Для анализа больших объёмов информации, улучшения показателей и формирования прогнозов крупные и малые бизнесы используют предиктивную (она же — предсказательная) аналитику. Это интеллектуальный анализ данных, который включает статистическое моделирование, изучение исторического опыта и планирование результатов на основе полученных моделей.

Чтобы все эти операции выполнялись за считанные секунды, многие компании используют в предиктивной аналитике технологии искусственного интеллекта. Посмотрим, как именно это происходит на практике.

1. Walmart: оптимизация системы снабжения

Начнём с примера, который один может вдохновить всю розничную торговлю. Компания Walmart, крупнейшая в мире сеть оптовой и розничной торговли, адаптируется к эпохе цифровых технологий, связывая онлайн- и офлайн-данные. Система запрашивает информацию у кассовых терминалов и даёт прогноз, какие товары будут пользоваться спросом, а какие - нет.

Информацией управляют с помощью облака Data Cafe Walmart, которое обслуживается командой Walmart Labs в Силиконовой долине. Эта операция нужна для расчёта ожидаемых показателей. Благодаря инструментам предиктивной аналитики и искусственному интеллекту компания оптимизировала цепочку поставки товара и добилась соблюдения сроков доставки.

Стоит отметить, что такая технология может использоваться не только гигантами, как Walmart. Любой менеджер менее крупной компании с помощью доступных технологий от Google и Adobe может правильно организовать поставки товаров и минимизировать риски дорогостоящих корректировок, если спрос превышает предложение или наоборот.

2. Зоопарк Point Defiance: рост малого бизнеса

Опрос SAP показал, что более 70 % руководителей малого бизнеса также начинают использовать в работе аналитические данные. Приведём пример.

Посещаемость зоопарка Point Defiance (Такома, штат Вашингтон) то непредсказуемо росла, то падала. В случае небольшого числа людей расходы на персонал оказывались слишком большими. Чтобы выявить факторы, влияющие на посещаемость, руководство зоопарка начало сотрудничать с национальной метеорологической службой.

Объединение данных национальной метеорологической службы с управляемой искусственным интеллектом платформой Watson IBM позволило с точностью до 95 % определять, при каких погодных условиях люди посещают зоопарк, и обеспечивать его нужным количеством персонала.

Конечно, практическое применение этого метода гораздо шире, чем просто анализ числа посещений. В Point Defiance изучают, как посетители ведут себя в зоопарке, где проводят больше времени, какие маршруты выбирают. Анализ этой информации позволяет улучшить качество обслуживания. В планах также использование искусственного интеллекта для контроля данных о здоровье, диагностики проблем животных парка и проведения необходимого лечения.

3. Hopper: прогнозирование ценовых тенденций

Индустрия туризма печально известна высокой конкуренцией, недолговечными пиками, спадами спроса и низкорентабельными направлениями. Из-за этого многие путешественники сомневаются в правильном выборе времени для бронирования билетов: сделать заказ за несколько месяцев или за два дня до даты отправления.

Решить эту проблему помогают приложения для путешествий, использующие предиктивную аналитику на основе технологий искусственного интеллекта. Отличный пример в данном случае - Hopper.

Приложение использует статические модели и ежедневно сканирует миллиард цен и данных по каждому маршруту. Это позволяет прогнозировать модели ценообразования и оповещать путешественников о возможности купить самые дешёвые билеты на желаемое направление.

Конечно, это не единственная компания, предоставляющая такую услугу. В России широко известны AviaSales, Skyscanner, TripAdvisor и др.

4. IBM: сохранение персонала

Плюс предиктивной аналитики - возможность получить долгосрочные результаты, работающие на цели компании. Чаще всего это получение прибыли. Однако предиктивная аналитика и искусственный интеллект могут помочь не только в этом. С их помощью можно выявить проблемы текучки кадров и предложить пути их решения.

Так, суперкомпьютер Watson IBM оценивает общие факторы, влияющие на уход персонала. По структурированным данным (как на скриншоте ниже) он определяет показатели качества для каждого сотрудника и просчитывает вероятность его увольнения.

Владелец бизнеса или менеджер может использовать эти показатели, чтобы выявить причины возможного ухода сотрудников из компании и предотвратить это. Предиктивная аналитика также позволяет учитывать затраты на привлечение новых кадров и сохранение имеющихся специалистов. Благодаря этому появляется возможность снизить операционные расходы.

5. Under Armour: увеличение охвата аудитории

Компания Under Armour, производитель спортивного инвентаря, использует искусственный интеллект и предиктивную аналитику для анализа тональности публикаций и общественного мнения. Они хотят понять отношение потребителя к бренду, найти свободные ниши на рынке и расширить аудиторию. Для этого компания должна чётко знать, кто её потенциальный клиент, и взаимодействовать с ним посредством персонализированных сообщений.

Кроме того, сейчас компания производит не только спортивные товары, но и приложения и устройства, предназначенные для учёта отдельных характеристик организма пользователя (фитнес-трекеры, умные часы и пр.). Чем больше людей используют эту продукцию, тем больше информации поступает в Under Armour. Так, в год компания получает данные от более чем 200 миллионов зарегистрированных пользователей. Это позволяет не только связать офлайн- и онлайн-миры, но и даёт понимание, как именно улучшить продукцию.

6. Сбербанк: Big Five и риск-менеджмент

Для банка оценка рисков крайне важна, ведь любой риск - это возможность недополучить доход. Выдавая кредит или совершая другую операцию, банк должен быть уверен, что перед ним платежеспособный человек, не принимающий необдуманных решений. Сейчас для этого совсем не обязательно задавать миллион вопросов. Достаточно проанализировать поведение человека в социальных сетях.

Такую методологию искусственного интеллекта Сбербанк внедрил в свой риск-менеджмент. Она называется Big Five. Технология позволяет составить психологический портрет личности и оценить его благонадёжность для банка на основе пяти черт характера: добросовестность, открытость, общительность, законопослушность и эмоциональная неустойчивость. Применяя эту методологию, Сбербанк получил $50 млн чистой прибыли .

Новая нейронная сеть, которую мы запустили, даёт значительно более высокий результат, коэффициент примерно на 8 процентных пунктов выше - это гигантское отличие от того, что было раньше. Это говорит о том, что мы сможем выдавать кредиты значительно быстрее большему количеству предпринимателей. И ставка будет падать.

глава Сбербанка

Сегодня нет ни одной сферы деятельности, где бы компания ни пыталась применить искусственный интеллект: открытие счетов с помощью программного робота, одобрение кредитов без участия человека, оценка работы сотрудников и т. д. В планах у Сбербанка оптимизировать с помощью искусственного интеллекта до 80 % операций.

7. Ingate: технологический сервис для удержания клиентов

Клиент - это доход. Поэтому компания должна учитывать пожелания каждого из них. А что делать, если у компании десятки, сотни или даже тысячи клиентов? Отследить их настрой на продолжение сотрудничества достаточно сложно, и без предиктивной аналитики и искусственного интеллекта уже не обойтись. Мы тоже не остались на обочине прогресса и разработали сервис, который позволяет отслеживать готовность клиента к продолжению сотрудничества.

Для оценки мы учитываем более 100 факторов: как давно клиент заходил в аккаунт, менял в нём информацию, запрашивал отчёты, проверял статистику и т. д. После анализа аккаунт-менеджер получает список клиентов, где в процентах указана вероятность отказа от услуг компании, и связывается с ними для выявления проблем. Останется клиент или уйдет, уже зависит от работы менеджера.

руководитель направления исследований Ingate

Вот только малая часть примеров использования предиктивной аналитики на основе технологий искусственного интеллекта. Если у вас есть необходимые аналитические данные и люди, которые смогут грамотно их интерпретировать и сформировать прогнозы, не упускайте возможность зарабатывать больше.

Предикативная или прогностическая аналитика (Predictive analytics) - это прежде всего множество методов статистики, анализа данных и теории игр, которые используются для анализа текущих и исторических данных/событий для прогноза данных/событий в будущем.

Наиболее известный способ использования прогностической аналитики – это применение скоринговых моделей для оценки платежеспособности клиента при выдаче кредитов в банке. Любая скоринговая модель строится на исторических данных, и если в прошлом, какая-либо группа клиентов была уличена в несвоевременном гашении кредитов, а вы по каким-либо характеристикам схожи с этой группой, то скорее всего в выдаче кредитов вам откажут.

Однако это не все области, где применяется предикативная аналитика, ее можно применять для разработки продуктов, для выбора потенциальной аудитории, для выбора следующего продукта, который вы можете предложить клиенту (Next Best Offer) и множестве других.

Родственным по отношению к предикативной аналитике является понятие data mining, так как предикативная аналитика использует частично подобные методы. Центральной же сущностью предиктивной аналитики является задача определение предиктора или нескольких предикторов (параметров или сущностей, которые влияют на прогнозируемое событие). Например, страховые компании выделяю такие предикторы, как возраст, стаж вождения при определении страховой премии. Множество этих предикторов образует модель предиктивной аналитики, которая предсказывает определенное событие в будущем с какой-то степенью вероятности.

Прогнозирование ежедневного потребительского спроса на уровне магазин/товар на 28 дней
Прогнозирование акционного спроса
Учет товарного замещения (каннибализации) во время акций
Учет изменений в цене, сезонного изменеия спроса
Учет температуры и погодных условий по городам расположения магазинов, размерам магазинов и пр.
Прогнозирование для новых товарных позиций, новых магазинов
Учет открытий конкурентов

Выведение значимых товарных позиций для покупателей (Key Value Item Analysis)

Выделение товаров имеющих непропорционально большое влияние на восприятие покупателей
Выявив эти товарные позиции ритейлер может влиять на потребительское восприятие адаптировав свою ценовую стратегию
Используя агрессивную ценовую стратегию, ритейлеры могут влиять на трафик, общее представление о ценах, прибыльность, долю рынка и пр.

Оптимизация регулярной и акционной цены

Рекомендации по оптимальной цене
Учет ограничений по выкладке, марже, обороту, поставкам и пр.
Расчет эластичности цены
Рекомендации по временным ценам для ускорения продаж
Прямые предложения для клиентов
Многоканальные продажи

Сегментирование покупателей

Поведенческая и маркетинговая сегментация,
Целенаправленные маркетинговые кампании
Анализ потребительской корзины,
Рекомендации по товарам
Перекрестные продажи и повышение уровня продаж,
Стратегия наилучшей альтернативы,
Предотвращение оттока клиентов путем расчета потребительского риска

Выделение групп покупателей со схожими поведенческими характеристиками путем многомерного анализа данных
Customer Segmentation, Behavioral Targeting, Churn Prevention

Повышение конверсии по акциям путем формирования целевых групп (сегментов) покупателей для направленных акций
Повышения прибыльности путем рекомендаций по уровню скидок для различных целевых групп покупателей
Повышение лояльности путем раннего выявления покупателей с наибольшей вероятностью ухода и последующих действий (акций)

Предиктивная аналитика на производстве

Анализ и прогнозирование влияния воздействий факторов на параметры продукции
Прогнозирование отказов оборудования - переход от обслуживания по регламенту к обслуживанию по состоянию
Прогнозирование производства продукции и потребления энергии и ресурсов
Онлайн упреждающие оповещения о будущих внештатных ситуациях

Для промышленных предприятий, где требуется обработка и понимание огромного количества данных и есть высокие риски при принятии решений, предсказательная аналитика имеет особое значение .

Данные о протекании технологического процесса не всегда используются эффективно, в то время как их можно использовать для оптимизации операционных процессов и повышения технико-экономических показателей производства. Оптимизацию можно выполнить на любом типе производства с серьезным уровнем автоматизации, организованным сбором и длительным хранением информации. Для этого успешно применяются интеллектуальные системы, которые могут проанализировать состояние технологического процесса в реальном времени, спрогнозировать дальнейшее протекание процесса, определить уровень оптимальности и, при необходимости, изменить управляющие параметры или дать рекомендации диспетчеру. Для решения данных задач с помощью средств машинного обучения создается предиктивная математическая модель технологического процесса. Она анализирует входные параметры, в реальном времени выдает прогноз протекания процесса и предложения по его оптимизации. Эта модель объединяется с АСУТП , MES и ERP-системами предприятия.

Еще одна задача для предиктивных алгоритмов – это техническое обслуживание и ремонт оборудования. В основном, предприятия используют базовые механизмы контроля, предоставленные производителями оборудования. Но потенциал этих средств ограничен, поскольку они не позволяют проанализировать дополнительные факторы, влияющие на состояние оборудования, и заранее спрогнозировать критическую ситуацию. Таким образом, сотрудники отдела технического обслуживания получают множество данных, но не знают, как эти данные связаны между собой. В итоге реакция от ремонтных служб следует только после отказа оборудования, что ведет за собой простои, и, следовательно, дополнительные расходы. Прогнозная аналитика средствами машинного обучения и искусственного интеллекта проводит непрерывный анализ больших данных, выполняет визуализацию данных о состоянии оборудования на текущий момент и прогнозирует сценарии возникновения отказов оборудования. В результате сокращаются внеплановые простои, оптимизируются работы по ТОРО , уменьшается время техобслуживания, а управляющий персонал получает углубленный анализ причин отказов оборудования.

Мировой рынок

Прогноз Transparency Market Research 2017 года в 2019й

Рынок предикативной аналитики достигнет $6,5 млрд к 2019 году, согласно прогнозу Transparency Market Research от ноября 2013 года. По мнению аналитиков этой компании, рост рынка управляется такими драйверами как увеличение спроса на пользовательскую аналитики и интеллектуальный софт для информационной безопасности и защиты от фрода. Отдельное отмечается бурное развитие сегменте облачных решений для предикативного анализа .

Для сравнения, по итогам 2012 года, по данным той же фирмы, мировой рынок систем для предикативного анализа составил в объеме $2,08 млрд, а среднегодовой его прирост в период с 2013 по 2019 год составит 17,8%.

Наиболее востребована предикативная аналитика в отраслях, работающих с конечными потребителями, таких как банковские и финансовые сервисы, страхование, госсектор, фармацевтика, телеком и ИТ, ритейл. На эти сегменты пришлось 71,8% объема внедрений в 2012 году. На протяжении прогнозного периода максимальная доза проектов придется на банковский сектор, финансовые сервисы, страхование. Впрочем, наиболее быстро число проектов будет расти в рознице и на производстве.

Аналитики отмечают, что рост случаев мошенничества, неплатежей, угрозы несоответствия многочисленным правилам и регламентам вынуждают бизнес все чаще обращаться к предикативному анализу с целью построения футуристических моделей, позволяющих принимать превентивные меры по отношению к неблагоприятным событиям.

Такие разные типы программного обеспечения как системы пользовательской аналитики, аналитики информационной безопасности и управлениям кампаниями составили около 50% рынка предикативной аналитики в 2012 году. Эти решения используются для оптимизации организационных процессов в продажах и маркетинге, управления клиентами и каналами продаж, финансового и риск менеджмента и так далее.

Среди региональных рынков крупнейшим рынком систем предикативного анализа будет Северная Америка, причем здесь спрос на прогнозные решения придет со стороны компаний, активно решающих вопросы работы с большими данными (big data). Именно поэтому в скором времени на аренду предикативной аналитики выйдет все ключевые вендоры решений для big data, включая , SAP , Oracle , IBM , Microsoft , Teradata и Tableau Software .

Рынок при этом остается во многом поделен между крупнейшими игроками: на первую пятерку поставщиков пришлось 80% объема рынка в 2012 году. Среди других заметных игроков отмечаются Fair Isaac, Tibco , Information Builders , Alteryx , Qlik (QlikTech) и MicroStrategy .

Системы прогнозной аналитики

системы предикативного анализа :

KNIME
Orange
Python
RapidMiner

Коммерческие системы предикативного анализа .

НЛП-практик:: Подстройка

На занятиях я люблю сначала дать занимающимся возможность «испытать» её действие на себе, а потом уже разбираться с теорией. Итак, упражнение «Спор», с моим возможным текстом и с часто встречающимися комментариями студентов.

Упражнение «Спор»

Мне бы хотелось, чтобы вы разбились на пары и нашли какую-нибудь тему, относительно которой вы расходитесь в мнениях. Это может быть что угодно: хороший ли фильм «Интерстеллар», что более важно при покупке одежды и какой будет курс доллара в следующем году.
После выбора темы обсудите её. Но во время обсуждения сохраняйте одинаковые позы. И большая просьба: сначала найдите тему, а лишь потом начинайте её обсуждение и садитесь в подстроенные позы.
...
Замрите, пожалуйста, в тех позах, в которых вы сейчас находитесь. Обратите внимание, что в некоторых парах вы сидите по-разному. Даже если оба сидят положив ногу на ногу, но один из собеседников скрестил руки на груди, а второй откинулся на спинку стула и обхватил ее руками – это всё-таки позы разные.
Но меня сейчас больше интересует, что произошло с теми, кто сейчас находится в одинаковых позах. Как у вас проходило обсуждение?
- Да мы уже забыли о начальной теме, где были не согласны друг с другом, и говорим о гораздо более приятном.
- Нашли, что общего у нас по этому вопросу.
- Да вроде как и не было особых противоречий.
А как проходило обсуждение у тех, кто сейчас сидит в разных позах?
- Поспорили.
- Как были несогласны, так и отстаивали каждый свою точку зрения.
- Как-то уже особо и говорить не о чем.
Хорошо, а теперь следующее задание: найдите тему, в которой вы согласны друг с другом, и тоже обсудите ее. Но во время этого обсуждения ваша задача все время находиться в разных позах. И та же просьба – сначала найдите тему, и лишь потом отстраивайте позы.
...
Попрошу опять вас застыть в тех позах, в которых сейчас находитесь! Я вижу, что довольно много пар в одинаковых позах. И что произошло с теми, кто честно выполнял задание, то есть общались в различных позах?
- Разругались совершенно!
- Мы уже и тему сменили, и поспорили от души.
- Я бы сказал, что обсуждать эту тему было не интересно.
А что скажут те, кто во время сигнала находился в одинаковых позах?
- Хороший человек, ну что с ним спорить?
- Спорить совершенно не хотелось. Мы просто о чем-то приятном и поговорили.
- А мы уже и про задание забыли.

О подстройке

Подстройка - это процесс согласования состояний.

В модели «передача-приём-обработка информации» подстройка относится к передаче - как передать информацию так, чтобы вызвать нужное нам состояние раппорта.

Аналитическая и эмпатическая подстройка

В большинстве случаев люди подстраиваются интуитивно, эмпатически , «сочувствуя» собеседнику. Но можно это делать и аналитически - разбивая поведение человека на элементы.

Всё точно так же, как с калибровкой.

Итак, на что стоит обращать внимание при подстройке по позе:

симметричность позы;
наклон туловища: вперед - назад, вправо - влево;
поза прямая или ссутуленная;
наклон головы;
плечи подняты - опущены;
напряжение мышц: руки, ноги, плечи, шея;
опора на обе ноги или на одну.

Ваша задача выделить наиболее характерные элементы позы и потом скопировать их.

Например, для первого номера: поза ассиметричная расслабленная с опорой на стену, левое плечо выше, положение головы прямое, руки и ноги расслаблены, основная опора на правую ногу. Для пятого номера: поза расслабленная, симметричная, опора на обе ноги, плечи расслаблены и опущены, небольшая ссутуленность.

Подстройка

Начинайте копировать основные признаки позы, которые вы откалибровали: напряжение мышц, наклон, симметричность, положение головы, - пока не достигните состояния раппорта.
НО! Так как телосложение у людей разное,

характеристики позы надо подгонять под себя.

Например, многие женщины могут «обернуть» одну ногу вокруг другой, из мужчин на такой подвиг способны только единицы. Так что при копировании мужчинами такой хитрой женской позы достаточно будет просто сесть «нога на ногу».

Напоминаю, что установление раппорта калибруется либо по возможности ведения - вы пошевелили кистью правой руки, и ваш партнёр тоже, - либо по самокалибровке «чувства раппорта», что проще, но менее надёжно.

Если раппорта нет, уточните позу - проверьте точность копирования, добавьте ещё какие-то характерные признаки.

Обоснование смены позы

Когда вы меняете свою позу - «обоснуйте» это. Люди обычно меняют позу после «раздумий», или демонстрируя, что старая надоела. Например, изобразите некоторую задумчивость, отклонитесь назад, а только потом положите ногу на ногу.
Учтите, что

люди напряжённо реагируют на необычное поведение.

А вот то, что вы подстроены по позе, воспринимается вполне нормально. Понаблюдайте за окружающими - они постоянно подстраиваются друг под друга по позе. Совершенно бессознательно. И не обращают на это внимание. Но если кто-то сначала будет пристально вглядываться в человека, а потом начнёт резко менять позу - вот это вызовет некоторое напряжение. И потерю раппорта.

«Мужские» и «женские» позы

На самом деле тут описываются различия между кинестетическими и визуальными позами . Но в нашей культуре мужчины в среднем более кинестетичны, а женщины более визуальны. Про эти различия чуть позже - когда будем говорить о сенсорных модальностях.

Все дальнейшие примеры «для большинства», «скорее всего» и «вероятно».

Мужские позы обычно более «ленивые» - мужчины стараются максимально снять нагрузку с мышц. Мужчина, если сидит в кресле, скорее всего обопрётся, а то и откинется на спинку. Женщина же будет сидеть с прямой спиной, не опираясь.
Мужчина, стоя у стены, скорее всего к ней прислонится, чтобы снять часть нагрузки с мышц. Если мужчина сунет руку в карман, то «обопрётся» о него, чтобы снять нагрузку с руки. Женщина использует карман скорее для обозначения, где рука должна быть. И на стену опираться не будет.

Прямая и зеркальная подстройка

Подстройка под позу может быть прямая (правое – правое) и зеркальная (правое – левое), когда вы просто «отражаете» человека. Какая лучше сказать не берусь, эффективна и та, и другая. Но если вы сидите или стоите напротив, то удобнее зеркальная, а если сбоку – то прямая.
Самое важное условие: вся подстройка - и руки, и наклон туловища, и ноги, и наклон головы - либо целиком прямая, либо целиком зеркальная. Смешивать не стоит.

Под какие позы подстраиваться не стоит

Большинство поз каких-то особенных сообщений не несут. Но есть «сигнальные» позы, которые сообщают что-то вроде: «Я главный», «я - женщина» и тому подобное. Прежде чем под такую позу подстраиваться стоит подумать, хотите ли вы такой сигнал посылать. Например, «поза начальника»: откинувшись назад, ноги вытянув вперед, руки за головой. Это просто заявление, что «я здесь главный» - видовая поза превосходства. Если вы её копируете, то дальше начинается выяснение, кто именно здесь главный.
Или сигнальная поза «я женщина»: небольшой наклон вперед, грудь выставлена, зад выпячен (то, что проститутки изображают в западных фильмах). Мужчина, подстроившийся под эту позу, может быть довольно неправильно понят. Да и женщина тоже.

Упражнение «Основные признаки позы»

В группах по 4-5 человек.
Водящий принимает какую-то позу. Задача остальных выделить три наиболее заметных признака этой позы и дать им сенсорно-очевидное описание:
- Поза расслабленная, небольшой наклон влево, ноги скрещены.
- Поза прямая, напряжённая, симметричная, руки скрещены на груди, голова поднята.
- Поза ссутуленная, голова опущена на грудь, руки на коленях.
На упражнение 15 минут.

Упражнение «Подстройка под позу»

В тройках: Оператор, Клиент и Режиссер.
Один из вас будет Оператором, он будет подстраиваться под Клиента, а всем процессом будет руководить Режиссер. Клиент принимает произвольную позу. Оператор калибрует наиболее характерные признаки и копирует их. После того, как он решит, что он хорошо скопировал позу, он сообщает Режиссёру. Тот же оценивает то, что получилось, со стороны и, при необходимости, подправляет позу Оператора.
По 5 минут на человека, потом смена ролей.

Присоединение к сенсорной модальности

Люди могут воспринимать мир разными способами: видеть, слышать, чувствовать. Вот эти способы восприятия мира как раз и называются в психологии модальностями .

На самом деле более правильно «сенсорная модальность» . Вообще, в лингвистике термин «модальность» обозначает отношение или оценку информации, и может касаться как канала получения информации: увидел, прочитал, вспомнил; так и отношения или эмоции: восхищён, нравится, важно; и определения границ: можно, нельзя, должен, законно. Сенсорная модальность относится к каналу получения информации.

Визуальная модальность (В): то, что мы видим. Образы, картинки, кино.
Аудиальная модальность (А или Ат): то, что мы слышим. Свист ветра, звук капающий воды, шорох. И, соответственно, интонации, тембр, высота голоса.
Кинестетическая модальность (К): то, что мы чувствуем. К кинестетике в НЛП относят:
тактильные ощущения : ощущения кожи, осязание;
внутренние ощущения : мышечное напряжение, ощущения в желудке;
вкус ;
запах ;
мета-ощущения : оценочные ощущения, которые нам сообщают об отношении, эмоции.

Мета-ощущения обычно расположены в районе груди и иногда захватывают шею и голову.

Дигитальная модальность (Ад): внутренний диалог, фокус на содержание.

Дигитальная модальность больше связана с речью, с процессом проговаривания. Но при этом это всё касается слуха, так что аудиальная система делится на аудиально-тональную (отсюда как раз Ат), которая связана с аналоговыми характеристиками звука: высота, тон, тембр. - и на аудиально-дигитальную (Ад), которая связана с содержанием.

Полезно знать о том, в какой сенсорной модальности сейчас находится собеседник, потому что

когда человек преимущественно находится в какой-то сенсорной модальности, у него будет соответствующая этой модальности невербалика: поза, жесты, высота и скорость речи.

И тогда можно к невербалике этой модальности присоединиться: то есть при подстройке использовать не конкретные жест, позу или тон голоса, а просто визуальные (кинестетические, аудиальные, дигитальные) жесты, позы или характеристики голоса.

Калибровка

Вначале вам нужно откалибровать в какой сенсорной модальности находится собеседник.

Если у человека есть признаки и разных модальностей, тогда просто выбирайте, каких признаков больше.

Основные невербальные признаки сенсорной модальности.

Когда человек в данный момент больше сосредоточен на чувствах (то есть у него сейчас преобладает кинестетическая модальность ), то его поза будет более расслабленная, либо с наклоном вперёд, либо откинувшись на спинку (если он сидит в кресле), если стоя - то ссутуленная или опершись на стену. Жесты в нижней части туловища, передающие состояние или демонстрирующие действие. Голос более хриплый и медленный. Дышать он будет, скорее всего, животом.
Если же ваш собеседник сосредоточен на образах (преобладает визуальная модальность ), то поза будет прямой, расправленной. Жесты указующие, скорее всего в верхней части туловища. Голос более быстрый и высокий. А дыхание грудное.
При концентрации на звуках (преобладает аудиальная модальность ), поза нечто среднее между визуальной и кинестетической: достаточно прямая, но расслабленная. Жестов мало, зато голос постоянно меняется, и по высоте, и по скорости. Дыхание полное. Часто бывает наклон головы вбок - «телефонная» поза.
А если человек больше внимания обращает на содержание речи или обсуждение какого-то вопроса с самим собой (внутренний диалог, дигитальная модальность ), то будет отстранённая зажатая поза, мало движений, верхнее дыхание верхнее и монотонный голос.

Состояние проявляется и в языке: например, когда человек находится в какой-то сенсорной модальности, он больше употребляет слова с ней связанные - предикаты.

Вообще, предикаты в данном контексте - это слова, сообщающие о свойствах предмета. А свойства бывают разные. Поэтому более аккуратно говорить о предикатах сенсорной модальности. Но в большинстве случаев в НЛП под предикатами имеют в виду именно предикаты сенсорной модальности.

Естественно, не все слова, описывающие свойства, будут соотноситься с сенсорной модальностью. Такие слова называют неопределёнными: приятно, осознавать, думать, понять, удивиться, настроение.

Некоторые слова могут относиться сразу к нескольким модальностям: слово «гул» может описывать как звук (Ат), так и ощущение (К).

человек думает с такой скоростью, с которой говорит.

То есть если человеку с медленной скоростью что-то очень быстро объяснять, он просто не будет успевать. А если человеку с большой скоростью рассказывать что-то медленно - он будет скучать и додумывать по ходу.

При этом есть определённая связь скорости и текущей модальности человека.

Максимальная скорость соответствует визуальной модальности, минимальная - кинестетической. Аудиальная модальность занимает среднее положение. То есть если вы будете вести человека по скорости, увеличивая её, в какой-то момент он перейдёт в визуальную модальность (если перед этим был в кинестетической). При этом скачкообразно меняются внешние признаки: человек выпрямляется, увеличивается тонус мышц, жесты становятся указующими. И дальше по списку.

И наоборот, при уменьшении скорости, в определённым момент человек перейдёт из визуальной модальности в кинестетическую.

Энергия проявляется в напряжении мышц (туловища, лица, рук), интонационности и «напряжённости» голоса.

Многие связывают энергию с громкостью речи - но это не совсем так. Можно говорить «напряжённо», но относительно тихо и наоборот.

При этом скорость и энергия независимые характеристики. Хотя некоторые при увеличении скорости напрягаются, а при замедлении расслабляются - это совершенно не обязательно. Например, можно говорить довольно быстро и в расслабленном состоянии. А на высокой энергии говорить медленно.

Кстати, у людей обычно есть «привычная зона» по скорости и энергии. Когда они за неё выходят - то впадают в транс (это, кстати, один из способов наведения транса). Например, есть люди, которые весьма комфортно чувствуют себя на высоком уровне агрессии (а это высокий уровень энергии) - и когда они заводят непривычного собеседника на этот уровень, то тот теряется и впадает в замешательство.

Так что для того, чтобы эффективно уметь работать с разными людьми - стоит эту самую личную «привычную зону» расширять.

Упражнение «Растяжка скорости и энергии»

В тройках: Выступающий и два Режиссёра. Задача упражнения - научиться контролировать собственные уровни скорости и энергии.
Возьмите два листа бумаги, на одном напишите «скорость», на другом - «энергия». Режиссёры задают уровень поднимая и опуская листики. Выступающий говорит какой-то свободный текст, меняя свои скорость и энергию в соответствии указаниями Режиссёров. По пять-семь минут на человека, потом смена ролей.

Упражнение «Присоединение к скорости и энергии»

Потренируемся использовать навык контроля скорости и энергии в общении. Порядок тут обычный: сначала калибруете уровень энергии собеседника - потом подстраиваетесь под него - потом ведёте к подходящему вам (обоим) уровню.

Калибровка - подстройка - ведение.

Для ведения вы просто начинаете потихоньку менять своё состояние. Если вы с собеседником в раппорте - подстройка сработала - то он пойдёт за вами.

Собственно, ведение можно использовать и как проверку наличия раппорта.

В тройках: Клиент, Оператор, Наблюдатель.
Клиент с Оператором беседуют на свободную тему. Задача Оператора подстроиться под скорость и энергию Клиента, потом, меняя своё собственное состояние, изменить состояние Клиента: увеличить скорость и снизить энергию, уменьшить скорость, увеличить энергию и так далее.
Наблюдатель следит за временем и даёт обратную связь о том, как процесс выглядел со стороны. Ну и учится попутно.
4-5 минут тренировка, 2-3 минуты обратная связь, смена ролей.

Как тренироваться

Навык управления скоростью и энергией стоит потренировать в повседневном общении: сначала на простых вещах, можно даже подстраиваться под людей на видео; потом в необязательном общении с продавцами, официантами и случайными прохожими; а потом уже в ответственных ситуациях.

Порядок обычный: калибруете скорость - подстраиваетесь под неё - ведёте вас всех в нужном вам всем направлении.

Например, перед вами взволнованный человек. В таком состоянии ему довольно трудно что-то объяснить. Подстраиваетесь и по скорости, и по энергии - и начинаете уменьшать обе характеристики. Пока он не успокоится.

Делать это надо плавно - если изменение будет слишком быстрым, то человек может просто отстроится.

Да, естественно, немного меняться будет и содержание. Уровень энергии сообщает об уровне важности сообщения, скорость связана с модальностью, так что...

Или ваш собеседник в очень расслабленном состоянии. А вам нужно чтобы он приободрился. Калибруете его уровень энергии, подстраиваетесь и начинаете её увеличивать. Пока не получите желаемый уровень.

Эмпатическая подстройка

Можно говорить об уровнях обобщения при подстройке: при копировании у нас разбивка мелкая - конкретные жесты, дыхание, поза, - при присоединении мы выбираем намного более крупные элементы - модальность, скорость, энергия. А если обобщить до «всего» человека, то как раз получим эмпатическую подстройку - присоединение к состоянию.

Ассоциация с другим

Ассоциация – это способ восприятия мира изнутри ситуации, включаясь в происходящее.

Более подробно эта тема будет разобрана в главах «ассоциация - диссоциация» и «трёхпозиционное описание».

Но ассоциация тоже может быть разная. Есть ассоциации «с собой»: фокус на свои чувства, ценности , движения. Но ассоциироваться можно и с другим человеком: на время вы становитесь им, вживаетесь в его образ, максимально подстраиваетесь, думаете как он.

Это основа актёрского мастерства – становиться кем-то другим. Есть много историй, как готовясь к роли, актёры долго вживались в ситуацию. Например, когда Ричарду Гиру предстояло сыграть адвоката, он несколько месяцев перед этим проработал в юридической конторе.

1 - ассоциация, 2 - ассоциация в другого, 3 - диссоциация.

Вот у этого типа ассоциации есть полезное свойство – если вы ассоциируетесь с собеседником, вы под него подстраиваетесь.

Понятно, что можно ассоциироваться в воображаемого героя (как актёры), животное, явление природы и т.д. При этом вы вполне подсознательно «считываете» определённые качества: стабильность скалы, подвижность воды, спокойствие буддийского монаха. И его состояние. То есть подстраиваетесь. Если вы в этот момент с этим человеком взаимодействуете – то создаётся раппорт.

Как делать

Способ подачи команды вполне классический, описанный в народном фольклоре и различных актерских техниках . Нужно войти в образ. Без кавычек. То есть вам нужно создать визуальный образ человека, под которого вы хотите подстроиться, а потом в него вполне физически войти. Или «надеть» этот образ на себя.

Люди часто в речи описывают свои внутренние процессы и стратегии. Все эти «встань на моё место», «посмотри на мир моими глазами», чаще всего не более чем вербализация того, как конкретно это человек делает, его внутренней стратегии. При этом человек может не осознавать, что именно он делает в данном конкретном случае, но язык хитрая штука…

Образ желательно создать максимально четким и резким из того, что вы можете создать.

Это не означает что он должен быть четким и резким. У некоторых людей внутренние образы практически всегда размыты, но даже размытый образ можно сделать более четким и резким .

А потом вы в него входите, «надеваете» на себя. А после этого «отпускаете» себя. Внимательно прислушиваетесь к собственному телу: как оно хочет двигаться, как оно хочет говорить, какие слова? Разрешите ему это сделать. Ваша задача образ удерживать, а тело само решить как лучше достигнуть состояния раппорта. Желательно при этом походить, подвигаться, поговорить.

Отпускать себя очень простая и в то же время очень сложная техника. Простая она потому, что здесь не требуется сознательный контроль за процессом - вы просто даете себе задание и разрешаете себе его выполнить. А сложная потому, что некоторым это очень трудно сделать - отпустить себя. Наше сознание бывает очень властным и не хочет терять контроль.

Второй вариант: вы сами никуда не двигаетесь, но образ надеваете на себя, как костюм. Но в варианте с вхождением обычно работает лучше. Поэтому я обычно рекомендую сначала «вхождение», а потом только тренировать «надевание».

Этот этап обычно требуется только на этапе тренировки навыка. Потом это все станет вполне автоматическим – решил, что пора подстроиться, и движения тут же изменились, и голос стал слегка другим.

При эмпатической подстройке изменения не очень большие: немного изменилась позы, чуть-чуть голос, движения стали чуть более плавными, дыхание чуть замедлилось. Но вот он - раппорт!

Правило «жены и тёщи»

Есть, как я его называю, правило «жены и тёщи». Оно состоит в том, что в нагрузку к жене вы обычно получаете тёщу (а к мужу – свекровь). Смысл – бессознательное берёт и считывает состояние человека целиком, не фильтруя. Со всеми восторгами, охами, проблемами, зажимами и болячками. И чем лучше вы входите в его состояние, тем больше вы от него берете. В аналитическом варианте мы можем контролировать «глубину погружения» выбирая, что и насколько сильно копировать. При эмпатическом же уровень подстройки нарабатывается на основе опыта.

По шагам

1. Образ

Сначала вы создаете визуальный образ того человека, под которого хотите подстроиться. Старайтесь сделать его максимально четким и резким.

Можно даже сделать так: закройте глаза, создайте образ, а потом сравните с оригиналом. Подправьте, а потом опят сравните. Так можно сделать несколько раз, пока не будет достаточно похоже.

2. Ассоциация в другого

Войдите в образ (или «наденьте» его) и «отпустите» себя. Разрешить своему телу делать то, что оно сочтет нужным. Но исходя из образа. Можно даже немного походить и поговорить, чтобы убедиться, что вы уже немного другой.

При этом ваш главный фокус внимания (на первых этапах) – «удержание» на себе этого образа.

3. Ведение

Попробуйте повести за собой партнера – смените дыхание, позу, двиньте рукой.

Как вы помните, единственный сенсорно-очевидный признак раппорта – возможность ведения.

Если не получается – вернитесь на первый шаг.

4. Общайтесь

5. Отстройка

После общения отстройтесь от собеседника. Как минимум – выйдите из его образа.

Упражнение «Ассоциации в другого»

Создайте образ в кого вы хотите ассоциироваться. Это не обязательно должен быть человек, это может быть и животное, и мультипликационный герой. Образ должен быть максимально чёткий и подробный, насколько это возможно для вас.
Теперь войдите в этот образ, совершенно физически. Наденьте его на себя. И «отпустите» себя. Разрешить своему телу делать то, что оно сочтет нужным. Но исходя из образа. Можно даже немного походить и поговорить, чтобы убедиться, что вы уже немного другой.
Попробуйте выйти и войти обратно в образ – сравните внутреннее состояние, голос, позу, походку, движения.

Упражнение «Ведение»

В группах по три человека: Клиент, Оператор и Наблюдатель.
Клиент с Оператором беседуют на свободную тему. Задача Оператора во время беседы эмпатически подстроиться и повести. Наблюдатель следит за временем и даёт обратную связь, как процесс выглядел со стороны.
20 минут.

Модель предиктивной аналитики (Predictive Analytics) выглядит как сбывшаяся мечта маркетологов. Анализ прошлой активности покупателя указывает на его поведение в будущем, что дает сформировать актуальную маркетинговую стратегию.

Это аккуратно и предсказуемо — как любят маркетологи. Но предиктивный анализ скрывает серьезную проблему, о которой пора поговорить подробнее. Она понятна из названия: предсказательная аналитика предсказывает, а не утверждает.

«Гладко было на бумаге»

Предиктивная аналитика пока только внедряется в маркетинг — но в здравоохранении, страховании, финансах и прочих областях она заняла место давно и прочно. Особенно в финансовой индустрии США, где прогностическая модель обеспечивает безопасность облигаций с ипотечным покрытием — но обеспечивает с оговорками. Пользуясь предиктивными моделями, 10 лет назад финансисты взвесили риски и предположили: американцы не откажутся платить по ипотечным кредитам одновременно и массово.

Но модели не принимали во внимание волатильность на рынке жилья — как и то, что дома стоили гораздо меньше суммарных платежей по ипотеке. Аналитики доверяли моделям, и мало кто удосужился сбалансировать их системой сдержек и противовесов. Когда первые финансисты увидели симптомы проблем, эффект домино уже невозможно было остановить. Речь о финансовом кризисе 2008 года — и его катастрофических последствиях.

Стоит ли нам винить только «плохие данные» в произошедшем? Не обязательно. Предиктивные модели оказались неспособными объяснить сдвиги и изменения в том, как мы берем кредиты и кому выдаем деньги. И когда в финансовой системе США стало слишком много неизвестных переменных, фундамент рухнул.

Бессилие предиктивного анализа в учете «неизвестных» факторов иллюстрируется « ». Она получила название из давнего предположения, что лебеди — только белые, потому что данные говорили именно об этом вплоть до 16 века, пока экспедиция в Австралии не обнаружила популяцию черных лебедей. Теория оказалась ложной — а представление об окрасе лебедей расширилось.

Но могли ли современники предположить это? Нет. В чем и кроется проблема предиктивной аналитики. Вы не охватите полный спектр неизвестных факторов, даже имея сложнейшие модели и подробные данные статистики.

Рисуйте умную картину аналитики

Предсказательный метод, конечно же, занимает место в маркетинге. Но доверять весомые решения или кампании предиктивной аналитике — все равно, что связать ноги перед марафоном. Эти случаи не подходят для предсказательных методов, потому что здесь традиционно много неизвестных факторов. Вот где пригодятся сухие, четкие данные, которые вы давно собирали.

А прогностическая аналитика лучше подойдет для маломасштабных предположений и оценок. Что произойдет, если вы измените этот объект на лендинге? Или поменяете с другим? Возможно, предложите дополнительный оффер? Вот области, в которых полезна предиктивная аналитика.

Конечно, лучше провести тесты, или иным образом выяснить предположение наверняка — но как подтвердить гипотезу с инструментом, который только предсказывает? Никак, в чем и загвоздка.

Почему это так трудно доказать?

Прогностическая аналитика применяется в маркетинговом арсенале, но это не «волшебная пилюля», которая «по часам» и без ошибок трактует поведение клиентов. Помните, что предсказания настолько же точны, насколько актуальны данные, «скормленные» системе.

Так много переменных нужно учесть, а люди такие неопределенные и так вольно трактуют исходные данные, что прогностический инструментарий по определению не сможет выдать абсолютно надежные решения. Запустить процесс и забыть о нем — не получится.

Даже на сложнейшие расчеты нельзя полагаться с уверенностью, особенно учитывая, что маркетологи — занятые люди, склонные хвататься за обрывки данных в принятии фундаментальных решений, основанных на целях. И с предиктивной аналитикой такой подход — верный рецепт катастрофы.

Своевременная помощь

На специалистов по data science (или «датологов»), ложится масса ответственности, не говоря уже о жестких требованиях к навыкам моделирования, регрессии и статистики. Это навыки, которых нет у «простых смертных» — они нужны только узким специалистам. И у вас не получится «скормить» информацию предсказательному методу и надеяться на достоверный результат. Поступая так, вы играете с огнем.

Лучше наймите эксперта для работы с командой. Он поможет разобраться в данных и обучит навыкам, необходимым для полного раскрытия потенциала предиктивной и вероятностной моделей. Аналитика — обоюдоострый меч. Она поможет навести порядок в хаосе данных, сделать долгосрочные выводы и скорректировать стратегию. Но при недостаточном опыте — она же подтолкнет на радикальные решения.

Что часто случается при неполном видении картины.

Как работает хороший предиктивный анализ?

По тону этой статьи вы могли подумать, что предиктивный анализ означает заведомый провал, и нет ничего дальше от истины. Но это не так — метод дает прекрасные результаты при правильном применении.

1. Точная настройка buyer personas

Согласитесь, что привлекать клиентов и оптимизировать UX помогает тщательный анализ прошлого опыта пользователей. Именно здесь прогностический анализ пригодится маркетологам.

2. Персонализация маркетинговых сообщений

Управляя данными — управляете судьбами бизнеса

Первый шаг к пониманию предиктивной аналитики — рациональная организация данных. Соедините релевантные департаменты компании и проработайте массив информации по ним, чтобы сделать ее актуальной и управляемой. Можете даже разбить данные на микро-сегменты, для маломасштабных экспериментов и тестов — так вы сохраните преимущества данных без риска навредить информации. «Поиграйте» с моделями и составьте представление, что подходит для прогностического анализа, а что не слишком релевантно ему.

Если хотите в полной мере использовать потенциал технологии, держите перед глазами стратегический план и сосредоточьтесь на нем. Ставьте акцент на одной инициативе, ремаркетинг ли это, увеличение среднего чека или нечто иное. Умение точечно фокусироваться на цели позволит вам рациональнее использовать предиктивные методы — и преуспеть в бизнесе.