Сколько, на самом деле, мегатрендов.

Сравнительный анализ различных глобальных систем трендвотчинга.

Ekaterina Khramkova, PhD
6 min readNov 29, 2020

В этой статье я расскажу о том, что сегодня среди мировых игроков в области сканирования и прогнозирования трендов нет единого понимания о том, какие тренды являются глобальными, то есть “мегатрендами”. В действительности и количество, и само понятие “мегатренд” среди ключевых организаций в области трендвотчинга существенно различается. В этом обзоре мы будем использовать подходы копенгагенского Института Будущего Copenhagen Institute for Future Studies (CIFS), TrendONE, TrendHunter или ZukunftsInstitut.

Часть этой информации открытая, часть — закрытая и основана на нашей работе с различными организациями.

Трендвотчинг — это 50% науки и 50% — искусство.

Иерархия трендов. Source: Copenhagen Institute for Future Studies.

К “научной” части относится, в частности, понимание иерархии трендов и того, как они укладываются друг в друга. В среднем, иерархия трендов включает четыре — пять уровней: мега- или глобальные тренды, суб-, макро-, микро- и уровень тренд-сигналов.

Мегатренды — это тенденции, “срок работы” которых может достигать несколько десятилетий и оказывать глобальное влияние на общество, бизнес, экономику, культуру и личную жизнь людей.

В научной литературе мегатренды считаются некими ориентирами движения вперед, которые помогают нам осмыслить сложность и непредсказуемость окружающего мира и действовать в соответствии с этим пониманием (pathways of development that help us make sense of the complexity of our surrounding world and take action).

Показательно, что

мегатренд, как, впрочем и любой тренд, не отражает реальность, а является лишь нашим предположением о ней, что, в свою очередь, во многом, зависит от позиции “наблюдателя”. (Megatrends represent our assumed knowledge about the probable future).

Исходя из этого интересно проанализировать, как позиция наблюдателя меняет представление о том, что является мегатрендом, а что — нет.

Сколько же всего мегатрендов?

Проведенные лекции и тренинги по трендвотчингу выявили интересный факт: представление о количестве мегатрендов у аудитории неустойчиво и варьируется от 5 до 50.

Давайте разбираться, сколько же мегатрендов на самом деле.

В мире существует несколько глобальных игроков и десятка крупных организаций, которые профессионально, в течение 30–50 лет занимаются трендвотчингом — сканированием и прогнозированием трендов.

Что важно понимать: каждый из этих игроков выработал свою собственную систему координат, в рамках которой сканируются тренд-сигналы, а также происходит оценка и классификация входящей информации. Из того, с чем мне приходилось работать, наиболее проработанная система оценок “входящей информации”, состоящая из полутора десятка бизнес-параметров — у Института Будущего в Копенгагене; ориентированная на продуктовый дизайн — у Philips Design; концептуальная, оценивающая контекст и общий “ландшафт” культуры потребления — у Samsung. Таким образом, уже на точке входа начинается достаточно разное понимание и того, что является тренд-сигналом, и его интерпретация.

Все это, а также различное понимание иерархии трендов, приводят к тому, что количество выявленных глобальными игроками мегатрендов серьезно различается. Минимальное их количество, — из того, что я проанализировала, — в копенгагенском Институте Будущего: семь, а максимальное — 18 — в TrendHunter.

Подробная сравнительная таблица мегатрендов, по которым работают мировые игроки трендвотчинга, внизу:

Sources: CIFS, TrendONE, TrendHunter, ZukunftsInstitut.

При этом, TrendHunter, в отличие от других, распределяет выявленные 18 мегатрендов по шести смысловым группам доминирующих сил, названных The Patterns of Opportunity:

  • Акселерация (Acceleration) — “Вперед и дальше”;
  • Редукция (Reduction) — “Отказ от лишнего”;
  • Конвергенция (Conevrgence) — “Власть сочетаний”;
  • Цикличность (Cyclicality) — “Все повторяется”;
  • Разворот (Redirection) — “Переосмысление ожиданий”;
  • Дивергенция (Divergence) — “Отказ от принятых стандартов”.
Source: TrendHunter.

Различия на уровне мегатрендов дают старт различиям и во всей остальной иерархии трендов, начиная от их названия и количества и заканчивая, собственно, сутью выделяемых явлений.

Так, например,

отличие в количестве трендов уровня -1 — в разных системах этот уровень называется по-разному, например, “субтренды” или “макротренды” — варьируется от 65 до 150 в различных системах.

Получается, в среднем, 10 макротрендов на мегатренд, однако, количество трендов уровня -1 внутри каждой системы также различно. Например, в Институте Будущего наименьшее количество макротрендов — всего четыре — приходится на мегатренд “Глобализация” (Globalization), а наибольшее — 18 — на мегатренд “Расширение Возможностей” (Empowerment). Примерами “глобализационных” макротрендов являются “Ритейл Впечатлений” (Experiential Retail) и “Экономическая Взаимозависимость” (Economic Interdependence); макротренды Empowerment — это, например, “Разнообразие Систем Оценок” (Value System Diversity) и “Пиринговая/Децентрализованная Экономика” (P2P, Peer-to-Peer Economy).

Как интерпретируется в разных трендвотчинговых системах одно и то же явление.

Еще интересно проанализировать, какое место в трендвотчинговых системах разных организаций может занимать похожее явление — один и тот же тренд, хотя и имеющий разные названия. (На наших курсах по трендвотчингу мы выделяем и отрабатываем это как отдельный навык — умение давать тренду емкое, лаконичное название.)

Возьмем, к примеру, тренд на использование автоматизированных систем идентификации эмоций. В одном из наших проектах с Билайн мы рассматривали возможность применения достижений в данной области для оптимизации работы колл-центров и, в частности, для снижения нагрузки на операторов.

“Эмоциональная Аналитика” (Emotional Analytics) — один из девяти макротрендов, входящих в область мегатренда “Научный прогресс” (Scientific Progress) по классификации Института Будущего:

Эмоциональная аналитика относится к использованию аналитических средств мониторинга и измерения эмоций, чтобы лучше понимать, реагировать и влиять на поведение людей.
Рост эмоциональной аналитики обусловлен несколькими факторами. Прежде всего, растущие ожидания в отношении персонализированных продуктов, услуг и опыта, вытекающих из мегатренда индивидуализации, стимулируют использование этих методов. Благодаря большей доступности данных, особенно эмоциональных данных, которые позволяют нам более точно понимать и в некоторых случаях прогнозировать поведение, становятся более эффективными решения в области маркетинга, социальной политики и управления персоналом.
Использование более глубокого понимания эмоций целевой группы с помощью аналитических средств позволяет лучше сфокусировать стратегии взаимодействия при передаче сообщения — продукта, услуги, идеи, убеждения или иным образом. Это рост эмоциональной аналитики, которая стремится извлечь выгоду из связи между эмоциональным опытом, принятием решений и поведением.
Анализ опыта 996 успешных кампаний от 700 брендов в 83 категориях за 30 лет показывает, что долгосрочные стратегии, основанные на эмоциях, более эффективны для повышения лояльности к бренду. «Эмоциональный» мозг обрабатывает сенсорную информацию за одну пятую часть времени, необходимого нашему “когнитивному” мозгу, чтобы “переварить” один и тот же поток входящей информации.

Примеры других макротрендов для мегатренда “Научный прогресс” (Scientific Progress), выделяемые Институтом Будущего:

  1. Seamless User Interface
  2. Shifting Fabric of Connectivity
  3. Industrial Revolution for Knowledge Workers
  4. Nanotechnology
  5. Biotechnology
  6. Age of Robots
  7. Improved ICT
  8. From Reaction to Proaction

В свою очередь, в системе TrendONE макротренд “Эмоциональные алгоритмы” (Affective Computing) входит в мегатренд “Искусственный Интеллект” (Artificial Intelligence):

Технологии становятся все более эмпатичными. Они учится отслеживать и интерпретировать наши настроения и эмоции, а также динамически адаптировать свое интерактивное поведение. Операторам колл-центров уже помогают умные алгоритмы. Они анализируют изменения в тоне и голосе людей и предлагают советы, которые помогут сделать звонок максимально гладким. Чат-боты и другие текстовые пользовательские интерфейсы также управляют естественным взаимодействием с людьми благодаря интеграции эмоционального интеллекта. В будущем сложные датчики в смартфонах, системах умного дома и носимых устройствах позволят еще более точно отслеживать поведение и модели движений. Бренды могут использовать эти данные для построения более доверительных отношений со своими клиентами.

Для сравнения, остальные макротренды, выделяемые TrendONE для мегатренда “Искусственный Интеллект” (Artificial Intelligence):

  1. Artificial Coworkers
  2. Autonomous Mobility
  3. Chatbots
  4. Cognitive Computing
  5. Intelligent Personal Assistants

Резюме.

Это лишь верхушка айсберга, показывающая, что сложившиеся мировые подходы в трендвотчинге весьма различны. И чем ниже по иерархии трендов, тем больше вариабельность. Если спуститься на уровень -1, как уже упоминалось выше, разница в количестве между выделенными трендами колеблется между 65 и 150. На уровне -2 разброс, ожидаемо, увеличивается…

Пожалуй, определенный консенсус присутствует лишь на самом низовом уровне — уровне так называемых тренд-сигналов: почти все игроки соглашаются в том, какой феномен можно считать таковым, а какой — нет. Здесь действуют достаточно четкие универсальные критерии отбора, часть из которых можно даже оцифровать — это “научная” часть трендвотчинга; другая же часть критериев, хотя и относится к области интуиции и опыта трендвотчера, представляет собой трендвотчинговое “искусство”, также достаточно универсальное для мировых игроков. Однако в силу того, что системы координат разные, один и тот же тренд-сигнал может, в итоге, оказаться в совершенно разных мегатрендах.

Возникают логичные вопросы: 1. как быть с таким разнообразием? и 2. можно ли объединить различные системы мониторинга и прогнозирования трендов так, чтобы, с одной стороны, ничего не потерять, а, с другой, не утонуть в море разнокалиберной информации?

Наш подход основан на работе с трендом, как нарастающим запросом на решение определенной пользовательской задачи. Через кластеризацию пользовательских задач, — подобную той, что мы делаем в дизайн-исследованиях и/или дизайн-мышлении, мы “разложили”, структурировали известные нам глобальные мега-тренды на одну матрицу: Compas Segmentation.

--

--

Ekaterina Khramkova, PhD

TEDx speaker, paradigm shifter, futures researcher | Founder at lumiknows.com, designresearch.ru | GSN at Copenhagen Institute for Future Studies