Вы идете домой по тихой и безлюдной улице и вдруг слышите быстрые шаги сзади, ночь. Ощущение тревоги и резкий взгляд назад. Происходит внутренняя борьба чувств друг с другом в попытках помочь разуму придумать, что делать дальше. Вы обернетесь назад, и то, что вы увидите, определит дальнейшие события — перейдете на другую улицу, окажете сопротивление или просто расслабитесь и продолжите путь.
Все это принято называть ситуационной осведомленностью, которая представляет собой почти бессознательную реакцию на окружающую обстановку. Наши чувства — синтез индивидуальных особенностей и приобретенного опыта, что в целом приводит к множеству вариаций того, как действовать и реагировать.
Все бы хорошо, да вот беда: наши ощущения не приспособлены к технологическим реалиям современной жизни. Огромное количество цифровых данных, необходимых для составления общей картины, являются ложными или несущественными.
Контекстуальные вычисления — замена шестого чувства
В ближайшие годы произойдет существенный сдвиг в сторону контекстуальных вычислений. Специальные устройства смогут распознавать все объективные и субъективные аспекты ситуации, что повысит способность человека к более четкому пониманию того, как поступить.
Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*
Как получить измеримые результаты в фарммаркетинге.
Показываем на примерах →
Спецпроект
Уже сейчас есть некоторые возможности, которые строятся на индивидуальных показателях. GPS-навигатор определяет местоположение, Amazon и Netflix рекомендуют книги и видео, Facebook и Twitter предлагают релевантный контент — все это основывается на наших действиях в цифровом пространстве.
Остается полшага до чего-то грандиозного! Контекстуальные вычисления — это комплекс оборудования, программного обеспечения, сетей и сервисов, которые смогут вырабатывать всестороннее и глубокое понимание пользователя. Благодаря этому сформируется индивидуальная система для отдельно взятого человека. Мобильные технологии в этом случае неинтересны, потому что речь идет о новом форм-факторе. Будущие платформы будут разработаны с нуля и приблизятся в своем воплощении скорее к игрушкам, чем к телефону.
Четыре составляющие
Для того чтобы это работало, необходимо четыре вида данных — это определение сферы интересов человека, а также его социальных, поведенческих и личных предпочтений. Некоторые из них были хорошо исследованы в последнее время, но не все. Только с изучением всех четырех видов мы сможем повысить эффективность контекстуального вычисления и перейти на новый уровень.
Конечно, возникает вопрос конфиденциальности, который и так сейчас стоит очень остро. Но нужно понимать, что компании уже используют возможности двух видов информации и двигаются все дальше — вот что действительно важно на данном этапе.
Социальные предпочтения
Этот набор данных показывает, каким образом и как часто вы связываетесь другими людьми, а также раскрывает природу эмоциональной значимости соединений. Большинство сейчас подумает о Facebook, но в идеале все должно уйти далеко за его пределы. Наша задача — наладить связь двух незнакомых людей, которые находятся в одном месте в одно время. Вдруг у них есть общий друг, или, может быть, они оба решили переехать в Омаху, где еще никого не знают. Но чтобы реализовать этот потенциал, данные должны обладать широким спектром возможностей. Все это окажется совершенно бесполезным, если известна лишь малая часть интересов отдельного человека.
Личные предпочтения
Сюда относится все то, что делает нас уникальными — привычки, ценности, взгляды и принципы. Этот вид данных сейчас наименее развит, и даже теоретически рассчитывать на него очень трудно — психологи до сих пор не могут дать четкого обоснования тому, чем определяется персональное своеобразие человека и как оно функционирует. Однако есть некоторые шаги в эту сторону. Например, Proust.com — довольно новая социальная сеть — просит пользователей документировать интимные подробности своей жизни. Но люди (что объяснимо) весьма неохотно делятся такой информацией. Более удачный пример — сервис Evernote, позволяющий хранить данные, которые нужно запомнить, притом совершенно безопасно для пользователя.
Сфера интересов
Вкусы и предпочтения — то, что определяет наши увлечения. Этот вид данных — один из наиболее исследованных, поскольку именно такую информацию о себе люди предоставляют чаще всего (а компании умело этим пользуются). Но и здесь есть проблема — часто это очень далеко от того, что реально интересует человека. Технологии еще не научились предсказывать, куда занесет нас наше любопытство в следующий раз. Поэтому все рекомендации новых ресторанов или мест отдыха нельзя считать действенными, если они основаны только на только на том, что мы серфили по этой теме.
Поведение
А вот эту информацию технологии определяют без труда. Сегодня датчики лучше нас поймут, что именно мы собираемся сделать, вопреки нашим заявлениям. Например, они определят, куда нам сегодня удобнее отправиться на пробежку. Также это может быть эффективно для туристических сайтов: если вы пишете друзьям «Как сильно мне хочется съездить в Китай», но тем временем отдыхаете только в Европе, логичнее рекомендовать вам отдых в Париже или Берлине, но не в Пекине. Эту технологию активно практикуют Google Search, Netflix, Amazon, Foursquare, FitBit.
Контекстуальные вычисления — то, что займет центральное место парадигмы технологий в ближайшие десять лет. Собрав множество видов данных, они смогут генерировать наши возможности так же, как это делает мозг, когда мы слышим чужие шаги на пустой улице.
Источник: FastCompany
Источник: