Очередной пример неправильного ценообразования, или Когда скидка убивает продукт

Летом я публиковал в канале пост про то, что стратегия "Лупим высокий ценник, а если не будет продаваться, то потом дадим скидки" - глубоко ошибочна.

И вот только что получил очередной пример, когда эту стратегию реализует не просто Вася с улицы, а уважаемая бизнес-школа.

Недели три назад хороший товарищ порекомендовал мне интересный полугодовой курс бизнес-обучения, который ему самому очень сильно зашел. Программа классная, звездный преподавательский состав, все на практике, ценник - ожидаемо высокий.

Подумав-подумав, решил сейчас от этой идеи отказаться, так как все обучение построено на немедленном внедрении.

Объяснил свое решение менеджеру бизнес-школы, мол, вижу, что пока не готов, точно будет не до внедрений в самый пиковый для нас сезон года, возможно, к следующему потоку решу присоединиться.

Сегодня, 3 октября, стартовал текущий поток обучения в этой школе, и уже к вечеру я получил от менеджера, с которым общался, очень выгодное предложение - скидку в 20% (очень весомую даже саму по себе) плюс дополнительный интенсив на выбор в виде бонуса.

Моего решения это предложение не изменило, потому что стоимость программы не являлась главной причиной отказа. Однако для себя я сделал следующие выводы:

1. Если я вдруг решу присоединиться к следующему потоку, я буду выбивать для себя максимальную скидку с учетом их сегодняшнего предложения. То есть они уже потеряли минимум 20% тех денег, которые могли бы с меня получить.

2. Очевидно, программа продается у них не очень, раз они прибегают к таким вот историям уже после старта курса. А мы все - существа социальные и не особо хотим брать то, что не продается. Если уж решим, будем выбивать скидки (см. пункт первый).

3. Насколько компетентна эта бизнес-школа, раз совершает такую детскую ошибку в вопросах ценообразования? Как должны себя чувствовать люди, купившие эту программу по полной цене (еще и за какое-то время до ее начала, и уж точно без дополнительных бонусов)? А если бы я присоединился по этой скидке и потом на личных встречах упомянул бы про это, как бы это повлияло на общую лояльность к школе?

Единственно правильной стратегией продаж такого рода продуктов может быть планомерное и неотвратимое повышение цены в заранее установленные сроки.

Чтобы "ранние пташки" чувствовали себя самыми умными - мол, мы купили первыми и получили скидку. А те, кто запрыгнул в последний вагон, переплатили бы - но этому было бы объяснение, вы ведь дотянули до последнего, радуйтесь, что вообще остались места.

Именно такую стратегию используют авиакомпании: самолет ведь улетит в любом случае, и чтобы максимизировать выручку, сначала они обеспечивают себе минимально приемлемую для них загрузку, продавая часть кресел по сравнительно низкой цене, а дальше уже начинают работать на увеличение маржи.

Друзья, не повторяйте ошибок этой уважаемой бизнес-школы в своих компаниях и продуктах!

А чтобы не ошибаться с ценой, ценообразовывайтесь не «на глаз», а с опорой на исследования. Вот тут подробно описал, какие методы применяются для изучения восприятия цен потребителями.

P.S. На фото - я собственной персоной на фоне самолета Бутанских королевских авиалиний, куда я слетал в этом мае.

#ценообразование

Искусство как data-science: что видит ИИ в мазках Ван Гога

(И что он разглядит на фото к посту)

Раньше подлинность картины определяли по следам — мазкам, пигментам, холсту, документам, даже по тому, как старела краска. Теперь в этот процесс вмешался новый эксперт — искусственный интеллект. Он не заменяет искусствоведа, но стал его самым внимательным ассистентом.

Главное преимущество ИИ — способность видеть то, что человеческий глаз не различает. Алгоритм анализирует изображение на уровне микропаттернов: как именно кисть оставляет след, с какой силой нажимает художник, как меняется толщина слоя краски. У каждого мастера это свой «отпечаток пальца».

Швейцарская компания Art Recognition обучила свою систему на тысячах оцифрованных картин — и подлинных, и поддельных. Модель «знает» характерные движения кисти Рафаэля, Караваджо или Дюрера. Когда ей показывают новое изображение, она сравнивает миллионы микроскопических фрагментов с базой и выдает вероятность авторства. Так ИИ определил, что спорная копия «Игрока на лютне» действительно принадлежит Караваджо — 85,7%. А в другом случае — что рисунок, приписываемый ученику, с 82% вероятностью создан самим Дюрером.

Машинное зрение здесь работает как статистик и реставратор одновременно. Оно не «угадывает», а ищет закономерности: форму мазков, траекторию кисти, спектр цвета, распределение света и тени. При этом анализируется не одно фото, а десятки сканов — в инфракрасном, ультрафиолетовом и рентгеновском диапазонах. Для нейросети важно всё: толщина слоя краски, микрорельеф, структура холста.

Фактически, современное искусствоведение превратилось в аналитику “больших данных”. Каждая оцифрованная картина — это терабайты информации, где зафиксирован каждый мазок в трёх измерениях: ширина, глубина, направление. Машина видит поверхность холста как карту, где каждый пиксель имеет свои координаты и характеристики. Когда база таких данных насчитывает тысячи картин, ИИ может “считать” закономерности стиля с точностью до процента.

Исследователи из Case Western Reserve University пошли ещё дальше: они обучили нейросеть различать авторов по 3D-рельефу мазков, снятому микросканером с увеличением в десятки тысяч раз. Так удалось отделить фрагменты, написанные самим мастером, от подрисовок учеников. Алгоритм “ощущает” поверхность так, словно сам проводит пальцем по холсту. Точность — около 96%.

Другие системы учатся датировать картины. Они анализируют палитру, тип кракелюра (трещинок лака), состав пигментов и соотносят их с базой картин, написанных в разные эпохи. Если в работе найден синтетический ультрамарин — ИИ сразу знает, что раньше XIX века его просто не существовало.

А в реставрации ИИ оказался почти волшебником. В MIT создали алгоритм, который воссоздаёт утраченные фрагменты картины в оригинальном стиле автора. Сначала система делает сверхточный скан и отмечает тысячи микроповреждений, потом подбирает цвета и форму мазков, дополняя картину цифровым способом. В эксперименте нейросеть за четыре часа обработала более 5000 дефектных участков и создала 57 000 оттенков, идеально совпадающих с оригиналом. Полученный слой печатают на тончайшей плёнке и накладывают на полотно — без вреда и с возможностью снять при необходимости.

Ещё дальше пошёл стартап Oxia Palus: он «воскрешает» скрытые картины, которые художники писали под другими работами. Алгоритм анализирует рентгеновские снимки, распознаёт контуры, цвета и фактуру, а затем восстанавливает изображение, максимально близкое к тому, что было когда-то. Так удалось вернуть к жизни пейзаж художника Русиньоля, спрятанный под “Крестьянкой в голубом” его гораздо более знаменитого друга Пикассо.

Секрет успеха таких систем — в том, что искусство стало данными. Нейросеть не чувствует вдохновения, но видит миллионы мазков, превращая субъективную интуицию эксперта в измеримую математику. И всё же последнюю точку ставит человек: машина показывает, кто и как писал, а человек решает — зачем.

P.S. Фото сделано в ноябре 2022 года в парижском музее Орсэ, одном из моих любимых.

#занимательно_о_флагах
#ИИ

Почему свежий опрос ФНС среди самозанятых обречен на неискренние ответы и искажение реальности

В начале октября 2025 года Федеральная налоговая служба РФ запустила опрос среди самозанятых. В приложении «Мой налог» появились вопросы вроде: «Какую ставку налога вы готовы платить?», «Что будете делать, если её повысят — уйдёте в тень?», «Какие льготы считаете справедливыми?»

На первый взгляд — логичные вопросы. Но любой исследователь скажет: в таком виде они бесполезны.

Причина проста: респонденты адаптируют ответы под того, кто спрашивает, и всегда преследуют выгоду там, где это возможно.

Если опрос проводит налоговая, респонденты мгновенно переключаются в режим самозащиты. Большинство назовут минимально возможную ставку — «чтобы потом не повысили». А про уход в тень вообще никто не напишет: это уголовно наказуемое поведение, и кто же станет добровольно фиксировать такое признание в официальной анкете? (ага, еще и через Госуслуги отправьте, пожалуйста)...

В итоге получаются не данные, а декоративная «картинка благонадёжности». Люди говорят то, что безопасно или же что выгодно им.

А как надо было делать?
Позвать нас сделать им этот проект как следует -)

Использовать методы, где исследовательская цель не очевидна. Например, конджойнт-анализ. Вместо прямого вопроса о том, «сколько процентов вы готовы платить» участнику показывают варианты пакетов —*ставка + лимит дохода + возможность учитывать расходы + право нанимать + наличие льгот.
Затем его просят выбрать, какой пакет ему ближе. Процедура повторяется несколько раз в разных комбинациях.

Кстати, подробно про конджойнт-анализ я уже писал, рекомендую посмотреть этот пост, поскольку метод очень мощный и эффективный.

В таких заданиях респондент не догадывается, какой параметр исследуется, и просто делает выбор, как в жизни — между компромиссами.

На основе десятков таких выборов можно рассчитать, что реально важно — ставка, лимит или возможность учёта расходов, и как изменение каждого параметра будет влиять на поведение экономических агентов.

Полученные данные позволяют не только понять мотивацию, но и прогнозировать, сколько самозанятых останутся в «белом» режиме при изменении условий.

Вывод для исследователя-маркетолога очевиден:
чем чувствительнее предмет — тем больше нужно прятать прямой смысл вопросов:

«В лоб» — значит, вхолостую.

Честный ответ не выжмешь просьбой «скажите честно», но его можно добиться, замаскировав свою цель и применив более сложные исследовательские методики.

#research
#quant

Букмекерская крауд-платформа как лучший эксперт: когда ставки предсказывают лучше опросов

Представьте: не социологи, не аналитики, а обычные пользователи, ставящие деньги, угадывают исходы событий куда лучше признанных экспертов. Звучит невероятно? Но именно так работает Polymarket — платформа, где коллективная логика зачастую оказывается сильнее экспертных моделей.


Как работает Polymarket

Пользователь заходит на сайт и выбирает вопрос — например, «Кто победит на выборах?», «Будет ли понижение ставки ФРС?» или «Кто получит Нобелевскую премию?». Каждый исход торгуется как акция: «Да» или «Нет». Если событие сбывается, ставка превращается в доллар. Если нет — сгорает. Цена акции отражает вероятность, в которую верит рынок.

Например, если «Победа Трампа» в номинации на Нобелевскую премию мира стоит 3,5 цента, значит пользователи оценивают шансы примерно в 3,5 %. Любой может купить или продать такую «акцию», и курс мгновенно обновляется при каждом изменении новостей или слухов. Это и делает рынок живым барометром ожиданий.


Почему ставки "бьют" опросы

В отличие от анкет, здесь люди «голосуют рублём долларом» — у них есть мотивация не ошибиться. Рынок реагирует моментально, потому что на кону реальные деньги. Аналитики отмечают: за месяц до события средняя точность Polymarket около 90%, а за несколько часов до итога — до 94%. Даже лучшие соцопросы редко показывают выше 80%.


🇺🇸 Выборы США 2024

Летом 2024 года опросы колебались между Байденом и Харрисом, обещая почти ничью. На Polymarket в это время Трамп уже стал явным фаворитом. Когда появились слухи, что Байден может сняться, вероятность этого на площадке подскочила с 20% до 80% ещё до официальных заявлений — и он действительно отказался от участия. Ко дню выборов рыночный прогноз оказался ближе к реальному результату, чем усреднённые опросы.


🏆 Нобелевская премия мира 2025

На Polymarket сейчас можно следить за вероятностями того, кто получит премию. Чтобы вы понимали, шансы Дональда Трампа пользователи Полимаркета на момент написания этого поста (за несколько часов до голосования) оценивают всего в 3,5%. Наибольшие шансы имеет некая Мария Корина Мачадо (впервые слышу ее имя) - но ее шансы оцениваются в 67%. Второе место занимает Юлия Навальная с результатом в 15%.


📈 Экономика и неожиданные события

Перед одним из заседаний ФРС участники Polymarket с вероятностью около 90 % указали, что ставка останется без изменений. И угадали.
В спорте ситуация похожа: котировки Polymarket перед финалами отражают реальный баланс сил точнее, чем прогнозы аналитиков.
Когда случаются внезапные события — утечки, отставки, громкие заявления — рынок реагирует мгновенно: вопрос появляется, и тысячи людей «голосуют деньгами» за вероятный сценарий.



Почему это работает

Prediction-markets объединяют мудрость толпы и личную ответственность. Каждый участник анализирует новости, соцсети, контекст — и принимает решение, подкреплённое деньгами. На выходе получается не опрос мнений, а агрегированная оценка вероятностей, в которую встроена вся доступная информация.

Google, Hewlett-Packard и несколько крупных фондов давно используют внутренние prediction markets, чтобы прогнозировать успех проектов и объёмы продаж — и часто они оказываются точнее мнений менеджеров.


Ставки не заменяют исследование, но становятся его живым дополнением. Там, где опросы мерят настроение, рынок показывает уверенность.

А для исследователя это и есть главное — не просто знать, что люди думают, а понимать, за что они готовы поставить собственные деньги.

P.S. Фото сделано в мае 2023 года в солнечном американском штате Юта.

P.S.S. Стоило разместить пост, как Нобелевский комитет проголосовал за эту странную венесуэльскую женщину. Очередное подтверждение того, как Polymarket своим прогнозом попал в факт.

P.S.S.S. Интересная ссылка, например, со ставками на прекращение огня в 2025 между Россией и Украиной. https://polymarket.com/event/russia-x-ukraine-ceasefire-in-2025?tid=1760126758550

#research

Как быстро проанализировать рынок, не тратя ни копейки

Маркетплейсы сегодня стали настоящими исследовательскими панелями.

Они аккумулируют поведение миллионов покупателей и позволяют смотреть на рынок в динамике — почти в реальном времени.

Недавно Озон выкатил прекрасный сервис, позволяющий бесплатно смотреть основную аналитику по продажам в разрезе товарных категорий.

В отличие от множества аналогов, сервис полностью бесплатен для всех.

Возьмём пример категории «Ракетки для падел-тенниса».

За год — с октября 2024 по сентябрь 2025 — продажи выросли с 3,2 млн ₽ до 20,0 млн ₽.

Рост более чем в 6 раз по выручке свидетельствует о взрывном интересе к новому виду спорта.

Я тоже не удержался и решил попробовать его, да…

Всего за год было заказано 8 870 товаров, средняя цена — ≈ 12 500 ₽, при этом цена снизилась на 5%, что говорит о расширении аудитории и уходе в более доступные сегменты.

Первые пять продавцов контролируют 54 % рынка, то есть концентрация всё ещё высокая — место для новых игроков есть.

⸻

Что может увидеть исследователь

Инструмент Ozon Data позволяет смотреть не только абсолютные цифры, но и глубже:

• 📈 Динамику продаж по месяцам — чтобы видеть, как спорт входит в сезон: рост весной, спад осенью.

• 💸 Распределение по ценам — есть ли тренд к удешевлению и какие ценовые ниши заняты.

• 🏷️ Долю брендов и продавцов — насколько рынок сконцентрирован.

• 📦 Количество SKU — понять, растёт ли предложение вместе со спросом.

• 🌍 Региональные паттерны — по логистике видно, в каких регионах спорт становится популярным быстрее.

⸻

Главное — не путать рост категории с ростом маркетплейса

Когда категория показывает кратный рост, важно помнить: часть этого прироста может быть связана не с самим рынком, а с общим расширением Ozon.

Например, по данным за II квартал 2025 года, общий оборот маркетплейса вырос на 51% год к году.
Это означает, что чтобы адекватно оценить динамику именно «падельного» сегмента, нужно скорректировать данные — вычесть рост площадки в целом.
Только тогда можно увидеть реальную силу тренда, as it is.

⸻

Почему это важно

Для маркетолога это мощный инструмент быстрой разведки:

• можно за 5 минут оценить перспективность ниши,
• заметить ранние сигналы роста категории,
• построить гипотезу для фокус-групп или опросов,
• и понять, стоит ли инвестировать в вывод нового продукта.

Бесплатно, регулярно обновляется, без опросов и Excel-сводных.
Фактически — мини-исследование рынка в один клик.

#research
#tools

🧠 Шафран и глубинные интервью: почему редкость всегда стоит дорого

Если бы у исследователя был свой символ профессии, им вполне мог бы стать шафран — самая дорогая специя в мире.

Чтобы получить всего 1 грамм шафрана, нужно вручную собрать и высушить рыльца 150–250 крокусов. Один килограмм — это до 200 тысяч цветов и тысячи часов работы. Неудивительно, что розничная цена доходит до 4000–6000 долларов за килограмм, или примерно 500 рублей за щепотку.


🌸 Для чего вообще нужен шафран
Я не особо кулинар. Слово "шафран" я, конечно, знал, но никогда особо не интересовался, для чего он нужен. Оказалось, что эта специя придаёт блюдам не только золотистый цвет, но и лёгкий медово-цветочный аромат. Её добавляют в плов, паэлью, ризотто, индийские сладости и восточные десерты вроде мороженого бастани. В крошечных дозах шафран встречается даже в парфюмерии, в ликёрах и в косметике. Он делает простое блюдо «праздничным» — ровно так же, как хорошо проведенное интервью превращает разрозненные факты в историю.


💬 Глубинные интервью: специя исследований

Со стороны кажется: что сложного — поговорить с десятком-другим людей. Но если это редкая, «шафрановая» аудитория — например, владельцы частных клиник, покупатели какого-то очень редкого товара или IT-директора, — каждый контакт превращается в охоту на цветок, который цветёт один день в году.

Добавьте сюда, что сейчас фальсифицировать можно почти любой документ - от визитки до сайта (да-да, в нашей практике мы встречали и такие попытки обмана), и несколько раз такие лже-респонденты "раскалывались" лишь в ходе интервью, когда они не могли ответить на простые для их целевой группы вопросы.

Чтобы найти и провести одно глубинное интервью, уходит масса усилий: десятки звонков, фильтрующие анкеты, уточнения времени, напоминания. Поэтому одно качественное глубинное интервью может стоить 70–100 тысяч рублей — не потому, что исследователь копит на новую квартиру, а потому что каждый грамм инсайта добыт вручную.


⏱️ Формат и организация

Глубинные интервью длятся обычно от 30 до 60 минут. До пандемии коронавируса (кто-то еще помнит те времена?) стандартом были личные встречи — дорого, сложно и зависимо от географии. Сегодня отраслевой стандарт — дистанционные интервью по видеосвязи. Это удобно и для респондента, и для модератора: можно собирать людей из разных регионов и говорить с ними в привычной обстановке, где они более открыты.


📍 Чем глубинки отличаются от фокус-групп

Оба метода помогают понять глубинные мотивы поведения потребителей, но фокус-группа показывает динамику мнений в сообществе, а глубинное интервью акцентируется на детальной проработке индивидуального опыта.

В одиночной беседе человек рассуждает, вспоминает детали, "разворачивает" свой путь.

Нет эффекта подстройки под других, как в группе, зато гораздо чаще появляется доверие. Это особенно важно, когда исследуются темы личного выбора, денег, установок.


📊 Сколько таких интервью нужно

В типовом исследовательском проекте проводят по 5–7 интервью на каждый сегмент целевой аудитории. Если сегментов три — получится около 15–20 интервью. Этого достаточно, чтобы собрать хороший массив качественных данных и увидеть повторяющиеся паттерны поведения.


🪷 Пять параллелей между шафраном и глубинками

1. Редкость ресурса. Крокус цветёт несколько дней, а нужные люди не всегда доступны — у них свой график и язык.

2. Ручной сбор. Машина может собрать рис, но не шафран. Онлайн-опросы масштабируются, но не заменяют глубокого разговора.

3. Отбраковка. Из 20 кандидатов двое могут не подойти по профилю — как и бледные нити шафрана.

4. Качество важнее объёма. Один грамм специи окрасит весь плов, одно точное интервью способно объяснить целый пласт поведения.

5. Цена опыта. Опытный модератор чувствует, когда стоит помолчать, как сборщик шафрана знает, когда цветок готов к сбору.


Глубинное интервью — это не “поговорить с людьми”, а искусство вытащить смысл из нюансов. И если кто-то говорит, что это "слишком дорого", вспомните шафран.


P.S. Фото сделано в Иране, на который приходится львиная доля экспорта шафрана.


#research
#qual

Как пробить фасад правильных ответов

Ашхабад, где я побывал ровно год назад, — город, где всё сияет белым мрамором. Прямые проспекты, одинаковые здания, даже машины — исключительно белые. Кажется, будто сама жизнь вычищена от случайностей.

Но стоит завернуть за угол, и можно увидеть реальную жизнь. Во дворах сушится бельё, дети гоняют мяч, пахнет хлебом и бензином. Здесь другой Туркменистан — не парадный, а живой.

Этот контраст — идеальная метафора для исследований.
Респонденты тоже выстраивают фасады. Они отвечают не так, как думают, а так, как «надо». Это не ложь — это защита.

Чтобы добраться до правды, исследователь должен уметь разоружить человека — мягко, без нажима, но настойчиво.

Вот как можно пробить фасад «правильных ответов» в глубинных интервью - самом распространенном методе качественных исследований.


🔹 1. Не начинайте с вопросов.

Разговор начинается не с блокнота, а с атмосферы.
Человеку должно быть спокойно быть собой. Иногда это чай, иногда короткая история от модератора — «я сам недавно выбирал телефон и запутался». После этого респондент выдыхает: перед ним не экзаменатор, а собеседник. Всё, что сказано до доверия, — просто звук по мрамору.


🔹 2. Не спрашивайте “почему”, спрашивайте “как”.

«Почему вы выбрали этот бренд?» включает оправдание.
А «Расскажите, как это было?» зовёт к воспоминанию.
Человек описывает шаги: «искал отзывы», «спросил у жены», «посмотрел скидку». И ты видишь не объяснение, а реальную логику выбора.
Истории всегда честнее аргументов — они не успевают отредактировать себя.


🔹 3. Смотрите, не только слушайте.

Тело не лжёт.
Когда человек говорит, что интерфейс «удобный», но ищет кнопку взглядом, — ты видишь правду, которую он не осознал.
Наблюдение — продолжение интервью. Паузы, интонации, взгляд в сторону часто рассказывают больше, чем слова. Мрамор статичен, человек — нет.


🔹 4. Спрашивайте не прямо, а через других.

Проективные методики — лучший способ обойти фильтры сознания.
«Почему люди выбирают этот бренд?» — и человек описывает себя, не замечая этого.
Можно поиграть: «Представьте, что этот бренд — человек. Какой он?»
В этой игре исчезает страх ошибиться. Фасад расслабляется, и на поверхность выходит интуиция — то, что обычно скрыто.


🔹 5. Дайте человеку почувствовать себя экспертом.

Люди боятся давать «неправильный» ответ, но готовы делиться опытом.
Фраза «Вы лучше всех знаете, как это устроено» открывает больше, чем десяток уточняющих вопросов.
А просьба «Как бы вы сами сделали этот продукт лучше?» превращает респондента из объекта исследования в соавтора.
И именно там рождаются подлинные инсайты.

Иногда после полевых сессий на стол ложатся аккуратные таблицы — ровные, чистые, безупречные. Но живые данные никогда не бывают симметричными. Они пахнут пылью, как ашхабадские дворы, и полны противоречий.

Именно в этих трещинах и живёт понимание.

Ашхабад учит видеть за фасадом.

Так же и исследователь должен слышать не только ответы, но и паузы между ними, смотреть не только на цифры, но и на несостыковки.

Истина редко сидит на мраморных проспектах — она всегда прячется во дворе, где жизнь продолжается, как ни в чём не бывало.

#research
#qual

P.S. Фото сделано в Туркменской столице Ашхабаде год назад. Кстати, Туркменистан меня по-настоящему удивил - он очень сильно отличается от тех стереотипов, которые все мы про него знаем. Кому интересно - можно посмотреть мой рассказ о поездке в Турмению на сайте Туристер.

Как “усреднение” делает данные бесполезными

Мы уже не раз говорили здесь о способах манипуляции социологическими и статистическими данными. Один из самых частых — игра со “средними значениями”. Это удобный приём: он создаёт иллюзию точности, но часто уводит от реальности. Среднее сглаживает крайности, а вместе с ними — смысл.

В XIX веке бельгийский астроном Адольф Кетле мечтал описать общество по тем же законам, что и звёзды. Он собрал тысячи данных — рост, вес, возраст — и вывел портрет «среднего человека». Так родился всем хорошо знакомый индекс массы тела (ИМТ).

Но вскоре стало ясно: “средний человек” существует только в таблицах.

Когда инженеры ВВС США в 1950-х спроектировали кабину под «средние» параметры пилота, измерили 4000 человек — и выяснили: ни один не совпадает по всем критериям. Ни один!
В итоге кабину переделали под регулируемые сиденья и ремни. Средний пилот, как и средний человек, оказался вымыслом.

Тот же миф живёт в исследованиях.
Мы говорим: “Наш средний покупатель — женщина 35 лет”, “Средний чек — 1200 рублей”.
Но если заглянуть в распределение, окажется: 30% платят 400 рублей, 10% — по 5000. “Средний чек” — это не типичный покупатель, а просто некое математическое упражнение, часто очень далекое от реальной ситуации.

Чтобы не попасть в ловушку “усреднения”, нужно помнить, что есть три разных способа описать выборку.

1. Среднее арифметическое — сумма всех значений, делённая на их количество.
Работает, пока нет крайностей. Но стоит появиться одному “миллионеру”, и цифра уедет. Девять человек зарабатывают по 50 тысяч, один — миллион → средний доход 145 тысяч. В реальности так не живёт никто.

2. Медиана — значение, которое делит выборку пополам. Все значения выборки упорядочиваются по возрастанию, и медиана - это то значение, которое находится посередине этого ряда.
Половина выше, половина ниже. В примере выше медианный доход — 50 тысяч. Это уже ближе к правде.

3. Мода — самое часто встречающееся значение в выборке.
Если 40% респондентов ходят в магазин раз в неделю, мода — “1 раз в неделю”. Она показывает поведенческую норму, а не математический баланс.


📈 Как это проявляется в жизни

По данным специального ресурса статистического анализа зарплат в российской экономике, по итогам сентября 2024 года:
— средняя зарплата в России составила 86 951 рубль,
— медианная — 57 000 рублей,
— модальная — 50 000 рублей.

То есть половина людей получает меньше 57 тысяч, а чаще всего встречается именно уровень 50 тысяч. Но из-за небольшой доли высоких доходов средняя «уезжает» вверх — создавая иллюзию благополучия, которого большинство не чувствует.

Такая же ситуация и в других сферах:
— Средняя оценка приложения может быть 4,2, хотя медиана — 5: большинство довольны, но несколько недовольных тянут среднее вниз.
— Среднее число подписчиков у блогеров — 12 000, но мода — 1000: 1% гигантов искажает восприятие рынка.


🔍 Что важно помнить исследователям

— Не ищите «среднего потребителя» — его нет. Есть сегменты, различия, мотивы.
— Всегда смотрите на форму распределения, а не только на цифры. Хвост данных часто говорит больше, чем “середина”.
— Отчёт, где часто звучит “в среднем”, почти всегда требует уточнений. Среднее кого? по какому параметру? на какой выборке?

Маркетинг любит обобщения, но в них теряется жизнь.
Кетле искал «идеального человека» — и открыл статистику.
Мы ищем «типичного потребителя» — и находим разнообразие.

#research
#quant

Доходные дома Петербурга: шеринг-экономика позапрошлого века

Для исследователя важно не просто собирать данные, а видеть длинную перспективу. Большинство социально-экономических явлений, которые кажутся нам новыми, уже когда-то происходили — просто в другой форме и под другими названиями. Изучая прошлое, можно довольно точно предсказать, как те же механизмы поведут себя сегодня.

Всем нам кажется, что шеринг-экономика — это нечто современное: Uber, Airbnb, Делимобили и Яндекс.Драйвы, «арендуй, не покупай». Но вы удивитесь — сто лет назад шеринг-экономика уже существовала в нашей стране. Только называлась иначе: доходные дома Петербурга.


Что такое доходный дом

Многоэтажное здание, построенное специально для сдачи квартир и комнат в аренду. Владельцы — купцы, вдовы, страховые общества, банки. Доход шел не от продажи, а от постоянной арендной платы.

Строительство такого дома считалось одним из самых выгодных вложений своего времени. Средняя окупаемость составляла 5–10 лет, а прибыльность — 10–20% годовых. В одном доме могло жить от 50 до 500 человек, а в крупных комплексах — до тысячи.


Масштаб явления

К началу XX века до 80–85% петербуржцев жили в съёмных квартирах. Город буквально состоял из арендаторов.
Квартплата съедала в среднем четверть семейного бюджета, а стоимость жилья различалась в разы в зависимости от района: квартира на Невском стоила в 6–7 раз дороже, чем на окраинах.

Петербург стал одной из первых арендных столиц Европы — аналог современного «города по подписке».


Кто снимал квартиры

Публика была очень разная.
— Средний класс: чиновники, врачи, учителя, инженеры, преподаватели, военные.
— Студенты и гувернантки — на мансардах и в дворовых корпусах.
— Актёры, писатели и композиторы — в модных домах на Фонтанке, Гороховой, Литейном. Здесь жили Достоевский, Тургенев, Блок, Стравинский, Зощенко.
— Купцы и предприниматели — на бельэтажах, ближе к фасаду.

В одной парадной соседствовали профессор и переписчик, вдова и студент.
Это был живой социальный срез — городская версия коливинга, где под одной крышей уживались десятки разных судеб.



Как всё было устроено

1. Зонирование. Парадные квартиры — просторные и дорогие; дворовые и чердачные — дешёвые. Один дом обслуживал сразу несколько социально-ценовых сегментов.

2, Комплексные услуги. Дрова, отопление, уборка, дворник, иногда прачка — всё включалось в квартплату. «Подписка» на комфорт уже существовала.

3. Бренд и реклама. Архитектура была маркетингом. Чем красивее фасад — тем выше ставка аренды. Владельцы инвестировали в лепнину, витражи и лифты, чтобы выделиться на фоне соседей.

4. Гибкость. Хозяева держали по нескольку домов и позволяли жильцам переезжать внутри сети — прообраз сегодняшней «арендной экосистемы».

5. Удобные ежемесячные платежи по банковской карте. Нет-нет, вот этого как раз еще не было -).



Кто получал ренту

Домовладельцы составляли менее 1% населения, но владели почти всем арендным фондом. Для них доходный дом был аналогом сегодняшнего инвестиционного портфеля — стабильный пассивный доход, независимый от кризисов.


Почему это напоминает современность

Если заменить швейцара на приложение, дрова на коммунальные услуги, а квартплату — на ежемесячную «подписку», получится почти точная копия сегодняшних BTR-комплексов (Built-to-Rent).
Та же логика: не продавать жильё, а извлекать прибыль из непрерывного потока аренды.
Та же цель — стабильный доход владельца и иллюзия свободы у жильца.

Разница лишь в декорациях: вместо двора-колодца — лаундж-зона, вместо управляющего — проптех-платформа, вместо соседей по лестнице — комьюнити-чаты.



Что стало потом

После революции 1917 года доходные дома национализировали, а просторные квартиры разделили перегородками. Так появились коммуналки — ироничный постскриптум той же идеи «совместного проживания».



Резюме

Шеринг-экономика отлично работает для такси и самокатов — там актив быстро обесценивается. Но жильё — актив, который дорожает. Для одних это стабильный поток дохода. Для других — вечный съём.
И ровно так уже было в Петербурге эпохи доходных домов.

#занимательно_о_флагах

Nano Banana — мой личный чемпион среди нейросетей по генерированию изображений

С тех пор, как нейросети для генерации изображений стали доступны каждому, я систематически проверяю, на что они способны. Просто профессиональная деформация — не могу пройти мимо нового инструмента, особенно если он обещает «революцию». -)

Начинал, как и большинство, с Midjourney — тогда казалось, что это предел возможностей: пару слов — и на экране уже "капибара-спит-у-бара", портрет эпохи Возрождения или рекламный постер уровня агентства. Потом были Stable Diffusion, DALL-E, вплоть до Шедеврума и ГигаЧата.

Сегодня мой основной набор — Sora от ChatGPT (просто потому, что у меня есть подписка на ChatGPPT) и Nano Banana от Google.

По всем моим тестам Nano Banana — безусловный чемпион.

Во-первых, она выдаёт очень реалистичные изображения. Прорисовывает каждую деталь — от бликов на стекле до текстуры ткани — так, что не верится, что это не фото.

Она прекрасно работает с вашей исходной фотографией, используя ее как основу. Например, на фото к посту герой был снят вживую, а все остальное уже дорисовано.

Во-вторых, у неё стабильный результат: один и тот же промпт даёт одно и то же изображение. Для исследователя это редкая роскошь — можно проводить сравнения и быть уверенным, что система не подкинет случайный сюрприз. Ну и не забываем, что именно стабильность - признак мастерства.

И в-третьих, она чётко следует инструкциям. Если попросить «портрет мужчины в сером пальто на фоне панорамы Москвы при вечернем свете», не появятся ни зелёные неоновые лампы, ни кошки на заднем плане — всё ровно по описанию.

Чтобы убедиться, что это не просто моё впечатление, я решил посмотреть независимые тесты. В тех обзорах, которые мне удалось найти, Nano Banana уверенно обходит ChatGPT и Midjourney. Её кадры называют более реалистичными, выразительными и «живыми». Только в одном случае её упрекнули за излишний энтузиазм — на египетском рынке она нарисовала слишком много торговцев. Но, если честно, для нейросети это приятный перебор.

Что мне особенно нравится — это уже не игрушка, а полноценный рабочий инструмент.

Для маркетологов — возможность быстро проверять креативные гипотезы: создать несколько визуальных концепций и тут же показать их аудитории.

Для фотографов — шанс расширить границы кадра. Есть сильный портрет, но не хватает атмосферы? Попросите Nano Banana дорисовать панораму города или нужное освещение — и снимок оживает.

Я всё чаще думаю, что нейросети вроде этой становятся не конкурентами человеку, а надёжными ассистентами. Они берут на себя рутину, оставляя нам главное — идею. В наше время фотографию можно получить по-разному.

Можно упарываться, тратя часы и деньги на то, что нейросеть дорисует буквально в два клика, при этом оставляя фотографию просто пустой открыткой. А можно отснять только то, что нужно отснять (например, колоритного персонажа в нужном образе) и дальше дорисовать фотографию при помощи ИИ, чтобы она доносила ваше фотовысказывание.

Так что если вы ещё не пробовали Nano Banana, советую срочно это исправить -).

Она не заменит вдохновение, но сэкономит часы работы — и, возможно, подарит тот самый кадр, который вы давно пытались придумать. 🍌


P.S. Увидел в Эрарте фото мужчины, сидящего на стуле и обхваченного несколькими парами рук, и решил снять что-то похожее. Намучился в студии, т.к. это то еще развлечение - прятать ассистентов под черную ткань, а потом зарисовывать ее. В итоге плюнул и решил отснять крупно героя, а руки дорисовать. Мне кажется, получилось неплохо.

P.S.S. Nano Banana доступна через браузер, без всяких ВПН. При регистрации вам дается 5 генераций, но этого очень мало. Для полноценной работы нужно докупать платные генерации. Мой пакет изображений обошелся мне в 6 центов за попытку (то есть в 5 рублей за изображение). Для покупки, к сожалению, нужна буржуйская карта.

Пишите в комментариях, был ли у вас опыт использования нейросеток для генерации изображений, и какая лидирует.

#ИИ

Куда все побежали с ракетками, или Почему Ваш друг стал паделистом

Если вы впервые слышите слово падел, можно подумать, что это что-то ругательное из косметики или моды.

Слово «падел» происходит от английского paddle — «лопатка» или «весло» (в старом смысле — «ракетка»). Но в испанском языке, где спорт и получил развитие, слово упростили до pádel — с ударением на первый слог и «мягким» произношением.

То есть падел буквально означает «игра ракеткой-лопаткой» — потому что первые ракетки действительно были сплошными, без струн, чем-то похожими на весло от байдарки.

Изобрёл падел мексиканец Альфонсо де Ойос в 1969 году, просто чтобы мяч не улетал к соседям: он обнёс свой мини-теннисный корт стенами. Игра понравилась друзьям, потом — Испании, а теперь и всему миру. С тех пор ничего радикально не изменилось: площадка — стеклянная коробка, ракетки без струн, атмосфера весёлая.

За последние пять лет падел стал одним из самых быстрорастущих видов спорта в Европе.

Вот здесь я, кстати, показывал на примере ракеток для падела, как можно быстро проанализировать динамику товарной категории.

В Испании он уже обошёл теннис по числу игроков. В Италии — около 12 тысяч площадок, во Франции и Великобритании рост измеряется сотнями процентов в год. Даже в Швеции, где полгода снег, корты (правда, крытые) растут как грибы.

Почему именно падел, а не сквош или теннис, стал новой спортивной манией?


⸻

1. Простота и удовольствие с первой минуты.
Подача снизу, стены помогают, ракетка без струн прощает ошибки.
В теннисе первые месяцы — борьба с сеткой и самоиронией. В сквоше — адреналин и высокая интенсивность, но новичкам тяжело, плюс довольно травмоопасно.

В паделе — короткий путь к моменту, когда всё получается и становится весело.


2. Социальность по умолчанию.
Падел — всегда парная игра.

Ошибся — напарник виноват спас, уровень можно смешивать, атмосфера расслабленная.
После партии все обычно остаются в баре при клубе — не за результатом пришли, а за общением.
Это формат «встретились, поиграли, пошли ужинать» — и, возможно, поэтому он так хорошо лег на темп современной жизни.


3. Экономика, которую полюбил бизнес.
Падел-корт размером 20×10 метров, теннисный — почти в три раза больше.
На площади одного тенниса можно разместить три падельных площадки, где одновременно играют 12 человек вместо 2–4.
Капвложения — €20–50 тысяч за открытый корт, €70–100 тысяч за крытый.
Для сравнения: теннис стоит до €120 тысяч, сквош — до €100 тысяч, и вмещает всего двоих игроков.

В пересчёте на квадратный метр падел зарабатывает больше любого другого ракеточного спорта.
При загрузке 60% комплекс из четырёх кортов приносит €150–200 тысяч в год,
окупаясь за 2–4 года — цифры, о которых теннисные и сквош-клубы давно забыли.

⸻

4. Контент как двигатель популярности.
Падел идеально «ложится» в формат коротких видео.
Стеклянные стены, динамика, эмоции — всё помещается в один кадр,
и любой смартфон превращается в операторскую камеру.

Алгоритмы TikTok и Reels продвигают падел быстрее, чем любая реклама.


5. Социальный эффект и культура вокруг.
В падел приходят семьями, компаниями, парами.
Это спорт, где соревновательность не разрушает общение, а усиливает его.


⸻

Почему это важно маркетологам и исследователям
Падел — пример идеального продукта, в котором всё сработало:
• низкий барьер входа → высокая конверсия из «попробовал» в «остался»;
• формат 2×2 → встроенный вирусный эффект — каждый игрок приводит ещё троих;
• зрелищность → контент рождается сам;
• простая экономика → быстрая окупаемость.

И если перевести это на язык исследований —
падел показывает, как работает модель роста без внешнего бюджета:
понятный опыт, эмоции и социальное распространение.

⸻

Секрет успеха прост: падел оказался не спортом, а дизайном удовольствия.

Он делает человека успешным за 5 минут, даёт смех, азарт и компанию.
По сути, то же самое, чего мы все ждём от хорошего продукта.
А заодно и отличный пример того, как социальная механика превращается в экономическую.

#занимательно_о_флагах

Динамика исследовательской отрасли РФ через призму Research Expo 2025

Московская Research Expo — не просто конференция. Каждый октябрь она становится зеркалом российской исследовательской индустрии: показывает, чем живёт рынок, куда он движется и что уже осталось в прошлом.

Если пролистать программы последних пяти лет, видно, как профессия прошла путь от фокус-групп и эмоционального брендинга — до синтетических респондентов и ИИ-метрик UX.

2021.
Рынок говорил о классике: как измерить клиентский опыт и доказать ценность UX-исследований бизнесу. Первые разговоры про автоматизацию и роботов-интервьюеров звучали как фантастика. Исследователь был тем, кто объясняет, зачем бизнесу вообще нужны инсайты.

2022.
Сдвиг. На сцену выходят большие данные и машинное обучение. Банки и экосистемы уже не просто «проводят опрос», а стыкуют анкеты с поведенческими и транзакционными данными.
В моду входят онлайн-панели, клиентские комьюнити, быстрая петля «вопрос – ответ – изменение продукта». Параллельно набирают силу семиотика, культурные коды, поколенческие различия и детская аудитория.

2023.
ИИ перестаёт быть красивым слайдом и превращается в рабочий инструмент. Не «а давайте робота», а «мы заменили часть рутины нейросетью и проверили эффект на KPI».
В повестке — предсказательная аналитика креатива: не «ролик нравится», а «ролик принесёт столько-то новых покупателей».
UX/CX становится отдельным миром: этика, удержание сотрудников, смешанные методы, полевые исследования. Исследователь чинит не только продукт, но и внутренние процессы компании.

2024.
UX/CX получает собственный трек — знак зрелости и стандартизации. Вопросы уже не «зачем», а «как считать».
ИИ становится операционным сотрудником: кодирует открытые ответы, делает выжимки, собирает отчёты. Машина делает рутину — человек смысл.

2025.
Кульминация — синтетические респонденты. Команды строят когнитивные профили людей, обучают модели и тестируют гипотезы ещё до полевого этапа.
UX превращается в экосистему: метрики удобства в автомобилях, phygital-дизайн, культурная адаптация под Узбекистан и ОАЭ.
Исследования больше не живут как PDF: данные опросов, видео, трекинги и продажи объединяются в «хранилища знаний», где всё работает на принятие решений.


Что это значит для нас:
1. Вопрос уже не «нужно ли исследование», а «как внедрить инсайт за неделю».

2. ИИ — инфраструктура, как Excel.

3. Классические методы живут, но обязаны говорить на языке бизнес-метрик.

4. От нас ждут ответов не только о «кто клиент», но и «куда движется рынок и как адаптировать интерфейс под стресс».

За пять лет фокус сместился от «как провести глубинку» к «как встроить результат в стратегию, интерфейс и P&L — желательно к понедельнику».

P.S. Рад был увидеть и обнять многих из вас сегодня на Research Expo 2025.

#research