Greenbook: от поведенческих данных к AI-коммерции — как распадается и собирается заново путь потребителя

Путь потребителя не просто эволюционировал — он раздробился, умножился и незаметно передал управление искусственному интеллекту. В очередном выпуске CEO Series Леонард Мёрфи (Greenbook) беседует с Марджи Стрикленд и Шоном Миллером из Luth Research о ключевом сдвиге: от вопросов о том, что думают потребители, — к наблюдению за тем, что они реально делают, и всё чаще — за тем, что делает AI вместо них.

По мере того как поведенческие данные соединяются с генеративным AI, бренды сталкиваются с новой слепой зоной: «AI-слоем», который влияет на решения покупателей, но пока не поддаётся измерению. От оптимизации под генеративные движки (GEO) до агентной коммерции и появления AI как рекомендательного движка — этот разговор объясняет, почему традиционные методы исследований упираются в свои пределы и почему понимание реального поведения человека становится важнее, чем когда-либо.

Транскрипт

Леонард Мёрфи: Всем привет. Это Ленни Мёрфи с очередным выпуском CEO Series. Сегодня немного иной формат: мы называем это CEO Series, но иногда в гостях бывают не только CEO, а люди, которые делают по-настоящему интересные вещи, независимо от должности. Сегодня я рад приветствовать Марджи Стрикленд и Шона Миллера из Luth Research. Марджи, расскажи о себе и правильно произнеси название компании.

Марджи Стрикленд: Да, конечно. Марджи Стрикленд, вице-президент по клиентским решениям в Luth Research. Я в индустрии маркетинговых исследований почти 30 лет — работала как в крупных компаниях, так и в небольших стартапах. В области поведенческих измерений — около 20 лет, ещё со времён cookie-трекинга. Я занималась социальной аналитикой, поисковой аналитикой, поведенческими данными и цифровым потребительским интеллектом. Здесь, в Luth, я помогаю клиентам понять, что можно сделать с поведенческими данными и как они стыкуются с традиционными методами исследований.

Шон Миллер: Шон Миллер, старший исполнительный вице-президент Luth Research. В компании уже более 16 лет, до этого — семь лет в программной индустрии. Здесь я руководил и традиционными исследовательскими командами, и digital research. Строили панель в начале 2010-х, сейчас возглавляю аналитические инженерные и исследовательские команды.

Леонард Мёрфи: Важная ремарка для аудитории: Luth — это полносервисная компания. Вы построили панель, а также продуктовую линейку ZQ — компонент пассивных поведенческих измерений. ZQ сейчас выделен в отдельную структуру, Luth ZQ Intelligence, хотя и продолжает работать в тесной связке с основным бизнесом.

Шон Миллер: Да, именно. Есть два отдельных юридических лица: традиционный Luth Research и Luth ZQ Intelligence, объединяющий все поведенческие продукты.

Леонард Мёрфи: Хочу отметить вклад Розанны — настоящего пионера, которая создала Survey Savvy в 1999-м и уже к 2010-му строила первые панели для ZQ. Значительно опередила своё время. Моя гипотеза о том, что тогда произошло: данные были доступны, но никто не знал, что с ними делать. Клиенты только-только перешли от телефонных опросов к онлайновым. Этот барьер — не технологический, а аналитический — и замедлил тогда развитие поведенческих данных. Согласны?

Марджи Стрикленд: Абсолютно. Когда индустрия впервые столкнулась с поведенческими данными, одновременно появлялись смартфоны, интернет расширял возможности захвата данных — и всё это навалилось разом. Клиенты ещё осваивали онлайн-опросы, и тут им говорят: «Теперь вопросы задавать не нужно». Многие просто не были готовы. Компании, которые сделали ставку на поведенческие данные в ранние годы, обнаружили, что аппетит рынка ещё не созрел.

Леонард Мёрфи: Ключевой разворот, который я вижу: AI убрал главные технические барьеры для работы с поведенческими данными. Три года назад синтезировать поведенческие данные с другими источниками, выстроить это в ответ на бизнес-вопрос — это было серьёзной задачей. Сегодня — нет. AI снизил порог входа. Это и вызывает сейчас тот спрос, который мы видим. Шон, ты согласен?

Шон Миллер: Да. Три главных барьера для digital-данных за 16 лет: слишком дорого, слишком долго, слишком сложно для понимания. Именно их AI последовательно разрушает. Одно дело — иметь много данных. Другое — извлечь из них insights. Третье, самое важное, — ответить на вопрос «и что с этим делать?». Именно на этот вопрос AI позволяет теперь отвечать быстрее и дешевле, чем когда-либо. Я вижу в AI рычаг, который позволяет исследователям сосредоточиться на самом исследовании и на выводах, а не на операционной работе с данными.

Марджи Стрикленд: Это одна сторона медали. Другая — то, как AI меняет сам путь потребителя, и здесь бренды испытывают наибольшие трудности. Мы уже проходили похожее с поиском в начале 2000-х. Сейчас AI стал не заменой поиска, а дополнением к нему. И мы видим: бренды измеряют привычные метрики, но пропускают AI-слой. Мы назвали это «разрывом конверсии» (conversion gap). Этот разрыв нельзя закрыть с помощью стандартных опросов — там слишком много ошибок памяти, слишком сложно сформулировать вопрос о том, как именно AI повлиял на путь к покупке.

Леонард Мёрфи: Это очень точное наблюдение. С одной стороны — AI как инструмент анализа данных. С другой — AI как посредник в пути покупателя, которого бренды не могут измерить традиционными методами. Сейчас появился целый пласт неопределённости: разные LLM используют разные источники данных и по-разному представляют бренды. И мы движемся к миру, где путь к покупке заканчивается не у человека, а у агента. Агентная коммерция — это уже не гипотеза.

Марджи Стрикленд: Именно. AI уже сегодня — ваш персональный шопинг-ассистент, а завтра станет настоящим покупателем. И здесь возникает вопрос лояльности к бренду: если AI выбирает самый дешёвый авиабилет независимо от программы лояльности, что происходит с привязанностью к бренду? Это ставит под вопрос всю накопленную историю взаимодействия потребителя с брендом.

Есть и новая аббревиатура, о которой всё больше говорят: GEO — generative engine optimization. По аналогии с SEO (search engine optimization), только теперь оптимизация идёт для генеративных движков. Традиционные исследователи привыкли думать о GEO как о географии — теперь у этого сокращения появился новый смысл.

Леонард Мёрфи: И именно здесь поведенческие данные становятся незаменимы. Понять, как AI влияет на путь покупателя, можно только через пассивное измерение реального онлайн-поведения — не через заявленные ответы в опросе. Это связь, которую я только что для себя сформулировал благодаря этому разговору. Это то, что бренды сейчас приходят к вам с запросом? «Помогите нам понять, что происходит в этом AI-слое»?

Марджи Стрикленд: Да, и мы слышим это всё чаще. Когда люди сами начинают пользоваться AI и видят, что им рекомендуют другие бренды, у них возникает вопрос: «А что видят мои покупатели? Где я нахожусь в выдаче AI?» И понять это через стандартный опрос невозможно — нужно наблюдать за реальным поведением.