Помоги проекту - поделись книгой:
Вариант 3. Используйте свои сильные стороны
Новые платформы обычно предлагают ряд преимуществ, но у них есть и свои недостатки. Водители-новички в Uber, к примеру, не знают коротких путей, которыми пользуются опытные таксисты. Жилье, снятое через Airbnb, возможно, дает путешественникам почувствовать «истинный» вкус местной культуры, но если встреча с хозяином осложнилась из-за задержки рейса, гость вполне может пожалеть об удобстве круглосуточной регистрации в гостинице. Давние участники рынка должны напоминать потребителям о преимуществах, которые они могут им предложить: для правильного клиента в правильных обстоятельствах это послание может иметь большое значение.
Например, дальновидные гостиничные операторы играют на своих сильных сторонах, корректируя свои предложения в соответствии с конкуренцией со стороны Airbnb. Современные отели капсульного типа отказываются от огромных номеров и роскошной мебели. Однако, собирая группу путешественников в одном здании с уютными местами общего пользования, они создают социальную среду, с которой не могут сравниться разрозненные объекты Airbnb. При этом небольшой размер номеров и базовое оборудование помогают снизить издержки до уровня неформальных конкурентов или даже ниже. В Нью-Йорке и нескольких городах Европы такую модель тестируют CitizenM, Pod Hotel и Yote, и, судя по всему, ее популярность набирает обороты.
Большой трудностью для многих давних участников рынка становится то, что, когда потребители оценивают доступные варианты, они зачастую не уделяют никакого внимания потенциальным проблемам, которые могут быть с ними связаны. Последствия отсутствия запасного выхода в квартире, снятой через Airbnb, или поездки с плохим водителем на Uber могут быть очень серьезными – даже смертельно опасными. Но потребитель, который на самом деле будет рассматривать вероятность таких событий, встречается крайне редко. Возможно, жилье, отвечающее требованиям безопасности, или профессиональный водитель снизят риск несчастного случая от 1 к 10 миллионам до 1 к 20 миллионам. Но стоит ли это лишних $20? Большинство из нас могли бы провести такой анализ, если бы цифры были известны, но, как правило, подобные риски неопределенны и с трудом поддаются измерению.
Вариант 4. Склонитесь перед неизбежным
Широко используемый видеосервис YouTube от Google – классический пример частной спонтанной дерегуляции. Там хранились видеоматериалы, загруженные без соблюдения авторских прав пользователями, а иногда и основателями сервиса. Быстро перемотаем на несколько лет вперед и увидим, как топ-менеджеры звукозаписывающих компаний уперлись лбом в стену в своих переговорах с YouTube. В конце концов они согласились на скромные отчисления, потому что единственной очевидной альтернативой было пиратство, за которое они не получали вообще ничего. Никто не поставил такое решение им в вину, но для рекорд-лейблов оно все же стало болезненным, так как от прошлых доходов им осталась лишь малая часть. Этот случай иллюстрирует, как много могут потерять компании, слишком медленно реагирующие на изменения, как в законодательстве, так и на практике.
Тем не менее, если избежать спонтанной дерегуляции никак нельзя, а все предыдущие варианты не способны дать существенной пользы, то, возможно, лучший вариант – как можно быстрее добровольно выйти из игры, хотя это и обходится недешево. Например, если у вас есть лицензии на право вождения такси, лучше продать их и сократить свои убытки, согласившись на цену значительно ниже недавнего пика, потому что альтернатива может оказаться еще хуже. Уже не одна компания такси винит в своем банкротстве Uber. Конечно, прекращение деятельности не может считаться предпочтительной стратегией для давних участников рынка; гораздо лучше постараться обезопасить себя на более раннем этапе. Но принятие и планирование неизбежного исхода может оказаться самым лучшим и наименее дорогостоящим вариантом, если изменение правовых норм и источников конкурентного преимущества в вашей отрасли лишили активы и способности вашей компании большей части их ценности.
Хотя давние участники рынка часто обвиняют платформы в нечестной игре, всем уже понятно, что платформенный бизнес никуда не денется – и будет продолжать расти. Технологические инновации позволяют программным приложениям выполнять все более сложные задачи, а двусторонние платформы, связывающие нерегулярных частных провайдеров с потребителями сейчас пребывают в отличном положении для того, чтобы значительно обойти традиционные компании. Чтобы выжить, давним игрокам в отраслях, уязвимых перед платформами, нужно брать на вооружение современные методы и максимально использовать свои сильные стороны. Uber и Airbnb зачастую привлекают тех клиентов, которые оказались почему-либо разочарованы услугами классических такси и отелей. Но усердие и дальновидность могут помочь другим традиционным провайдерам избежать аналогичной потери своего потребителя.
Как торговым онлайн-площадкам эффективно управлять правовыми рисками?
Торговые онлайн-площадки (маркетплейсы), представляющие радикально новые альтернативы традиционным бизнес-моделям, практически по определению постоянно испытывают на прочность границы существующих правовых схем. Они создают новые типы транзакций, например соглашения о займах или аренде недвижимости между физическими лицами. В результате такие площадки гораздо чаще, чем традиционные компании, сталкиваются с серьезными правовыми проблемами. Подлежат ли домовладельцы, сдающие свое жилье, такому же налогообложению, как и отели? На каких условиях частное лицо может продавать поездки в собственной машине? Когда площадкам для услуг нужно относиться к провайдерам этих услуг как к независимым подрядчикам, а когда – как к наемным сотрудникам?
В отношении правовых рисков у большинства предпринимателей существует два рефлекса: либо игнорировать их, либо стараться решить все возможные спорные вопросы заранее. Ни то ни другое нельзя считать удачной идеей. Распутывать правовые проблемы на позднем этапе обычно оказывается сложнее, чем предотвращать их. Более того, игнорирование правил может вызвать негативную реакцию в СМИ, что отпугнет потенциальных пользователей. С другой стороны, нереально разрешить все возможные трудности с самого начала. Для большинства молодых компаний временны́е рамки существующего правового процесса слишком велики, а получить все возможные разрешения на бизнес-идею, которая только что вышла на рынок, – чрезвычайно сложная задача.
В общем-то, неудивительно, что верный подход находится где-то посередине: стараться привлечь регуляторов на свою сторону, не теряя темпа продвижения, или замедлиться в соответствии с их скоростью принятия решений. Ни одна торговая онлайн-площадка из известных нам не смогла идеально справиться со всеми правовыми трудностями, но многим помогают четыре основных взаимосвязанных принципа, сформулированные Дэвидом Хантменом, бывшим главой Airbnb по глобальным связям с общественностью.
1. Определите себя прежде, чем это сделают ваши противники или СМИ
Предприниматели маркетплейсов должны выработать четкое видение своей бизнес-модели и найти наиболее позитивный (и при этом точный) способ ее описания для внешнего мира. Затем нужно привлечь регулирующие органы и СМИ, чтобы гарантировать их понимание.
2. Выберите время и место, чтобы построить отношения с регуляторами
Предпринимателям, действующим в тех отраслях, где законодательные ограничения очень серьезны и контролируются на национальном уровне, еще до запуска стоит проконсультироваться с отраслевыми юристами, чтобы четко разобраться во всех необходимых законах. Когда предложение «продавец – покупатель» будет четко сформулировано, нужно самим начать диалог с регуляторами, чтобы получить либо однозначное юридическое одобрение (в идеале), либо неформальную договоренность о безопасной зоне для продолжения развития сервиса (второе наилучшее решение).
Примеры Lending Club и Prosper, двух ведущих площадок по займам между физическими лицами в США, иллюстрируют важность правильной смазки правовых колес. Prosper была запущена первой, в 2005 году, а через год появилась и Lending Club. Однако именно Lending Club первой начала решать серьезные правовые вопросы. Меньше чем через два года после запуска она заключила партнерское соглашение с банком, страхующим вклады через ФКСД (Федеральную корпорацию страхования депозитов), чтобы займы, которые она предоставляет, подпадали под те же нормы защиты заемщиков, что и банковские кредиты. В начале 2008-го она стала первой площадкой по займам между физическими лицами, которая добровольно согласилась на «период молчания», в течение которого не принимала новых кредиторов, и сосредоточилась на получении официальной регистрации в Комиссии по ценным бумагам и биржам США как эмитент инвестиционных продуктов.
Prosper же игнорировала эти правовые аспекты, пока не подверглась расследованию со стороны Комиссии, и тогда тоже была вынуждена объявить «период молчания». Разница в результатах этих двух подходов оказалась весьма существенной: «период молчания» у Prosper длился девять месяцев, а у Lending Club – всего шесть. Кроме того, Lending Club получила разрешение на продолжение обслуживания заемщиков в этот период, а Prosper была вынуждена полностью прекратить деятельность. В конечном итоге Lending Club обошла Prosper и стала крупнейшей площадкой в отрасли: в 2012 году она заработала на займах $718 млн, а Prosper – всего $153 млн.
На другом конце спектра находятся онлайн-площадки, действующие в сферах, где нет жесткой регуляции со стороны государства, а ограничения существуют лишь на уровне муниципалитета или штата. Такие площадки могут позволить себе подождать и не связываться с регулирующими органами до того момента, пока не будет достигнуто соответствие спроса и предложения в регионе запуска (например, в одном городе). Регулирующие меры на национальном уровне – это, как правило, вопрос жизни и смерти для компаний, но местные регуляторы обычно менее могущественны, и их при необходимости легче обойти.
3. Не просто говорите «нет» – предложите конструктивные идеи
При столкновении с «серыми зонами» законодательства (что случается не так уж редко) у онлайн-предпринимателей есть возможность обратить потенциально недружелюбные отношения с регулирующими органами в партнерство. Так, например, Getaround, платформа для аренды автомобилей физическими лицами у физических лиц, предотвратила возможные неприятности, напрямую обратившись к правительству штата Калифорния с предложением разработать и принять закон, который позволял бы частным лицам сдавать свои автомобили в аренду незнакомым людям с отдельными условиями страхования, разработанными специально для таких случаев. Подход Getaround весьма примечателен, так как подобный сервис ранее не был явно нелегальным, то есть компания сознательно пошла на известный риск, решившись привлечь к нему внимание властей.
Даже в тех случаях, когда существующие регуляторные меры просто неудобны для новых маркетплейсов, предпринимателям лучше избегать искушения игнорировать их или дразнить соответствующие власти, а вместо этого постараться найти области, где их интересы совпадают. Например, правительственные структуры считают, что главная цель регулирования деятельности такси – это безопасность пассажиров и водителей. Компании частных совместных поездок должны желать того же самого. Площадка может использовать свои данные о водителях и пассажирах, а также о маршрутах и времени поездок, чтобы конструктивно поработать с властями штатов над созданием таких же гарантий безопасности, как и в традиционных службах такси.
4. Будьте вежливы, но запаситесь большой дубинкой
Предпринимателям не стоит вступать в злобные перепалки с регулирующими органами; в то же самое время они должны обеспечить себя эффективным оружием для защиты своих позиций. В борьбе с законами, которые способны им навредить, можно использовать два механизма воздействия. Первый – это сила довольных покупателей и продавцов – избирателей и налогоплательщиков, которые не будут рады, если правительство начнет мешать сервису, который они ценят. Чтобы заручиться их поддержкой, компании должны создать надежную инфраструктуру для проведения кампаний в свою защиту – соцсети, сайты и т. п. Так, например, Airbnb помогала своим арендодателям в Сан-Франциско с организацией митингов у городской администрации и выступлениями на публичных слушаниях, что в конце концов заставило местные власти легализовать краткосрочную аренду частного жилья в 2014 году («Закон Airbnb»).
Второй механизм – это доходы от налогов. Площадки, которые могут приносить местным властям существенный доход, способны повлиять на регуляторные меры. Например, убеждая местные регулирующие органы легализовать услуги платформы, Airbnb предложила собирать со своих арендодателей в нескольких городах мира гостиничные налоги и передавать их локальным властям. Это предложение, хотя пока оно и не получило одобрения, очевидно является мощным инструментом в переговорах: по самым консервативным оценкам, доход домовладельцев, который мог бы облагаться налогом, составил на 2015 год более $5 млрд. Этот случай особенно интересен, так как площадки редко проактивно предлагают взять на себя ответственность за взимание налогов с собственных пользователей.
В некоторых случаях, когда правовая неопределенность вряд ли разрешится в ближайшем будущем (для стартапов – в течение нескольких месяцев), а последствия неподчинения могут быть серьезными, правильным будет действовать в соответствии с наихудшим сценарием, даже если это подразумевает увеличение затрат. Одна из самых серьезных проблем, с которыми сегодня сталкиваются сервисные платформы, – это правовой статус их работников. Несколько известных площадок (Handy, Lyft, Postmates, Uber и Washio) в настоящее время проходят через судебные разбирательства по коллективным искам, в которых их обвиняют в том, что они неверно классифицировали своих работников как независимых подрядчиков, а не сотрудников. Материальные последствия этих исков весьма существенны: изменение статуса работника с «независимого подрядчика» на «сотрудника» повышает издержки на 25–40 %. Хотя пока неизвестно, чем закончатся эти суды и каким может стать законодательство, некоторые стартапы, в том числе Alfred, Enjoy Technology, Luxe и Managed by Q, решили сыграть на опережение и добровольно придали своим работникам статус сотрудников компании. Стартапам в ранней фазе роста, которые еще не могут позволить себе действовать при неясном правовом статусе, возможно, стоит поступать так же. Однако в большинстве случаев идеальным вариантом будет промежуточный статус между «штатными сотрудниками» и «независимыми подрядчиками».
Alibaba и будущее бизнеса
В СЕНТЯБРЕ 2014 ГОДА ALIBABA ПОПАЛА в заголовки СМИ как компания с самым большим IPO в мире. На сегодняшний день она входит в десятку крупнейших компаний по рыночной капитализации, превзошла Walmart по продажам и расширилась на все основные мировые рынки. Имя ее основателя Джека Ма стало чуть ли не нарицательным.
С момента появления в 1999 году Alibaba пережила мощнейший рост своей платформы электронной коммерции. Однако еще в 2007-м, когда команда ее руководителей – к которой я присоединился за год до этого – собралась для обсуждения стратегии во второсортной гостинице у моря в Нинбо, провинция Чжэцзян, она вовсе не была похожа на мирового лидера. Во время этого совещания наши разрозненные наблюдения и идеи, касающиеся трендов в электронной коммерции, начали сливаться в единый образ будущего, и в конце концов нам удалось выработать общее видение. Мы поняли, что должны «стимулировать развитие открытой, скоординированной, процветающей экосистемы электронной коммерции». Вот тогда-то и начался истинный путь Alibaba наверх.
Мы осознали, что особая инновация Alibaba состояла в том, что мы строили настоящую экосистему – сообщество организмов (бизнесов и потребителей разных типов), взаимодействующих друг с другом и с окружающей средой (онлайн-платформой и внешними офлайн-элементами). Мы хотели, чтобы платформа сама обеспечивала все ресурсы или доступ к ним – для процветания нашего онлайн-бизнеса и поддержания эволюции экосистемы.
Эта экосистема вначале была простой. Мы связали покупателей и продавцов товаров. По мере развития технологий все больше функций перемещались в онлайн – в том числе такие традиционные виды деятельности, как реклама, маркетинг, логистика и финансы, а также новые, такие как партнерский маркетинг, рекомендации продуктов и формирование общественного мнения через соцсети. Расширяя нашу экосистему так, чтобы она вобрала в себя все эти инновации, мы помогали создавать новые типы онлайн-бизнесов, попутно преображая китайский сектор розничной торговли.
Сегодня Аlibaba – не просто компания интернет-торговли. Она представляет собой то, что вы получите, если возьмете все виды деятельности, связанные с торговлей, и объедините их через интернет в обширную цифровую сеть продавцов, маркетологов, провайдеров услуг, логистических компаний и производителей. Иными словами, Alibaba делает то, что в США делают Amazon, eBay, PayPal, Google, FedEx, предприятия оптовой торговли и большая часть производителей со здоровым вкраплением вспомогательных финансовых сервисов.
Из десяти самых дорогих компаний мира на сегодняшний день семь – это интернет-компании с моделью, похожей на нашу. Пять из них – Amazon, Google и Facebook в США и Alibaba и Tencent в Китае – существуют не более 20 лет. Откуда так быстро возникли такая капитализация и рыночная мощь? Все дело в новых возможностях сетевой координации и сбора данных, которые стали использовать эти компании. Их экосистемы гораздо более экономически эффективны и ориентированы на потребителя, чем традиционные отрасли. Эти компании используют подход, который я называю умным бизнесом, и я уверен, что именно он будет определять логику бизнеса в будущем.
Новая бизнес-модель
Alibaba – пример умного бизнеса завтрашнего дня: технологическая платформа, которая координирует многочисленных игроков в единой экосистеме.
Как она работает
Участники экосистемы обмениваются данными и применяют технологии машинного обучения для выявления и лучшего удовлетворения запросов потребителей.
Как ее построить
Автоматизировать принятие решений путем:
● извлечения из каждого взаимодействия максимума возможных данных;
● выполнения всех видов деятельности с помощью ПО;
● использования API и других протоколов для обеспечения гладкости взаимодействий между программными системами;
● применения машинного обучения для обработки данных в реальном времени.
Что такое умный бизнес?
Умный бизнес возникает тогда, когда все игроки, участвующие в достижении общей бизнес-цели – например, в розничной торговле или сервисе совместных поездок, скоординированы в онлайн-сеть и используют технологию машинного обучения для эффективного использования данных в режиме реального времени. Эта технологическая модель, в которой большинство операционных решений принимается машинами, позволяет компаниям динамично и быстро адаптироваться к меняющимся условиям рынка и предпочтениям потребителей, получая огромное конкурентное преимущество по сравнению с традиционными бизнесами.
Конечно, для машинного обучения необходимо топливо в виде достаточных вычислительных мощностей и объемов цифровых данных. Чем больше данных обрабатывает алгоритмический движок и чем больше итераций он проводит, тем лучше результат. Специалисты вырабатывают вероятностные прогностические модели для конкретных действий, а затем алгоритм перелопачивает массивы данных и с каждой итерацией выдает все более совершенные решения. Эти прогностические модели становятся основой для большинства бизнес-решений. Таким образом, машинное обучение – не просто технологическая инновация; оно предлагает нам новые способы ведения бизнеса, позволяя заменять человеческий процесс принятия решений алгоритмическим.
Поразительную иллюстрацию того, как может выглядеть будущее, дает нам Ant Microloans. Когда Alibaba в 2012 году запустила этот сервис, типичные суммы кредитов, выдаваемых крупными китайскими банками, исчислялись миллионами долларов. Минимальная сумма кредита – около 6 млн юаней, или чуть меньше $1 млн – значительно превышала средства, в которых нуждалось большинство малых и средних предприятий. Банки не желали обслуживать компании, у которых отсутствовала кредитная история или даже адекватная документация их бизнес-деятельности. Из-за этого десятки миллионов китайских предприятий испытывали серьезные трудности с привлечением денег, необходимых для развития и роста.
Мы в Alibaba поняли, что у нас есть то, что необходимо для создания высокофункционального, масштабируемого и прибыльного бизнеса по кредитованию малого и среднего бизнеса – огромная масса данных по транзакциям, проведенных малыми предприятиями на нашей платформе. Поэтому в 2010 году мы запустили революционный цифровой бизнес по микрокредитованию, чтобы предложить предприятиям кредиты в размере не более 1 млн юаней (около $160 000). За семь лет работы было выдано кредитов более чем на 87 млрд юаней ($13,4 млрд) почти трем миллионам малых и средних предприятий. Средняя сумма кредита составила 8000 юаней, или около $1200. В 2012 году мы объединили этот бизнес с Alipay, нашей весьма успешной платежной системой, и создали Ant Financial Services. Мы дали новому предприятию такое название, чтобы отразить идею того, что мы хотим поддержать все маленькие, но трудолюбивые, похожие на муравьев, компании[3].
Сегодня Ant с легкостью обрабатывает заявки на кредиты на любые суммы, даже на несколько сот юаней (около $50), буквально за несколько минут. Как это возможно? При встрече с потенциальным заемщиком кредитной организации нужно ответить всего лишь на три основных вопроса: можем ли мы дать ему кредит, сколько мы должны дать и какой будет процентная ставка. Так как продавцы, пользующиеся нашей платформой, открывают нам доступ к своим данным для анализа, ответить на эти вопросы нам легко. Наши алгоритмы рассматривают данные о транзакциях и оценивают, насколько хорошо идут дела у данного предприятия, конкурентоспособны ли его предложения на рынке, высоки ли кредитные рейтинги его партнеров и т. д.
Ant использует эти данные для сравнения благонадежных (тех, кто платит вовремя) и неблагонадежных заемщиков и определяет характеристики, свойственные каждой группе. Затем эти характеристики используются для расчета кредитной оценки. Конечно, все кредитные организации делают это тем или иным образом, но в Ant это происходит автоматически по всем заемщикам и всем данным об их деятельности в реальном времени. Каждая транзакция, каждое взаимодействие между продавцом и покупателем, каждое обращение к другим сервисам Alibaba, буквально каждое действие, предпринятое с использованием нашей платформы, оказывает влияние на кредитную оценку бизнеса. В то же самое время алгоритмы, подсчитывающие эту оценку, и сами развиваются в реальном времени, с каждой итерацией повышая качество принятия решений.
Чтобы определить, сколько денег можно выдать и сколько процентов взять, нужно проанализировать различные типы данных, сгенерированных внутри сети Alibaba, например, чистый валовой доход и оборачиваемость запасов, а также информацию, не поддающуюся столь точному математическому измерению, например, жизненный цикл продукта и качество деловых и социальных взаимоотношений продавца. Для оценки качества взаимоотношений алгоритмы могут, к примеру, проанализировать частоту, продолжительность и тип коммуникаций (быстрые сообщения, электронная почта или другие способы связи, распространенные в Китае).
Наши специалисты по обработке данных определяют и проверяют, какие именно данные способны дать нужную информацию, а затем разрабатывают алгоритмы для их отбора и фильтрации. Эта работа требует, с одной стороны, глубокого понимания бизнеса, а с другой – профессионализма в алгоритмах машинного обучения. Давайте вернемся к Ant Financial. Если продавец с плохим кредитным рейтингом вовремя выплачивает свой заем, а тот, кто считался благонадежным – оказывается злостным нарушителем, очевидно, что алгоритм нуждается в доработке. Инженеры могут быстро и легко проверить свои гипотезы. Какие параметры нужно добавить или исключить? Каким типам поведения пользователей нужно придать больший вес?
По мере того, как корректируемые алгоритмы дают все более точные прогнозы, риски и издержки Ant устойчиво снижаются, и заемщики получают деньги в нужном объеме, в нужное время и на условиях, которые они могут выполнить. В результате мы имеем крайне успешный бизнес: в сфере микрокредитования процент невозврата составляет около 1 % – значительно ниже, чем средние 4 % по оценке Всемирного банка на 2016 год.
Так как же нам удалось создать такой бизнес?
Автоматизация всех операционных решений
Чтобы ваша компания стала умным бизнесом, нужно добиться того, чтобы максимум возможных операционных решений принималась компьютерами на основании «живых» данных, а не людьми на основании их собственного анализа. Преобразование процесса принятия решений происходит в четыре шага.
Ant очень повезло, что у нее был доступ к огромному массиву данных о потенциальных заемщиках, которые позволяли ответить на вопросы, необходимые для данного бизнеса. Для многих других сфер процесс сбора данных может быть более сложным. Но «живые» данные необходимы для создания петель обратной связи, на которых основывается машинное обучение.
Возьмем, к примеру, бизнес по прокату велосипедов. Китайские стартапы использовали мобильную телефонию, интернет вещей (в виде «умных» велосипедных замков) и существующие мобильные платежные и кредитные системы для обработки данных обо всем процессе проката.
Китайские онлайн-площадки розничной торговли
Taobao Marketplace
Tmall
Rural Taobao
Международные и глобальные площадки
AliExpress
Tmall Global
Lazada
Оптовая торговля
1688.com (Китай)
Alibaba.com (в мире)
Цифровые СМИ и развлечения*
Youku Tudou (онлайн-видео)
Alibaba Pictures
Alibaba Music
Alibaba Sports
UC (мобильный браузер)
Другие сервисы*
AutoNavi (карты и навигация)
Koubei (локальные услуги)
Ele.me (доставка)
Финансы
Ant Financial (включая Alipay)
MYbank
Логистика*
Cainiao Network
Облачные вычисления*
Alibaba Cloud
* Основные компании с долевым участием Alibaba Group и ее партнеры.
Традиционно прокат велосипедов представлял собой следующий процесс: клиент приходит на определенное место стоянки, оставляет залог, сотрудник выдает ему велосипед, он использует его, возвращает, а затем платит за прокат наличными или кредиткой. Несколько конкурирующих китайских компаний оцифровали этот процесс путем интеграции различных новых технологий с уже существующими. Важнейшей инновацией стала комбинация QR-кодов и электронных замков, что позволило автоматизировать процесс оформления и оплаты проката. Открыв специальное приложение, клиент может видеть, где есть свободные велосипеды, и зарезервировать ближайший. Придя на место стоянки, он с помощью приложения сканирует QR-код на велосипеде. Если у этого человека есть деньги на счете и он соответствует критериям, определенным правилами проката, QR-код открывает электронный замок. Приложение даже способно проверить кредитную историю клиента через систему Sesame Credit, новый онлайн-продукт Ant Financial для потребительских кредитных рейтингов. Это позволяет клиенту не оставлять денежный залог, что еще больше ускоряет процесс. При возвращении велосипеда транзакция завершается запиранием замка. Все это очень просто, понятно и обычно занимает всего лишь несколько секунд.
Автоматизация сбора данных по процессу проката существенно улучшила потребительский опыт. На основании этих данных, получаемых в реальном времени, компании могут отправлять велосипеды туда, где они будут востребованы. Они также посылают постоянным клиентам уведомления о наличии свободных велосипедов поблизости. В значительной мере благодаря этим инновациям стоимость проката велосипедов в Китае снизилась до всего лишь нескольких центов в час.
Большинство бизнесов, которые зависят от данных, обычно собирают и анализируют информацию для создания причинно-следственных моделей. Затем такая модель выделяет важнейшие элементы из всего массива доступной информации. Но в умном бизнесе данные используются не так. Такой бизнес собирает всю информацию, появившуюся в ходе взаимодействия и коммуникации с потребителями и другими участниками сети, а затем алгоритмы определяют, какие данные релевантны.
В умном бизнесе все виды деятельности – не только управление знаниями и взаимоотношения с клиентами – организуются при помощи ПО, что позволяет автоматизировать принятие любых решений, которые влияют на эту деятельность. Это не означает, что любой компании для управления своим бизнесом нужно приобрести или разработать свои программы планирования ресурсов (ERP) – как раз наоборот. Традиционное ПО делает процессы и решения менее гибкими и часто только мешает. Доминирующей логикой для умного бизнеса должно быть реагирование в реальном времени. Первое, что необходимо – построить модель того, как люди в данный момент принимают решения, и найти способы повторить простые элементы этого процесса с помощью ПО. Это не всегда просто, учитывая, что многие человеческие решения зачастую основываются на «здравом смысле» или даже подсознательных нейрологических процессах.
Рост Taobao, «домашнего» сайта розничной торговли Alibaba Group, стимулируется непрерывной цифровизацией процесса торговли. Одним из первых важных программных инструментов, созданных Taobao, стала система быстрых сообщений под названием Wangwang для общения продавцов и покупателей. С ее помощью продавцы приветствуют покупателей, представляют свои товары, обсуждают цены и так далее – как люди в обычном магазине. Alibaba также разработала набор программных инструментов, которые помогают продавцам создавать и запускать более сложные онлайн-витрины. С началом работы своих онлайн-магазинов продавцы получают доступ к другим продуктам для выпуска купонов, предложения скидок, ведения программ лояльности и обеспечения других видов взаимодействий с покупателями, и все они скоординированы между собой.
Так как большинство ПО сегодня работает в виде онлайн-сервисов, важное преимущество цифровизации ведения бизнеса состоит в том, что оперативные данные собираются естественным образом как часть бизнес-процесса, создавая основу для применения технологий машинного обучения.
В экосистемах с большим количеством взаимосвязанных игроков бизнес-решения требуют комплексной координации. Так, например, система рекомендаций Taobao должна работать с системами управления запасами продавцов и с системами профилей потребителей на платформах различных соцсетей. Ее системе транзакций необходимо работать с предложениями о скидках и программами лояльности, а также передавать информацию в нашу логистическую сеть.
Коммуникационные стандарты, такие как TCP/IP, и интерфейсы программирования приложений (API) очень важны для обеспечения непрерывного потока данных между различными участниками, а также жесткого контроля за тем, кто может получить доступ и редактировать данные во всей экосистеме. API, набор инструментов, позволяющих разным системам «говорить» друг с другом и координировать свои действия онлайн, стал центральным в разработке Taobao. На пути платформы от форума, где продавцы и покупатели могли общаться и заключать сделки, до лидирующего китайского сайта электронной коммерции, продавцам требовалось все больше и больше поддержки от сторонних разработчиков. Чтобы новое ПО имело хоть какую-то ценность, оно должно было быть совместимо со всеми другими программами, использующимися на платформе. Поэтому в 2009 году Taobao начала разрабатывать API для независимых поставщиков ПО. Сегодня продавцы на Taobao подписаны в среднем на более чем сотню программных модулей, и доступ к постоянно обновляющимся «живым» данным существенно снижает их затраты на ведение бизнеса.
Но правильная техническая инфраструктура – это только начало. Нам потребовалось много усилий для создания общего стандарта, который позволил бы одинаково использовать и интерпретировать данные всем бизнес-подразделениям Alibaba. Помимо этого, важная и непростая задача – выработать правильную систему стимулов для того, чтобы компании свободно делились своими данными. Но нам еще предстоит много работы. Конечно, степень инновационности в этой сфере зависит отчасти и от правил, регулирующих обмен данными в каждом конкретном государстве. Но общее направление очевидно. Чем больше поток данных в сети, тем «умнее» становится бизнес, и тем больше ценности создает экосистема.
Когда все бизнес-операции ведутся онлайн, возникает настоящая лавина данных. Чтобы успешно усвоить, интерпретировать и использовать эти данные, компания должна создавать модели и алгоритмы, которые помогут выявить логику продуктов или динамику рынка, которые она должна оптимизировать. Это большое креативное дело, требующее различных новых навыков, поэтому мы и видим сейчас огромный спрос на специалистов по работе с данными и экономистов. Их задача – конкретизировать, какую работу необходимо выполнять машине, и они должны четко определить, что в условиях данного бизнеса представляет собой хорошо сделанная работа.
С самого начала нашей целью в Taobao было сделать эту площадку подходящей под запросы любого человека. Это было бы невозможно без достижений машинного обучения. Сегодня, когда потребитель заходит на сайт, он видит созданную специально для него страницу с товарами, отобранными для него из миллиардов предложений миллионов продавцов. Эта подборка создается автоматически мощным движком рекомендаций Taobao. Его алгоритмы, разработанные для оптимизации коэффициента конверсии каждого визита, перелопачивают все данные, сгенерированные платформой в самых разных областях деятельности – от операций до обслуживания покупателей и безопасности.
Ключевым моментом в развитии Taobao стал переход в 2009 году от простого просмотра, который работал достаточно хорошо, пока у платформы было относительно немного посещений и предложений, к поисковой системе, поддерживаемой алгоритмами самообучения и способной обрабатывать огромные объемы запросов. Кроме того, Taobao экспериментировала с поисковыми алгоритмами визуального распознавания, которые могли по фото желаемого товара, предоставленного покупателем, найти похожие товары на платформе. Пока мы находимся лишь на начальном этапе использования этой технологии, но она уже стала очень популярной у покупателей, обеспечивая около 10 млн уникальных посещений в день.
В 2016 году Alibaba представила чат-бот на основе искусственного интеллекта, который помогает группировать потребительские запросы. Он отличается от знакомых большинству людей поставщиков механических услуг, которые запрограммированы на соответствие запросов клиентов ответам из своего «репертуара». Чат-боты Alibaba «обучены» опытными представителями продавцов Taobao. Они знают все о товарах в своих категориях и прекрасно ориентируются в механике платформы Alibaba – условиях возврата, стоимости доставки, коррекции заказов – и прочих часто задаваемых клиентами вопросах. С помощью различных технологий машинного обучения, таких как семантическое понимание, контекстные диалоги, графы знаний, интеллектуальный анализ данных и глубинное обучение, чат-боты быстро улучшают свою способность автоматически диагностировать и решать проблемы потребителей вместо того, чтобы просто выдавать запрограммированные ответы, которые должны подталкивать потребителя к дальнейшим действиям. Они получают от потребителя подтверждение, что предложенное решение его устраивает, а затем исполняют его. При этом никто из сотрудников Alibaba или продавцов не участвует в этом лично.
Чат-боты также могут вносить существенный вклад в доходы продавца. Например, бренд одежды Senma начал использовать такой бот год назад и обнаружил, что его продажи в 26 раз выше, чем у лучших продавцов-людей компании.
Конечно, необходимость в представителях-людях сохранится, потому что именно они продолжают решать сложные или личные вопросы, но способность чат-ботов обрабатывать типичные запросы очень полезна, особенно в дни больших продаж или специальных акций. Ранее большинство крупных продавцов на нашей платформе нанимали временных работников для обработки запросов во время важных событий. Больше этого не происходит. В день крупнейшей распродажи на Alibaba в 2017 году чат-бот обработал более 95 % потребительских запросов, ответив приблизительно 3,5 млн человек.
Эти четыре шага – фундамент построения умного бизнеса. Займитесь творческой обработкой данных, чтобы обогатить пул информации, которую использует ваш бизнес, чтобы стать умнее; обеспечьте ПО, которое переведет все рабочие потоки и главных действующих лиц в онлайн; установите стандарты и API, чтобы передавать и координировать данные в реальном времени; и применяйте алгоритмы машинного обучения для принятия умных бизнес-решений. Все виды деятельности, связанные с этими четырьмя шагами, являются важными новыми компетенциями, которые требуют нового типа лидерства.
Роль лидера
На моем курсе умного бизнеса в Хупаньской школе предпринимательства я показываю студентам слайд с фотографиями десяти бизнес-лидеров и прошу их назвать. Они легко узнают Джека Ма, Илона Маска и Стива Джобса. Но почти никто не знает в лицо гендиректоров CitiGroup, Toyota или General Electric.
На это есть своя причина. В отличие от GE, Toyota и CitiGroup, которые поставляют товары или услуги через оптимизированные цепочки поставок, цифровые компании должны использовать сеть, чтобы реализовать свое видение. Для этого их лидерам нужно вдохновлять сотрудников, партнеров и потребителей, которые включены в эту сеть. Они должны быть визионерами и евангелистами, высказываясь так, как нет необходимости высказываться лидерам традиционных компаний.
На самом высшем уровне цифровые евангелисты должны осознавать, что будущее определяется тем, как реагируют их отрасли на социальные, экономические и технологические перемены. Они не могут описать конкретные шаги, необходимые для достижения целей их компаний, потому что окружающая их среда слишком подвижна, а способности, которые могут им понадобиться, пока неизвестны. Вместо этого они должны определить, чего хочет достичь их компания, и создать такую среду, в которой сотрудники смогут быстро осваивать и связывать воедино экспериментальные продукты, тестировать рынки и масштабировать идеи, которые получают положительный отклик. Цифровые лидеры больше не управляют; скорее, они позволяют работникам внедрять инновации и облегчают основной цикл обратной связи, связанный с реакциями пользователей на решения и выполнение их компанией.
В модели умного бизнеса алгоритмы машинного обучения берут на себя бо́льшую часть задачи постепенных усовершенствований, автоматически корректируя систему и повышая ее эффективность. Таким образом, главная работа лидера – это культивирование креативности. Его задача – повышать уровень успешности инноваций, а не эффективность операций.
Компании, которые, как Alibaba, изначально были цифровыми, обладают преимуществом в онлайн-деятельности и обработке данных, поэтому их преобразование в умный бизнес обычно происходит естественным путем. Сейчас, когда уже доказано, что модель работает и меняет старую индустриальную экономику, настало время всем компаниям понять и применять эту новую логику бизнеса. Это может казаться пугающим с технологической точки зрения, но на самом деле вполне осуществимо – чем дальше, тем легче. Коммерциализация облачных технологий и искусственного интеллекта сделала огромные вычислительные и аналитические мощности доступными для всех. Действительно, стоимость хранения и обработки огромных массивов данных значительно снизилась за последние десять лет. Это означает, что применение машинного обучения в реальном времени стало возможным в самых разных отраслях. Быстрое развитие технологии интернета вещей будет все больше «оцифровывать» наше физическое окружение, генерируя еще больше данных. По мере накопления подобных инноваций победителями в ближайшие десятилетия окажутся те компании, которые стали «умными» раньше, чем их конкуренты.
Как бороться с дискриминацией на онлайн-площадках?
В КОНЦЕ 1980-Х ПРОФЕССОРА ЮРИСПРУДЕНЦИИ Йен Айрес и Питер Зигельман решили выяснить, отличаются ли условия сделок при покупке новых автомобилей афроамериканцами и женщинами по сравнению с белыми мужчинами. Они обучили группу из 38 человек, среди которых были представители разных рас и полов, вести переговоры о покупке по фиксированному сценарию и обнаружили печальные различия. У 153 продавцов афроамериканцам и женщинам пришлось заплатить за те же самые автомобили больше, чем белым мужчинам, причем самую большую цену требовали с черных женщин – в среднем на $900 больше, чем с белых мужчин. Хотя это открытие вряд ли многих удивило, особенно чернокожих и женщин, оно послужило убедительной демонстрацией того, насколько дискриминационными могут быть рынки.
Прокрутим десяток лет вперед, к дням начала интернет-торговли. Предприниматели экспериментируют с сетевыми продажами всего на свете, в том числе автомобилей. Экономисты Фиона Скотт Мортон, Флориан Зеттельмейер и Хорхе Сильва-Риссо проанализировали новый тип продаж в этой отрасли и обнаружили, что он исключил расовую и гендерную дискриминацию, которая, что они также подтвердили, продолжала присутствовать в офлайн-продажах автомобилей.
Торговые онлайн-площадки (маркетплейсы) первого поколения, в том числе eBay, Amazon и Priceline, были устроены так, что продавцам было сложно кого-то дискриминировать. Транзакции были относительно анонимны. Пользователь мог обсуждать покупку без предоставления какой-либо личной информации, пока продавец не соглашался на сделку. Как было замечено в знаменитой карикатуре из
Однако платформам – а теперь и их пользователям – известно, черный вы или белый, мужчина или женщина, человек или собака. И недавно обнаружилось, что интернету так и не удалось положить конец дискриминации. При раскрытии личных данных уязвимые группы сталкиваются с теми же проблемами, которые давно преследуют их в «реальном» мире, и иногда ситуация оказывается еще тяжелее из-за недостаточного правового регулирования, фотографий, по которым сразу видно пол и расу, и того факта, что потенциальные дискриминаторы могут действовать, даже не общаясь напрямую со своими жертвами.
Что же произошло и что можно с этим сделать?
Возникновение цифровой дискриминации
В первые дни электронной коммерции для онлайн-шопинга часто требовался «прыжок веры». Продавец с eBay из Флориды мог выставить на продажу, скажем, бейсбольную карточку Topps с Ноланом Райаном в California Angels сезона 1974 года с описанием ее состояния. Коллекционер из Массачусетса должен был отдать деньги за карточку, которую он лично не видел, на основании одного лишь этого описания. Карточка в идеальном состоянии могла стоить $60, в то время как потрепанная – лишь малую часть этой суммы. Что мешало продавцу отправить покупателю потрепанную карточку вместо первозданной? На самом деле мало что. Экономисты Джинджер Джин и Эндрю Като обнаружили, что в начале 2000-х продавцы на eBay часто неверно указывали состояние подобных лотов.
Проблема
У таких онлайн-площадок, как eBay, Uber или Airbnb, есть возможность бороться с расовой, гендерной и прочими формами дискриминации, которые влияют на транзакции в офлайн-продажах. Однако недавние исследования показывают, что происходит прямо противоположное.
Причина
На ранних платформах покупатели и продавцы сохраняли относительную анонимность. Но добавление к профилям фотографий, имен и других персональных данных непреднамеренно стимулирует дискриминацию.
Решение
Чтобы создать эффективные и инклюзивные рынки, разработчики платформ должны помнить о возможности дискриминации и быть открытыми для экспериментов при выборе средств автоматизации, алгоритмов и сценариев использования личных данных.
Проблема электронной коммерции заключалась в том, что одной стороне рынка обычно было известно то, что не было известно другой стороне: состояние товара, надежность и аккуратность упаковки и т. д. Эти проблемы возникали на всех рынках, но особенно серьезными они были именно на онлайн-платформах по двум основным причинам. Во-первых, преодолеть асимметричность информации труднее, когда вы не можете взять товар в руки. Во-вторых, онлайн-продавцы, практически по определению, были новичками в этом деле, потому что сам этот бизнес существовал всего лишь несколько лет. В нем еще не было таких устойчивых брендов, как Sotheby’s и Sears, которые могли бы гарантировать, что покупателей не обманут.
Со временем отзывы потребителей и другие типы обратной связи стали обеспечивать репутацию продавцам на электронных площадках. Но зачем останавливаться на сборе отзывов, когда из личных данных покупателей и продавцов можно извлечь столько полезной информации? Например, в 2012 году в исследовании займов между физическими лицами, проводимом Джефферсоном Дуарте, Стефаном Сигелем и Лансом Янгом, участники оценивали надежность потенциальных заемщиков по их фотографиям. Оказалось, что люди, которые «выглядят достойными доверия» с большей вероятностью получают займы. Но, что более удивительно, они действительно чаще выплачивают их в срок. Суть здесь в том, что если такая подробная информация может помочь участникам рынка оценивать перспективы транзакции, значит, имеет смысл ее предоставлять!
На сайтах, предоставляющих различные услуги – от фриланса до совместных поездок и выгула собак, – многие продавцы в настоящее время выбирают, на кого работать, на основании внешнего вида или даже имен. Доступность подобной информации зависит от платформы: одни сайты сохраняют значительную долю анонимности, в то время как другие возвращаются к практикам, давно запрещенным на офлайн-рынках. На многих сайтах, в том числе Etsy и CustomMade, потенциальные покупатели видят не только товары, но и имена и фото продавцов. И хотя знание деталей о потенциальных партнерах по сделке может успокаивающе действовать на людей, накапливается все больше свидетельств в пользу того, что это способствует дискриминации.
Маркетплейс краткосрочной аренды недвижимости Airbnb служит наглядным примером возникновения дискриминации на онлайн-рынках и того, как выбор дизайна влияет на ее масштабы. Когда потенциальный арендатор просматривает объявления, он видит описания и фотографии как самой недвижимости, так и ее хозяина. А хозяева видят имена – и во многих случаях фотографии – потенциальных арендаторов, прежде чем принять или отвергнуть их.
Один из нас (Майк, совместно с Бенджамином Эдельманом и Дэниелом Свирски) исследовал расовую дискриминацию на Airbnb. В этой работе, посвященной американскому рынку, группа создала 20 профилей пользователей и разослала запросы на аренду приблизительно 6400 хозяевам недвижимости. Профили и запросы были идентичными за исключением одной детали – имен пользователей. В половине профилей стояли имена, наиболее типичные (согласно записям о рождениях) для белых, а в половине – для черных.
Запросы с «черными» именами удовлетворялись на 16 % реже, чем с «белыми». И такая дискриминация наблюдалась повсеместно: в дешевых и дорогих предложениях, в смешанных и расово гомогенных районах, при сдаче комнат в собственном жилье хозяина и отдельного жилья от домовладельцев, размещающих много объявлений. Большинство хозяев, отклонявших запросы от арендаторов с «черными» именами, никогда не принимали чернокожих гостей, что позволяет предположить, что некоторые хозяева особенно склонны к расовой дискриминации. (В ответ на это исследование и растущую критику со стороны пользователей и регулирующих органов, Airbnb создала рабочую группу для выработки способов снижения уровня дискриминации, которая в сентябре 2016 года предложила ряд изменений. Мы рассмотрим аспекты заявленных мер ниже.)
Исследователи в настоящее время фиксируют наличие расовой дискриминации во многих сферах онлайн-бизнеса, от рынка труда до выдачи кредитов и предоставления жилья. Это обусловлено двумя особенностями: во-первых, наличием в профилях маркеров расы – не только таких очевидных, как фото, но и более тонких; а во-вторых, разборчивостью участников рынка при выборе потенциальных партнеров по транзакциям. В следующем разделе мы поговорим о том, что оба эти фактора зависят от выбора разработчиков платформы.
Не столь очевидно влияние на дискриминацию еще одной характеристики онлайн-коммерции – использования алгоритмов и больших массивов данных. Результаты поиска в Google, рекомендации книг на Amazon и фильмов на Netflix – все это примеры программной замены несовершенных человеческих суждений о том, что нужно потребителю. Возникает искушение предположить, что исключение человеческих оценок должно вести и к уничтожению человеческих предубеждений. Однако это не так.
Алгоритмы порождают дискриминацию не так, как люди. Профессор вычислительной математики Латанья Свини провела потрясающее исследование, целью которого было разобраться в роли расы в рекламных объявлениях Google. Она задавала в поиске типичные афроамериканские имена типа Дешон или – ну да – Латанья, и отмечала объявления, которые появлялись на странице вместе с результатами поиска. Затем она задавала имена, более типичные для белых, например Джеффри. Оказалось, что при поиске «черных» имен на странице чаще появлялись объявления с предложениями баз данных по арестам.
Конечно, никто не настраивает Google так, чтобы он показывал подобные объявления людям, ищущим афроамериканские имена. Это происходит потому, что алгоритм «решает» на основании прошлых запросов, что некто, ищущий имя «Дешон», с большей вероятностью, чем некто, ищущий «Джеффри», заинтересуется рекламой с данными об арестах (и, следовательно, обеспечит Google больше прибыли). Таким образом, этот выбор сделан, хоть и непреднамеренно, разработчиками Google.
Поделиться книгой: