Как понять, выстрелит ли реклама? Разбор практики тестов рекламы
«Ролик вышел отличным!», говорит креативная команда.
«Ролик не самый эффективный», расстраивает их исследователь.
И практика показывает: чаще всего именно исследователь оказывается ближе к реальной ситуации.
Любое крупное исследовательское агентство расскажет вам множество кейсов, когда внутри команды клиента есть полная уверенность, что рекламный ролик получился реально классным: красивые цвета, яркая драматургия, симпатичные актеры. Всё кажется готовым к эфиру.
А потом приходят результаты тестирования — и выясняется, что аудитория заметила красивый фон, но пропустила бренд. Или что герой вызывает стойкое недоверие. Или что ключевой смысл не считывается вовсе.
Это нормальная ситуация. Именно поэтому тестирование рекламы — обязательная часть профессионального процесса, а не необязательная проверка «для галочки».
Зачем вообще нужны тесты
Мы слишком хорошо знаем собственный продукт. Зрители — нет.
Поэтому они воспринимают рекламные ролики в условиях реальной жизни: с телефоном в руке, в транспорте, параллельно думая о других задачах.
Тестирование — это попытка увидеть ролик их глазами. Кстати, именно поэтому наиболее эффективно тестирование в т.н. "нативном" окружении (максимально приближенное к тому, как ролик будет увиден респондентом).
Что именно обычно оценивается:
- Понимание сюжета. Насколько ясен основной месседж.
- Эмоциональная реакция. Доверие, интерес, раздражение, равнодушие.
- Запоминаемость бренда. Чётко ли связывается рекламируемый продукт и сюжет.
- Убедительность. Насколько аргументы и визуальная подача работают на пользу продукта.
- Барьеры восприятия. Какие элементы мешают, сбивают фокус, вызывают отторжение.
- Поведенческое намерение. Возникает ли желание совершить действие после просмотра.
Статистика из практики нашего агентства:
Типичные находки тестирования:
- «сюжет красивый, но смысл не считывается»,
- «эмоции есть, но бренд не ассоциируется»,
- «второстепенные детали отвлекают от главного».
Как проходят тесты
1) Количественные методы:
Показываем ролик нескольким сотням респондентов и получаем статистику: внимание, эмоции, запоминание бренда, вероятность покупки. Это числовые данные, которые можно масштабировать и сравнивать.
2) Качественные методы (глубинные интервью и фокус-группы).
Они отвечают на вопрос «почему». Какие элементы воспринимаются неестественно, что вызывает недоверие, как люди интерпретируют шутку или конфликт в истории.
И здесь важно сделать акцент:
Фокус-группы не дают статистики.
Сколько бы ни хотелось «посчитать по людям в комнате», так делать нельзя.
Фокус-группа даёт понимание механизмов восприятия, но не говорит, какой процент аудитории будет думать так же. Более подробно на эту тему можно почитать здесь.
3) Нейрометрика.
Позволяет увидеть динамику внимания и эмоций буквально по секундам. Часто она помогает обнаружить провалы в восприятии, которые сами респонденты не могут сформулировать.
Что удаётся выяснить по итогам тестов:
- Какие сцены работают, а какие перегружают.
- На каких моментах внимание падает.
- Понимают ли люди смысл так, как предполагала команда.
- Вызывает ли персонаж доверие.
- Насколько сильным является эффект от просмотра с точки зрения покупательского поведения.
- Какова вероятность, что кампания изменит поведение аудитории.
По опыту: значительную часть рекламных неудач могли бы предотвратить заранее — всего одним корректно проведённым тестированием.
Главный вывод прост:
Если хочется уверенности, что ролик действительно сработает, тестирование — лучший инструмент.
P.S. Фото сделано в столице Алжира, на террасе Музея искусств с видом на Ботанический сад.
#research
«Ролик вышел отличным!», говорит креативная команда.
«Ролик не самый эффективный», расстраивает их исследователь.
И практика показывает: чаще всего именно исследователь оказывается ближе к реальной ситуации.
Любое крупное исследовательское агентство расскажет вам множество кейсов, когда внутри команды клиента есть полная уверенность, что рекламный ролик получился реально классным: красивые цвета, яркая драматургия, симпатичные актеры. Всё кажется готовым к эфиру.
А потом приходят результаты тестирования — и выясняется, что аудитория заметила красивый фон, но пропустила бренд. Или что герой вызывает стойкое недоверие. Или что ключевой смысл не считывается вовсе.
Это нормальная ситуация. Именно поэтому тестирование рекламы — обязательная часть профессионального процесса, а не необязательная проверка «для галочки».
Зачем вообще нужны тесты
Мы слишком хорошо знаем собственный продукт. Зрители — нет.
Поэтому они воспринимают рекламные ролики в условиях реальной жизни: с телефоном в руке, в транспорте, параллельно думая о других задачах.
Тестирование — это попытка увидеть ролик их глазами. Кстати, именно поэтому наиболее эффективно тестирование в т.н. "нативном" окружении (максимально приближенное к тому, как ролик будет увиден респондентом).
Что именно обычно оценивается:
- Понимание сюжета. Насколько ясен основной месседж.
- Эмоциональная реакция. Доверие, интерес, раздражение, равнодушие.
- Запоминаемость бренда. Чётко ли связывается рекламируемый продукт и сюжет.
- Убедительность. Насколько аргументы и визуальная подача работают на пользу продукта.
- Барьеры восприятия. Какие элементы мешают, сбивают фокус, вызывают отторжение.
- Поведенческое намерение. Возникает ли желание совершить действие после просмотра.
Статистика из практики нашего агентства:
- 60–70% роликов отправляются на корректировку.
Это не недостаток работы креативной команды — это нормальный этап развития креатива.
- Около 20% требуют существенных изменений. Пересматривают монтаж, хронометраж, последовательность сцен или полностью перезаписывают озвучку.
- Лишь 10–15% проходят тесты без правок. Как правило, это простые, прозрачные ролики с одним чётким сообщением.
Типичные находки тестирования:
- «сюжет красивый, но смысл не считывается»,
- «эмоции есть, но бренд не ассоциируется»,
- «второстепенные детали отвлекают от главного».
Как проходят тесты
1) Количественные методы:
Показываем ролик нескольким сотням респондентов и получаем статистику: внимание, эмоции, запоминание бренда, вероятность покупки. Это числовые данные, которые можно масштабировать и сравнивать.
2) Качественные методы (глубинные интервью и фокус-группы).
Они отвечают на вопрос «почему». Какие элементы воспринимаются неестественно, что вызывает недоверие, как люди интерпретируют шутку или конфликт в истории.
И здесь важно сделать акцент:
Фокус-группы не дают статистики.
Сколько бы ни хотелось «посчитать по людям в комнате», так делать нельзя.
Фокус-группа даёт понимание механизмов восприятия, но не говорит, какой процент аудитории будет думать так же. Более подробно на эту тему можно почитать здесь.
3) Нейрометрика.
Позволяет увидеть динамику внимания и эмоций буквально по секундам. Часто она помогает обнаружить провалы в восприятии, которые сами респонденты не могут сформулировать.
Что удаётся выяснить по итогам тестов:
- Какие сцены работают, а какие перегружают.
- На каких моментах внимание падает.
- Понимают ли люди смысл так, как предполагала команда.
- Вызывает ли персонаж доверие.
- Насколько сильным является эффект от просмотра с точки зрения покупательского поведения.
- Какова вероятность, что кампания изменит поведение аудитории.
По опыту: значительную часть рекламных неудач могли бы предотвратить заранее — всего одним корректно проведённым тестированием.
Главный вывод прост:
Если хочется уверенности, что ролик действительно сработает, тестирование — лучший инструмент.
P.S. Фото сделано в столице Алжира, на террасе Музея искусств с видом на Ботанический сад.
#research
👍3🔥3👌1
Синтетические респонденты: правда и мифы
«Если можно смоделировать аудиторию, зачем вообще идти в поле и тратить на это миллионы?»
Этот вопрос звучит всё чаще. И это не фантазии про «цифровых людей», а технология синтетических респондентов на базе языковых моделей и массивов человеческих данных.
Что это вообще такое
Синтетический респондент — это не просто «человек, придуманный нейросетью». Это аватар из нескольких слоёв:
- демографический и поведенческий профиль,
- данные сегмента (покупки, медиа-потребление, результаты опросов),
- языковая модель, задающая стиль и логику ответа.
Комбинация этих слоёв отличает «виртуального потребителя» от обычного генератора текстов. Хорошие эксперименты строятся на GPT, калиброванном на статистике конкретной аудитории или панели.
Количественные исследования: синтетические выборки и проверка гипотез
Синтетические выборки сейчас (в реалиях конца 2025 года) используют для:
- пилотного прогона анкет,
- проверки гипотез перед полем,
- черновых оценок спроса.
Механика проста: профиль → вопросы → сотни смоделированных ответов. Но такие выборки не равны репрезентативным. Это аналитический симулятор, а не источник финальных цифр.
Показательный пример — европейское исследование ESRA 2025, где синтетические респонденты «играли» электорат. Модели систематически переоценивали вовлечённость (прогноз явки 80+% против реальных 40–50). LLM склонны реконструировать «нормативное поведение».
Есть и обратные примеры: британская The Times обучила модель на больших данных читательской панели, доведя совпадение ответов до 90+%. Но это стало возможным только благодаря доступу к массиву валидированных данных.
Качественные исследования: цифровые аватары и их границы
В качественных исследованиях синтетические респонденты используются как:
- тестовые собеседники для отработки гайда,
- быстрая реакция сегмента на концепцию,
- инструмент генерации гипотез.
Это не полноценные глубинки — это лишь симуляция, а не реальное поведение.
В ряде проектов LLM-аватары моделируют обсуждения в мини-группах. Профили задаются заранее. ИИ может развернуть дискуссию, но опытный модератор увидит ограничение: модель не проживает контекст, не формирует эмоциональных реакций. Она воспроизводит паттерны речи, а не мотивации.
Лучшие результаты даёт аватар, закреплённый в данных сегмента — поведении на сайте, истории покупок, прошлых интервью.
Что происходит в России
Крупные компании (например, Сбер со «Скуфом») создали первые аватары, обученные на внутренних данных. Появляются гибридные опросы, где часть информации дают реальные респонденты, а часть — их алгоритмические «тёзки».
Синтетика используется для экономии времени, предварительных концепт-тестов или быстрой проверки формулировок. Никто не пытается заменить живых людей — и это трезвый подход.
Что дальше?
Синтетические респонденты уже стали:
- инструментом первичной аналитики,
- способом ускорить цикл гипотеза → проверка → доработка,
- методом снижения издержек на ранних стадиях.
Но они не решают главного:
- не видят бытовой контекст,
- не проживают опыт,
- не испытывают эмоций,
- не дают «шероховатостей» поведения, на которых держатся инсайты.
Поэтому синтетические респонденты — дополнение, а не альтернатива. Как статистический симулятор. Как ускоритель. Как способ не тратить полевую неделю на то, что можно отсеять за ночь.
Но окончательные выводы мы по-прежнему будем сверять по реакции живых людей.
Через пару лет в арсенале исследователей будет устоявшаяся формула:
ИИ — для гипотез. Люди — для истины.
И это - отличная комбинация.
#research
#ИИ
P.S. Фото сделано в российском павильоне на дубайской World Expo 2021 года.
«Если можно смоделировать аудиторию, зачем вообще идти в поле
Этот вопрос звучит всё чаще. И это не фантазии про «цифровых людей», а технология синтетических респондентов на базе языковых моделей и массивов человеческих данных.
Что это вообще такое
Синтетический респондент — это не просто «человек, придуманный нейросетью». Это аватар из нескольких слоёв:
- демографический и поведенческий профиль,
- данные сегмента (покупки, медиа-потребление, результаты опросов),
- языковая модель, задающая стиль и логику ответа.
Комбинация этих слоёв отличает «виртуального потребителя» от обычного генератора текстов. Хорошие эксперименты строятся на GPT, калиброванном на статистике конкретной аудитории или панели.
Количественные исследования: синтетические выборки и проверка гипотез
Синтетические выборки сейчас (в реалиях конца 2025 года) используют для:
- пилотного прогона анкет,
- проверки гипотез перед полем,
- черновых оценок спроса.
Механика проста: профиль → вопросы → сотни смоделированных ответов. Но такие выборки не равны репрезентативным. Это аналитический симулятор, а не источник финальных цифр.
Показательный пример — европейское исследование ESRA 2025, где синтетические респонденты «играли» электорат. Модели систематически переоценивали вовлечённость (прогноз явки 80+% против реальных 40–50). LLM склонны реконструировать «нормативное поведение».
Есть и обратные примеры: британская The Times обучила модель на больших данных читательской панели, доведя совпадение ответов до 90+%. Но это стало возможным только благодаря доступу к массиву валидированных данных.
Качественные исследования: цифровые аватары и их границы
В качественных исследованиях синтетические респонденты используются как:
- тестовые собеседники для отработки гайда,
- быстрая реакция сегмента на концепцию,
- инструмент генерации гипотез.
Это не полноценные глубинки — это лишь симуляция, а не реальное поведение.
В ряде проектов LLM-аватары моделируют обсуждения в мини-группах. Профили задаются заранее. ИИ может развернуть дискуссию, но опытный модератор увидит ограничение: модель не проживает контекст, не формирует эмоциональных реакций. Она воспроизводит паттерны речи, а не мотивации.
Лучшие результаты даёт аватар, закреплённый в данных сегмента — поведении на сайте, истории покупок, прошлых интервью.
Что происходит в России
Крупные компании (например, Сбер со «Скуфом») создали первые аватары, обученные на внутренних данных. Появляются гибридные опросы, где часть информации дают реальные респонденты, а часть — их алгоритмические «тёзки».
Синтетика используется для экономии времени, предварительных концепт-тестов или быстрой проверки формулировок. Никто не пытается заменить живых людей — и это трезвый подход.
Что дальше?
Синтетические респонденты уже стали:
- инструментом первичной аналитики,
- способом ускорить цикл гипотеза → проверка → доработка,
- методом снижения издержек на ранних стадиях.
Но они не решают главного:
- не видят бытовой контекст,
- не проживают опыт,
- не испытывают эмоций,
- не дают «шероховатостей» поведения, на которых держатся инсайты.
Поэтому синтетические респонденты — дополнение, а не альтернатива. Как статистический симулятор. Как ускоритель. Как способ не тратить полевую неделю на то, что можно отсеять за ночь.
Но окончательные выводы мы по-прежнему будем сверять по реакции живых людей.
Через пару лет в арсенале исследователей будет устоявшаяся формула:
ИИ — для гипотез. Люди — для истины.
И это - отличная комбинация.
#research
#ИИ
P.S. Фото сделано в российском павильоне на дубайской World Expo 2021 года.
👍7👏1👌1
Как соцопросы изменили ход жизни крупнейшей страны на планете
Индия — одна из моих самых любимых стран, куда хочется возвращаться снова. Там всё пульсирует, дышит, рушится и строится одновременно.
В этой бесконечно шумной и такой разноцветно-разноплановой стране социологические опросы однажды изменили политическую историю. Это не преувеличение и не красивая метафора — именно в Индии исследования общественного мнения впервые стали основой кампании, которая перевернула всю политическую карту страны.
⸻
1967 год. Партия Индийского Национального Конгресса, до этого казавшаяся несокрушимой, внезапно проигрывает выборы в девяти штатах. Появляются региональные коалиции, центробежные силы, непредсказуемость. Элиты теряются.
Индира Ганди — на тот момент молодая премьер-министр — делает ход, которого не ждали. Вместо переговоров с элитами она начинает в буквальном смысле слушать страну. Не в образе столицы и газетных колонок, не как "Большой Ух" из детского мультика, а в её настоящем масштабе — с деревнями, где нет дорог, и женщинами, которые впервые идут голосовать.
Команды интервьюеров отправляются вглубь страны — пешком. Они ночуют на земляных полах, пьют сладкий масала-чай с местными старостами, ждут, пока разрешат начать опрос. Задают вопросы вслух, медленно, с пояснениями. Иногда на хинди, иногда на диалектах, которые не входят ни в одну лингвистическую карту мира.
И именно там, на пыльных сельских дорожках, точнее, их отсутствии, где качество политики измеряют в мешках риса, становится ясно: у Индиры слабая поддержка среди городских элит, но зато у неё есть шанс стать настоящим голосом беднейшего большинства.
Так родился лозунг «Garibi Hatao!» — «Уничтожим бедность».
⸻
Опросы того времени выявили: половина сельских избирателей не ориентируется на местных лидеров. Решение о голосовании всё чаще принимается самостоятельно, особенно среди тех, кто не чувствует себя частью иерархии.
Тогда же стало понятно, насколько искажен был прежний взгляд на электорат: например, женщин почти не опрашивали — по умолчанию полагали, что они голосуют так же, как мужья. Это оказалось не просто ошибкой, а фатальным неверным допущением, непониманием того, как и чем живет половина электората. Женщины говорили о других вещах, задавали другие вопросы, оценивали кандидатов иначе.
Появились женщины-интервьюеры, новые протоколы общения, более мягкий и уважительный способ вхождения в диалог. И вместе с этим — более точные и живые данные.
⸻
Самой чувствительной темой, конечно, стала кастовость. Если интервьюер из высшей касты — ответы становились выверенными и социально желательными. Если из низшей — разговор вообще мог не состояться. Решением стало направлять в поля «своих» — представителей тех же общин, что и респонденты. Это не только снизило искажения, но и стало прецедентом: впервые кастовая чувствительность была учтена в полевой исследовательской методологии.
⸻
Индира выстраивала кампанию не на лозунгах, а на живых и актуальных социологических данных. Она проводила поездки по регионам, выступала перед сельским населением, усиливала команду лидерами из низших каст, адаптировала риторику под конкретные аудитории.
Всё это стало возможным, потому что данные подсветили то, что долго оставалось невидимым: внизу формируется новая политическая энергия. Она не оформлена в идеологию, но чувствуется как давление, как запрос на справедливость.
Результат оказался закономерным: на выборах 1971 года Индирa Ганди победила с разгромным счётом. И хотя сама политика после этого пошла по сложной траектории, именно этот момент — соединение исследовательской чувствительности с политической стратегией — стал поворотным.
⸻
Соцопросы здесь не были иллюстрацией к готовым выводам.
Они стали основой взгляда политика на кампанию и то, как и что нужно делать в стране.
P.S. Фото сделано во время моей поездки по Индии в феврале 2023 года, в городке Бодгайя, неподалеку от места, где к Будде, по легенде, снизошло просветление.
#research
#занимательно_о_флагах
Индия — одна из моих самых любимых стран, куда хочется возвращаться снова. Там всё пульсирует, дышит, рушится и строится одновременно.
В этой бесконечно шумной и такой разноцветно-разноплановой стране социологические опросы однажды изменили политическую историю. Это не преувеличение и не красивая метафора — именно в Индии исследования общественного мнения впервые стали основой кампании, которая перевернула всю политическую карту страны.
⸻
1967 год. Партия Индийского Национального Конгресса, до этого казавшаяся несокрушимой, внезапно проигрывает выборы в девяти штатах. Появляются региональные коалиции, центробежные силы, непредсказуемость. Элиты теряются.
Индира Ганди — на тот момент молодая премьер-министр — делает ход, которого не ждали. Вместо переговоров с элитами она начинает в буквальном смысле слушать страну. Не в образе столицы и газетных колонок
Команды интервьюеров отправляются вглубь страны — пешком. Они ночуют на земляных полах, пьют сладкий масала-чай с местными старостами, ждут, пока разрешат начать опрос. Задают вопросы вслух, медленно, с пояснениями. Иногда на хинди, иногда на диалектах, которые не входят ни в одну лингвистическую карту мира.
И именно там, на пыльных сельских дорожках, точнее, их отсутствии, где качество политики измеряют в мешках риса, становится ясно: у Индиры слабая поддержка среди городских элит, но зато у неё есть шанс стать настоящим голосом беднейшего большинства.
Так родился лозунг «Garibi Hatao!» — «Уничтожим бедность».
⸻
Опросы того времени выявили: половина сельских избирателей не ориентируется на местных лидеров. Решение о голосовании всё чаще принимается самостоятельно, особенно среди тех, кто не чувствует себя частью иерархии.
Тогда же стало понятно, насколько искажен был прежний взгляд на электорат: например, женщин почти не опрашивали — по умолчанию полагали, что они голосуют так же, как мужья. Это оказалось не просто ошибкой, а фатальным неверным допущением, непониманием того, как и чем живет половина электората. Женщины говорили о других вещах, задавали другие вопросы, оценивали кандидатов иначе.
Появились женщины-интервьюеры, новые протоколы общения, более мягкий и уважительный способ вхождения в диалог. И вместе с этим — более точные и живые данные.
⸻
Самой чувствительной темой, конечно, стала кастовость. Если интервьюер из высшей касты — ответы становились выверенными и социально желательными. Если из низшей — разговор вообще мог не состояться. Решением стало направлять в поля «своих» — представителей тех же общин, что и респонденты. Это не только снизило искажения, но и стало прецедентом: впервые кастовая чувствительность была учтена в полевой исследовательской методологии.
⸻
Индира выстраивала кампанию не на лозунгах, а на живых и актуальных социологических данных. Она проводила поездки по регионам, выступала перед сельским населением, усиливала команду лидерами из низших каст, адаптировала риторику под конкретные аудитории.
Всё это стало возможным, потому что данные подсветили то, что долго оставалось невидимым: внизу формируется новая политическая энергия. Она не оформлена в идеологию, но чувствуется как давление, как запрос на справедливость.
Результат оказался закономерным: на выборах 1971 года Индирa Ганди победила с разгромным счётом. И хотя сама политика после этого пошла по сложной траектории, именно этот момент — соединение исследовательской чувствительности с политической стратегией — стал поворотным.
⸻
Соцопросы здесь не были иллюстрацией к готовым выводам.
Они стали основой взгляда политика на кампанию и то, как и что нужно делать в стране.
P.S. Фото сделано во время моей поездки по Индии в феврале 2023 года, в городке Бодгайя, неподалеку от места, где к Будде, по легенде, снизошло просветление.
#research
#занимательно_о_флагах
👍9❤6
И снова про Индию (небольшой оффтоп)
Я много раз говорил, что Индия - одна из моих самых любимых стран. И поскольку вслед за этим утверждением обычно следует вопрос - "почему", я наловчился на него отвечать -)).
Для меня основная фишка Индии - в ее многослойности. В отличие от подавляющего большинства стран, которые для туриста, чаще всего, однослойны, Индия - это целая вселенная смыслов, картинок, запахов, звуков...
Проблема в том, что Индия на туристическом рынке имеет крайне негативный имидж. Туристы, к сожалению, обычно едут не туда и смотрят не на то. Индия сразу бьет их в нос, глаза и уши своей разношерстностью, и это отпугивает подавляющее большинство от того, чтобы погрузиться в эту страну поглубже.
Ровно так было и у меня: первая поездка в Индию случилась под новый наступающий 2020-ый ковидный год. Мы прилетели в Дели в конце декабря, сразу поехали в Агру, где в окружении толп других туристов и местных попрошаек и обезьян побежали смотреть Тадж-Махал. А потом вечером ночевали в каком-то хорошем сетевом отеле, где плохо работало отопление, мы замерзли, переплевались и решили - в Индию ни ногой.
К счастью, уже после ковида у меня случилось переоткрытие Индии, когда я со своим другом прилетел туда вновь и по-настоящему полюбил эту страну.
Вопреки стереотипам, индусы очень чистоплотны и моются несколько раз в день, страна довольно безопасна, попрошайки на улицах - это цыгане, так как коренные индусы никогда не просят милостыню, и богатство страны вовсе не ограничивается чуждым ей по духу мусульманским Тадж-Махалом.
В Индии, конечно, подавляющая часть населения живет бедно, но есть и порядка 10% среднего класса - среднего по меркам нашей страны. В сумме это 150 млн человек (!), для которых есть вся соответствующая инфраструктура - хорошие дорогие отели, аэропорты, дорогие машины и рестораны, бутики и черта в ступе.
Формат телеграмм-канала не совсем подходит для трэвел-блога. Кто заинтересовался этой удивительной страной, приглашаю почитать мои статьи про нее на портале Туристер - там много красивых фотографий и ценной информации по маршрутам. Уверяю, что про большинство точек, описанных мной, вы даже и не слышали.
К чему, друзья, я это все пишу:
Во-первых, Индия - прекрасная дестинация для поездки на новогодние каникулы. Прямые недолгие рейсы из Москвы по разумной цене, дешевизна всего в стране, богатый выбор дестинаций - от культурно-исторических и религиозных до курортных. Хотите - смотрите, как кремируют покойников в древнем городе Варанаси, хотите - живите в самом что ни на есть лухари отеле в Мумбае.
Во-вторых, Индия - это отличная иллюстрация того, что первое впечатление о сложном предмете чаще всего ошибочное. Сегодняшний мир ориентирован на скорость и поверхностность, редко кто докапывается до глубины и добирается до сути, и это, увы, справедливо не только в отношении Индии. Так что мораль для исследователей в этом небольшом рассказе про Индию также присутствует.
Ну и в-третьих, соберетесь в Индию - не постесняйтесь спросить меня, что же там конкретно посмотреть. С радостью поделюсь опытом и маршрутами (ну и еще разок призываю посмотреть мои статьи про Индию на Туристере).
#занимательно_о_флагах
Я много раз говорил, что Индия - одна из моих самых любимых стран. И поскольку вслед за этим утверждением обычно следует вопрос - "почему", я наловчился на него отвечать -)).
Для меня основная фишка Индии - в ее многослойности. В отличие от подавляющего большинства стран, которые для туриста, чаще всего, однослойны, Индия - это целая вселенная смыслов, картинок, запахов, звуков...
Проблема в том, что Индия на туристическом рынке имеет крайне негативный имидж. Туристы, к сожалению, обычно едут не туда и смотрят не на то. Индия сразу бьет их в нос, глаза и уши своей разношерстностью, и это отпугивает подавляющее большинство от того, чтобы погрузиться в эту страну поглубже.
Ровно так было и у меня: первая поездка в Индию случилась под новый наступающий 2020-ый ковидный год. Мы прилетели в Дели в конце декабря, сразу поехали в Агру, где в окружении толп других туристов и местных попрошаек и обезьян побежали смотреть Тадж-Махал. А потом вечером ночевали в каком-то хорошем сетевом отеле, где плохо работало отопление, мы замерзли, переплевались и решили - в Индию ни ногой.
К счастью, уже после ковида у меня случилось переоткрытие Индии, когда я со своим другом прилетел туда вновь и по-настоящему полюбил эту страну.
Вопреки стереотипам, индусы очень чистоплотны и моются несколько раз в день, страна довольно безопасна, попрошайки на улицах - это цыгане, так как коренные индусы никогда не просят милостыню, и богатство страны вовсе не ограничивается чуждым ей по духу мусульманским Тадж-Махалом.
В Индии, конечно, подавляющая часть населения живет бедно, но есть и порядка 10% среднего класса - среднего по меркам нашей страны. В сумме это 150 млн человек (!), для которых есть вся соответствующая инфраструктура - хорошие дорогие отели, аэропорты, дорогие машины и рестораны, бутики и черта в ступе.
Формат телеграмм-канала не совсем подходит для трэвел-блога. Кто заинтересовался этой удивительной страной, приглашаю почитать мои статьи про нее на портале Туристер - там много красивых фотографий и ценной информации по маршрутам. Уверяю, что про большинство точек, описанных мной, вы даже и не слышали.
К чему, друзья, я это все пишу:
Во-первых, Индия - прекрасная дестинация для поездки на новогодние каникулы. Прямые недолгие рейсы из Москвы по разумной цене, дешевизна всего в стране, богатый выбор дестинаций - от культурно-исторических и религиозных до курортных. Хотите - смотрите, как кремируют покойников в древнем городе Варанаси, хотите - живите в самом что ни на есть лухари отеле в Мумбае.
Во-вторых, Индия - это отличная иллюстрация того, что первое впечатление о сложном предмете чаще всего ошибочное. Сегодняшний мир ориентирован на скорость и поверхностность, редко кто докапывается до глубины и добирается до сути, и это, увы, справедливо не только в отношении Индии. Так что мораль для исследователей в этом небольшом рассказе про Индию также присутствует.
Ну и в-третьих, соберетесь в Индию - не постесняйтесь спросить меня, что же там конкретно посмотреть. С радостью поделюсь опытом и маршрутами (ну и еще разок призываю посмотреть мои статьи про Индию на Туристере).
#занимательно_о_флагах
1🔥8❤6🙏3👌2😁1
Немного про этнографию, или Зачем китайские чиновники слушали деревенские песни
Про фокус-группы слышали почти все. Про массовые опросы — тем более.
А вот слово «этнография» у многих вызывает либо лёгкую тоску, либо образ чего-то слишком научного, пыльного и антропологического.
И зря.
Потому что этнография — это метод, который позволяет увидеть реальную жизнь людей такой, как она есть, а не такой, какой она выглядит в анкетах. Это то, что происходит не на встрече с респондентом, а до и после неё. Это когда ты не просто спрашиваешь: «Как вы покупаете молоко?», а стоишь рядом и смотришь, как это реально происходит.
Основателем современной этнографии считается Бронислав Малиновский — поляк, который в начале XX века оказался на Тробрианских островах (сейчас это Папуа — Новая Гвинея) и остался там на два года. Жил с островитянами, ел с ними, смотрел, как они обмениваются браслетами в ритуальной системе «кула». И понял: чтобы что-то объяснить — надо сначала понять внутреннюю логику мира другого человека.
Именно Малиновский сказал ту самую фразу, которая теперь вписывается в любую хорошую исследовательскую презентацию:
С тех пор мы говорим «включённое наблюдение», «контекст», «жить среди пользователей», «поехать в поле» и так далее.
UX-исследования, этнография в продуктах, выездные сессии — всё это оттуда.
Но вот что любопытно.
Если отмотать историю сильно назад, окажется, что одни из первых системных этнографов жили в Древнем Китае.
И делали они это не ради науки, а ради… управления империей.
Да-да. Задолго до того, как Малиновский сел в лодку, китайских чиновников отправляли в деревни с похожей задачей: понять, как живут люди. И фиксировать всё.(как Шурик в "Кавказской пленнице", ага).
Они не называли это этнографией. Но то, что они делали, очень похоже на этот метод:
- они жили в полевых уездах годами,
- описывали праздники, ритуалы, обряды,
- составляли отчёты о нравах и обычаях — «фэн-су чжи»,
- сравнивали брачные нормы, обычаи похорон, структуру родства,
- записывали песни, которые поют крестьяне, потому что в них — правда о настроении народа,
- отмечали, как люди сеют рис, на кого молятся, кому жалуются, когда уходят в горы и зачем.
На бумаге это выглядело как отчёт губернатору. Но по сути — полевое наблюдение, полевые заметки, этнографическая работа.
Им нужно было понимать:
как община устроена, какие вызревают конфликты, что считается справедливым, на кого реально ориентируются жители — не по должности, а по влиянию.
Потому что от этого зависела управляемость.
Слишком жёсткий указ мог обрушить доверие. Слишком мягкий — утратить контроль. Поэтому наблюдать и понимать — было важнее, чем судить.
Некоторые из этих чиновников составляли карты племён, классифицировали диалекты, описывали «непонятные» ритуалы с почти академической точностью. Особенно, когда речь шла о пограничных народах — аборигенах Тайваня, кочевниках Севера, племенах Юго-Запада. Отчёты о них потом ложились на стол императора.
Альбомы с зарисовками, системы описания свадебных обрядов, ранние «портреты» локальных обществ — всё это задолго до того, как слово «fieldwork» стало частью западной науки.
Почему это важно?Потому что китайцы молодцы, ясное дело.
Потому что этнография — не про культуру, а про способ видеть.
Прошлое показывает: метод работает даже там, где нет термина.
Главное — выйти за границы своих представлений, оставить место для чужой логики, быть готовым наблюдать, а не объяснять.
И если уж чиновники древней империи могли вести себя как хорошие исследователи —мы точно можем. -))
С уважением к контексту. С готовностью не знать. С блокнотом — а не с гипотезой.
P.S. Фото сделано в китайском городе Фэнхуан летом 2023 года. Каждую ночь город погружается в такую вот средневековую атмосферу.
#research
#qual
Про фокус-группы слышали почти все. Про массовые опросы — тем более.
А вот слово «этнография» у многих вызывает либо лёгкую тоску, либо образ чего-то слишком научного, пыльного и антропологического.
И зря.
Потому что этнография — это метод, который позволяет увидеть реальную жизнь людей такой, как она есть, а не такой, какой она выглядит в анкетах. Это то, что происходит не на встрече с респондентом, а до и после неё. Это когда ты не просто спрашиваешь: «Как вы покупаете молоко?», а стоишь рядом и смотришь, как это реально происходит.
Основателем современной этнографии считается Бронислав Малиновский — поляк, который в начале XX века оказался на Тробрианских островах (сейчас это Папуа — Новая Гвинея) и остался там на два года. Жил с островитянами, ел с ними, смотрел, как они обмениваются браслетами в ритуальной системе «кула». И понял: чтобы что-то объяснить — надо сначала понять внутреннюю логику мира другого человека.
Именно Малиновский сказал ту самую фразу, которая теперь вписывается в любую хорошую исследовательскую презентацию:
«Задача этнографа — понять точку зрения туземца, его отношение к жизни, его видение мира»
С тех пор мы говорим «включённое наблюдение», «контекст», «жить среди пользователей», «поехать в поле» и так далее.
UX-исследования, этнография в продуктах, выездные сессии — всё это оттуда.
Но вот что любопытно.
Если отмотать историю сильно назад, окажется, что одни из первых системных этнографов жили в Древнем Китае.
И делали они это не ради науки, а ради… управления империей.
Да-да. Задолго до того, как Малиновский сел в лодку, китайских чиновников отправляли в деревни с похожей задачей: понять, как живут люди. И фиксировать всё.
Они не называли это этнографией. Но то, что они делали, очень похоже на этот метод:
- они жили в полевых уездах годами,
- описывали праздники, ритуалы, обряды,
- составляли отчёты о нравах и обычаях — «фэн-су чжи»,
- сравнивали брачные нормы, обычаи похорон, структуру родства,
- записывали песни, которые поют крестьяне, потому что в них — правда о настроении народа,
- отмечали, как люди сеют рис, на кого молятся, кому жалуются, когда уходят в горы и зачем.
На бумаге это выглядело как отчёт губернатору. Но по сути — полевое наблюдение, полевые заметки, этнографическая работа.
Им нужно было понимать:
как община устроена, какие вызревают конфликты, что считается справедливым, на кого реально ориентируются жители — не по должности, а по влиянию.
Потому что от этого зависела управляемость.
Слишком жёсткий указ мог обрушить доверие. Слишком мягкий — утратить контроль. Поэтому наблюдать и понимать — было важнее, чем судить.
Некоторые из этих чиновников составляли карты племён, классифицировали диалекты, описывали «непонятные» ритуалы с почти академической точностью. Особенно, когда речь шла о пограничных народах — аборигенах Тайваня, кочевниках Севера, племенах Юго-Запада. Отчёты о них потом ложились на стол императора.
Альбомы с зарисовками, системы описания свадебных обрядов, ранние «портреты» локальных обществ — всё это задолго до того, как слово «fieldwork» стало частью западной науки.
Почему это важно?
Потому что этнография — не про культуру, а про способ видеть.
Прошлое показывает: метод работает даже там, где нет термина.
Главное — выйти за границы своих представлений, оставить место для чужой логики, быть готовым наблюдать, а не объяснять.
И если уж чиновники древней империи могли вести себя как хорошие исследователи —мы точно можем. -))
С уважением к контексту. С готовностью не знать. С блокнотом — а не с гипотезой.
P.S. Фото сделано в китайском городе Фэнхуан летом 2023 года. Каждую ночь город погружается в такую вот средневековую атмосферу.
#research
#qual
🔥11👍4❤🔥1👌1
Про метлы, дирижабли и самолеты, или Снова о фокус-группах
Какой же клиент не любит фокус-группы?!
Фокус-группы традиционно пользуются большой популярностью у заказчиков, особенно в ситуациях, когда требуется «найти инсайты» или получить основания для новых продуктовых решений. Коллективное обсуждение создаёт ощущение доступа к живому потребительскому мышлению и обещает быстрые ответы на сложные вопросы.
Однако здесь важно зафиксировать одно ограничение.
Фокус-группа по своей природе является инструментом ретроспективным. Она отражает уже прожитый опыт, но практически не работает как источник радикально новых идей.
Фокус-группу корректнее рассматривать как зеркало заднего вида: оно даёт детализированное представление о том, что происходило и происходит, но не показывает дорогу вперёд.
Потребители способны очень точно описывать свой текущий опыт: выявлять неудобства, формулировать ожидания, сравнивать альтернативы.
Но ожидать от фокус-группы прорывного креатива — методологическая ошибка.
Это не ограниченность, а нормальный когнитивный механизм.
Хорошей иллюстрацией этого эффекта служит история дирижаблестроения начала XX века.
В 1920–1930-е годы дирижабли воспринимались как наиболее перспективный вид воздушного транспорта. Они символизировали комфорт, статус и технологический прогресс: огромные размеры, плавный ход, просторные салоны, каюты, рестораны и возможность путешествовать без тряски и шума. В общественном воображении именно дирижабли были «будущим авиации».
Под эту логику начала формироваться и инфраструктура.
Наиболее известный пример — шпиль Эмпайр-стейт-билдинг в Нью-Йорке, который изначально проектировался как швартовочная мачта для дирижаблей.
Предполагалось, что пассажиры смогут выходить из летательного аппарата на верхних этажах небоскрёба и сразу попадать в городскую транспортную систему. Сам факт включения этой функции в проект одного из символов американского модернизма показывает, насколько устойчивым было представление о дирижаблях как о транспорте будущего.
В Великобритании апогеем этих ожиданий стал дирижабль R101 (не путать с роботом R2D2 из "Звездных войн") — флагман госпрограммы развития имперских воздушных линий. Он должен был обеспечить регулярное сообщение между метрополией и колониями, прежде всего с Индией.
R101 был инженерным чудом: около 240 метров в длину, пассажирские каюты повышенной комфортности, обеденный салон, продуманная внутренняя планировка. В процессе подготовки к эксплуатации его конструкция неоднократно дорабатывалась и утяжелялась, что в итоге привело к росту нагрузки и снижению запаса прочности.Почти как у Титаника, ага.
Но в 1930 году, в ходе первого коммерческого рейса, дирижабль потерпел катастрофу во Франции. Неблагоприятные погодные условия, избыточный вес и техническая сырость конструкции привели к потере подъёмной силы и последующему возгоранию. Гибель R101 стала не только трагедией, но и фактическим завершением британской программы дирижаблестроения.
Параллельно стало очевидно и общее ограничение технологии: высокая зависимость от погодных условий, сложная наземная инфраструктура, уязвимость при эксплуатации.
Дирижабли прекрасно соответствовали ожиданиям потребителей — «больше комфорта, пространства, солидности».
Самолёты, напротив, в тот период были шумными, тесными и некомфортными. С точки зрения пользовательского опыта они проигрывали дирижаблям практически по всем параметрам.
И если бы в тот момент провести фокус-группы с пассажирами дирижаблей, они сформулировали бы запросы на дальнейшее улучшение уже знакомого формата, а вот идея массовых перелётов на самолётах вряд ли была бы поддержана.
Именно здесь проявляется ключевое ограничение фокус-групп как инструмента генерации инноваций.
Потребители помогают улучшать метлу. А пылесос появляется там, где кто-то смотрит дальше зеркала заднего вида.
#qual
Какой же клиент не любит фокус-группы?!
Фокус-группы традиционно пользуются большой популярностью у заказчиков, особенно в ситуациях, когда требуется «найти инсайты» или получить основания для новых продуктовых решений. Коллективное обсуждение создаёт ощущение доступа к живому потребительскому мышлению и обещает быстрые ответы на сложные вопросы.
Однако здесь важно зафиксировать одно ограничение.
Фокус-группа по своей природе является инструментом ретроспективным. Она отражает уже прожитый опыт, но практически не работает как источник радикально новых идей.
Фокус-группу корректнее рассматривать как зеркало заднего вида: оно даёт детализированное представление о том, что происходило и происходит, но не показывает дорогу вперёд.
Потребители способны очень точно описывать свой текущий опыт: выявлять неудобства, формулировать ожидания, сравнивать альтернативы.
Но ожидать от фокус-группы прорывного креатива — методологическая ошибка.
Условно говоря, домохозяйки не могут изобрести пылесос, но весьма аргументированно формулируют запрос на «метлу полегче, удобнее и долговечнее».
Это не ограниченность, а нормальный когнитивный механизм.
Хорошей иллюстрацией этого эффекта служит история дирижаблестроения начала XX века.
В 1920–1930-е годы дирижабли воспринимались как наиболее перспективный вид воздушного транспорта. Они символизировали комфорт, статус и технологический прогресс: огромные размеры, плавный ход, просторные салоны, каюты, рестораны и возможность путешествовать без тряски и шума. В общественном воображении именно дирижабли были «будущим авиации».
Под эту логику начала формироваться и инфраструктура.
Наиболее известный пример — шпиль Эмпайр-стейт-билдинг в Нью-Йорке, который изначально проектировался как швартовочная мачта для дирижаблей.
Предполагалось, что пассажиры смогут выходить из летательного аппарата на верхних этажах небоскрёба и сразу попадать в городскую транспортную систему. Сам факт включения этой функции в проект одного из символов американского модернизма показывает, насколько устойчивым было представление о дирижаблях как о транспорте будущего.
В Великобритании апогеем этих ожиданий стал дирижабль R101 (
R101 был инженерным чудом: около 240 метров в длину, пассажирские каюты повышенной комфортности, обеденный салон, продуманная внутренняя планировка. В процессе подготовки к эксплуатации его конструкция неоднократно дорабатывалась и утяжелялась, что в итоге привело к росту нагрузки и снижению запаса прочности.
Но в 1930 году, в ходе первого коммерческого рейса, дирижабль потерпел катастрофу во Франции. Неблагоприятные погодные условия, избыточный вес и техническая сырость конструкции привели к потере подъёмной силы и последующему возгоранию. Гибель R101 стала не только трагедией, но и фактическим завершением британской программы дирижаблестроения.
Параллельно стало очевидно и общее ограничение технологии: высокая зависимость от погодных условий, сложная наземная инфраструктура, уязвимость при эксплуатации.
Дирижабли прекрасно соответствовали ожиданиям потребителей — «больше комфорта, пространства, солидности».
Самолёты, напротив, в тот период были шумными, тесными и некомфортными. С точки зрения пользовательского опыта они проигрывали дирижаблям практически по всем параметрам.
И если бы в тот момент провести фокус-группы с пассажирами дирижаблей, они сформулировали бы запросы на дальнейшее улучшение уже знакомого формата, а вот идея массовых перелётов на самолётах вряд ли была бы поддержана.
Именно здесь проявляется ключевое ограничение фокус-групп как инструмента генерации инноваций.
Потребители помогают улучшать метлу. А пылесос появляется там, где кто-то смотрит дальше зеркала заднего вида.
#qual
👌4🔥3💯3✍2👍1
«Молодежь нынче не та!»
Фраза звучит так буднично, что её легко принять за безусловную данность — как питерский дождьв декабре, ага.
С поколенческими теориями сейчас примерно то же самое: зумеры, миллениалы, бумеры, альфа — мы произносим эти ярлыки так уверенно, будто вместе с годом рождения человеку автоматически выдали комплект ценностей, мотиваций и триггеров, упакованный в заводскую плёнку.
Но лично у меня тут сразу включается профессиональный скепсис, потому что удобство объяснения ещё не делает его корректным: слишком часто «теория поколений» подменяет анализ контекста красивой типологией, а живых людей — группировкой по буквам алфавита (со школы мы к этому привыкли: «ашки», «бэшки», «вэшки» — привет).
И если обратиться к европейской интеллектуальной традиции, выясняется, что ощущение «уникального нового поколения» вовсе не изобретение цифровой эпохи, а устойчивый культурный рефлекс, который повторяется столетиями и меняет лишь декорации.
У греческого поэта Гесиода (VIII век до н.э.) уже показана развернутая конструкция деградации: золотой век позади, нынешние люди «железные», дети не уважают родителей, порядок мира распадается — по логике это почти готовый нарратив про разрыв ценностей, просто без графиков и без слова «платформа».
Аристотель в «Риторике» описывает молодёжь спокойнее и, по нынешним меркам, почти эмпирически: юные самоуверенны, склонны переоценивать своё знание и хуже слышат опыт старших, что выглядит как фиксация поведенческих закономерностей, а не морализаторство.
Римляне, как водится, довели мысль до афоризма: у Горация каждое следующее поколение хуже предыдущего — формула идеальна для цитирования в любую эпоху.
Средневековье добавляет к этой схеме религиозную рамку: непослушание детей и утрата почтения к старшим трактуются как признаки общего морального упадка, а молодёжь становится не просто неудобной, а опасной для порядка.
Эпоха Просвещения, обещавшая рациональность и прогресс, по факту лишь переодела те же тревоги в новую лексику: вместо «греха» появляются «вредные книги», «дурной вкус» и «испорченный язык», но механика остаётся прежней.
Индустриальный XIX век ускоряет жизнь, меняет быт и досуг, и старшие снова читают эти изменения как моральную угрозу — потому что новое почти всегда выглядит подозрительно, особенно если его носители моложе тебя.
Самое важное, которое обычно теряется за яркими ярлыками, состоит в том, что наблюдаемая «разница поколений» чаще всего складывается из двух вполне земных эффектов — когортного и возрастного, — и оба они куда лучше объясняются контекстом, чем мифологией поколений.
Когортный эффект означает, что люди, социализировавшиеся в разные исторические периоды — кризисы, реформы, технологические скачки, — действительно могут расходиться в установках и практиках, но это различие привязано к конкретному пережитому опыту, а не к магическому имени «Z» или «Y». И конечно, оно различается у людей из разных стран.
Возрастной эффект — это динамика жизненного цикла: в двадцать лет выше толерантность к риску и мобильность, в сорок — больше рациональности, обязательств и осторожности. Если не разделять эти эффекты, мы начинаем объяснять возрастные стадии «ценностями поколения», а когортные различия — биографией, написанной маркетинговыми клише.
Поэтому, когда в очередной раз хочется уверенно сказать «это потому что они зумеры», полезно сделать паузу и задать исследовательский вопрос: мы видим реальную когортную особенность, связанную с историческим опытом, или просто нормальную траекторию взросления, которую каждая эпоха заново перепаковывает в разговор про «не тех детей»?
История европейской мысли здесь работает как холодный душ: она напоминает, что спор о «новых поколениях» — не открытие, а повторяющийся сюжет. А значит, наш лучший инструмент — не ярлык, а метод: наблюдение, разложение причин на компоненты и проверка гипотез данными.
Потому что правда, как обычно, живёт не в буквах алфавита, а в поведении и контексте — и иногда ещё в том, как мы сами любим считать себя уникальными.
P.S. фото сделано в 2023 году в индийском Хайдарабаде.
Фраза звучит так буднично, что её легко принять за безусловную данность — как питерский дождь
С поколенческими теориями сейчас примерно то же самое: зумеры, миллениалы, бумеры, альфа — мы произносим эти ярлыки так уверенно, будто вместе с годом рождения человеку автоматически выдали комплект ценностей, мотиваций и триггеров, упакованный в заводскую плёнку.
Но лично у меня тут сразу включается профессиональный скепсис, потому что удобство объяснения ещё не делает его корректным: слишком часто «теория поколений» подменяет анализ контекста красивой типологией, а живых людей — группировкой по буквам алфавита (со школы мы к этому привыкли: «ашки», «бэшки», «вэшки» — привет).
И если обратиться к европейской интеллектуальной традиции, выясняется, что ощущение «уникального нового поколения» вовсе не изобретение цифровой эпохи, а устойчивый культурный рефлекс, который повторяется столетиями и меняет лишь декорации.
У греческого поэта Гесиода (VIII век до н.э.) уже показана развернутая конструкция деградации: золотой век позади, нынешние люди «железные», дети не уважают родителей, порядок мира распадается — по логике это почти готовый нарратив про разрыв ценностей, просто без графиков и без слова «платформа».
Аристотель в «Риторике» описывает молодёжь спокойнее и, по нынешним меркам, почти эмпирически: юные самоуверенны, склонны переоценивать своё знание и хуже слышат опыт старших, что выглядит как фиксация поведенческих закономерностей, а не морализаторство.
Римляне, как водится, довели мысль до афоризма: у Горация каждое следующее поколение хуже предыдущего — формула идеальна для цитирования в любую эпоху.
Средневековье добавляет к этой схеме религиозную рамку: непослушание детей и утрата почтения к старшим трактуются как признаки общего морального упадка, а молодёжь становится не просто неудобной, а опасной для порядка.
Эпоха Просвещения, обещавшая рациональность и прогресс, по факту лишь переодела те же тревоги в новую лексику: вместо «греха» появляются «вредные книги», «дурной вкус» и «испорченный язык», но механика остаётся прежней.
Индустриальный XIX век ускоряет жизнь, меняет быт и досуг, и старшие снова читают эти изменения как моральную угрозу — потому что новое почти всегда выглядит подозрительно, особенно если его носители моложе тебя.
Самое важное, которое обычно теряется за яркими ярлыками, состоит в том, что наблюдаемая «разница поколений» чаще всего складывается из двух вполне земных эффектов — когортного и возрастного, — и оба они куда лучше объясняются контекстом, чем мифологией поколений.
Когортный эффект означает, что люди, социализировавшиеся в разные исторические периоды — кризисы, реформы, технологические скачки, — действительно могут расходиться в установках и практиках, но это различие привязано к конкретному пережитому опыту, а не к магическому имени «Z» или «Y». И конечно, оно различается у людей из разных стран.
Возрастной эффект — это динамика жизненного цикла: в двадцать лет выше толерантность к риску и мобильность, в сорок — больше рациональности, обязательств и осторожности. Если не разделять эти эффекты, мы начинаем объяснять возрастные стадии «ценностями поколения», а когортные различия — биографией, написанной маркетинговыми клише.
Поэтому, когда в очередной раз хочется уверенно сказать «это потому что они зумеры», полезно сделать паузу и задать исследовательский вопрос: мы видим реальную когортную особенность, связанную с историческим опытом, или просто нормальную траекторию взросления, которую каждая эпоха заново перепаковывает в разговор про «не тех детей»?
История европейской мысли здесь работает как холодный душ: она напоминает, что спор о «новых поколениях» — не открытие, а повторяющийся сюжет. А значит, наш лучший инструмент — не ярлык, а метод: наблюдение, разложение причин на компоненты и проверка гипотез данными.
Потому что правда, как обычно, живёт не в буквах алфавита, а в поведении и контексте — и иногда ещё в том, как мы сами любим считать себя уникальными.
P.S. фото сделано в 2023 году в индийском Хайдарабаде.
1👍9🙏4👌3💯2❤1
Важнейшее качество исследователя, или Три года без лета
Так получилось, что со школы про войны мы знаем почти всё. А про катастрофы — почти ничего.
Например, подавляющее большинство моих знакомых никогда не слышали о таком феномене, как "Три года без лета". Вы тоже? Сейчас расскажу, но сначала небольшое отступление.
Одно из важнейших качеств исследователя — это открытость ко всему новому.
Не к технологиям — к смыслам. К несовпадающим данным, к чужому опыту, к неожиданному контексту. Чтобы уметь соединять то, что не лежит рядом, нужно постоянно расширять свой кругозор: уходить в смежные дисциплины, копаться в чужих архивах, ездить в страны, где всё устроено иначе.
Потому что иногда ключ к глобальной загадке может прятаться в очень неожиданном месте.Гусары, молчать!
—————————————————
Между 1816 и 1818 годами климат на значительной части планеты будто сошёл с ума. В Европе снег шёл в июне. В Северной Америке — заморозки в августе и нескончаемые дожди. Неурожай, голод, эпидемии, народные волнения, тысячи смертей. А на фоне всего этого — загадочное молчание: в архивах почти не осталось однозначных объяснений происходящего.
Только в XX веке гипотеза обрела очертания: годом ранее, весной 1815-го, в Индонезии буквально "взорвался" вулкан Тамбора — произошло одно из крупнейших извержений за всю историю человечества. Его выбросы подняли в стратосферу миллиарды тонн пепла, резко снизив прозрачность атмосферы, что и привело к снижению температуры на поверхности Земли.
Отличная гипотеза, но как ее проверить?
Научной метеорологии тогда ещё не существовало. Климатические модели без эмпирической опоры — гадание. Ледяные керны или кольца деревьев — слишком обобщённы. Значит, нужно искать данные. Любые. Желательно — ежедневные. Желательно — с разных точек планеты. Желательно — с фиксированным временем наблюдения и описанием условий.
Утопия, скажете вы? А вот и нет -).
В результате один источник всё-таки нашёлся, и он оказался почти идеальным.
Готов поспорить, что никогда не угадаете, что это, если заранее не знали. -)
Судовые журналы британского флота.
К началу XIX века Великобритания уже построила крупнейшую морскую империю своего времени. Её корабли были повсюду — в Атлантике, у берегов Африки, в Индийском океане, на подходах к Арктике. И каждый корабль ежедневно вёл детальный журнал: температура, ветер, давление, направление течений, наличие льда. Не по научной обязанности, а из необходимости — от точности этих записей зависела навигация, а значит, и жизнь.
В совокупности эти документы охватывали большую часть глобального океана — той самой зоны, откуда зарождаются основные климатические паттерны.
Полтора века спустя исследователи оцифровали эти журналы, и обнаружили в них ключ к разгадке. Например, историк Майкл Ченоуэт собрал данные из 227 судовых журналов за лето 1816 года — и по ним реконструировал глобальное распределение давления, температуры и шторма в тот период.
Оказалось, что климатическая аномалия действительно была масштабной. Извержение вулкана произвело не локальный, а самый настоящий глобальный эффект.
Любопытно, что судовые журналы англичан позволили увидеть неочевидный нюанс — в Арктике, вопреки ожиданиям, в 1816–1817 годах льдов стало меньше. Что указывает не просто на охлаждение, а на перестройку всей атмосферной циркуляции.
Мир действительно серьезно изменился. И доказательства оказались спрятаны в миллионах строчек тысяч капитанских почерков.
Этот пример очень хорошо показывает, как работает исследовательский openmindness.
Умение не искать ответы, а задавать вопрос «а где бы их могли не заметить». И не проходить мимо, если источник выглядит слишком старым, слишком практичным или слишком непримечательным.
Потому что в этом — весь исследовательский азарт: однажды открыть для себя, что самый надёжный погодный архив XIX века вёлся вовсе не в лаборатории, а на палубе фрегата, дрейфующего в тумане за тысячи миль от родных берегов.
P.S. Фото сделано на Камчатке летом 2022 года. Тем, кто там не был, искренне рекомендую найти возможность и посетить ее в новом году.
Так получилось, что со школы про войны мы знаем почти всё. А про катастрофы — почти ничего.
Например, подавляющее большинство моих знакомых никогда не слышали о таком феномене, как "Три года без лета". Вы тоже? Сейчас расскажу, но сначала небольшое отступление.
Одно из важнейших качеств исследователя — это открытость ко всему новому.
Не к технологиям — к смыслам. К несовпадающим данным, к чужому опыту, к неожиданному контексту. Чтобы уметь соединять то, что не лежит рядом, нужно постоянно расширять свой кругозор: уходить в смежные дисциплины, копаться в чужих архивах, ездить в страны, где всё устроено иначе.
Потому что иногда ключ к глобальной загадке может прятаться в очень неожиданном месте.
—————————————————
Между 1816 и 1818 годами климат на значительной части планеты будто сошёл с ума. В Европе снег шёл в июне. В Северной Америке — заморозки в августе и нескончаемые дожди. Неурожай, голод, эпидемии, народные волнения, тысячи смертей. А на фоне всего этого — загадочное молчание: в архивах почти не осталось однозначных объяснений происходящего.
Только в XX веке гипотеза обрела очертания: годом ранее, весной 1815-го, в Индонезии буквально "взорвался" вулкан Тамбора — произошло одно из крупнейших извержений за всю историю человечества. Его выбросы подняли в стратосферу миллиарды тонн пепла, резко снизив прозрачность атмосферы, что и привело к снижению температуры на поверхности Земли.
Отличная гипотеза, но как ее проверить?
Научной метеорологии тогда ещё не существовало. Климатические модели без эмпирической опоры — гадание. Ледяные керны или кольца деревьев — слишком обобщённы. Значит, нужно искать данные. Любые. Желательно — ежедневные. Желательно — с разных точек планеты. Желательно — с фиксированным временем наблюдения и описанием условий.
Утопия, скажете вы? А вот и нет -).
В результате один источник всё-таки нашёлся, и он оказался почти идеальным.
Готов поспорить, что никогда не угадаете, что это, если заранее не знали. -)
К началу XIX века Великобритания уже построила крупнейшую морскую империю своего времени. Её корабли были повсюду — в Атлантике, у берегов Африки, в Индийском океане, на подходах к Арктике. И каждый корабль ежедневно вёл детальный журнал: температура, ветер, давление, направление течений, наличие льда. Не по научной обязанности, а из необходимости — от точности этих записей зависела навигация, а значит, и жизнь.
В совокупности эти документы охватывали большую часть глобального океана — той самой зоны, откуда зарождаются основные климатические паттерны.
Полтора века спустя исследователи оцифровали эти журналы, и обнаружили в них ключ к разгадке. Например, историк Майкл Ченоуэт собрал данные из 227 судовых журналов за лето 1816 года — и по ним реконструировал глобальное распределение давления, температуры и шторма в тот период.
Оказалось, что климатическая аномалия действительно была масштабной. Извержение вулкана произвело не локальный, а самый настоящий глобальный эффект.
Любопытно, что судовые журналы англичан позволили увидеть неочевидный нюанс — в Арктике, вопреки ожиданиям, в 1816–1817 годах льдов стало меньше. Что указывает не просто на охлаждение, а на перестройку всей атмосферной циркуляции.
Мир действительно серьезно изменился. И доказательства оказались спрятаны в миллионах строчек тысяч капитанских почерков.
Этот пример очень хорошо показывает, как работает исследовательский openmindness.
Умение не искать ответы, а задавать вопрос «а где бы их могли не заметить». И не проходить мимо, если источник выглядит слишком старым, слишком практичным или слишком непримечательным.
Потому что в этом — весь исследовательский азарт: однажды открыть для себя, что самый надёжный погодный архив XIX века вёлся вовсе не в лаборатории, а на палубе фрегата, дрейфующего в тумане за тысячи миль от родных берегов.
P.S. Фото сделано на Камчатке летом 2022 года. Тем, кто там не был, искренне рекомендую найти возможность и посетить ее в новом году.
🔥6👍3❤2👌2
В каком году родился Иисус?
В канун католического Рождества сложно придумать более актуальный вопрос, не так ли? -)
Напрашивающийся ответ - раз современное летоисчисление идет от Рождества Христова, логично, что он родился в нулевом году.
Это логично и привычно. Где-то рядом в голове сразу возникает точка отсчёта, аккуратная ось времени и ощущение, что всё здесь давно посчитано и разложено по полочкам. Но именно здесь начинается одна из самых старых и наглядных ошибок измерения.
Иисус Христос родился вовсе не в 0 году.
Более того, нулевого года в принятой сегодня системе летоисчисления не существует в принципе. После 1 года до нашей эры сразу следует 1 год нашей эры — без переходного значения, без «нуля» между ними.
История появления этой шкалы вполне конкретна и даже немного прозаична. В VI веке монах Дионисий Малый (Dionysius Exiguus) получилот заказчика бриф задачу рассчитать новую систему отсчёта лет — «от Рождества Христова». Он опирался на доступные ему хроники, римские списки консулов и библейские тексты, аккуратно свёл их воедино и предложил ту самую шкалу Anno Domini, которой мы пользуемся до сих пор. Проблема лишь в том, что расчёт оказался неточным. Господа-аналитики, знакомое чувство, верно? Испанский стыд и все такое.
Современные историки сходятся во мнении, что Иисус родился примерно между 7 и 4 годами до н.э., во времена царя Ирода. Ошибка составила несколько лет — немного по историческим меркам, но концептуально важно другое.
В результате у нас появилась временная шкала, которая выглядит числовой, но не обладает полноценным нулём. А значит, привычные арифметические операции с ней работают не всегда так, как ожидает здравый смысл.
Например, между 5 годом до н.э. и 5 годом н.э. прошло не 10 лет, а 9. Числа есть — корректной математики нет.
И вот здесь начинается территория исследователя.
В социологии и маркетинговых исследованиях мы постоянно имеем дело со шкалами измерения, и одна из ключевых развилок проходит ровно по этой линии: есть ли у шкалы равные интервалы и существует ли в ней осмысленный ноль.
Если мы работаем с интервальными или относительными шкалами — возрастом, доходом, количеством покупок, временем в пути — то математический аппарат применим без оговорок. То же самое касается числовых шкал типа 1–5 или 1–10, если они изначально сконструированы как равномерные балльные, без плавающих вербальных якорей. В этом случае разница между 2 и 3 эквивалентна разнице между 4 и 5, а значит допустимы средние значения, корреляции, регрессионные модели и оценка вклада факторов.
Совсем другая история — порядковые шкалы. «Отлично / хорошо / удовлетворительно», «низкий / средний / высокий» задают лишь порядок, но не расстояние между значениями. Мы не знаем и не можем знать, насколько «хорошо» ближе к «отлично», чем к «удовлетворительно». Поэтому любые попытки считать по таким данным корреляции или строить регрессии — это методологическое насилие над шкалой, даже если цифры в Excel выглядят убедительно.
Максимум, что честно работает для порядковых шкал, — распределения, медианы, сравнение долей и непараметрические методы. Всё остальное — компромисс ради удобства презентации.
История с датой Рождества здесь удивительно показательна. Временная шкала есть, числа есть, но отсутствие нуля накладывает жёсткие ограничения на анализ. Точно так же и в исследованиях: прежде чем считать связи, «драйверы» и коэффициенты, исследователь обязан задать самый скучный и самый важный вопрос — какой именно шкалой мы измеряем реальность.
Очень часто именно в этом месте и прячется главная ошибка. Или главное открытие.
P.S. Фото сделано в церкви Сен Шанель в Париже в 2022 году. Одна из самых красивых готических церквей, где я был.
#занимательно_о_флагах
В канун католического Рождества сложно придумать более актуальный вопрос, не так ли? -)
Напрашивающийся ответ - раз современное летоисчисление идет от Рождества Христова, логично, что он родился в нулевом году.
Это логично и привычно. Где-то рядом в голове сразу возникает точка отсчёта, аккуратная ось времени и ощущение, что всё здесь давно посчитано и разложено по полочкам. Но именно здесь начинается одна из самых старых и наглядных ошибок измерения.
Иисус Христос родился вовсе не в 0 году.
Более того, нулевого года в принятой сегодня системе летоисчисления не существует в принципе. После 1 года до нашей эры сразу следует 1 год нашей эры — без переходного значения, без «нуля» между ними.
История появления этой шкалы вполне конкретна и даже немного прозаична. В VI веке монах Дионисий Малый (Dionysius Exiguus) получил
Современные историки сходятся во мнении, что Иисус родился примерно между 7 и 4 годами до н.э., во времена царя Ирода. Ошибка составила несколько лет — немного по историческим меркам, но концептуально важно другое.
В результате у нас появилась временная шкала, которая выглядит числовой, но не обладает полноценным нулём. А значит, привычные арифметические операции с ней работают не всегда так, как ожидает здравый смысл.
Например, между 5 годом до н.э. и 5 годом н.э. прошло не 10 лет, а 9. Числа есть — корректной математики нет.
И вот здесь начинается территория исследователя.
В социологии и маркетинговых исследованиях мы постоянно имеем дело со шкалами измерения, и одна из ключевых развилок проходит ровно по этой линии: есть ли у шкалы равные интервалы и существует ли в ней осмысленный ноль.
Если мы работаем с интервальными или относительными шкалами — возрастом, доходом, количеством покупок, временем в пути — то математический аппарат применим без оговорок. То же самое касается числовых шкал типа 1–5 или 1–10, если они изначально сконструированы как равномерные балльные, без плавающих вербальных якорей. В этом случае разница между 2 и 3 эквивалентна разнице между 4 и 5, а значит допустимы средние значения, корреляции, регрессионные модели и оценка вклада факторов.
Совсем другая история — порядковые шкалы. «Отлично / хорошо / удовлетворительно», «низкий / средний / высокий» задают лишь порядок, но не расстояние между значениями. Мы не знаем и не можем знать, насколько «хорошо» ближе к «отлично», чем к «удовлетворительно». Поэтому любые попытки считать по таким данным корреляции или строить регрессии — это методологическое насилие над шкалой, даже если цифры в Excel выглядят убедительно.
Максимум, что честно работает для порядковых шкал, — распределения, медианы, сравнение долей и непараметрические методы. Всё остальное — компромисс ради удобства презентации.
История с датой Рождества здесь удивительно показательна. Временная шкала есть, числа есть, но отсутствие нуля накладывает жёсткие ограничения на анализ. Точно так же и в исследованиях: прежде чем считать связи, «драйверы» и коэффициенты, исследователь обязан задать самый скучный и самый важный вопрос — какой именно шкалой мы измеряем реальность.
Очень часто именно в этом месте и прячется главная ошибка. Или главное открытие.
P.S. Фото сделано в церкви Сен Шанель в Париже в 2022 году. Одна из самых красивых готических церквей, где я был.
#занимательно_о_флагах
1🔥6👌5👍3😁2😱1
Парадокс Монти Холла: как контекст выбора ломает «здравый смысл»
В фильме "21" (помните, это про студентов, которые решили хакнуть казино за счет системы подсчета выбывших из игры карт) есть короткий, но показательный эпизод, в котором профессор математики, сыгранный Кевин Спейси, задаёт студентам задачу про три двери, за одной из которых скрывается автомобиль, а за двумя другими - ничего.
Речь идёт о знаменитой задаче о трёх дверях, более известной как парадокс Монти Холла, а в близкой по структуре формулировке — как «задача о заключённом», где ключевым является не сам выбор, а условия, при которых участник получает новую информацию. Именно поэтому эта задача давно вышла за рамки занимательной математики и используется как учебный пример систематических ошибок мышления.
Формулируется она следующим образом. Перед участником находятся три закрытые двери, за одной из которых расположен выигрыш, а за двумя — проигрыш. Участник делает первичный выбор, не обладая никакой дополнительной информацией, и на этом этапе вероятность выигрыша составляет одну треть, что напрямую следует из симметрии исходной ситуации. После этого в процесс вмешивается ведущий, который знает, где находится выигрыш, никогда не открывает дверь с выигрышем и всегда открывает одну из оставшихся дверей с проигрышем, а затем предлагает участнику либо сохранить первоначальный выбор, либо изменить его.
Интуитивное рассуждение подсказывает, что после открытия одной двери остаются две альтернативы с равными шансами, однако эта логика игнорирует механизм получения информации.
Вероятность, связанная с первоначально выбранной дверью, остаётся неизменной и по-прежнему равна одной трети, поскольку участник не получил никаких новых сведений именно о своём выборе.
Оставшиеся две трети вероятности изначально относились к совокупности двух невыбранных дверей, и когда ведущий, действуя по жёсткому и неслучайному правилу, исключает одну из них, вся эта вероятность целиком концентрируется на единственной оставшейся закрытой двери.
В результате стратегия сохранения первоначального выбора даёт вероятность выигрыша около 33%, тогда как стратегия обязательной смены выбора обеспечивает вероятность выигрыша около 66%.
Эта логика долгое время вызывала споры даже в профессиональном сообществе, и важную роль в их разрешении сыграли вычислительные эксперименты, проводившиеся с использованием ЭВМ. В таких экспериментах моделировались миллионы раундов игры, отдельно для стратегии «оставаться» и стратегии «менять», после чего анализировалась фактическая частота выигрышей.
Результаты оказались устойчивыми и воспроизводимыми: по мере роста числа прогонов эмпирические данные всё точнее сходятся к теоретическим значениям, демонстрируя примерно одну треть выигрышей при сохранении выбора и около двух третей — при его смене, что полностью подтверждает аналитическое решение.
Любой из уважаемых читателей, владеющий Python, легко может проделать такую же симуляцию (пример кода и подробные шаги можно посмотреть здесь).
Сопротивление этому выводу связано не с трудностью вычислений, а с особенностями человеческого мышления, которое склонно воспринимать действия ведущего как случайные, рассматривать ситуацию статично и мысленно «обнулять» предыдущие этапы выбора. Для статистики такой подход некорректен, поскольку процедура отбора и правила вмешательства являются частью данных и должны учитываться при интерпретации результата.
Именно поэтому парадокс Монти Холла регулярно «всплывает» в прикладных исследованиях, когда сравнение альтернатив проводится без учёта того, каким образом они были отобраны и какие фильтры уже сработали ранее.
Исследовательский взгляд принципиально отличается тем, что анализирует не только финальный выбор, но и весь путь, который к нему привёл, поскольку в работе с вероятностями строгие математические законы почти всегда важнее интуитивного ощущения справедливости.как и в жизни
#занимательно_о_флагах
В фильме "21" (помните, это про студентов, которые решили хакнуть казино за счет системы подсчета выбывших из игры карт) есть короткий, но показательный эпизод, в котором профессор математики, сыгранный Кевин Спейси, задаёт студентам задачу про три двери, за одной из которых скрывается автомобиль, а за двумя другими - ничего.
Речь идёт о знаменитой задаче о трёх дверях, более известной как парадокс Монти Холла, а в близкой по структуре формулировке — как «задача о заключённом», где ключевым является не сам выбор, а условия, при которых участник получает новую информацию. Именно поэтому эта задача давно вышла за рамки занимательной математики и используется как учебный пример систематических ошибок мышления.
Формулируется она следующим образом. Перед участником находятся три закрытые двери, за одной из которых расположен выигрыш, а за двумя — проигрыш. Участник делает первичный выбор, не обладая никакой дополнительной информацией, и на этом этапе вероятность выигрыша составляет одну треть, что напрямую следует из симметрии исходной ситуации. После этого в процесс вмешивается ведущий, который знает, где находится выигрыш, никогда не открывает дверь с выигрышем и всегда открывает одну из оставшихся дверей с проигрышем, а затем предлагает участнику либо сохранить первоначальный выбор, либо изменить его.
Интуитивное рассуждение подсказывает, что после открытия одной двери остаются две альтернативы с равными шансами, однако эта логика игнорирует механизм получения информации.
Вероятность, связанная с первоначально выбранной дверью, остаётся неизменной и по-прежнему равна одной трети, поскольку участник не получил никаких новых сведений именно о своём выборе.
Оставшиеся две трети вероятности изначально относились к совокупности двух невыбранных дверей, и когда ведущий, действуя по жёсткому и неслучайному правилу, исключает одну из них, вся эта вероятность целиком концентрируется на единственной оставшейся закрытой двери.
В результате стратегия сохранения первоначального выбора даёт вероятность выигрыша около 33%, тогда как стратегия обязательной смены выбора обеспечивает вероятность выигрыша около 66%.
Эта логика долгое время вызывала споры даже в профессиональном сообществе, и важную роль в их разрешении сыграли вычислительные эксперименты, проводившиеся с использованием ЭВМ. В таких экспериментах моделировались миллионы раундов игры, отдельно для стратегии «оставаться» и стратегии «менять», после чего анализировалась фактическая частота выигрышей.
Результаты оказались устойчивыми и воспроизводимыми: по мере роста числа прогонов эмпирические данные всё точнее сходятся к теоретическим значениям, демонстрируя примерно одну треть выигрышей при сохранении выбора и около двух третей — при его смене, что полностью подтверждает аналитическое решение.
Любой из уважаемых читателей, владеющий Python, легко может проделать такую же симуляцию (пример кода и подробные шаги можно посмотреть здесь).
Сопротивление этому выводу связано не с трудностью вычислений, а с особенностями человеческого мышления, которое склонно воспринимать действия ведущего как случайные, рассматривать ситуацию статично и мысленно «обнулять» предыдущие этапы выбора. Для статистики такой подход некорректен, поскольку процедура отбора и правила вмешательства являются частью данных и должны учитываться при интерпретации результата.
Именно поэтому парадокс Монти Холла регулярно «всплывает» в прикладных исследованиях, когда сравнение альтернатив проводится без учёта того, каким образом они были отобраны и какие фильтры уже сработали ранее.
Исследовательский взгляд принципиально отличается тем, что анализирует не только финальный выбор, но и весь путь, который к нему привёл, поскольку в работе с вероятностями строгие математические законы почти всегда важнее интуитивного ощущения справедливости.
#занимательно_о_флагах
❤7👍3🤔3🔥2
Как продать снег холодный напиток зимой: кейс Санты как исследовательского конструкта
Друзья, для начала - поздравляю всех вас с наступившим 2026. Новых целей, новых горизонтов и движения вперед, несмотря на сопротивление окружающей среды.
Ну и когда, как не в новогодние каникулы написать пост про уникальный феномен кокакольного Санты - как огромная будущая транснациональная корпорация закрепила за собой образ западного деда мороза.
Про это много уже написано, но я расскажу про данный кейс с точки зрения профессионального исследователя.
Все началось с традиционного сезонного спада продаж газировки в холодное время года.
Если смотреть на ситуацию глазами маркетологов Coca-Cola конца 1920-х годов, то проблема выглядела предельно конкретно и измеримо: выраженная сезонная просадка спроса, которая повторялась год за годом и не объяснялась ни качеством продукта, ни дистрибуцией, ни уровнем знания бренда, а упиралась в более сложный слой — в контекст повседневного поведения людей зимой.
В тот период у маркетологов не было UX-лабораторий, глубинных интервью в привычном нам виде и презентаций с красивыми CJM, но при этом у них были инструменты, которые по своей сути выполняли те же исследовательские функции, просто назывались иначе и выглядели проще.
Во-первых, это анализ сезонной динамики продаж, причём не в отрыве от календаря, а в связке с погодой, праздниками, выходными и ритмом повседневной жизни, что позволяло довольно точно зафиксировать: зимой напиток выпадает не из-за цены или доступности, а потому что у человека нет ситуации, в которой он «разрешает себе» холодную газировку.
Во-вторых, наблюдение за потреблением в реальных условиях — то, что сегодня мы назвали бы полевой этнографией, а тогда выглядело как работа с торговыми точками, домохозяйствами и локальными сообществами. Это позволяло понять, какие напитки появляются на столе зимой, в какие моменты и по каким поводам, а какие — нет.
Именно на этом уровне стало очевидно, что зимой напитки вообще не исчезают из жизни людей, но радикально меняется логика их употребления: горячее ассоциируется с согреванием, алкоголь — с праздником, а холодные безалкогольные напитки оказываются «вне сценария», не потому что плохи, а потому что не встроены ни в один устойчивый ритуал.
В-третьих, работа с культурным контекстом, которую сегодня назвали бы семиотическим кабинетным исследованием, где маркетологи смотрели не на продукт, а на символическое поле зимы и Рождества: какие образы уже присутствуют, какие перегружены, а какие, наоборот, существуют в разрозненном, неоформленном виде.
И здесь обнаруживается ключевая находка: Санта-Клаус как персонаж был узнаваем, но не стандартизирован, не закреплён за брендом и не имел устойчивого поведенческого паттерна, а значит, представлял собой идеальный «сырой материал» для форматирования — редкий случай культурного актива без владельца.
Дальше произошло то, что сегодняпри продаже клиенту мы бы назвали исследовательским конструированием сценария.
Маркетологи Coca-Cola не просто выбрали Санту, а через серию итераций — визуальных, сюжетных и поведенческих — проверяли, какой именно образ выглядит наиболее естественно в зимнем бытовом контексте: не сакральный персонаж, не абстрактный символ праздника, а тёплый, физически ощутимый человек, который заходит в дом, делает паузу между делами и ведёт себя так же, как ведёт себя обычный человек в декабрьский вечер.
Фактически это была работа с микродействиями: где стоит бутылка, в какой момент она появляется в кадре, не «пьёт ли» напиток Санта слишком демонстративно, выглядит ли это как реклама или как естественный жест, встроенный в жизнь.
И самое важное — эта гипотеза не осталась разовым креативным решением, а год за годом воспроизводилась и уточнялась, что по своей логике очень близко к лонгитюдному исследованию, где устойчивость эффекта важнее разового всплеска внимания.
Друзья, для начала - поздравляю всех вас с наступившим 2026. Новых целей, новых горизонтов и движения вперед, несмотря на сопротивление окружающей среды.
Ну и когда, как не в новогодние каникулы написать пост про уникальный феномен кокакольного Санты - как огромная будущая транснациональная корпорация закрепила за собой образ западного деда мороза.
Про это много уже написано, но я расскажу про данный кейс с точки зрения профессионального исследователя.
Все началось с традиционного сезонного спада продаж газировки в холодное время года.
Если смотреть на ситуацию глазами маркетологов Coca-Cola конца 1920-х годов, то проблема выглядела предельно конкретно и измеримо: выраженная сезонная просадка спроса, которая повторялась год за годом и не объяснялась ни качеством продукта, ни дистрибуцией, ни уровнем знания бренда, а упиралась в более сложный слой — в контекст повседневного поведения людей зимой.
В тот период у маркетологов не было UX-лабораторий, глубинных интервью в привычном нам виде и презентаций с красивыми CJM, но при этом у них были инструменты, которые по своей сути выполняли те же исследовательские функции, просто назывались иначе и выглядели проще.
Во-первых, это анализ сезонной динамики продаж, причём не в отрыве от календаря, а в связке с погодой, праздниками, выходными и ритмом повседневной жизни, что позволяло довольно точно зафиксировать: зимой напиток выпадает не из-за цены или доступности, а потому что у человека нет ситуации, в которой он «разрешает себе» холодную газировку.
Во-вторых, наблюдение за потреблением в реальных условиях — то, что сегодня мы назвали бы полевой этнографией, а тогда выглядело как работа с торговыми точками, домохозяйствами и локальными сообществами. Это позволяло понять, какие напитки появляются на столе зимой, в какие моменты и по каким поводам, а какие — нет.
Именно на этом уровне стало очевидно, что зимой напитки вообще не исчезают из жизни людей, но радикально меняется логика их употребления: горячее ассоциируется с согреванием, алкоголь — с праздником, а холодные безалкогольные напитки оказываются «вне сценария», не потому что плохи, а потому что не встроены ни в один устойчивый ритуал.
В-третьих, работа с культурным контекстом, которую сегодня назвали бы семиотическим кабинетным исследованием, где маркетологи смотрели не на продукт, а на символическое поле зимы и Рождества: какие образы уже присутствуют, какие перегружены, а какие, наоборот, существуют в разрозненном, неоформленном виде.
И здесь обнаруживается ключевая находка: Санта-Клаус как персонаж был узнаваем, но не стандартизирован, не закреплён за брендом и не имел устойчивого поведенческого паттерна, а значит, представлял собой идеальный «сырой материал» для форматирования — редкий случай культурного актива без владельца.
Дальше произошло то, что сегодня
Маркетологи Coca-Cola не просто выбрали Санту, а через серию итераций — визуальных, сюжетных и поведенческих — проверяли, какой именно образ выглядит наиболее естественно в зимнем бытовом контексте: не сакральный персонаж, не абстрактный символ праздника, а тёплый, физически ощутимый человек, который заходит в дом, делает паузу между делами и ведёт себя так же, как ведёт себя обычный человек в декабрьский вечер.
Фактически это была работа с микродействиями: где стоит бутылка, в какой момент она появляется в кадре, не «пьёт ли» напиток Санта слишком демонстративно, выглядит ли это как реклама или как естественный жест, встроенный в жизнь.
И самое важное — эта гипотеза не осталась разовым креативным решением, а год за годом воспроизводилась и уточнялась, что по своей логике очень близко к лонгитюдному исследованию, где устойчивость эффекта важнее разового всплеска внимания.
🔥5👍4👌1
Если смотреть на эту историю без рекламной романтики, то становится ясно: Coca-Cola решила зимнюю проблему не за счёт фантазии, а за счёт системного наблюдения за поведением, контекстом и культурными лакунами, в которые можно было аккуратно встроить продукт.
И это, пожалуй, главный исследовательский урок: когда продукт «не покупают», чаще всего это не вопрос предубеждения, а вопрос отсутствующего сценария, который сначала нужно обнаружить, а уже потом — аккуратно сконструировать.
#занимательно_о_флагах
P.S. Ну и традиционное фото к посту - если мне не изменяет память, этот снимок сделан на сидродельне Заповедник, чей бренд выстроен вокруг творчества Сергея Довлатова, которое я тоже очень люблю.
Еще раз - с наступившим 2026! И чтобы жизнь всегда обгоняла мечту!
И это, пожалуй, главный исследовательский урок: когда продукт «не покупают», чаще всего это не вопрос предубеждения, а вопрос отсутствующего сценария, который сначала нужно обнаружить, а уже потом — аккуратно сконструировать.
#занимательно_о_флагах
P.S. Ну и традиционное фото к посту - если мне не изменяет память, этот снимок сделан на сидродельне Заповедник, чей бренд выстроен вокруг творчества Сергея Довлатова, которое я тоже очень люблю.
Еще раз - с наступившим 2026! И чтобы жизнь всегда обгоняла мечту!
1😁9❤2