ЦРУ и письма сибирских крестьян

Чтение между строк

(контент-анализ в конкурентной разведке, и не только в ней)[1]

Ю. П. ВОРОНОВ,
кандидат экономических наук,
вице-президент Новосибирской торгово-промышленной палаты,
генеральный директор консультационной фирмы «Корпус»

Анализ открытых источников информации о конкурентах возвращает нас к чтению между строк — любимому занятию интеллектуалов в советские времена. В отличие от любительских попыток советских хитрецов вычитать то, что напрямую не написано, в конкурентной разведке для этого используется ряд методических приемов. Начнем с метода контент-анализа. Не будем перечислять его определения, ограничимся тем, что это — формальный анализ содержания текста. Будет проще и понятнее, если я расскажу, как впервые познакомился с его практическими приложениями.

ЦРУ и письма сибирских крестьян

Вторая половина 60-х годов — романтический период развития советской социологии. Впервые государство разрешило опрашивать население и перестало засекречивать материалы опросов. Совершенствовались методики исследований, совместно с Госкомстатом проводились массовые анкетные опросы.

И как-то «в струю» попала тогда толстенная книга исследователей из Массачусетского технологического института, которая называлась General Inquirer («Общий исследователь»). В книге описывались результаты массового компьютерного анализа текстов, да каких! Например, в одной из глав рассказывалось о том, как ЦРУ отслеживает высказывания о США в региональных печатных изданиях КНР. Результат работы программы компьютерного контент -анализа показан на рис. 1.

Рис. 1. Пример результата анализа китайских газет, проводившегося учеными Массачусетского технологического института (США) в 60-е годы прошлого века

Теперь представим, что вместо USA стоит наименование фирмы-конкурента, а строчки (на рис. 1 они — пустые) взяты из местной прессы. Если вы руководитель фирмы и экономите деньги, не выделяя их на более сложную систему обработки, и этот метод даст результаты. Если же вы занимаетесь конкурентной разведкой, то перед вами — сырье для добротной аналитической справки.

В книге «General Inquirer», названной так, кстати, по имени программы, анализирующей тексты, до сих пор можно найти много полезного для оперативного компьютерного анализа текстовых сообщений.

Вторая встреча с практическим применением контент -анализа состоялась также давно. Крупной вехой в истории мировой социологии была книга канадского социолога Томаса и польского статистика Знанецкого «Польский крестьянин в Европе и Америке», где собраны и проанализированы письма польских крестьян, уехавших в Канаду. Получилось два тома качественной аналитики, количественных соотношений там не было.

Потом я узнал, что Ян Знанецкий изучал и письма поляков, уехавших в Сибирь, в рамках государственной программы, организованной Переселенческим комитетом. Для меня труды Переселенческого комитета по анализу писем новых сибиряков — образец практического использования контент-анализа. В Санкт-Петербурге аналитики рассчитывали модельную схему переселения в Сибирь типичной крестьянской семьи, ее затраты и доходы. На основании этих расчетов принимались решения, например, о минимальном пособии на переезд в зависимости от числа членов семьи, об оптимальном размере выделяемого земельного участка, о наилучших сроках выезда и даже о финансировании государством паромных переправ через Волгу, Иртыш и Обь.

Благодаря, в частности, и его деятельности положительное сальдо миграции в Сибирь несколько лет выдерживалось на уровне миллиона человек в год[2].

Впоследствии подобные методики активно использовались в годы Второй мировой войны.

Немного теории

Социологические методики активно используют так называемые проективные процедуры. Например, человека спрашивают: «Купили бы вы этот товар, если бы он был на 20% дороже?»[3]. В такую вымышленную ситуацию человек всегда привносит некоторую личностную окраску, собственную трактовку, он проецирует свои будущие ощущения и действия[4]. Значение, которое получено в результате такого сугубо личного восприятия, называется коннотативным. Оно связано с предыдущим жизненным опытом, со сложившимися стереотипами и текущими эмоциями, поэтому любой текст содержит информацию о его авторе.

Второй теоретический элемент, на котором базируется контент-анализ, — это синестезия, т. е. перенос категорий из одной сферы в другую. Чтобы понять, о чем идет речь, вспомним обороты типа: «бархатный голос», «твердая убежденность», «теплые отношения», «кислая рожа», «черная зависть» и т. п. Еще пример — эксперт вполне может оценить супермаркет конкурента как «занудный и печальный», и в этом уже будет содержаться скрытая рекомендация о том, как данного конкурента победить. Синестезия выходит за пределы языкознания, в сферу психологии и социальной психологии. Механизмы синестезии признаются всеми науками о человеке.

Экспериментально доказано, что обозначения цветов устойчиво связаны с такими категориями, как «хороший — плохой», «сильный — слабый» и «активный — пассивный» (табл. 1). (Разумеется, это относится к западному варианту коннотатива цветов, в Азии или на Среднем Востоке результаты будут другими.)

Таблица 1

Kоннотативные значения цветов[5]

По упоминаниям о цвете в высказываниях, текстах и выступлениях конкурента, равно как по цвету в оформлении, фирменном стиле и т. д. можно получить представление о том, что подразумевается между строк, например, пессимистичны или оптимистичны оценки будущего.

Последующие исследования показали, что эмоциональное отношение к цвету никак не связано со свойствами глаза или спектральными характеристиками цвета и объясняется исключительно психологическими факторами. Кстати, оно не исчерпывается тремя указанными характеристиками (оценка, сила, активность).

Наиболее активный современный российский исследователь в сфере прикладного контент-анализа В. И. Шалак занимается преимущественно приложениями этого метода в политической сфере. Разработанная по его идеям система ВААЛ отслеживает большинство распространенных в русском языке коннотативов. На меня наибольшее впечатление произвело его исследование частоты встречаемости в текстах предлогов «к» и «от». Эта работа находится на грани контент-анализа и нейролингвистического программирования. Выводы автора сводятся к тому, что если в текстах (или речи) чаще встречается предлог «к», то человек ориентирован на будущее. Если же чаще встречается предлог «от», то его в большей степени волнуют события прошлого.

Применительно к конкурентной разведке результаты этого исследования сводятся к следующему. Пусть у вас есть два почти равнозначных конкурента, и вы знаете, что кто-то из них затеял против вас какую-то хитрую комбинацию. Тогда простой подсчет соотношения предлогов «к» и «от» в выступлениях двух руководителей способен выделить из них подозреваемого.

Теперь перейдем к обсуждению возможностей использования контент-анализа в конкурентной разведке.

Недостающий элемент пары

Лингвистические методы формирования оппозиционных терминологических пар неоднозначны. Когда термину недостает пары, приходится такую пару сочинять. Скажем, как подобрать пару к термину «агрессивность»? Одна пара: агрессивность — оборонительность, другая: агрессивность — пассивность, но можно составить и еще одну пару: агрессивность — аффиляция.

«Под аффиляцией (контактом, общением) мы подразумеваем определенный класс социальных взаимодействий, имеющих повседневный и в то же время фундаментальный характер. Содержание их заключается в общении с другими людьми (в том числе с незнакомыми и малознакомыми) и такое его поддержание, которое приносит удовлетворение, увлекает и обогащает обе стороны»[11]. Аффиляция выражает желание сотрудничать, уважение к аудитории, проявление симпатии. В общем аффиляция представляет собой искусственно сконструированный антоним агрессивности и выступлению с позиции силы. Как термин она наиболее точно противостоит категории «агрессивность». Эта категория начинает очень хорошо работать в самых неожиданных исследовательских ситуациях.

В исследовании В. И. Шалака исходным материалом были полторы тысячи поэтических произведений, авторы которых — 300 самых известных российских поэтов ХХ века (с 1900 по 2000 гг.)[12]. Слова, которые относились к категории «аффиляция», подсчитывались за последовательные пятилетние периоды. Фактическая частота таких слов сравнивалась с ожидаемой. И на рис. 2 показана динамика этого отклонения в течение всего ХХ века.

Рис. 2. Динамика категории «аффиляция» в течение ХХ века по данным поэзии

Мы видим, что доля слов российских поэтов, в которых отражается аффиляция, упала с началом Первой мировой войны и восстановилась только в 30-е годы. Несмотря на трудности и горести Великой Отечественной войны и послевоенного пятилетия, аффиляция была представлена на среднем уровне. Но начиная с первой половины 70-х годов аффиляция стала уходить из российской поэзии настолько быстро, что уже в начале 80-х была очевидна схожесть будущей истории нашей Родины с событиями, которые она переживала в начале века. Особо отметим, что в те времена экономисты говорили об ускорении, а политики — о социализме с человеческим лицом. Но поэты более точно предчувствовали всё, что произойдет в ближайшем будущем. Этот пример, по моему мнению, очень хорошо показывает ту пользу, которую способен принести контент -анализ, если применять его последовательно.

После этого можно поверить и в то, что даже самые простые количественные показатели, рассчитанные по тексту, например, средняя длина слова, дают информацию, которую невозможно выявить, вчитываясь в содержание текста. Для каждого автора средняя длина слова — величина постоянная. Поэтому, если руководитель компании-конкурента (или любого иного контрагента, за действиями которого целесообразно следить) неожиданно «выдает» текст, в котором средняя длина слова отличается от обычной для него, — это симптом. Симптом чего? А на этот вопрос должны ответить последующие разработки службы конкурентной разведки.

Чтение между строк

(контент-анализ в конкурентной разведке, и не только в ней)[1]

Ю. П. ВОРОНОВ,
кандидат экономических наук,
вице-президент Новосибирской торгово-промышленной палаты,
генеральный директор консультационной фирмы «Корпус»

Анализ открытых источников информации о конкурентах возвращает нас к чтению между строк — любимому занятию интеллектуалов в советские времена. В отличие от любительских попыток советских хитрецов вычитать то, что напрямую не написано, в конкурентной разведке для этого используется ряд методических приемов. Начнем с метода контент-анализа. Не будем перечислять его определения, ограничимся тем, что это — формальный анализ содержания текста. Будет проще и понятнее, если я расскажу, как впервые познакомился с его практическими приложениями.

ЦРУ и письма сибирских крестьян

Вторая половина 60-х годов — романтический период развития советской социологии. Впервые государство разрешило опрашивать население и перестало засекречивать материалы опросов. Совершенствовались методики исследований, совместно с Госкомстатом проводились массовые анкетные опросы.

И как-то «в струю» попала тогда толстенная книга исследователей из Массачусетского технологического института, которая называлась General Inquirer («Общий исследователь»). В книге описывались результаты массового компьютерного анализа текстов, да каких! Например, в одной из глав рассказывалось о том, как ЦРУ отслеживает высказывания о США в региональных печатных изданиях КНР. Результат работы программы компьютерного контент -анализа показан на рис. 1.

Рис. 1. Пример результата анализа китайских газет, проводившегося учеными Массачусетского технологического института (США) в 60-е годы прошлого века

Теперь представим, что вместо USA стоит наименование фирмы-конкурента, а строчки (на рис. 1 они — пустые) взяты из местной прессы. Если вы руководитель фирмы и экономите деньги, не выделяя их на более сложную систему обработки, и этот метод даст результаты. Если же вы занимаетесь конкурентной разведкой, то перед вами — сырье для добротной аналитической справки.

В книге «General Inquirer», названной так, кстати, по имени программы, анализирующей тексты, до сих пор можно найти много полезного для оперативного компьютерного анализа текстовых сообщений.

Вторая встреча с практическим применением контент -анализа состоялась также давно. Крупной вехой в истории мировой социологии была книга канадского социолога Томаса и польского статистика Знанецкого «Польский крестьянин в Европе и Америке», где собраны и проанализированы письма польских крестьян, уехавших в Канаду. Получилось два тома качественной аналитики, количественных соотношений там не было.

Потом я узнал, что Ян Знанецкий изучал и письма поляков, уехавших в Сибирь, в рамках государственной программы, организованной Переселенческим комитетом. Для меня труды Переселенческого комитета по анализу писем новых сибиряков — образец практического использования контент-анализа. В Санкт-Петербурге аналитики рассчитывали модельную схему переселения в Сибирь типичной крестьянской семьи, ее затраты и доходы. На основании этих расчетов принимались решения, например, о минимальном пособии на переезд в зависимости от числа членов семьи, об оптимальном размере выделяемого земельного участка, о наилучших сроках выезда и даже о финансировании государством паромных переправ через Волгу, Иртыш и Обь.

Благодаря, в частности, и его деятельности положительное сальдо миграции в Сибирь несколько лет выдерживалось на уровне миллиона человек в год[2].

Впоследствии подобные методики активно использовались в годы Второй мировой войны.

Немного теории

Социологические методики активно используют так называемые проективные процедуры. Например, человека спрашивают: «Купили бы вы этот товар, если бы он был на 20% дороже?»[3]. В такую вымышленную ситуацию человек всегда привносит некоторую личностную окраску, собственную трактовку, он проецирует свои будущие ощущения и действия[4]. Значение, которое получено в результате такого сугубо личного восприятия, называется коннотативным. Оно связано с предыдущим жизненным опытом, со сложившимися стереотипами и текущими эмоциями, поэтому любой текст содержит информацию о его авторе.

Второй теоретический элемент, на котором базируется контент-анализ, — это синестезия, т. е. перенос категорий из одной сферы в другую. Чтобы понять, о чем идет речь, вспомним обороты типа: «бархатный голос», «твердая убежденность», «теплые отношения», «кислая рожа», «черная зависть» и т. п. Еще пример — эксперт вполне может оценить супермаркет конкурента как «занудный и печальный», и в этом уже будет содержаться скрытая рекомендация о том, как данного конкурента победить. Синестезия выходит за пределы языкознания, в сферу психологии и социальной психологии. Механизмы синестезии признаются всеми науками о человеке.

Экспериментально доказано, что обозначения цветов устойчиво связаны с такими категориями, как «хороший — плохой», «сильный — слабый» и «активный — пассивный» (табл. 1). (Разумеется, это относится к западному варианту коннотатива цветов, в Азии или на Среднем Востоке результаты будут другими.)

Таблица 1

Kоннотативные значения цветов[5]

По упоминаниям о цвете в высказываниях, текстах и выступлениях конкурента, равно как по цвету в оформлении, фирменном стиле и т. д. можно получить представление о том, что подразумевается между строк, например, пессимистичны или оптимистичны оценки будущего.

Последующие исследования показали, что эмоциональное отношение к цвету никак не связано со свойствами глаза или спектральными характеристиками цвета и объясняется исключительно психологическими факторами. Кстати, оно не исчерпывается тремя указанными характеристиками (оценка, сила, активность).

Наиболее активный современный российский исследователь в сфере прикладного контент-анализа В. И. Шалак занимается преимущественно приложениями этого метода в политической сфере. Разработанная по его идеям система ВААЛ отслеживает большинство распространенных в русском языке коннотативов. На меня наибольшее впечатление произвело его исследование частоты встречаемости в текстах предлогов «к» и «от». Эта работа находится на грани контент-анализа и нейролингвистического программирования. Выводы автора сводятся к тому, что если в текстах (или речи) чаще встречается предлог «к», то человек ориентирован на будущее. Если же чаще встречается предлог «от», то его в большей степени волнуют события прошлого.

Применительно к конкурентной разведке результаты этого исследования сводятся к следующему. Пусть у вас есть два почти равнозначных конкурента, и вы знаете, что кто-то из них затеял против вас какую-то хитрую комбинацию. Тогда простой подсчет соотношения предлогов «к» и «от» в выступлениях двух руководителей способен выделить из них подозреваемого.

Теперь перейдем к обсуждению возможностей использования контент-анализа в конкурентной разведке.