Доверие к исследованиям

На рынке интеллектуальных услуг есть две точки зрения, которые отражают отношение к исследованиям: либо исследования дадут гарантированный ответ на любой поставленный вопрос, либо исследования не дадут ничего, кроме повторения того, что мы и так знали.

Где-то между этими точками зрения болтается суровое настоящее ресечерского рынка, и оно же этими двумя точками зрения сильно портится.

Потому что превозносящий исследование стремятся превратить каждую исследовательскую процедуру в «хочу все гарантировано знать», из-за которой либо в лучшем случае затрачивается несоразмерно потенциальному выигрышу большое количество ресурсов, либо — портится инструментарий, и поэтому хочу всё знать превращается в ничего не знаю и срез поверхностных выводов.
Принижающий же исследования, помимо того, что не приносит на алтарь излучения свой бюджет и подменяет их своей интуицией (если деньги его — то на здоровье, но если это деньги акционеров — то вопросики), приписывает успехи, которые могут быть и вполне случайные, именно тому, что не обращался к исследованиям. И другие, молодые и не столь погруженные в ситуацию, уже повторяют мантру про исследования не нужны.

Фактически, получается такой круговорот отношения к исследованиям. Сперва менеджер хочет все знать и заказывает максимально обширное исследование, потом получает не строго определенную картину мира, а набор гипотез, разочаровывается в исследованиях, перестает им верить, действует по интуиции, и дальше до первого провала, потому что не учел что-то, что могли выявить исследования. И дальше уже заказывает максимально обширное исследование.

Весь этот круговорот исследовательской сансары приводит, как и ему положено, лишь к страданиям.
А выход иха него простой — принять, что мир не идеален, и исследования — это всего лишь инструмент, который помогает, но не гарантирует коммерческий успех. Исследования — это направления для гипотез и статус кво, а реальный успех куется в управленческих решениях относительно стратегии развития.
Которая, в свою очередь, лучше, если имеет необходимые, но достаточные основания в виде исследований.

Ведь если вы знаете всё, то скорее всего уже поздно.
Если вы не знаете ничего, то вы или Джон Сноу, или ваш успех — чистая случайность (у Джона Сноу кстати тоже).

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни

Больше исследований — меньше гипотез

А сколько гипотез вы разработаете посредством исследования — иногда спрашивают нас.
Потом еще говорят, что нет, так недостаточно, давайте проведем еще исследования, чтобы выработать еще гипотезы.

Но на самом деле, когда вы проводите больше исследований, и у вас становится больше гипотез — вы что-то делаете не так.

Исследования не призваны генерировать гипотезы, они призваны отражать реальное положение вещей.

В идеальном-идеальном исследовании, у вас в конце должна быть одна единственная не то что бы даже гипотеза, а проверенная штука, с которой сразу уверенно и бесповоротно бизнес-результат. Ирония состоит в том, что чтобы дойти до этой не-гипотезы, нужно затратить столько ресурсов, что дешевле проверить пару гипотез-которые-гипотезы в бизнес-среде.

Поэтому обычно происходит так: находят более или менее устойчивые (значит, повторяющиеся и релевантные) гипотезы на качественном этапе, проверяют их на количественном. Некоторые вещи конечно могут всплыть и на количественном этапе, но чаще всего все инвайты и гипотезы там — это ошибки выборки или инструментария. Запятую не там поставили, и вуаля.

Почему же тогда исследования ценны, спросите вы, если они не генерируют бесконечное количество гипотез.
Опять же, ценны они именно потому, что гипотезы, выявленные из исследований как-то обоснованны и имеют больший шанс подтвердиться, чем гипотезы просто на основании опыта. Но это не значит, что исследования — это панацея, это всего лишь увеличение вероятности гипотезы сработать, но в то же время «приземление» и укоренение их в текущем статус кво. Именно оттуда истории про более быструю лошадь или телефон с большими кнопками.
Ни один инструмент не идеален, важно просто знать его ограничения.
Исследования — это про надежность, а не про широту.

А если хотите больше гипотез, садитесь за стол, собирайте команду и генерируйте. Так затраты на ваше исследование будут ноль рублей, а гипотез — только ограниченное вашей фантазией число.

Но есть, конечно, нюанс.

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни

3. Очарование количеством.

(Начало рассуждения про репрезентативность здесь)

Сейчас любят всякую биг дату и поэтому делают выборки по 12-15 тысяч человек.
Разумеется, чаще всего эти выборки — это анкета на 5 минут, размещенная где-то в социальных сетях. Зато 15к не могут быть не репрезентативными, а 300 человек — просто обязаны.

На самом деле у репрезентивоности один критерий — это случайное попадание в выборку.

А дальше мы сталкиваемся с несовершенством мира, поскольку случайное попадание в выборку — явление, занесенное в красную книгу, и физически мы его чаще всего не можем, мы делаем разные вещи.
- Перекрываться количеством. Да, действительно, чем больше в выборке человек, тем ниже ошибка выборки, при условии, что мы не жертвуем качеством рекрута.
- Начинаем исследовать взаимосвязи. Важно не столько то, что 60% наш товар нравится, а 40% не нравится, а что среди женщин доля любителей нашего товара 80%, а среди мужчин — только 40%. В среднем 60%, но это знание дает нам куда больше пищи для размышления и оно точно репрезентативно, если мы только не отбирали женщин из наших клиентов, а мужчин — с улицы.
- Переносим случайность на выборку. То есть, не отбираем людей случайно, а отбираем им случайно стимульные материалы и смотрим на разницу в распределении. На этом построены тестирования, и именно поэтому их можно проводить с куда меньшей выборкой, при условии, что вы действительно проводите тестирование.

Так что, меньшая выборка из качественного источника более репрезентативна, чем большая выборка из некачественного.
То есть, если мы опросим всё население России без Москвы (это порядка 125 млн человек), и сделаем выборку в панели на 1200 человек, вторая выборка относительно генеральной совокупности России более репрезентативна и для понимания российских общих потребительских трендов вторая выборка даст нам значительно больше.

В общем, нет ничего плохого в том, чтобы любить репрезентативность.
Но важно ждать это к месту и понимать ограничения.

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни

Качественная выборка групп клиентов
Начало здесь

Но здесь кроется следующий подводный камень — таких групп не может быть много и сравнивать мы можем только по дифференцирующей характеристике.
То есть, если у нас в выборке 24 человека, мужчины и женщины, три группы возраста 25-35 / 36-45 / 46+ и из Москвы / не из Москвы, то тогда необходимо сравнивать что думают мужчины и женщины, или москвичи и немосквичи, а не как различается мышление женщин 25 лет из Москвы от мужчин 45 не из Москвы — тут очень велика вероятность ошибиться, поскольку есть еще куча характеристик, которых мы не учитываем, а фактически мы сравниваем группу из двух человек с группой из двух человек.
И вторая главная история — мы не можем добавлять новые характеристики, как нам вздумается. Если среди группы женщин и группы мужчин, затесались, к примеру, таксисты, то методолгически будет довольно недальновидно сказать, что о, у нас есть группа таксистов, давайте их сравним с остальными. Если нам важны были таксисты, об этом стоило думать на этапе выборки.

Главный вывод — если занимаетесь качеством — не бейте выборку на микрогруппы, не увлекайтесь делением на группы, потому что что различия в видении вы не сможете объяснить ничем.

Если у вас количественное исследование — опрашивайте всех, математика разберет. Разве что не забудьте сделать минимальные квоты на то, чтобы в вашу выборку попали ваши клиенты, если бизнес небольшой. Но это уже немного другая история

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни

Хватит смотреть на цену

Сказал бы я нашим потенциальным клиентам, но я понимаю, что это невозможно.
И это пост вообще про исследования.

В исследования очень часто, и столь же ошибочно, в факторы выбора включают цену.

Типа что вам важно при выборе товаров?
Цена — радостно отвечают потребители.

И исследователи приходят потом с выводом, что вот, 89% потребителей важна цена. Или 87% сотрудников важна зарплата. Или другие очевидные вещи. Или какому-то еще большинству.

Дело в том, что цена — это базовый фактор экономического выбора.
Зависимость цены от количества — это основа для построения кривых спроса и предложения. Потребители желают купить меньше товара при увеличении цены — закон спроса. Производители желают продать больше при увеличении цены — закон предложения.

А где же в этом всём чистом экономикс спросите вы бренд и коммуникация?
Бред изменяет кривую спроса, делает её менее эластичной. То есть, при увеличении цены меньшее количество откажется от вашего продукта, чем без бренда.
Коммуникация по идее сдвигает кривую.
Но цена влияет. Всегда.

Идея в том, что если вы при этом смотрите на цену, как на фактор потребительского выбора, вы не можете управлять остальными факторами.
Поэтому не спрашивайте потребителей, что им важно в целом, цена будет оттягивать на себя внимание.

Спрашивайте, что важно помимо цены — и здесь будет разные комплексы факторов для разных сегментов, и вы лучше поймете, что сделать, чтобы люди меньше реагировали на цену.
Но будут на неё они реагировать всегда.
Всегда.

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни

Трава зеленая
или как интерпретировать выводы исследований

Частая критика исследований — это вот вы поисследовали, и говорите нам, что небо голубое, трава зеленая, а люди разные.
Спасибо, мы это и без ресеча знали.

И часто так действительно получается — мы поисследовали, и выводы очень коррелируют со здравым смыслом. Потому что здравый смысл тоже берется не из воздуха и дедушкиных рассказов, а из повседневной реальности, которую мы собственно и исследуем.

Но как сделать больше ценного в исследованиях на примере зеленой травы.
Вот несколько приемов.

1. Трава действительно зеленая, или поиск консенсуса. Чтобы провернуть такой трюк, вам нужно иметь от клиента вопрос — а действительно ли трава зеленая, потому что часть команды считает, что трава черная, часть, что прозразрачная, а часть, что трава — это чебурашка. Чтобы примирить, вам нужно исследование, желательно, количественное, репрезентативное и с методологией которого согласны все участники. В таком случае, установленный факт зелености травы является ценным.
2. Хлорофилл, или идем в глубину. Если вы получили вывод о том, что трава зеленая, стоит задуматься, а почему собственно она зеленая. Откуда эта зеленость берется и зачем нужна. В какому случае интересен не цвет травы, а элементы и механика его образования. Вот хлорофилл, вот фотосинтез, вот поэтому так зелено.
3. Красная трава, или континтуитивные результаты. Если все считают, что трава зеленая, а вы вдруг в исследованиях находите красную траву (а такая вполне встречается и в природе, например Императа цилиндрическая), то тогда самое время показать это, и сказать, как хрупко обыденное знание. Такие выводы обычно служат для того, чтобы взглянуть на обыденные вещи под новым углом и вдохновить на смелость. Вкупе с вариантом два получается убойное комбо — вы сразу можете механику и общих тенденций, и исключений.
4. Трогать траву, или практические советы. Часто в коммерческом исследовании (в отличие от академического) ценен не установленный факт, а что с этим можно сделать. И возможно, что цвет травы совершенно не важен, в отличии от её тактильных успокаивающих свойств. Поэтому если выводы выводы исследования довольно очевидны, стоит сконцентрироваться на рекомендациях.

А какие приемы создания ценностей посредством исследований используете вы?

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни

Передозировка цифрами

Цифры решает всё.
А что говорят цифры.
Нужно больше цифр.

Видишь какое-то сообщение в би ту би — и там обязательно цифры.
Читаешь анонс конференции — цифры.
Готовишь доклад или статью — вопрос в цифрах.

Какой-то сумрачный гений маркетинга как-то видимо сказал: «Люди доверяют цифрам, дайте им больше цифр».

Когда-то цифры нужно было знать, чтобы брякнуть, сейчас же это — универсальный и медиум и месседж.

При том, секрет Полишинеля, что даже одни и те же данные можно развернуть как угодно. Следите за руками

Всего 30% пользуются российских бизнесменов знакомы с понятием креативных индустрий. (Это кстати сравнительно реальные данные) Ну то есть, не особо креативная у нас бизнес-среда.
Почти каждый третий российский бизнесмен знаком с понятием креативных индустрий. Вау, то есть, если сообразили на троих, то значит один сможет рассказать про креативные индустрии, круто.

И это одна цифра (друзья, я знаю, что это это не цифра, а число, а цифра — это от ноля до девяти, но пусть так льется песня).

А есть же еще способы эти цифры получить, трактовать, искать взаимосвязи, ну и так далее.

И после этого цифры слились в единый бесконечный карнавал манипуляций, ведь ты никогда не узнаешь, кто за маской — доверенный источник, манипулятивный опрос или вообще взятое с потолка ощущение.

Но конвейер продолжает работать, и благодаря нейросетям только сильнее. Всё-таки цифровой брат любит цифры еще больше, чем мы, чья информация тясчелетиями передавалась историями, а цифры были уделом узкой прослойки населения, и то сравнительно недолго.

С другой стороны, зачем что-то там делать против ветра, когда его можно ловить в паруса.
Тем более, что согласно исследованиям 78,5% не проверяют данные исследований, поэтому их можно просто выдумывать.

#decodingresearch

🎱 Decoding Human — канал про смыслы в брендах, бизнесе и жизни