//, Аналитика/Использование сторителлинга в исследованиях

Использование сторителлинга в исследованиях

Одно из наиболее оригинальных наблюдений о возможностях Интернета сделал Гэри Кремен (Gary Kremen) еще в 1990-х. Потратив значительную сумму на общение через горячую линию службы знакомств, он осознал потенциал онлайн-сервисов знакомств, когда Интернет еще только завоевывал свое место в жизни людей.

Оглавление

В данной статье Ник Верк (Nik Werk) объясняет, что такое сторителлинг, как он проводится и почему наш мозг буквально запрограммирован на его восприятие.

Одно из наиболее оригинальных наблюдений о возможностях Интернета сделал Гэри Кремен (Gary Kremen) еще в 1990-х. Потратив значительную сумму на общение через горячую линию службы знакомств, он осознал потенциал онлайн-сервисов знакомств, когда Интернет еще только завоевывал свое место в жизни людей. В 1995 г. он взял аванс в 2 500 долларов по своей кредитной карте, чтобы зарегистрировать домен Match.com. На начальном этапе его компания была вынуждена буквально бороться за существование. Люди только начинали выходить в сеть и еще не привыкли пользоваться онлайн-сервисами для знакомства. Чтобы увеличить число пользователей сайта, он убедил зарегистрироваться на нем всех своих сотрудников и знакомых, включая себя и свою девушку. Дело сдвинулось с мертвой точки, и сайт Match.com добился высоких показателей числа пользователей, благодаря чему стал ведущим платным онлайн-сервисом знакомств – и эту позицию он занимает до сих пор. Однако в определенном смысле Кремен стал жертвой собственного успеха. Его девушка в итоге ушла от него к парню, с которым познакомилась на Match.com.

 

Независимо от того, знали ли вы эту историю ранее или услышали впервые, существует высокая вероятность того, что вы запомните ее развязку – то, что его девушка ушла от него к мужчине, с которым познакомилась на его собственном сайте. Вы можете не запомнить его имя, то, что ему пришлось брать кредит, или даже название самого сайта знакомств, но вы наверняка надолго запомните суть этой истории в целом.

 

Это объясняется неврологией. Как обнаружили нейробиологи, мозг реагирует с большим вниманием и вовлеченностью, когда мы слышим связные истории, а не разрозненные факты. На самом базовом уровне наш мозг обучен находить простейшие связи между причиной и следствием – именно это и позволяет нам составить повествование.

 

Фраза «простейшие связи» играет здесь ключевую роль, потому что, если факты не связаны в единую логичную историю, нам зачастую крайне сложно их припомнить, даже если они относятся к одной теме и одному набору данных. Мы лучше понимаем и запоминаем информацию, когда можем связать ее с тем, что уже слышали или переживали сами. И мы гораздо легче запоминаем личные или эмоциональные истории, чем простое изложение фактов. Именно поэтому истории лучше запоминаются, и именно поэтому вы с большей вероятностью запомните общий сюжет этой истории о Match.com и с меньшей – такие детали, как год появления сайта и имя его создателя.

 

Так что же это означает для специалистов в сфере исследований, которые занимаются сбором и представлением фактов? Аналитики могут и должны извлечь из этого факта полезные для себя сведения и понять всю важность методики сторителлинга и ее преимущества перед диаграммами, цифрами и фактами, которыми сложно заинтересовать и которые практически невозможно запомнить. Чтобы понять, что означает сторителлинг в контексте анализа данных и исследований, важно понять, чем он отличается от других уровней анализа.

Пять уровней анализа данных

Все способы, которые используются в анализе для повышения ценности полученных данных, можно разбить на пять уровней. Каждый из них добавляет ценность исходным результатам путем уточнения или интерпретации данных (рис. 1).

werk dec17 fig1 4 700x441 - Использование сторителлинга в исследованиях

Чистка данных

Самый базовый уровень анализа, повышающего ценность данных, – это сопоставление, упорядочение и/или Чистка данных. При этом не проводится изменение или интерпретация исходных данных, но они становятся более понятными и упорядоченными, и с ними проще работать. Этот анализ может включать в себя такие простые действия, как составление списка, удаление неполных или ошибочных данных и сортировка в алфавитном порядке.

Категоризация

Второй уровень анализа – это категоризация данных путем кодирования, группировки или распределения по категориям или типам. Например, массив данных с перечислением названий городов можно сортировать по областям или численности населения. Затем можно провести базовый тематический анализ на основе данной категоризации, например составить списки городов каждой области.

Кросс-табуляция

Большинство исследований включают в себя анализ третьего уровня. Это кросс-табуляция – анализ, который проводится путем перекрестной классификации по двум переменным в рамках одного набора данных. Одна переменная анализируется с использованием другой переменной в качестве фильтра. Например, данные о численности населения можно перекрестить на пол, возраст и географическую принадлежность (проживание респондента в определенном городе/области). Далее можно рассчитать и представить статистически значимые различия между отфильтрованными данными, чтобы в рамках анализа привлечь внимание к важным отличиям в демографических показателях отдельных областей. Подобные перекрестные классификации долгое время оставались основным источником заработка в сфере исследований, в которой до сих пор многие результаты представляются в виде перекрестных схем и таблиц. И хотя эта методика и сегодня остается полезным аналитическим инструментом, она ограничивается единовременным сопоставлением всего двух переменных. Вследствие этого отдельные типы данных и результаты представляются независимо друг от друга, зачастую в виде объемных файлов в формате PowerPoint или Excel.

Многомерный анализ

Предпоследний уровень анализа – это многомерный анализ, который обычно используется для изучения и объяснения взаимосвязей между двумя и более переменными. Он отличается от кросс-табуляции тем, что здесь вместо простого использования одних переменных для фильтрации других рассматривается сама взаимосвязь между ними. Такой анализ используется для оценки и прогнозирования влияния одних переменных на другие, например влияния удовлетворенности потребителей на их ежегодные расходы в магазине. Наиболее часто в исследованиях применяются следующие типы многомерного анализа: анализ драйверов и барьеров (например, регрессия), факторный анализ, кластерный анализ и анализ соответствий.

Сторителлинг

Последний уровень анализа данных требует от специалиста высоких профессиональных навыков и позволяет получить наиболее простые для понимания, легко запоминающиеся и интересные выводы о массиве собранных данных. Это сторителлинг, или повествовательный анализ. При проведении исследования или анализа он обычно следует после первичного анализа данных, который обычно включает в себя Чистку и категоризацию данных, кросс-табуляцию, а иногда и многомерный анализ (представленные выше уровни 1–4). Традиционно сторителлинг включает в себя четыре последовательных этапа, представленных ниже (рис. 2).

werk dec17 fig2 700x441 - Использование сторителлинга в исследованиях

1. Прежде всего, для требуется провести оценку относительной важности всех переменных, движущих факторов и исходных данных. Необходимо заранее проанализировать нижние уровни, чтобы интерпретировать полученные данные и установить взаимосвязи между отдельными переменными.

 

2. Далее следует приоритизация наиболее важных сведений и выводов по всему массиву собранных данных. При этом аналитик ранжирует наиболее важные результаты проведенной работы по изучению всего массива данных. Он может отметить все главные выводы, оценив каждый по существу. Если рассматривать в качестве примера исследование удовлетворенности потребителей, то здесь можно выделить такие показатели, как общий уровень удовлетворенности, различия по отдельным переменным (например, пол, возраст) и драйверы удовлетворенности.

 

3. После завершения первых двух этапов сторителлинг выходит за рамки работы, которая обычно ассоциируется с формулировкой стандартных выводов. Третий этап – объединение приоритетных данных и выводов в единое целое, выявление связей и группировка по темам, чтобы впоследствии представить все в виде повествования. Аналитик начинает с приоритизации выводов, между которыми можно установить взаимосвязь или некое соответствие. На данном этапе выводы оцениваются не только по существу, но и по тому, насколько хорошо они связаны друг с другом или с иными важными выводами. В примере с опросом потребительской удовлетворенности подобные взаимосвязи могут быть вполне очевидными. Так, например, можно выявить, что респонденты старшего возраста, которые тратят больше денег в магазине, менее удовлетворены обслуживанием,  и что они больше ценят индивидуальный подход. Кроме того, компания, проводящая опрос, может выяснить, что ее онлайн предложения замечает и использует по большей части молодежь.

 

4. Заключительный этап – повествование – представляет собой разработку сюжета на основе связанных между собой важных выводов и данных. Он подразумевает необходимость поиска общей темы, взаимосвязи и средства трансформации логически последовательных сведений в одну или несколько историй.

 

В вышеприведенном примере это может быть рассказ о том, что компания уделяет чрезмерное внимание онлайн предложениям, не востребованными потребителями старшего возраста, которые обеспечивают существенную долю ее прибыли. Эту историю можно подкрепить ключевыми результатами анализа, такими как статистические данные и цитаты респондентов.

 

Пример: отзывы посетителей ресторана

 

Используем этот небольшой пример, чтобы объяснить все пять уровней анализа. Представьте массив данных из 2 000 письменных отзывов на сайте ресторана. К данным приложены оценки уровня удовлетворенности посетителей от 1 до 10, сведения об общей сумме их чека и чаевых, количестве гостей за столиком и времени/дате посещения заведения.

Таблица 1. Пять уровней анализа данных – результаты и выводы

Результаты Выводы
Уровень 1: Чистка данных Список данных, ранжированных по оценке удовлетворенности Нет
Уровень 2: Категоризация Количественное представление отзывов, распределенных по кодированным категориям: по общему отношению (45 % – положительные, 55 % – отрицательные), по теме (качество блюд – 15 %, обслуживание – 25 %) и другим переменным (по числу гостей – один-два, три-четыре, пять и более). 55 % посетителей оставили отрицательные отзывы, 25 % упомянули обслуживание.
Уровень 3: Кросс-табуляция Таблицы/графики, в которых кодированные категории соотнесены с другими переменными (например, процентное соотношение по различным кодированным переменным в группе посетителей, оставивших отрицательные отзывы). Наблюдается прямая взаимосвязь между уровнем удовлетворенности и размером чаевых; небольшие группы посетителей демонстрируют более высокий уровень удовлетворенности; в отрицательных отзывах обслуживание часто упоминается как проблема.
Уровень 4: Статистический анализ Оценка драйверов отрицательных отзывов, которые были определены статистическими методами путем корреляционного анализа/регрессии. Подтверждение предположения о наличии связи между уровнем удовлетворенности и размером чаевых. Установление того факта, что самый высокий уровень удовлетворенности характерен для небольших групп гостей, которые посещают ресторан в период до 17:00 или после 20:00.
Уровень 5: Сторителлинг Текстовое или визуальное представление ключевых выводов, подкрепленное небольшим количеством числовых данных, благодаря чему на передний план выводится основная мысль, сформулированная по итогам исследования. Выяснилось, что большое количество отрицательных отзывов вызвано недостаточно качественным обслуживанием в ресторане, которое привело к снижению уровня удовлетворенности и размера чаевых. Это относится преимущественно к большим группам или гостям, посетившим ресторан в «часы пик», что позволяет сделать вывод, что обслуживание больших групп гостей и в «часы пик» заметно ухудшается.

Как наглядно демонстрирует табл. 1, с повышением уровня анализа полученных данных выводы становятся все более выразительными и запоминающимися. Так, например, категоризация сама по себе существенно повышает ценность приведенного массива данных, но без многомерного анализа она не может пояснить причины появления отрицательных отзывов. Кросс-табуляция проливает свет на различия и устанавливает важные взаимосвязи, такие как низкий уровень удовлетворенности и небольшие чаевые, небольшие группы гостей и положительные отзывы, качество обслуживания и отрицательные отзывы. Статистический анализ используется в этом примере для определения драйвера отрицательных отзывов, благодаря чему мы можем сделать практические выводы о ситуации и установить основную причину негатива. Однако наиболее полезным оказывается повествовательный анализ, который совмещает сведения о неудовлетворенности обслуживанием из текста самих отзывов и данные, полученные в результате кросс-табуляции и статистического анализа.

Простота понимания

Самая важная причина проведения анализа – это возможность понять их практический смысл. Без четкого, подкрепленного фактами анализа результаты исследования невозможно использовать для планирования реальных действий или изменений. Однако довольно часто можно услышать жалобы на то, что проведенное исследование и анализ не привели к каким-либо действиям на практике. И эта проблема в значительной мере обусловлена тем, как именно представлены выводы, сделанные по итогам работы.

 

Проблема длинных отчетов, заполненных диаграммами, таблицами и списками, состоит в том, что лишь незначительная часть всей представленной в них информации действительно запоминается. Даже непосредственно после прочтения всего отчета или завершения долгой презентации люди зачастую расходятся во мнениях относительно интерпретации или смысла представленных им данных. Из-за этого становится сложнее расставить приоритеты на основе ключевых выводов исследования или прийти к согласию о том, какие действия следует предпринять уже в ближайшее время. А в дальнейшем большинство представленных выводов просто забываются.

 

За последнее десятилетие в сфере исследований все большую популярность приобретают такие направления, как автоматизация и аутсорсинг задач, связанных с составлением диаграмм и анализом, в результате чего процессы и методики, используемые для получения важных маркетинговых сведений, превращаются в стандартизированный массовый товар.

 

Сторителлинг нарушает эту тенденцию, так как требует настолько высокого уровня развития профессиональных навыков и погружения в массивы данных, что аутсорсинг задач становится невозможным. Сторителлинг возрождает былую важность участия опытного специалиста-исследователя как необходимой движущей силы любого аналитического проекта. Представители отрасли понимают это и уделяют больше внимания профессиональной подготовке и навыкам, позволяющим разглядеть связное повествование в массиве данных.

 

Сторителлинг – это также лучший метод преодоления проблемы «запоминаемости». Наш мозг предпочитает связные истории – нам сложно запомнить целый ряд разрозненных фактов, даже относящихся к одной теме, если только они не связаны между собой с помощью сюжета. Если собрать и выделить из общего массива данных ключевые выводы и структурировать их в форме истории, то будет меньше интерпретаций этих ключевых выводов и они с большей вероятностью запомнятся надолго.

Главное – история

Сторителлинг отличается от прочих методик тем, что аналитик выводит именно историю на передний план и может использовать полученные в ходе работы с данными выводы для ее подкрепления. И хотя история всегда должна основываться на том массиве данных, который был использован для ее создания, ее можно рассказать без прямых отсылок к ним. История сама по себе суть и результат проведенного анализа, который повышает ценность собранных данных.

 

Успешное применение методики сторителлинга требует умения эффективно и кратко изложить наиболее важные наблюдения собранного массива данных. Например, в процессе работы над данными по источникам загрязнения воздуха в США может появиться целый список таких источников и разнообразных причин, лежащих в основе проблемы. После проведения приоритизации источников загрязнения и установления взаимосвязей между ними может проявиться связный сюжет, описывающий воздействие трех наиболее значимых из них – автотранспорта, сельского хозяйства и угля – с общей долей на уровне 89 %. А историю, основанную на собранных данных, можно подытожить выводом о том, что главными виновниками загрязнения воздуха являются три «Т»: транспорт, топливо и телята.

 

Как показывает этот пример с условной цифрой в 89%, сторителлинг требует отказаться от излишней детализации в пользу упрощения, но не исключая при этом важной информации. Таким образом, аналитик должен понять не только весь собранный массив данных и процесс его анализа, но и контекст и основной предмет исследования.

 

В отличие от нижележащих уровней анализа сторителлинг – это сложная методика, потому что каждая история уникальна. Так, например, результаты кросс-табуляции (уровень 3) и многомерного анализа (уровень 4) можно проверить путем теста статистической значимости и сравнить с другими массивами данных и прошлым опытом в данной области. Но в случае сторителлинга до завершения анализа мы не знаем, что получим в итоге.

 

Для аналитика, применяющего методику сторителлинга, особенно важны пять качеств.

1. Широкий спектр навыков в сфере исследований. Сторителлинг – сложная методика, так как требует наличия более широкого спектра навыков, чем прочие уровни анализа. Необходимо хорошо понимать методы проведения исследований, чтобы провести оценку и приоритизацию данных, уметь выявлять систематичность в большом массиве данных и анализировать эти данные для установления взаимосвязей между ними.

 

2. Понимание контекста. Чтобы определить, как проводить приоритизацию ключевых выводов до установления взаимосвязей между ними, необходимо четко понимать контекст собранных данных и той ситуации на рынке или проблемы, к которой они относятся. Это особенно важно в случае работы с техническими данными, например в рамках исследования в сфере B2B.

 

3. Время и усилия. Сторителлинг требует определенных затрат времени и сил на изучение результатов всех анализов, проведенных до начала работы над самим повествованием. Таким образом, этот процесс невозможно автоматизировать или осуществить без участия достаточно квалифицированного и компетентного специалиста в сфере исследований.

 

4. Надежность и знания. Сторителлинг по своей сути отличается от анализа 1–4 уровней, так как это единственная методика, при использовании которой аналитик не знает изначально, на каких данных будет основана финальная история или в каком формате она будет представлена. И здесь аналитику необходимы надежность и высокий уровень знаний, потому что читатель должен быть уверен, что перед ним заслуживающая доверия история с глубоким смыслом, в которой при этом не упущены никакие важные сведения. Обязанность специалиста в данном случае – убедиться, что получившаяся в итоге история действительно соотносится с проблемой, лежащей в основе исследования. Если же она не в полной мере соответствует поставленным задачам, то использовать в рамках анализа бессмысленно.

 

5. Навык рассказчика. И наконец, чтобы рассказать хорошую историю, необходимо быть хорошим рассказчиком. Один из лучших рассказчиков в мире – артист Пенн Джиллетт (Penn Jillette). Отвечая на вопрос о своих навыках подачи материала в интервью Harvard Business Review, Джиллет вспоминает совет бывшего учителя: «Никому не интересно, что ты пишешь или говоришь. Все они пытаются найти любой предлог, чтобы не читать или не слушать тебя. И ты должен сделать все возможное, чтобы у них такого предлога не было». То же самое можно сказать и о представлении результатов исследований – как в устной, так и в письменной форме.

 

И хотя далеко не каждый аналитик обладает таким же талантом презентации, как Джиллетт, существуют способы развития навыков сторителлинга. Нейробиологи продемонстрировали, как правильное использование прилагательных и описательных терминов улучшает понимание и запоминаемость повествования по сравнению с простым перечислением фактов. Практика показывает, что истории кажутся увлекательнее, если слушатели могут провести личные или эмоциональные параллели с их содержанием. Специалисты по исследованию рынка, зачастую уделяющие слишком много внимания данным, должны с большей уверенностью включать в свой рассказ аналогии, контекст и реальные истории, чтобы оживить свое повествование.

Запрограммированный мозг

Как звали основателя сайта знакомств, о котором я рассказывал в самом начале? Какую сумму ему пришлось брать в кредит? В каком году был запущен его сайт? Даже если вы помните все это сейчас, через неделю вы, скорее всего, это забудете. Однако вы наверняка сможете рассказать саму историю о том, как девушка основателя сайта знакомств бросила его ради парня, с которым познакомилась на этом самом сайте.

 

Причина, по которой вы будете об этом помнить, «запрограммирована» в вашем мозгу – это склонность к восприятию повествований. И это лучшее средство в арсенале аналитика для понимания результатов исследования и их практического применения. Используя нашу природную способность усваивать и запоминать истории, в которых легко прослеживаются причинно-следственные связи, сторителлинг становится гораздо более эффективным средством воздействия, чем длинные отчеты в PowerPoint и другие методы презентации данных, применяемые в исследованиях.

 

По мере того как сторителлинг будет приобретать все большую известность в сфере исследований, прогрессивные руководители будут все чаще требовать наличия повествовательного аспекта в результатах, которые представляют им специалисты этой отрасли. Однако сторителлинг требует иного набора навыков и подразумевает использование иных процедур, чем другие виды анализа, доминирующие на рынке сегодня. И он требует больше времени для проведения предварительного анализа начальных уровней. Кроме того, сами процессы оценки, приоритизации, установления связей и внедрения повествовательного элемента в большой массив данных отнимают довольно много времени и сил.

 

Однако при правильном применении сторителлинг предлагает специалистам возможность отказаться от стандартизированных, механически составленных, перегруженных диаграммами отчетов и представить свои выводы в гораздо более эффективном формате, повышающем ценность собранных данных.

Почитать еще

the board room13 177x142 - Использование сторителлинга в исследованиях

ETL процессы

Если вы знакомы с базами данных, хранилищами данных, концентраторами данных или озерами данных, значит, вы

k p 194 jj 192 177x142 - Использование сторителлинга в исследованиях

Что такое анализ PESTLE?

В современном мире перед нами так много примеров успешных организаций. Каждая организация, от небольших стартапов

Несколько видео о наших продуктах

085 - Использование сторителлинга в исследованиях
Проиграть видео
Презентация аналитической платформы Tibco Spotfire
106 - Использование сторителлинга в исследованиях
Проиграть видео
Отличительные особенности Tibco Spotfire 10X
1 11 - Использование сторителлинга в исследованиях
Проиграть видео
Как аналитика данных помогает менеджерам компании
2021-01-28T18:48:40+02:00