Информационные атаки на бренд. Эпизод второй

Номер 4. Сокровища Санта-Фе

Окончание материала, представляющего собой раздел рабочей тетради Проекта — динамически изменяющуюся «Дорожную карту развития рынка нанотехнологий», базирующуюся на маркетинге рынка, тенденциях научных открытий, оценке рисков, технологиях финансового инжиниринга и рекламы, специальных операций по формированию образов героев рынка нанотехнологий, способных трансформировать нематериальные активы в материальные.

Виктор Сараев и др.
Информационные атаки на бренд. Эпизод второй

"Экономические стратегии", №04-2008, стр. 62-67

Сараев Виктор Никифорович — к.т.н., Подоляк Владимир Игоревич — к.т.н., Чудинова Ирина Викторовна — к.т.н., Панфилов Сергей Александрович — к.т.н. (компания ОАО «ГЛОВЕРС»); Женихов Евгений Сергеевич — аспирант Тюменского государственного университета.

Уравнение брендинга

Упростим схему, представленную на рис. 11, и будем считать, что весь финансовый поток (F), поступающий с финансового рынка, распределяется между интеллектуальным (X) и информационным (F-X) рынками. Даже в самом благоприятном случае, когда интеллектуальный и информационный рынки взаимодействуют как партнеры (в противоположность конкуренции, конфликту и т.д.), это взаимодействие будет иметь вид: Yc = YaYb или, в рассматриваемом случае, Yc = ax(F – X). Характер взаимодействий зависит от внешних условий, которые задаются коэффициентом a, либо от величины F, формирующей диалог партнеров. Условие последовательного определения текущего результата финансового обмена, когда каждое совместное решение определяет начальные условия для последующего элементарного диалогового акта, диктует рекуррентную форму решения. Таким образом, x(t + 1) = ax(t)(F(t) – x(t)), где F(t) – совместный доход интеллектуального и информационного рынков от операций на рынке финансов, x(t) – доход интеллектуального рынка, F(t) – x(t) – доход информационного рынка в момент времени t. Говоря другими словами, интеллектуальный капитал, имеющийся в момент времени t, трансформируется в информационный капитал в момент времени t + 1, который трансформируется в финансовый капитал в момент времени t + 1, последний снова инвестируется в интеллектуальный капитал. Цикл запускается вновь. Для случая F(t) = 1, t = 1,n это может быть представлено выражением

x(t + 1) = ax(t)(1 – x(t)) [1],

известным, как логистическое уравнение.

Несмотря на то, что логистическое уравнение [1], описывающее процесс распределения между информационным и интеллектуальным рынками в элементарном случае финансового потока F, поступающего с финансового рынка, выглядит довольно "просто", в реальности его природа достаточно сложна.

Следует заметить, что по своей природе большинство обратных связей, действующих в динамике формирования бренда, являются гомеостатическими. Например, на формирование бренда компании Coca-Cola ушло 118 лет; минимальный срок, необходимый для достижения узнаваемости бренда, равен трем годам.

Моделирование информационных атак на бренд

Модель информационной атаки на бренд можно сформулировать в виде следующего логистического уравнения:

x(t + 1) = a(t)Sx(t)(1 – x(t))      [2],

a(t) – возмущающий сигнал, определяющий время начала информационной атаки; S – управляющий параметр, определяющий силу информационной атаки.

В качестве возмущения возьмем, функции следующего вида:

Ts – произвольно выбранный момент времени начала информационной атаки. Взаимодействия вида [3] носят характер кооперации – информационные действия партнеров, направленные на поддержку бренда, а взаимодействия вида [4] описывают конкуренцию, информационные действия конкурентов, направленные на уничтожение бренда. Бифуркационная диаграмма представлена на рис. 12 (при Ts = 1).

Из диаграммы (рис. 1) видно, что динамика решений значительно меняется, в частности если а(t) = -1, диапазон возможных значений параметра S ограничивается интервалом 0 < S < 2 (изображено красным цветом), в то же время при a(t) = 1 мы имеем обычное логистическое уравнение с диапазоном возможных значений управляющего параметра 0 < S < 4. Также очевидно, что при a(t) = -1, диапазон решений в хаотической области может принимать отрицательные значения, т.е. информационные атаки могут в долгосрочной перспективе иметь как положительный, так и отрицательный эффект.

Исходя из логики и бифуркационных диаграмм на рис. 1, можно сделать вывод, что возмущения [3] и [4] должны переводить решения уравнения [2] от одного варианта к другому. Однако ввиду хаотичности динамики это происходит не всегда. Существует зависимость от момента начала информационной атаки.

Можно разделить возможные моменты начала акций на три группы, характеризующие различные этапы исследуемой динамики:

1. Ts = [1, 4, 7, …], время приобретения начальных знаний;

2. Ts = [2, 5, 8, …], время, когда происходит осмысление полученных знаний и поступает соответствующая информация;

3. Ts = [3, 6, 9, …], время получения некоторой прибыли в результате использования поступившей информации.

Исследуем поведение системы в разные моменты с начала акции Ts в зависимости от значений управляющего коэффициента S.

При малой силе S независимо от начала информационной атаки система приходит в состояние x = 0.

Начало информационных действий, направленных на поддержку бренда, не должно совпадать со временем, когда динамика системы негативна. При Ts = 4 и Ts = 6 текущее состояние системы отрицательно (x(Ts) < 0), а динамика имеет некоторую неопределенность. В результате начало, например, ребрендинга дает отрицательные последствия. В то же время в нечетные моменты времени, соответствующие моментам осмысления полученной информации, начало ребрендинга приветствуется и приводит систему к устойчивому состоянию (левые графики на рис. 2).

Если происходит информационная атака на бренд (правые графики на рис. 2), то система переходит в бифуркационный режим.

В области первой бифуркации (рис. 3) система переходит к устойчивому состоянию, происходит выбор стратегии из возможных вариантов в том случае, если время начала акции совпадает со временем осмысления полученной информации (графики в левой области). В то же время вброс антагонистической информации переводит систему из состояния стабильности в состояние еще большей неопределенности по сравнению с предыдущим случаем (рис. 2). Аналогичная картина наблюдается в зоне второй бифуркации.

При S в области хаоса (рис. 4, левые графики) происходит переход от хаотической динамики к динамике устойчивого роста, однако выбор начального момента времени для проведения акции затруднителен и зависит от многих случайных факторов. В частности, небольшое изменение управляющего параметра S приведет к тому, что рекламная кампания пройдет неудачно. В то же время в области хаотической разреженности при значениях выбор момента начала акции наиболее сложен. Брендинговая кампания может пройти удачно в момент получения прибыли и неудачно в противном случае. Антагонистические акции (рис. 4, правые графики) ввергают систему в состояние неуправляемого хаоса.

Инструментальная моделирующая среда системы анализа динамики бренда региона

Для анализа возможных сценариев развития динамики бренда построим модель в программной среде Ithink. Концептуальная схема информационно-моделирующей системы анализа сценариев развития динамики бренда (на примере Ханты-Мансийского региона) показана на рис. 5.

Она состоит из следующих основных блоков, условно поделенных на три уровня:

  • верхний уровень – "Бренд Ханты-Мансийского региона" – элемент, в который стекаются потоки со всех уровней; он позволяет проводить динамическую оценку бренда;
  • средний уровень – "Финансовые потоки региона", "Интеллектуальные потоки региона", "Материальные потоки региона" – элементы, в которые стекаются потоки с нижнего уровня; они определяют динамику изменений в отмеченных областях;
  • нижний уровень – "Консолидированный доход региона", "Фонд развития региона", "Продолжительность жизни населения региона", "Воспроизводство трудовых ресурсов", "ВВП России", "Секторы рынков российской экономики", "Интеллектуальный капитал", "Научное знание", "Технологическое знание", "Инновации", "Информационно-коммуникационные технологии", "Прогноз технологического развития мира", "Мировые инвестиции в знания и наукоемкие технологии", "Прогноз структуры научных кадров", "Навыки и компетенции", "Рынок и спрос", "Особенности конкуренции за будущее", "Приоритеты национальных проектов", "Сценарии развития рынков", "Финансовая инженерия" – элементы и их взаимосвязи, определяющие количественную и качественную динамику изменения верхних уровней.
    Кроме вышеназванных элементов на верхнем уровне модели присутствуют элементы управления – "Цена на нефть", "Ставка Федеральной резервной системы", "Курс рубля к доллару США", "Инфляция", "Действия правительства РФ", "Уровень активности региональных властей" – позволяющие в режиме реального времени, внося реальные показатели, отслеживать динамику изменения характеристик бренда и влиять на нее.

Кроме того, имеются выключатели сценариев трех типов – "Сырьевой сценарий", "Инновационный сценарий", "Региональная кооперация" – позволяющие учитывать направленность развития региона на динамику изменения его бренда. Есть также кнопки запуска и остановки непосредственного просчета процесса моделирования.

Рассмотрим несколько экстремальных случаев: их возможность широко обсуждается в экономических кругах, но вероятность их наступления считается крайне незначительной:

  • крах доллара;
  • нефтяной кризис;
  • гиперинфляция в РФ;
  • дефолт в РФ.

Случай 1. Крах доллара.

Обесценивание американской валюты и падение обменных курсов до уровня 2 руб. и менее за 1 долл. (рис. 6). Мы можем наблюдать резкое падение доходов региона до 28 пунктов при одновременном росте показателя "Бренд" региона вследствие усиления доверия к региону с точки зрения повышения его роли как субъекта обеспечения инвестиций реальными материальными ресурсами.

Случай 2. Нефтяной кризис

Падение цены на нефть на мировых рынках до 10 долл. за баррель (рис. 7). Моделирование демонстрирует значительные колебания "Бренда" региона в связи с высокой нестабильностью нефтяного рынка. Столь глубокое падение цены на нефть вызовет рост недоверия инвесторов к региону как надежному источнику гарантированного возврата финансовых ресурсов.

Случай 3. Гиперинфляция в РФ

Уровень инфляции превысит 50% (рис. 8).

В данном случае мы можем наблюдать значительное падение доходов региона при первоначальном существенном росте индекса "Бренд" региона. Это объясняется высокой скоростью роста цен, которая до определенного момента подхлестывает рост инвестиционной привлекательности региона и надежды инвесторов на высокую доходность отрасли. Однако с определенного момента начинается резкое падение интереса инвесторов в силу параллельного, иногда опережающего, роста цен в обслуживающих отраслях, что приводит к резкому падению эффективности инвестиций.

Случай 4. Дефолт в РФ

Уровень инфляции превысит 50% плюс инерция и неповоротливость федеральных и региональных властей (рис. 9).

В данном случае моделирование демонстрирует одновременное значительное падение как показателей доходности региона, так и индекса "Бренда". Причем доходы региона падают до величины 15 пунктов в сравнении с базовыми 200.

Выводы: Проведенное моделирование вероятных случаев показывает возможности предложенной модели и ее применимость для анализа различных сценариев развития всевозможных показателей (в данном случае – динамики "Доходность региона" и развития "Бренда" региона). Предложенная модель позволяет оценить возможность наступления и развития неблагоприятных событий и, что самое важное, найти количественные величины пороговых значений, за пределами которых начинаются недопустимые изменения. Дополнительным преимуществом данной системы моделирования является возможность в режиме реального времени вносить соответствующие изменения в моделируемую систему и графически отображать происходящие изменения.

ПЭС 8108/23.04.2008

Следить за новостями ИНЭС: