Понимать риски. Как выбирать правильный курс - Герд Гигеренцер

Стремитесь взять реванш любой ценой.

В начале своей карьеры Уоррен Баффет совершил «ошибку ценой в 200 млрд долларов». Как-то он обратил внимание на то, что текстильная компания Berkshire Hathaway продала свою фабрику и использовала полученные деньги для скупки своих акций, что привело к росту их курсовой стоимости. Когда этот процесс должен был повториться еще раз, Баффет купил большой пакет акций этой компании накануне продажи еще одной ее фабрики. Он обменялся рукопожатиями с директором компании Сибери Стентоном по случаю заключения соглашения о покупке Стентоном акций по 11,50 доллара, что позволяло Баффету заработать небольшую прибыль. Но затем пришло письмо от Стентона с предложением купить принадлежащие Баффету акции на 12,5 цента дешевле согласованной цены. Почувствовав себя обманутым, Баффет начал активно скупать акции Berkshire Hathaway. Став ее крупнейшим акционером, он уволил Стентона. Баффет взял реванш, но приобрел бесперспективный бизнес, убыток от которого, с учетом стоимости упущенных выгод, составил 200 млрд долларов. Обучение правильному применению простых практических правил может быть очень суровым.

Многие отрасли, компании и даже обычные рестораны используют простые правила ценообразования («Возьмите стоимость исходного сырья и умножьте на три») и общего принятия решений («Не начинайте строить дом прежде, чем найдете на него покупателя»). Как они узнают, когда и почему правило оказывается подходящим? Один из способов заключается в проверке этих правил на практике, которая будет тем проще, чем более конкретным является правило. Практические правила могут иметь разные уровни применения:

• Занимайтесь только теми видами бизнеса, в которых вы чувствуете себя способным стать лидером.

• Если покупатель не делал покупок в течение девяти месяцев или более, считайте его неактивным.

Первое правило применимо ко многим видам бизнеса, а второе – более специфическое. Результаты исследования, о которых речь пойдет далее, показывают, как проверить, насколько точно второе правило предсказывает, какие покупатели станут делать покупки у компании в будущем.

Наши почтовые ящики, электронные или металлические, часто переполнены рекламными листовками, брошюрами, торговыми каталогами и предложениями от эмитентов кредитных карт. Для компаний, нацеливающихся на прошлых и новых покупателей, массовая почтовая рассылка является частью их бизнес-плана. В то же время несфокусированные на целевой аудитории рекламные кампании раздражают людей, не заинтересованных в рекламируемых товарах, и обходятся фирмам весьма недешево. В идеале каждая фирма должна расходовать свои ресурсы на активных, лояльных покупателей, а не на тех, кто больше не будет делать покупок. Но как можно отделить активных покупателей от неактивных в базе данных, содержащей десятки или сотни тысяч имен?

Традиционный подход заключается в решении сложной задачи посредством сложного анализа. Одним из таких инструментов является модель Pareto/NBD[14], используемая экспертами по маркетингу{109}. Каждому покупателю она приписывает вероятность того, что он остается активным – именно эту информацию хотят получать компании. Однако, к ужасу многих экспертов по маркетингу, менеджеры часто полагаются на простые практические правила, основанные на их личном опыте. Менеджеры одной крупной международной авиакомпании полагались на правило «свежести» последней покупки (правило хиатуса[15]):

Если клиент не делал покупок в течение девяти месяцев или больше, его классифицируют как неактивного, в противном случае – как активного.

Это простое правило сосредотачивает внимание всего на одном обстоятельстве: времени совершения покупки. Оно используется в программах частых полетов, а также розничными торговцами одеждой. Но разве это правило не наивно? Ведь оно не учитывает, какую сумму потратил покупатель, каков интервал между покупками и всю прочую информацию, которую тщательно анализируют такие сложные методы, как метод Pareto/NBD, а также результаты сложных вычислений. Правило хиатуса основывается на том, что люди принимают решения иррационально, так как они имеют ограниченные когнитивные способности и не могут обрабатывать всю информацию, необходимую для принятия хорошего решения. Разве может использование одной хорошей причины сравниться с использованием многих причин и сложных вычислений?

Два профессора в сфере бизнеса провели исследование, призванное продемонстрировать превосходство сложного метода над простым правилом. Они проверили, сколько правильных предсказаний позволило получить применение сложного метода по сравнению с применением простого правила авиакомпании розничным торговцем одеждой и онлайновым продавцом CD компании CDNow{110}. Однако результаты оказались не такими, как они ожидали. В двух случаях из трех применение простого правила позволяло сэкономить время и требовало меньше информации, но, несмотря на это, давало более точные результаты. Для крупной авиакомпании простое правило правильно предсказало 77 % клиентов, а сложный метод только 74 % (рис. 6.3). Для розничного торговца одеждой простое правило оказалось еще более эффективным: 85 % правильных предсказаний по сравнению с 75 %. Наконец, для онлайнового продавца CD и простое правило, и сложный метод дали одинаково верные предсказания в 77 % случаев. Вместо того чтобы получить подтверждение своей убежденности в том, что больше информации всегда лучше, авторы обнаружили то, что я называю эффектом меньше значит больше.

Рис. 6.3. Проверка утверждения «меньше значит больше»

Source: Wubben, M., Wangenheim, F., 2008