Закон успешных инноваций: Зачем клиент «нанимает» ваш продукт и как знание об этом помогает новым разработкам

И никогда еще компании не знали так много о своих покупателях. Революция в сфере обработки больших данных значительно повысила разнообразие, объем и скорость сбора данных, равно как и сложность применяемых для этого аналитических инструментов. Надежды на эти данные возлагаются поистине колоссальные. В 2008 году тогдашний редактор журнала Wired Крис Андерсон произнес знаменитую фразу: «Корреляций вполне достаточно»[2]. Мы можем, подразумевал он, разрешать проблемы инноваций за счет грубой силы огромной лавины данных. С тех пор как Майкл Льюис задокументировал небывалый успех команды «Окленд Атлетикс» в книге Moneyball[3] (кто знал, что процент занятия базы служит более точным показателем для оценки наступательных качеств игрока, чем средний коэффициент результативности отбивания?), компании пытаются отыскать moneyball-эквивалент данных о клиентах, который приведет их к успешным инновациям. Но мало кому это удалось.

Инновационные процессы во многих компаниях структурированы и упорядочены, и для их применения требуется высочайший профессионализм. В большинстве компаний они не обходятся без поэтапных процессов с точками контроля, ускоренных итераций, сдержек и противовесов. Риски тщательно просчитываются и снижаются. Инновационные технологические решения изобилуют такими принципами, как 6 сигм, так что теперь у нас есть четкие критерии оценок и жесткие требования к новым продуктам, которые необходимо соблюдать на каждом этапе их создания. Со стороны кажется, будто все изменения в компаниях происходят точно по науке.

Но для большинства из них инновации продолжают оставаться болезненными попытками действовать наугад. Хуже того, вся эта деятельность создает иллюзию прогресса, на самом деле его не обеспечивая. Компании расходуют все больше, добиваясь только скромных дополнительных инноваций, терпя неудачу с прорывными, критичными для долгосрочного и стабильного развития. Как заметил Йоги Берра: «Мы проиграли, но зато хорошо провели время!»

Так в чем же загвоздка?

Основная проблема кроется в следующем: огромные массивы информации, собираемые компаниями, не организовываются таким образом, чтобы достоверно предсказывать успех тех или иных идей. Вместо этого данные говорят лишь о том, что «этот клиент похож на того», «этот продукт обладает такими же техническими характеристиками, как и тот», «эти люди вели себя точно так же в прошлом» или «68 % покупателей говорят, что предпочитают вариант А варианту Б». Но подобная информация, по сути, не указывает на то, почему клиенты делают именно такой выбор.

Позвольте мне это проиллюстрировать. Давайте познакомимся. Клейтон Кристенсен. Шестидесяти четырех лет. Метр девяносто два сантиметра ростом. Шестнадцатый размер обуви. Мы с женой отправили в колледж всех своих детей. Я живу в пригороде Бостона и езжу на работу на минивэне марки Honda. У меня имеется множество других характеристик и качеств. Но они не побудили меня выйти и купить сегодняшний выпуск The New York Times. Должна иметь место корреляция между некоторыми характеристиками и готовностью клиентов купить Times. Но эти характеристики не побуждают меня приобретать газету – или любой другой продукт.

Если компания не понимает, почему в определенных обстоятельствах я «нанимаю» ее продукт – и почему в других обстоятельствах выбираю иной, – ее данные[4] обо мне или похожих на меня людях[5] вряд ли поспособствуют созданию для меня какой-либо инновации. Заманчиво верить в то, что мы можем подмечать важные закономерности и перекрестные ссылки в имеющихся совокупностях данных, но это вовсе не означает, что одно влечет за собой другое. Как подчеркивает Нейт Сильвер, автор книги «Сигнал и шум. Почему одни прогнозы сбываются, а другие – нет»[6]: «Продажи мороженого и лесные пожары находятся в определенной связи, поскольку и первые, и вторые чаще случаются в период летней жары. Но между ними нет причинно-следственной связи. Вы не устраиваете пожар в парке Монтаны, покупая стаканчик мороженого».

Разумеется, никого не удивишь заявлением о том, что корреляция не равна причинности. Но хотя большинству компаний это известно, не думаю, что они руководствуются в своих действиях знанием о различии. Их устраивает корреляция. Так руководителям спокойнее спится по ночам.

Однако корреляция не отражает то единственное, что имеет наибольшее значение в инновациях, – причины, объясняющие, почему я приобретаю определенное решение. Тем не менее мало кто из новаторов выстраивает свою основную линию вокруг установления причины. Вместо этого они бросают все силы на то, чтобы сделать свой продукт лучше и прибыльнее аналогов конкурента – или отличным от них.