Рассказываю, как AI-платформа AdvIser.TealBand с коллективным интеллектом, двумя научными открытиями и методологией Strategic Decision Theory, создает стратегии
Про маркетинг и больше
Ну что, уважаемые друзья. Наконец-то добрался рассказать про один эксперимент, неожиданно выросший во вполне серьезный продукт.
Как было дело. Пару месяцев назад мой партнер предложил оцифровать мою 30-летнюю маркетинговую экспертизу. Идея – супер! Правда в тот момент выглядела одновременно любопытной и безумной (слегка).
Потому что одно дело самому анализировать рынки, искать ограничения бизнеса, разбирать клиентские сегменты, проверять гипотезы, выбирать направление роста и собирать стратегию. И совсем другое дело — формализовать все процессы так, чтобы они стали воспроизводимыми.
Единственное мне не хотелось разрабатывать очередного «AI-ассистента для маркетинга». И с такой задачей имхо мы справились.
Полезная рефлексия
Вообще на деле оказалось, что сама оцифровка опыта уже крайне полезное упражнение. Прежде всего для самого эксперта.
Когда десятилетиями работаешь в профессии, значительная часть решений принимается почти автоматически. Смотришь на данные, задаешь несколько вопросов собственнику, изучаешь рынок, продажи, продукт, экономику, поведение клиентов — и довольно быстро понимаешь, куда идти и что делать.
Но попробуйте объяснить, как именно вы это поняли… Вот тут реально сложная задача для математической модели. Почему один показатель важный, а другой нет? Хотя в другом контексте будет совсем обратное. Там такого всего интересного повскрывалось — мама не горюй.
Но, в итоге, именно необходимость разложить привычную экспертную работу на последовательные этапы и позволила собрать увесистый арсенал маркетинговых, управленческих и аналитических инструментов и методик в единую рабочую систему.
Под капотом платформы работают а) искусственный и б) коллективный интеллект компании — в основу легли два научных открытия в области управления кандидата экономических наук Дмитрия Карпуничева, одного из сооснователей проекта.
Дело не в маркетинге
Чем дальше мы двигались, тем очевиднее становилось: дело вообще не в маркетинге. И даже не в искусственном интеллекте. Сейчас куда ни плюнь — все что-то собирают с ИИ-шкой. Вот реально уже даже не хайп...
Но именно в маркетинге, но не только, за последний год ценность интеллектуального труда сильно девальвировалась. То, за что раньше платили консультантам сотни тысяч рублей, теперь пытаются получить от LLM-модели. И даже иногда результат выглядит убедительно. До тех пор, пока не начинаешь задавать [правильные] вопросы по полученному результату.
Недавно на одной встрече мне с гордостью сообщили: «Нам тут ИИ-шка накидала, что делать...» Накидала — отличное слово. Просто прекрасное! Потому что именно это большинство систем сегодня и делают.
Они могут быстро собрать SWOT, перечислить конкурентов, предложить сегментация, подготовить стратегию и закончить стандартным советом «усилить присутствие в цифровых каналах». И никто не видит в этом проблемы. Потому что за месяцы работы и туевой хучи разборов, у меня сложилось окончательно полное представление, что и как происходит с ИИ в маркетинге.
Ответ, удивительно, простой. Большинство AI-инструментов не принимают стратегических решений. Они успешно генерируют правдоподобные ответы, лишь имитирующие работу настоящего консультанта по стратегии.
Потому что самая сложная задача для таких систем даже в том, чтобы провести анализ, а превратить полученные данные и выводы — в решение. Желательно релевантное и контексту, и рынку, в котором компания работает, и ситуации в принципе.
Уже не раз говорил, что сегодня компании собирают ну просто огромное количество данных.
Тут и:
- финансовая отчетность
- CRM
- данные продаж
- клиентские отзывы
- причины отказов
- исследования рынка
- аналитика рекламных каналов
- знания сотрудников
- опыт собственника
- продуктовая документация по продуктам
- информация о конкурентах
и пр, и пр., восемь дыр.
Но данные сами по себе стратегию не создают. Более того, чем больше данных, тем легче в них утонуть.
Главная же ценность возникает в тот момент, когда кто-то где-то системно может:
- оценить качество исходной информации
- найти противоречия
- отличить симптомы от причин
- определить главное ограничение роста
- сформировать проверяемые гипотезы
- сопоставить данные рынка, клиентов, продукта и экономики
- сравнить стратегические альтернативы
- выбрать направление, которое компания действительно способна реализовать (это вообще отдельная история)
И именно здесь мы увидели точку роста.
Платформа
В результате у нас получилась не очередная AI-платформа для маркетологов. Мы вполне себе претендуем на то, чтобы стать первой полноценной платформой для разработки стратегий для бизнеса.
Хотя маркетинг — лишь одно из направлений. Так сказать, первый полигон. Потому что стратегические решения принимаются не только лишь в маркетинге.
Они нужны:
- при запуске новых продуктов
- при выходе на новые рынки
- при изменении бизнес-модели
- при масштабировании
- при управлении трансформацией
- при распределении инвестиций
- при развитии компетенций
- при выборе между несколькими направлениями роста.
Дополните сами. И если удалось формализовать логику принятия решений в стратегическом маркетинге (а нам, считаем удалось, и со слов клиентов также), то тот же подход можно переносить и на другие управленческие области.
Что под капотом
Мы сознательно не стали строить платформу вокруг идеи «AI заменит людей». Даже наоборот. Стратегию в компании ведь все равно реализуют живые люди. Сотрудники компании. Поэтому AdvIser.TealBand использует не только искусственный, но и коллективный интеллект организации. Об этом пишем в корпоративном блоге.
Наша AI-платформа объединяет:
- знания собственника
- опыт руководителей
- компетенции сотрудников
- данные бизнеса
- сведения о рынке
- ограничения компании
- доступные ресурсы
- существующую организационную структуру
То есть стратегия формируется не для абстрактной идеальной компании, которой не существует априори, а для конкретного бизнеса. С его людьми, компетенциями, бюджетом и сложностями. Причем на основании его текущей управленческой зрелости, что иногда может резануть глаз, Но без этого никак.
И именно это принципиальное отличие нашего подхода от классической консультационной модели. Там запросто можно получить очень сильную стратегию, вот только реализовывать ее затем будет некому. И примеров таких куча!
Программа трансформации
На выходе нашей платформы получается не отчет, а программа изменений. Реальная. Потому что после формирования стратегии дорожная карта реализации разрабатывается автоматически. Причем именно в виде исполняемой программы изменений.
Единицами управления в ней становятся:
- потоки работ
- проекты
- инициативы
- управленческие механизмы
- ответственные
- контрольные точки
- зависимости
- метрики
- необходимые компетенции
Все по взрослому. Фактически заказчик получает рабочий документ руководителя по трансформации — по логике близкий к Transformation Program от McKinsey ведущих консалтинговых компаний.
Только у нас полученная стратегия сразу учитывает, кто именно в компании будет ее реализовывать и какие ресурсы для этого уже существуют.
Методология
В основе платформы, кроме двух научных открытий в области управления — Общая теория стратегических решений. Пожалуй, самая важная часть нашего проекта.
Поскольку без прочного методологического фундамента любая AI-платформа быстро превратится в набор AI-агентов, красиво выполняющих отдельные задачи, но не способных собрать их в связную систему. То есть, именно то, от чего мы старались избавиться.
Накидаю сюда пару тезисов из нее. Чтобы, так сказать, больше объяснить почему именно Adviser.TealBand крут до невозможности. Короче, чтобы придать веса нашему детищу.
Главная идея Strategic Decision Theory (SDT) довольно проста:
Качественная стратегия возникает не из количества исследований, а из качества знаний, на которых принимается решение.
Отсюда следует вся архитектура платформы:
- разработка стратегии начинается с оценки качества данных
- решения строятся вокруг главного ограничения роста
- каждая гипотеза должна быть проверяемой
- выводы предыдущих этапов должны наследоваться последующими
- стратегия должна иметь объяснимую доказательную цепочку
- все элементы — сегмент, позиционирование, продукт, каналы и показатели — должны быть связаны
- любое стратегическое знание имеет срок годности
- компания должна сохранять историю гипотез, решений и результатов
Звучит, возможно, менее эффектно, чем «пять AI-агентов за минуту создадут стратегию». Зато шансов сработать лучше, глубже, [и умнее (!)] гораздо больше, проверено. А главное, быстрее. Вместо нескольких месяцев консалтингового проекта, все делается менее чем за час. И доверие к результатам 9 из 10 (со слов тех, кто попробовал).
Платформа уже в публичном доступе. Теперь осталось понять, насколько то, что мы наваяли, окажется действительно полезным не внутри модели, а в реальном бизнесе.
На сайте есть отдельное предложение для первых пяти компаний из реального сектора, готовых протестировать платформу на собственных данных — им предлагаем пройти полный цикл бесплатно.
Ребятам из агентского бизнеса вход заказан строго про пропускам. Для них будет отдельный оффер (имхо они смогут использовать ее для своих клиентских проектов). Но это будет чуть позже, дайте пока с бизнесом разобраться.
Почему именно реальный сектор? Да потому что у них там там полная жоппа все непросто. Именно в сегменте МСБ стратегия быстро сталкивается с витиеватой реальностью, со всеми ее нехваткой экспертизы, непониманием «что происходит», производственными ограничениями, ассортиментом и затыком с продажами, дефицитом компетенций и ограничениями масштаба и т.д., и т.п.
Там значительно сложнее отделаться красивой презентацией. Возможностей у них меньше, а запросов — все больше.
Предложение честное, никаких скрытых условий и попытки сначала провести «бесплатную диагностику», а потом продать продолжение. Взамен попрошу только одно: честно рассказать, что оказалось полезным, где выводы совпали с реальностью, где система ошиблась и что еще придется допилить напильником.
Желающим принять участие пишите в личку в контактах.
