В последние годы ученые, специализирующиеся в области анализа информации, обратились к изучению стадного поведения, причем не только животных. Для сбора данных об общественном восприятии тех или иных событий, продуктов и брендов сканируются популярные социальные сети вроде Facebook или Twitter. Скажем, после изучения настроения пользователей соцсетей HP Labs удалось успешно предсказать кассовые сборы новых фильмов. Специалисты отслеживали твиты о 24 фильмах, выпущенных в декабре 2009-го — феврале 2010 г. Результаты исследования показали, что настроения в Twitter предсказывают продажи билетов точнее, чем все другие инструменты, в том числе созданная специально для этой цели Голливудская фондовая биржа. Исследователи HP Labs утверждают, что данным образом можно предсказывать коммерческий успех и других продуктов и услуг на самых ранних стадиях их жизненного цикла.

В другом исследовании три ученых-математика искали ответ на вопрос, способен ли анализ общественного настроения, сделанный на базе большой ежедневной выборки твитов, предсказывать дневные изменения фондового рынка. Их результаты подтвердили гипотезу о том, что по ленте Twitter действительно можно делать надежный прогноз колебаний индекса Dow Jones Industrial Average. Оказалось, изменения настроения аудитории Twitter предсказывают изменения индекса за три-четыре дня. Ученые, специализирующиеся в области глубинного анализа данных, работают над прогнозированием результатов выбора по столь же большим массивам информации, и их прогноз оказывается точнее результатов экзитполов. В одном из исследований подсчитали количество позитивных слов вроде «потрясающе» и «согласен», а также негативных вроде «достало» и «боюсь», использованных в полумиллиарде твитов миллионами пользователей в 84 странах. Главный вывод: настроения людей следуют дневному биологическому ритму, не знающему культурных и социальных границ. Еще несколько лет назад такого рода выводы были попросту невозможны из-за недоступности данных, формирующих общую картину, а также отсутствия методов их измерения, агрегации и анализа.

Возьмем Bluefin Labs, стартап, недавно запущенный в Кембридже профессором Массачусетского технологического университета Дебом Роем и студентом-докторантом Майклом Флейшманом. Цель стартапа — понять, как твиттер-сфера и другие социальные сети реагируют на ТВ-программу и рекламу. Анализируя закономерности, которые проявляются в твитах, ставших реакцией на показанные по ТВ рекламные ролики, Bluefin информирует рекламодателей о том, какие из роликов произвели наиболее сильный эффект в социальных сетях и какой именно — позитивный или негативный. Впервые рекламодатели смогли увидеть, что реклама, размещенная в различных программах с одинаковым рейтингом, вызывает очень разную реакцию аудитории. Технология анализа соцсетей Bluefin Labs была оценена настолько высоко, что в феврале 2013 г. ее купил Twitter, после чего заявил: продукты Bluefin не будут продаваться новым клиентам.

Что касается бизнеса, то такие же революционные изменения, как сочетание фотографии и воздухоплавания Надара, сейчас происходят в способах представления и использования компаниями рыночной информации. На рынке генерируются и собираются гигантские объемы данных, которых еще несколько лет назад просто не существовало. Интернет-боты неустанно ищут и обрабатывают цифровые следы, оставленные пользователями Интернета во время их путешествий по просторам Сети. Операторы связи анализируют частоту, длительность и время звонков. Эмитенты кредитных карт изучают, какие спецпредложения с наибольшей вероятностью вызовут желание совершать покупки у того или иного клиента. Facebook собирает данные о связях между участниками сети, чтобы выявить скрытые закономерности, отражающие поведение потребителей. В течение считаных секунд после покупки стирального порошка Tide в одном из магазинов Walmart сотрудники Procter & Gamble, компании-производителя, могут сказать вам размер проданной упаковки, цену, которую человек за нее заплатил, был ли при этом использован купон и, возможно, даже демографические характеристики покупателя, если он предъявил на кассе корпоративную карту лояльности. Данные со сканеров кассовых аппаратов и информация с карт лояльности отвечают на критически важные для маркетологов вопросы: кто купил, что именно купил, когда и по какой цене. Эти новшества представляют собой подлинную революцию в способах сбора и агрегации компаниями рыночных данных. И то, как бизнесмены распорядятся этими данными, будет определять природу создаваемых ими конкурентных преимуществ.