки ватных дисков, дезинфицирующее средство для рук и кучи маленьких махровых полотенец – причем все это через несколько месяцев после покупки лосьонов и магния с цинком – значит, у этой клиентки приближается дата родов.

Поул выявил около двадцати пяти различных товаров, которые в совокупности позволяли, образно говоря, заглянуть во чрево женщины. Самое главное, он мог установить, на каком триместре находится покупательница, и рассчитать примерную дату родов. В итоге «Target» отправляла ей купоны как раз в тот момент, когда она была готова отправиться за покупками. Почти любому постоянному покупателю программа Поула могла дать оценку по шкале «вероятности беременности».

Дженни Уорд[227], 23-летняя жительница Атланты, купила лосьон с какао-маслом, сумочку (достаточно большую, чтобы туда влезали памперсы), цинк, магний и ярко-синий коврик? Вероятность того, что она беременна и родит где-то в конце августа, – 87 %. Лиз Алтер из Бруклина, тридцать пять лет, приобрела пять упаковок маленьких махровых полотенец, бутыль средства для стирки для «чувствительной кожи», мешковатые джинсы, витамины с омега-3-аминокислотами и кучу увлажняющих средств? Вероятность, что она беременна и родит в начале мая, – 96 %. Кейтлин Пайк, тридцать девять лет, Сан-Франциско, купила только коляску-трость за 250 долларов и больше ничего? Скорее всего это подарок беременной подруге. К тому же, судя по ее демографическому профилю, она развелась два года назад.

Поул пропустил через свою программу всех клиентов из базы данных «Target». В результате у него получился список сотен тысяч женщин, которые, вероятно, были беременны и которых «Target» могла завалить рекламой памперсов, лосьонов, детских кроваток, салфеток и одежды для беременных в тот момент, когда их покупательские привычки отличались особой податливостью. Если хотя бы часть этих женщин или их мужья начнут делать покупки в «Target», компания получит миллионы долларов прибыли.

Незадолго до начала массовой рекламной рассылки один из сотрудников отдела маркетинга задал вопрос:

– Интересно, как женщины отреагируют, когда сообразят, сколько всего мы о них знаем?

«Допустим, мы пришлем женщине каталог и скажем: “Поздравляем с первым малышом!”, хотя она не говорила нам, что беременна. Не всем это понравится, – пояснил мне Поул. – Мы строго соблюдаем законы о неприкосновенности частной жизни. Но даже следуя закону, можно сделать что-то, от чего людям станет не по себе».

Подобные опасения отнюдь не беспочвенны. Примерно через год после того, как Поул написал программу для прогнозирования беременности, в магазин «Target» в Миннесоте явился мужчина и потребовал менеджера. В руках он держал рекламу. Он был страшно зол.

– Моя дочь получила это по почте! – воскликнул он. – Она еще в школе, а вы посылаете ей купоны на детскую одежду и детские кроватки? Вы что, призываете ее забеременеть?

Менеджер не имел ни малейшего представления, о чем говорит этот человек. Письмо действительно было адресовано его дочери и содержало рекламные проспекты на одежду для беременных, детскую мебель и фотографии улыбающихся младенцев, счастливо глядящих в глаза своим мамам.

Менеджер принес извинения, а спустя несколько дней позвонил и извинился снова.

Отец смутился.

– У меня был разговор с дочерью, – признался он. – Оказывается, у нас дома произошло много такого, о чем я и понятия не имел. – Он глубоко вздохнул. – Она должна родить в августе. Я обязан извиниться перед вами.

«Target» – не единственная фирма, которая вызвала беспокойство среди потребителей. Другие компании подверглись нападкам за куда менее навязчивые способы использования данных. Так, в 2011 году житель Нью-Йорка подал в суд на «McDonald’s», CBS, «Mazda» и «Microsoft», утверждая, что рекламное агентство этих компаний отслеживает веб-серфинг пользователей Интернета с целью составления профиля их покупательских привычек[228]. В настоящее время в Калифорнии идут судебные процессы по групповому иску против «Target», «Walmart», «Victoria's Secret» и других розничных сетей. Компании обвиняются в том, что просили покупателей сообщить свои почтовые индексы при оплате кредитной картой, а затем использовали эту информацию, чтобы выяснить их адреса[229].

Поул и его коллеги понимали: использование данных для прогнозирования беременности может привести к PR-катастрофе. Как же доставить рекламные объявления будущим мамам, не спугнув их? Как воспользоваться привычками людей, но при этом скрыть, что вы тщательно изучаете каждый их шаг?[230]

 

II

 

Летом 2003 года промоушен-директор «Arista Records» Стив Бартелс начал обзванивать радиоведущих и рассказывать им о новой песне, которая «обязательно им понравится». Песня называлась «Hey Ya!», а исполняла ее хип-хоп группа «OutKast».

«Hey Ya!» – сплав фанка, рока, хип-хопа и джаза от одной из самых популярных групп на земле. На радио она звучала просто великолепно. «Когда я впервые услышал ее, у меня все руки покрылись мурашками, – сказал мне Бартелс. – Она звучала как хит, как песни, которые слушают годами». Руководители «Arista» напевали друг другу припев в коридорах. Эта песня, не сомневались они, будет бомбой.

Их уверенность основывалась не только на интуиции. В то время звукозаписывающий бизнес переживал трансформацию, аналогичную переменам в «Target» и других компаниях. Если розничные торговцы пользовались компьютерными алгоритмами для прогнозирования привычек покупателей, то директора радиостанций применяли компьютерные программы для прогнозирования привычек слушателей. Компания «Polyphonic HMI» – испанская команда статистиков и специалистов по искусственному интеллекту – разработала программу под названием «Hit Song Science», которая анализировала математические характеристики мелодии и прогнозировала ее популярность. Сравнивая ритм, тональность, мелодику, последовательность аккордов, а также другие особенности конкретной песни с тысячами хитов, хранящихся в базе данных «Polyphonic HMI», «Hit Song Science» могла рассчитать балл, определяющий вероятность ее успеха[231].

В частности, программа предсказала, что песня Норы Джонс «Come Away with Me» станет хитом, хотя большинство знатоков в мире музыки альбом забраковали. (В итоге было продано десять миллионов экземпляров и получено восемь премий «Грэмми».) Программа предсказала популярность композиции Сантаны «Why Don’t You and I», хотя диджеи в этом сильно сомневались. (Песня заняла третье место в списке «Top 40» журнала «Billboard».)

Когда «Hey Ya!» пропустили через «Hit Song Science», результаты оказались отличными. И не просто отличными: песня получила один из самых высоких баллов за всю историю программы.

Согласно алгоритму, «Hey Ya!» должна была стать мега-хитом.

4 сентября 2003 года в 19.15 радиостанция WIOQ в Филадельфии включила «Hey Ya!». За неделю песню ставили в эфир еще семь раз, в общей сложности тридцать семь раз за месяц[232].

Как раз в это время некая компания «Arbitron» тестировала новую технологию, позволявшую определить, сколько человек в данный момент слушают определенную радиостанцию и сколько переключаются на другие каналы во время проигрывания определенной песни. WIOQ тоже принимала участие в тестировании. Руководство радиостанции было уверено, что, услышав «Hey Ya!», люди буквально прилипнут к своим приемникам.

А потом пришли данные.

Слушателям не просто не нравилась «Hey Ya!» – они ее ненавидели[233]. Они ненавидели ее так сильно, что почти треть переключали радиостанцию в первые тридцать секунд. Так обстояли дела не только на WIOQ. То же самое происходило по всей стране: как только на радиостанциях в Чикаго, Лос-Анджелесе, Финиксе и Сиэтле ставили «Hey Ya!», множество слушателей отключались.

«Когда я услышал эту песню в первый раз, она мне очень понравилась, – сказал Джон Гарабедиан, ведущий радио-шоу “Top 40”, которое каждые выходные слушало более двух миллионов человек. – Но она была не похожа на другие песни, и поэтому, когда ее включали, у некоторых людей “ехала крыша”. Один парень сказал мне, что в жизни не слышал ничего ужаснее. Люди слушают “Top 40”, потому что хотят услышать свои любимые песни. В крайнем случае – песни, которые похожи на их любимые песни. Когда появляется что-то другое, это их раздражает. Они не хотят ничего незнакомого».

«Arista» потратила уйму денег на продвижение «Hey Ya!». И музыкальной, и радиотехнической индустрии было нужно, чтобы песня стала успешной. Хиты стоят целое состояние – и не только потому, что люди покупают саму песню. Ради хорошего сингла слушатели отказываются от видеоигр и Интернета в пользу радио. Хиты продают спортивные автомобили на телевидении и одежду в модных магазинах. Хиты лежат в основе десятков привычек тратить деньги, на которые опираются рекламщики, телеканалы, бары, ночные клубы и даже такие технологические компании, как «Apple».

И вот одна из самых ожидаемых песен – мелодия, которая по всем прогнозам должна была стать песней года – проваливалась. Радиостанции отчаянно пытались найти способ превратить «Hey Ya!» в настоящий хит[234].

 

* * *

 

Этот вопрос – как сделать песню хитом? – занимал музыкальную индустрию с момента ее зарождения, однако искать научные ответы на него начали лишь несколько десятилетий назад. Одним из первых стал бывший директор радиостанции по имени Рич Мейер, который в 1985 году основал компанию «Mediabase». Компания располагалась в подвале его собственного дома в Чикаго. Каждое утро Рич и его жена Нэнси просыпались, брали записи, сделанные накануне в разных городах, анализировали каждую проигранную песню, а в конце недели публиковали список с данными о популярности всех основных треков.

Первые несколько лет список имел всего около сотни подписчиков, и Мейер с женой изо всех сил старались удержать компанию на плаву. Со временем, однако, все больше радиостанций начали пользоваться статистикой Мейера, чтобы расширить свою аудиторию – и, в частности, пользоваться формулами, которые он разработал для объяснения тенденций в музыкальных предпочтениях слушателей. Все это – его список, данные, продаваемые «Mediabase», а затем и аналогичные услуги, предоставляемые растущей отраслью консультантов-аналитиков, – стало оказывать огромное влияние на работу радиостанций.

Одной из любимых загадок Мейера была следующая: почему во время некоторых песен слушатели никогда не переключают радиостанцию? Диджеи называют такие песни «липучками». Много лет Мейер отслеживал сотни «липучих» песен, пытаясь угадать принцип их популярности. Его кабинет был завален диаграммами и графиками, отражающими характеристики самых разных прилипчивых песен. Мейер всегда искал новые способы измерения уровня «липучести»; к появлению «Hey Ya!» он уже вовсю экспериментировал с данными компании «Arbitron».

Некоторые из самых прилипчивых песен того времени были прилипчивыми по весьма очевидным причинам – «Crazy in Love» Бейонсе и «Señorita» Джастина Тимберлейка, например, только что вышли и сразу завоевали огромную популярность, но это были отличные песни уже состоявшихся звезд, так что «липучесть» была совершенно логична. Почему слушателей привлекали другие песни, никто толком не понимал. Например, когда летом 2003 года в эфирах стала появляться «Breathe» Блю Кантрелл, волну переключали лишь единицы. В интервью для музыкальных изданий радиоведущие в один голос утверждали, что эта песня – совершенно не запоминающаяся мелодия, построенная на ударных. Многие диджеи считали ее настолько пресной, что крайне неохотно ставили в эфир. Но по какой-то причине люди ее слушали – причем даже те, кому она не очень нравилась. Или возьмем «Here Without You» группы «3 Doors Down» или почти любую песню группы «Maroon 5». Оба коллектива настолько невыразительны, что для описания их блеклых творений критики и слушатели придумали новую музыкальную категорию – «ванный рок». И все-таки люди не переключали приемники.

Еще были песни, которые, по словам слушателей, им ужасно не нравились, но все равно привлекали внимание. Возьмем Кристину Агилеру или Селин Дион. Опросы показывали, что мужчины ненавидели Селин Дион и терпеть не могли ее песни. И тем <