Связь психотипирования аудитории и предиктивной аналитики. Их роль в современном маркетинге
В широком смысле предназначение маркетинга состоит в «определении и удовлетворении человеческих и общественных потребностей». К потребностям человека относятся, в том числе, психологические ощущения недостатка в чем-либо, что делает психотипирование одним из мощнейших инструментов маркетинга. В данной статье мы рассмотрим, как это происходит.
Что такое психотипирование? Историческая справка
Первые попытки объяснить разницу в поведении людей относят к классической древности. Еще в 444 году до н.э. Эмпедокл (древнегреческий философ, врач, государственный деятель, жрец) утверждал, что все вещи в мире, в том числе и человек, состоят из четырёх элементов (стихий): огня, земли, воды и воздуха. Соотношение стихий в крови человека полагалось причиной различий в активности и подвижности.
Чуть позже (400 гг до н.э) Гиппократ ввел учение о темпераменте. Он не только выделил всем хорошо знакомые четыре типа темперамента, но и привязал темперамент человека к месту его проживания, указав, как климат и рельеф имеют влияние на поведение.
В 130—200 гг н.э. Гален, древнегреческий медик, систематизировал подход Гиппократа. Его трактат о темпераменте называется "О зависимости свойств души от темпераментов тела" и говорит, что существуют стабильные индивидуальные различия. Не всему можно научить, переучить, обучить.
Так были определены 4 базовых типа: Холерик, Флегматик, Меланхолик, Сангвиник.
Это разделение, сделанное еще во времена античности, удивительным образом дошло и до наших дней. Четыре базовых типа стали основой для многих современных моделей темперамента и нашли подтверждение даже на нейрохимическом уровне, заняв свое почетное место в таких международных классификациях как МКБ.
Естественно, за историю науки число типов увеличивалось, а их определения уточнялись. Свою лепту в изучение темперамента внесли Карл Густав Юнг, Ганс Юрген Айзенк, Иван Петрович Павлов, Борис Михайлович Теплов и др.
Но не только 4 базовых типа мы переняли от античных философов. Подобно тому, как Гален различал свойства души и темпераменты, так и мы сейчас разделяем психические свойства на сравнительно постоянные (характер) и устойчивые (темперамент).
Соответственно различаются и направления изучения:
Ключевым фактором является необходимость того, чтобы результаты и выводы всех психологических наук совпадали как, например, совпадают результаты и выводы химии и физики. В том числе должна совпадать и типология. Типы личности должны соответствовать типам темперамента, типы темперамента должны отражать различия в нейрохимии мозга.
Еще Карл Юнг в своих работах связывал темперамент и личность. Юнг детально изучил влияние темперамента на каждую из основных психологических функций: ощущения, чувства, мышления, интуиции, ввел понятия экстраверсии и интроверсии.
Позже советские ученые Небылицын и Русалов предложили активностно-специфический подход к структуре темперамента. Этот подход предлагает разделять черты, относящиеся к трем специфическим аспектам деятельности — физическому, социально-вербальному и умственному.
Развивая данные модели, Ирина Трофимова разработала нейрохимическую модель FET, которая, как и работы Юнга, проводит связь между Темпераментом и Личностью, описывая роль моноаминных нейромедиаторов, нейропептидов и гормонов в регуляции 12 черт темперамента.
Первые попытки объяснить разницу в поведении людей относят к классической древности. Еще в 444 году до н.э. Эмпедокл (древнегреческий философ, врач, государственный деятель, жрец) утверждал, что все вещи в мире, в том числе и человек, состоят из четырёх элементов (стихий): огня, земли, воды и воздуха. Соотношение стихий в крови человека полагалось причиной различий в активности и подвижности.
Чуть позже (400 гг до н.э) Гиппократ ввел учение о темпераменте. Он не только выделил всем хорошо знакомые четыре типа темперамента, но и привязал темперамент человека к месту его проживания, указав, как климат и рельеф имеют влияние на поведение.
В 130—200 гг н.э. Гален, древнегреческий медик, систематизировал подход Гиппократа. Его трактат о темпераменте называется "О зависимости свойств души от темпераментов тела" и говорит, что существуют стабильные индивидуальные различия. Не всему можно научить, переучить, обучить.
Так были определены 4 базовых типа: Холерик, Флегматик, Меланхолик, Сангвиник.
Это разделение, сделанное еще во времена античности, удивительным образом дошло и до наших дней. Четыре базовых типа стали основой для многих современных моделей темперамента и нашли подтверждение даже на нейрохимическом уровне, заняв свое почетное место в таких международных классификациях как МКБ.
Естественно, за историю науки число типов увеличивалось, а их определения уточнялись. Свою лепту в изучение темперамента внесли Карл Густав Юнг, Ганс Юрген Айзенк, Иван Петрович Павлов, Борис Михайлович Теплов и др.
Но не только 4 базовых типа мы переняли от античных философов. Подобно тому, как Гален различал свойства души и темпераменты, так и мы сейчас разделяем психические свойства на сравнительно постоянные (характер) и устойчивые (темперамент).
Соответственно различаются и направления изучения:
- изучение Мотивации как базового проявления структуры Личности, опираясь на лексику (язык) - основной способ проявления личности. Одних лингвистических моделей на сегодняшний день более 40, в сумме описывающих более 200 черт. Среди них и Big Five;
- изучение Поведения - как базовое проявление структуры Темперамента (индивидуальные различия человека происходят на основе химических систем). К данным моделям относятся работы И. П. Павлова, Г. Ю. Айзенка, Б. М. Теплова и других
Ключевым фактором является необходимость того, чтобы результаты и выводы всех психологических наук совпадали как, например, совпадают результаты и выводы химии и физики. В том числе должна совпадать и типология. Типы личности должны соответствовать типам темперамента, типы темперамента должны отражать различия в нейрохимии мозга.
Еще Карл Юнг в своих работах связывал темперамент и личность. Юнг детально изучил влияние темперамента на каждую из основных психологических функций: ощущения, чувства, мышления, интуиции, ввел понятия экстраверсии и интроверсии.
Позже советские ученые Небылицын и Русалов предложили активностно-специфический подход к структуре темперамента. Этот подход предлагает разделять черты, относящиеся к трем специфическим аспектам деятельности — физическому, социально-вербальному и умственному.
Развивая данные модели, Ирина Трофимова разработала нейрохимическую модель FET, которая, как и работы Юнга, проводит связь между Темпераментом и Личностью, описывая роль моноаминных нейромедиаторов, нейропептидов и гормонов в регуляции 12 черт темперамента.
Таким образом, вот уже с десяток лет ученые, практики в области физиологии высшей нервной деятельности и практикующие психологи, имеют в активе прекрасную нейрохимическую модель, позволяющую измерять индексы проявления базовых черт темперамента человека и относить людей к тому или иному типу.
Существует ли "измерительный" инструмент психотипа?
Попытки создать "измерительный" инструмент психотипа ведутся давно. Приверженцы каждого из двух направлений создают измерительные инструменты исходя из своих представлений.
1950-e гг. — Вальтер Кларк сконструировал психологический инструмент измерения, основанный на теории Марстона. Он назвал его «Анализ векторов активностей». Некоторые из последователей Кларка, покинув впоследствии его компанию, провели доработку «вопросника из определительных форм» («ajective checklist forms»).
1984 год — Билл Дж. Боннстеттер, первым разработал и представил компьютерную программу, позволяющую формировать персонализированные отчеты для выявления основных поведенческих особенностей на основе модели DISC.
В настоящее время методы оценки персонала SHL и DISC Classic широко распространены в мировой практике. Они применяются для профессионального тестирования, подбора и развития сотрудников.
Но, все это лексические модели, т.е данные получаются путем опроса и интервьюирования. К сожалению, в сегодняшних реалиях не всегда представляется возможность опросить пользователя на предмет уровня его мотивации к покупке или удовлетворенности сервисом.
Те же, кто пошел по второму пути, работают ближе к связке психики с нейробиологией. И основным объектом измерения становится физическое проявление психики человека. Это, как очень точные и очень сложные измерения нейронной активности мозга, так и измерения самих действий. И вот, как раз измерение действия становится наиболее актуальным способом измерить психотип.
Как измерить действие? У каждого действия человека есть длина, скорость, ускорение. Неспешная походка - один способ действовать, быстро семенить - другой. Каждое действие оставляет свой след, с помощью которого его можно измерить.
Объединяя все измерения, можно получить некоторую единую картину человека. Например, связать комфортное время работы с предпочтениями в еде, важные характеристики товара и длительность принятия решения, речевые триггеры и любимый вид из окна.
Такие связки очень актуальны для бизнеса. Все уже научились работать с демографией, половозрастными характеристиками, уровнем дохода. Вы берете кредит, вас спрашивают, есть ли у вас автомобиль. Однако, уже очевидно, что этих данных мало. Наличие автомобиля, конечно, связано с тем, отдаст ли человек кредит, но все же довольно слабо. А все потому, что демографические и прочие признаки есть лишь следствие следствия человеческого поведения. Поэтому для бизнеса очень важно перейти на уровень выше - попробовать определить, как именно будет вести себя человек, а это уже психология.
Вот красивый пример. Шир Меир Ладор (компания Bluevine), проводя анализ посещений сайта банка, а именно посещений, после которых посетитель обращался за выдачей кредита, нашла, что время, проведенное на странице юридической оценки кредитоспособности, очень сильно коррелирует с возвращаемостью кредита. Чем дольше человек изучал правила, тем меньше была вероятность возврата средств. Конечно, это не закон поведения, это всего лишь общее наблюдение, но оно дает информации больше, чем, например, вопрос кредитного скоринга, есть ли у человека автомобиль.
Или такой пример. Мы уже долгое время сотрудничаем с компанией ПиК. Анализируем их данные с целью построения модели продаж. Представьте себе огромное число забронированных квартир. Из всех этих броней часть не заканчивается ничем. Человек отказывается или просто исчезает. Почему? Желание купить квартиру, конечно, может пропасть, но это, скорее исключение. Зачастую все объясняется тем, что человек обнаружил лучшую квартиру. Лучшую по его личному мнению. По оставленному человеком следу в истории бронирования, по его действиям, мы научились определять его психотип и связь с предпочитаемыми характеристиками квартиры. И, действительно, оказалось, что в самом начале бронирования клиент выбирал не самую лучшую из предложенных квартир. Как это получилось - неизвестно. Но теперь мы знаем, что если предложить человеку лучшее, он не откажется от брони. Мы научились вычислять это лучшее для каждого отдельного человека.
Для этого нам пришлось собрать данные и привлечь целый набор инструментов Data Science, начиная от инструментов классификации и статистики, до более сложных, как, например, инструменты анализа временных рядов.
Существует ли "измерительный" инструмент психотипа?
Попытки создать "измерительный" инструмент психотипа ведутся давно. Приверженцы каждого из двух направлений создают измерительные инструменты исходя из своих представлений.
1950-e гг. — Вальтер Кларк сконструировал психологический инструмент измерения, основанный на теории Марстона. Он назвал его «Анализ векторов активностей». Некоторые из последователей Кларка, покинув впоследствии его компанию, провели доработку «вопросника из определительных форм» («ajective checklist forms»).
1984 год — Билл Дж. Боннстеттер, первым разработал и представил компьютерную программу, позволяющую формировать персонализированные отчеты для выявления основных поведенческих особенностей на основе модели DISC.
В настоящее время методы оценки персонала SHL и DISC Classic широко распространены в мировой практике. Они применяются для профессионального тестирования, подбора и развития сотрудников.
Но, все это лексические модели, т.е данные получаются путем опроса и интервьюирования. К сожалению, в сегодняшних реалиях не всегда представляется возможность опросить пользователя на предмет уровня его мотивации к покупке или удовлетворенности сервисом.
Те же, кто пошел по второму пути, работают ближе к связке психики с нейробиологией. И основным объектом измерения становится физическое проявление психики человека. Это, как очень точные и очень сложные измерения нейронной активности мозга, так и измерения самих действий. И вот, как раз измерение действия становится наиболее актуальным способом измерить психотип.
Как измерить действие? У каждого действия человека есть длина, скорость, ускорение. Неспешная походка - один способ действовать, быстро семенить - другой. Каждое действие оставляет свой след, с помощью которого его можно измерить.
Объединяя все измерения, можно получить некоторую единую картину человека. Например, связать комфортное время работы с предпочтениями в еде, важные характеристики товара и длительность принятия решения, речевые триггеры и любимый вид из окна.
Такие связки очень актуальны для бизнеса. Все уже научились работать с демографией, половозрастными характеристиками, уровнем дохода. Вы берете кредит, вас спрашивают, есть ли у вас автомобиль. Однако, уже очевидно, что этих данных мало. Наличие автомобиля, конечно, связано с тем, отдаст ли человек кредит, но все же довольно слабо. А все потому, что демографические и прочие признаки есть лишь следствие следствия человеческого поведения. Поэтому для бизнеса очень важно перейти на уровень выше - попробовать определить, как именно будет вести себя человек, а это уже психология.
Вот красивый пример. Шир Меир Ладор (компания Bluevine), проводя анализ посещений сайта банка, а именно посещений, после которых посетитель обращался за выдачей кредита, нашла, что время, проведенное на странице юридической оценки кредитоспособности, очень сильно коррелирует с возвращаемостью кредита. Чем дольше человек изучал правила, тем меньше была вероятность возврата средств. Конечно, это не закон поведения, это всего лишь общее наблюдение, но оно дает информации больше, чем, например, вопрос кредитного скоринга, есть ли у человека автомобиль.
Или такой пример. Мы уже долгое время сотрудничаем с компанией ПиК. Анализируем их данные с целью построения модели продаж. Представьте себе огромное число забронированных квартир. Из всех этих броней часть не заканчивается ничем. Человек отказывается или просто исчезает. Почему? Желание купить квартиру, конечно, может пропасть, но это, скорее исключение. Зачастую все объясняется тем, что человек обнаружил лучшую квартиру. Лучшую по его личному мнению. По оставленному человеком следу в истории бронирования, по его действиям, мы научились определять его психотип и связь с предпочитаемыми характеристиками квартиры. И, действительно, оказалось, что в самом начале бронирования клиент выбирал не самую лучшую из предложенных квартир. Как это получилось - неизвестно. Но теперь мы знаем, что если предложить человеку лучшее, он не откажется от брони. Мы научились вычислять это лучшее для каждого отдельного человека.
Для этого нам пришлось собрать данные и привлечь целый набор инструментов Data Science, начиная от инструментов классификации и статистики, до более сложных, как, например, инструменты анализа временных рядов.
Подробнее о видах digital-стратегий в этом материале.
Какая связь между психотипированием и биг датой/предиктивной аналитикой?
Люди за все время существования интернета очень сильно наследили и продолжают это делать.
Даже в реальном мире мы оставляем следы. Допустим, посетители ходят в одну и ту же аптеку, поскольку там продавцы улыбаются, а в другую они предпочитают не ходить, поскольку там не очень приветливы. Такое поведение вполне соответствует психологической потребности. Если кому-нибудь удастся измерить психотип клиентов и сопоставить эти измерения с посещаемостью, то можно вывести очень важные для бизнеса гипотезы.
Для этого необходимо связать между собой большие наборы данных. Нужно совместить данные из разных источников, не только внутренних, но и внешних. Одному человеку это не под силу без технических средств. И тут появляется набор инструментов: а именно компьютерная статистика, инструменты Big Data (средства сбора данных, хранения, распределенной обработки), инструменты Data Science (алгоритмы классификации, обнаружения аномалий, отбора признаков, разметки последовательностей и т.д.).
Их основная задача - помочь человеку найти взаимосвязи между данными, определить устойчивость и качество этих взаимосвязей.
Наука, в принципе, занимается тем же самым. Она ищет взаимосвязи между процессами и описывает их формулами. Однако, как говорил Фейнман, наука занимается поиском взаимосвязей, но не их объяснением. В то же время, каждый физический закон мы принимаем до того момента, пока не найдется лучшего закона. Мы продолжаем считать, что наличие автомобиля позволяет оценить вероятность отдачи кредита до того момента, пока не найдется такой характеристики человека, которую так же легко узнать, как и наличие автомобиля, но которая позволит лучше оценить вероятность отдачи кредита.
Анализируя данные ПиК, мы с помощью статистики поняли, что этаж влияет на готовность людей платить больше за квартиру. Но взаимосвязь была не очень значимой. Более того, часть людей была готова платить больше за нижние этажи. Почему? Как так? Мы воспользовались еще несколькими инструментами Data Science, провели классификацию и обнаружили, что этот феномен как-то связан с видом из окна. Так, идя от данных, мы выстроили целую схему, когда и как разные характеристики складываются в единое впечатление от квартиры.
Но и этого было мало. Далее оказалось, что не всегда любовь к нижним этажам объясняется видом из окна. То есть, оказалось, что даже когда есть характеристики, отношение к которым едино у всех клиентов, есть и такие характеристики, когда одни люди предпочитают одно, а другие - другое. И тут уже, просто анализируя данные, невозможно найти какую-либо связь.
В таких случаях нас выручают знания о психологии клиента. Разделяя людей на психологические типы по поведению, мы снабдили алгоритм классификации новыми признаками, и тогда он справился с этой задачей. В итоге мы получили способ оценивать квартиры не просто глазами среднестатистического клиента, а глазами каждого отдельного клиента.
И это очень важно. Тогда как, один аналитик ограничен в своих ресурсах и может производить расчеты по индексации квартир только усредненно и приблизительно, то машина может помочь ему это сделать быстро и точно. В этом как раз ее задача - снять с человека необходимость производить расчеты, позволить ему больше посвящать времени анализу.
Как математически проверить правильность сегментации (и возможность предсказывать поведение)?
Что позволяет нам утверждать, что найденная взаимосвязь имеет характер закона? И как использовать этот закон? Допустим, мы нашли некую связь между поведением человека и тем продуктом, который он купит. Можем ли мы воспользоваться полученной формулой и сделать прогноз на будущее? Например, можем ли мы сказать, что если к нам придет N человек такого-то типа, то будет M продаж такого-то товара? Можем ли мы пойти дальше и сказать, завтра август, активизируются люди такого-то типа, мы сейчас на них дадим рекламу, из них к нам придет N человек, мы продадим M штук товара?
Да, все это возможно. И существует ряд методов самопроверки. Вот один из них, простой и наглядный.
Мы можем использовать для анализа только часть данных, а, скажем, один месяц продаж исключить, и попросить машину составить прогноз на этот месяц, а затем сравнить с фактическим результатом. Так мы проверим, может ли быть наша взаимосвязь законом, заранее узнать, какую ошибку мы можем получить.
Конечно, одна такая проверка не может полностью нас удовлетворить. Она лишь может усилить нашу уверенность. К счастью, в арсенале Data Science есть более строгие способы проверки и более строгие способы прогнозирования. Чтобы не уходить в математику, здесь мы привели самый наглядный из этих способов: прогноз - сравнение.
Подробнее о наших подходах к проверке данных можно прочитать в этом материале.
Есть еще один показательный способ проверки - проверка на непротиворечивость. Наблюдения должны соответствовать известным законам поведения.
Разбирая данные ПиК, мы обнаружили одну существенную закономерность. Доплачивая за лучшие условия, человек оценивал уровень возможной доплаты вдвое меньше, чем уровень возможной выгоды, отказываясь от этих условий. И это было справедливо для всех характеристик квартир: этаж, вид, площадь… - для всех.
Это очень яркое наблюдение. Оно само по себе имеет большую практическую ценность для компании, поскольку наглядно демонстрирует разницу между оценкой, которую рассчитывает продавец, и оценкой, которую подсознательно выводит покупатель.
И это наблюдение, в силу своей важности и того, что оно может иметь общий характер и повлиять не только на расчеты в данном конкретном случае, но и на работу аналитического отдела компании, должно соответствовать некоторому общему закону психологии.
Этот закон существует. В статье Канемана и Тверски, положившей начало теории перспектив в поведенческой экономике, описывается именно такое поведение человека и приведены соответствующие формулы расчета.
Какая связь между психотипированием и биг датой/предиктивной аналитикой?
Люди за все время существования интернета очень сильно наследили и продолжают это делать.
Даже в реальном мире мы оставляем следы. Допустим, посетители ходят в одну и ту же аптеку, поскольку там продавцы улыбаются, а в другую они предпочитают не ходить, поскольку там не очень приветливы. Такое поведение вполне соответствует психологической потребности. Если кому-нибудь удастся измерить психотип клиентов и сопоставить эти измерения с посещаемостью, то можно вывести очень важные для бизнеса гипотезы.
Для этого необходимо связать между собой большие наборы данных. Нужно совместить данные из разных источников, не только внутренних, но и внешних. Одному человеку это не под силу без технических средств. И тут появляется набор инструментов: а именно компьютерная статистика, инструменты Big Data (средства сбора данных, хранения, распределенной обработки), инструменты Data Science (алгоритмы классификации, обнаружения аномалий, отбора признаков, разметки последовательностей и т.д.).
Их основная задача - помочь человеку найти взаимосвязи между данными, определить устойчивость и качество этих взаимосвязей.
Наука, в принципе, занимается тем же самым. Она ищет взаимосвязи между процессами и описывает их формулами. Однако, как говорил Фейнман, наука занимается поиском взаимосвязей, но не их объяснением. В то же время, каждый физический закон мы принимаем до того момента, пока не найдется лучшего закона. Мы продолжаем считать, что наличие автомобиля позволяет оценить вероятность отдачи кредита до того момента, пока не найдется такой характеристики человека, которую так же легко узнать, как и наличие автомобиля, но которая позволит лучше оценить вероятность отдачи кредита.
Анализируя данные ПиК, мы с помощью статистики поняли, что этаж влияет на готовность людей платить больше за квартиру. Но взаимосвязь была не очень значимой. Более того, часть людей была готова платить больше за нижние этажи. Почему? Как так? Мы воспользовались еще несколькими инструментами Data Science, провели классификацию и обнаружили, что этот феномен как-то связан с видом из окна. Так, идя от данных, мы выстроили целую схему, когда и как разные характеристики складываются в единое впечатление от квартиры.
Но и этого было мало. Далее оказалось, что не всегда любовь к нижним этажам объясняется видом из окна. То есть, оказалось, что даже когда есть характеристики, отношение к которым едино у всех клиентов, есть и такие характеристики, когда одни люди предпочитают одно, а другие - другое. И тут уже, просто анализируя данные, невозможно найти какую-либо связь.
В таких случаях нас выручают знания о психологии клиента. Разделяя людей на психологические типы по поведению, мы снабдили алгоритм классификации новыми признаками, и тогда он справился с этой задачей. В итоге мы получили способ оценивать квартиры не просто глазами среднестатистического клиента, а глазами каждого отдельного клиента.
И это очень важно. Тогда как, один аналитик ограничен в своих ресурсах и может производить расчеты по индексации квартир только усредненно и приблизительно, то машина может помочь ему это сделать быстро и точно. В этом как раз ее задача - снять с человека необходимость производить расчеты, позволить ему больше посвящать времени анализу.
Как математически проверить правильность сегментации (и возможность предсказывать поведение)?
Что позволяет нам утверждать, что найденная взаимосвязь имеет характер закона? И как использовать этот закон? Допустим, мы нашли некую связь между поведением человека и тем продуктом, который он купит. Можем ли мы воспользоваться полученной формулой и сделать прогноз на будущее? Например, можем ли мы сказать, что если к нам придет N человек такого-то типа, то будет M продаж такого-то товара? Можем ли мы пойти дальше и сказать, завтра август, активизируются люди такого-то типа, мы сейчас на них дадим рекламу, из них к нам придет N человек, мы продадим M штук товара?
Да, все это возможно. И существует ряд методов самопроверки. Вот один из них, простой и наглядный.
Мы можем использовать для анализа только часть данных, а, скажем, один месяц продаж исключить, и попросить машину составить прогноз на этот месяц, а затем сравнить с фактическим результатом. Так мы проверим, может ли быть наша взаимосвязь законом, заранее узнать, какую ошибку мы можем получить.
Конечно, одна такая проверка не может полностью нас удовлетворить. Она лишь может усилить нашу уверенность. К счастью, в арсенале Data Science есть более строгие способы проверки и более строгие способы прогнозирования. Чтобы не уходить в математику, здесь мы привели самый наглядный из этих способов: прогноз - сравнение.
Подробнее о наших подходах к проверке данных можно прочитать в этом материале.
Есть еще один показательный способ проверки - проверка на непротиворечивость. Наблюдения должны соответствовать известным законам поведения.
Разбирая данные ПиК, мы обнаружили одну существенную закономерность. Доплачивая за лучшие условия, человек оценивал уровень возможной доплаты вдвое меньше, чем уровень возможной выгоды, отказываясь от этих условий. И это было справедливо для всех характеристик квартир: этаж, вид, площадь… - для всех.
Это очень яркое наблюдение. Оно само по себе имеет большую практическую ценность для компании, поскольку наглядно демонстрирует разницу между оценкой, которую рассчитывает продавец, и оценкой, которую подсознательно выводит покупатель.
И это наблюдение, в силу своей важности и того, что оно может иметь общий характер и повлиять не только на расчеты в данном конкретном случае, но и на работу аналитического отдела компании, должно соответствовать некоторому общему закону психологии.
Этот закон существует. В статье Канемана и Тверски, положившей начало теории перспектив в поведенческой экономике, описывается именно такое поведение человека и приведены соответствующие формулы расчета.
