Видеомаркетинг, как способ продвижения товара или услуги

Объяснение такого непомерного роста издержек при усложнении внутренней системы, будь это фирма или съемочная команда, о которой мы говорили выше, мы можем видеть в теории информации. Согласно Первой вариационной задаче максимизация пропускной способности обучающего канала регулятора сопровождается ростом информационных издержек [33]. В соответствии с рисунком 7 мы видим, что они соотносятся таким образом, что с каждым следующим шагом прироста пропускной способности H мы получаем большие издержки С, по сравнению с шагом предыдущим. Говоря в терминах экономики, мы имеем дело с падающей предельной эффективностью.

 

 

 

 

 

 

Рисунок 7 – Зависимость пропускной способности Н канала от величины информационных затрат С. Штрихованная прямая Н* отражает теоретический максимум пропускной способности (3)

Что это за информационные издержки? В теории информации они называются затратами на кодирование, в физике – энергией. В условиях фирмы, допустим, вам необходимо за пять минут выдать некоторую информацию на собрании, в общем, выступить с докладом. Если вы вообще не явитесь, то не потратите никаких ресурсов, но и не донесете никакой информации, другими словами, вы окажитесь в точке А на рисунке 7. Если вы все же придете, но не затратите много сил на подготовку, то вы окажитесь в точке B. Если подготовите подробную презентацию, то переместитесь в точку Г. Наконец, если вы затратите излишние средства на приглашение профессиональных артистов и настоящее шоу с фейерверками, то окажитесь в точке Б. Самое важное это понять, что в случае с видеомаркетингом все рассматриваемые издержки будут подходить под определение именно информационных издержек. Условно закономерность, о которой говорится выше, называют законом Парето.

 

§2.2. Эффективность информационных систем и падение предельной эффективности

Как мы отмечали выше, при внедрении информационных систем (ИС) в управление фирмы от них ожидают прямой экономической выгоды за счет экономии на управленческом труде. Однако экономический эффект от этой экономии прослеживается слабо, вместо этого мы имеем общее улучшение управленческих процессов, которые, с другой стороны, не поддаются корректной оценки [22]. Тем более подобное замечание будет актуально и для видеомаркетинга, экономическую эффективность который мы не способны показать явно.

Но мы можем полагать, что внедрение ИС в фирму приводит к сглаживанию запрета Коуза, согласно которому при росте фирмы происходит потеря управления. Тогда мы можем заключить, что для оценки ее эффективности нам достаточно опираться на сопоставление ее производительности и ее же издержек [14]. Другими словами, и в видеомаркетинге для оценки его эффективности нам так же стоит опираться на его производительность и его издержки. Данное утверждение позволяет нам обосновать в общем случае целесообразность применения видеомаркетинга, опираясь именно на оценку его эффективности. В следующей главе мы на практике будем производить подобные оценки, и говорить о конкретных случаях применения видеомаркетинга. В данном же параграфе мы рассмотрим оценку эффективности ИС в широком контексте.

Характеристикой ИС, как средства передачи информации, является ее пропускная способность, которая выражается в виде энтропии:

 

,    (4)

Где X – множество состояний, на котором определена величина x с вероятностью реализации : , – номера состояний. Применение понятия энтропии неслучайно. В физике энтропию используют, когда необходимо описать системы с большим количеством состояний, в то время как само содержание этих состояний не столь важно. Конечно, обоснование для применения методологии взятой из физики состоит не в наличии некоторых аналогий, что часто не приносит никаких результатов и подвергается справедливой критике [7], но на ее проникновении в теориетико-ифнормационную и теоретико-экономическую сферы ввиду наличия единства фундаментальных естественнонаучных основ.

Физика наступает как бы с двух сторон. С одной стороны, можно вспомнить теорию самоорганизации систем, которая опирается на результаты Ильи Пригожина [17]. Хотя стоит отметить тот факт, что синергетика так и не смогла на данный момент дать конструктивную исследовательскую программу в силу попытки объять необъятное, когда даже решение конкретных задач требует поднимать вопросы вплоть до философских, ввиду того, что важным становится все и сразу.

С другой стороны, на ум приходит эконофизика. Эконофизика, в противовес экономическому мейнстриму, не рассматривает агента и как влияют его действия, но говорит об общих закономерностях, которые могут проявляться только в больших системах. Пожалуй, можно сказать, что эконофизика и матэкономическая теория соотносятся друг с другом, как статистическая и классическая механика [29].

Исходя из выше сказанного, рассмотрение управления, как некого алгоритма упорядочивания состояний систем, выглядит вполне логичным и оправданным. В таком случае мы совершенно справедливо будем определять энтропией (4) способность осуществлять данную функцию. Хотя само слово «энтропия» сегодня ассоциируется, как правило, с понятием хаоса, в действительности же энтропия, - это своего рода мера мощности множества [18].

Рисунок 8 – Иллюстрация связи частотной структуры состояний и величины энтропии. Частотные диаграммы состояний расположены по убыванию энтропии. Для визуальной сопоставимости масштабов на рис. в) «верхушки» столбцов 1 и 2 находятся за границей даиграммы.

В простейшем случае мощность множества есть количество его состояний. Энтропия к тому же выражает количество этих элементов и учитывает их структуру. Если вес каждого элемента одинаковый (рис. 8а), а для (4) это будет значить, что , где M – это количество элементов множества состояний X, тогда (4) упрощается до:

 

,     (5)

 

что известно, как количество информации Хартли.

Если вес разных состояний различен (рис. 8б и 8в), то проявляется другое свойство энтропии, она становится меньше при том же количестве состояний. Это происходит из-за того, что вес одних состояний падает, но в силу нелинейности логарифма, это лишь отчасти компенсируется ростом веса других состояний. В частном случае значение веса некоторых состояний может быть равно нулю, как на рис 8в состояния 7-10, что означает уменьшение M.

Выражение (4) является лишь частным случаем более общего понятия количества информации y относительно системы x:

 

,    (6)

 

где –  это условная энтропия:

 

,   (7)

Клод Шеннон, основоположник данной теории определил, что для выражения (6) условная энтропия отвечает за «шумы», в широком смысле этого слова [38].

 

Рисунок 9 – Иллюстрация условной энтропии.

Представим, что система x выражена набором состояний . На рис. 9 это будет самая левая гистограмма. Каждому состоянию из x соответствуют какие-то состояния из Y. Например, соответствует . На рис. 9 это показано стрелкой к правой верхней гистограмме. Можно отметить и то, что «9´9» интерпретируется исключительно (т.е. с вероятностью ) как «81». Для этого состояния из Х соответствует энтропия на Y, равная нулю. Если бы также было и для всех остальных , то , как их математическое ожидание. Это позволило бы сказать, что по х мы можем точно знать всю таблицу умножения.

Но представим, что каким-то образом в каких-то случаях понимается как , а в каких-то и как , а в других как . На рис. 9 это показывается стрелкой к средней гистограмме. В силу (7) это означает, что , что в свою очередь приводит к уменьшению количества информации. И действительно, таблица умножения у нас теперь не получится.

Подобное объяснение базовых понятий нужно для того, чтобы проиллюстрировать, что для использования всех этих понятий нет необходимости прибегать к вероятностному представлению. Иначе говоря, все зависит от того, какие системы мы возьмем за х и за y. От этих мыслей остается всего шаг до вывода, что веса состояний не обязаны быть наблюдаемыми частотами в испытаниях. В поздних работах А.Н. Колмогоров продвигал подобную точку зрения. Так он определял энтропию, как длину минимального алгоритма в языке, который реализует заданное сообщение. В результате мы теперь с большим пониманием можем говорить о том, что система управления – есть некоторый алгоритм, «мощность» которого, в каком-то смысле, определяется его энтропией.

В предыдущем параграфе пропускная способность ИС выражалась мерой разнообразием состояний. Теперь разовьем эту трактовку, опираясь на (6) применительно к идее, рожденной в 60-ые годы, о представлении пропускной способности информационной системы, как суперпозиции семантической, синтаксической и прагматической компонент [19]. Здесь стоит отметить, что условная энтропия, которая обозначает неоднозначность передачи информации, работает в обе стороны:

 

, (8)

 

В синтаксическом канале происходит преобразование одного ряда данных на другой, либо бумажных документов в электронные, – всё это будет перевод с языка х на язык y. Для соблюдения целостности данных требуется, чтобы синтаксическая производительность в таком случае выражается шенноновским количеством информации (4). Если же вследствие программных сбоев или ошибок округления , тогда это соответствует теореме К.Шеннона о вычитании из пропускной способности канала энтропии шума.

Допустим, в семантическом канале рассматриваются объекты: x=Ф (фирма) и y=ИС (информационная система), как её логическое отображение. Тогда пропускная способность семантического канала есть качество информации в информационной системе. Например, если событию объекта Ф «товар отбыл со склада» в разных конкретных случаях будут соответствовать события из ИС «товар отбыл», «товар не отбыл» или «товар отбыл, но не по тому адресу», то это приводит к росту . В том случае если в ИС такое событие вовсе не предусмотрено, то это понижает .

Более точное понимание семантики системы будет состоять в том, что реальные индивидуализированные объекты из Ф будут подвержены систематизации и стандартизации в ИС. Это будет способствовать понижению , но необходимо для повышения синтаксической производительности системы, по той причине, что мы не уложим данные в «причёсанные» реляционные структуры, тогда никакой массовой обработки будет невозможно произвести. Важно заметить, что увеличение семантической пропускной способности будет препятствовать росту синтаксической производительности и наоборот. Ввиду этого одной из самых важнейших задач при воплощении ИС будет нахождение баланса между ними, к тому же, чем крупнее будет фирма, тем сильнее придется сдвигать его в сторону синтаксической составляющей. При этом не стоит строить иллюзий относительно мифической гибкости крупных ERP систем. Суть их высокой производительности в перемалывании огромного потока однообразных данных.

Прагматической компонентой П мы назовем набор показателей и индикаторов, которые будут сигнализировать о состояниях, требующих принятия решений. Можно провести параллель с симптомами, по которым определяют здоровье или болезнь. Таким образом – есть количество информации о фирме, находящейся в распоряжении лиц, принимающих решения. Чем проще описание симптома, чем сильнее он агрегирован, тем большей вероятностью мы можем ожидать . Например, такому состоянию фирмы как «служба логистики работает хорошо», такой «симптом» как доходы может принимать как низкие, так и высокие значения, поскольку на него влияют и многие другие факторы. Ввиду этого высокая агрегированность показателей дает возможность принимать только самые общие решения, невыполнимые без дальнейшей детализации.

С другой стороны, существует проблема чрезмерно детализированного представления, в случае которого можно утратить прагматическое содержание, поскольку оно уже не будет выражать ни проблему, ни способ её решения. Такой прагматический элемент тоже будет считать уже неоднозначным. Отсюда следует вывод, что в прагматической компоненте ИС на первый план выходит не столько широта набора средств , сколько их однозначность, т.е. за снижение .

Логическая структура этих ИС каналов-пространств такова, что они сообразуются в последовательное «соединение». Другими словами, если пропускная способность любого из них равна нулю, то пропускная способность и всей системы будет равна нулю. Или, иначе говоря, производительность всей ИС определяется самым «узким» каналом. Действительно, если застопориться компьютерная обработка данных, то при сколь угодно большой прагматической и семантической пропускной способности, производительность ИС будет равна нулю. С другой стороны, низкое качество данных (низкая семантическая пропускная способность) полностью обесценивает прагматическую и синтаксическую «мощь».

Увеличение производительности информационной системы требует роста информационных издержек. В предыдущем параграфе было показано, что их предельная эффективность снижается. Это означает, что при равномерно растущем уровне издержек C мы будем иметь постепенно уменьшающийся рост пропускной способности H, который теперь мы рассмотрим как функцию издержек (см. рис. 10). Перейдем к вытекающим из этого закономерностям, которые следуют учитывать при оценке эффективности.

1. Кривая H есть иллюстрация максимально возможной величины пропускной способности при заданном уровне информационных издержек, то есть это соответствует случаю, когда , а . Реальный же уровень пропускной способности будет соответствовать точке из подграфика этой границы эффективности, например, т. A рис. 10.

Рисунок 10 – Зависимость пропускной способности I информационной системы от величины информационных затрат С. Штрихованная прямая Н* отражает теоретический максимум пропускной способности (5)

2. Кривая H ограничена сверху величиной (5), где M – есть количество состояний системы, зависящее от размера фирмы. В случае если фирма растёт, то вместе с «подтягивается» и граница эффективности . На рис. 10 т. A для случая обеспечивает относительно менее высокую пропускную способность, чем для случая , хотя её абсолютное значение не меняется. Иначе говоря, рост фирмы вызывает «проседание» производительности ИС: что было хорошо для малой фирмы, уже будет менее удовлетворительно для подросшей. Зато, теперь для ИС есть место для роста. Так если в случае т. Г была недостижимой, для она уже принадлежит подграфику.