Нейросети нам помогут: как внедрение обучаемых технологий скажется на онлайн-маркетинге

Пару лет назад по Facebook ходил шуточный рассказ о маркетологе из будущего, который приходит на работу, чтобы говорить «да» или «нет» программе, собирающей данные, строящей цепочки выводов и выполняющей все за человека. История, как и почти все в соцсети, со временем затерлась, но общий смысл был таков:

Программа: Шеф, 35-летний мужчина среднего достатка вчера поссорился с женой и ищет ей сережки. Показать рекламу с персональной скидкой, а затем отправить цепочку с персонализированными предложениями, которые понравятся его жене?

Маркетолог: Ок.

Сама мысль о полной персонализации, при которой программа будет понимать, с какой ноги встал пользователь, все еще выглядит утопично. Но с каждым новым и не всегда заметным глазу внедрением «умных» технологий в отрасль мы приближаем именно этот оптимистичный сценарий.

А это не скажется на количестве людей, работающих в сфере digital?

Толп новых безработных из числа «белых воротничков» на улицах ждать не стоит - истории о том, как ИИ лишит всех работы, пусть даже звучащие из уст уважаемых людей, выглядят утопично.

Давайте вернемся на несколько лет назад и вспомним шквал дискуссий, посвященных нехватке специалистов в сфере digital, вспомним появление отраслевых образовательных программ в вузах и студиях, рост числа онлайн-образовательных программ. Разве мы успели за это время вырастить столько кадров, чтобы ощутить реальный переизбыток специалистов и быть готовыми пожертвовать частью людей на рынке? Очевидно, нет.

Под реальной угрозой «ИИ-замещения» находятся профессии, не требующие высокой квалификации. Кассиров уже сейчас можно заменить автоматами, умеющими распознавать набор продуктов в корзине и принимать оплату. А вот скажите, много ли вы видели директоров, которые отказались от помощников в пользу Siri («найди, забронируй») и Findo («найди того, не знаю кого, с кем мы общались на конференции полгода назад»)? «Умная» автоматизация, проникающая в нашу индустрию, просто избавляет специалистов от рутинных операций и информационного «перегрева».

Если кто-то и потеряет работу «из-за ИИ», то это будут самые ленивые и неспособные. И тогда возникает вопрос: как они вообще могли занимать свои должности?

Машинное обучение и алгоритмы, позволяющие обрабатывать не укладывающиеся в голове и постоянно растущие объемы данных и извлекать из них выгоду, – мы уже живем в этом мире. Однако машины не созданы, чтобы думать за своего работодателя. Им можно делегировать выполнение отдельных операций, но решать трудно алгоритмизируемые вопросы вроде оценки результата и определения бизнес-задач им не под силу.

«Вкалывают роботы, мыслит человек» – такой расклад сил формируется осознанно. В сферу «умных» алгоритмов обычно идут компании, которые уже занимают заметные позиции и владеют долями на целевых для внедрения подобных технологий рынках – либо выходцы из этих компаний. Им банально невыгодно «убивать» свою аудиторию полной автоматизацией. Да и развивать ИИ-решения по-настоящему можно, только владея большими данными и большими аудиториями.

Adobe, чьи продукты стали решением по умолчанию для многих продуктовых команд, встраивает в пакет Creative Cloud основанный на машинном обучении инструмент Sensei, чтобы тот снимал с дизайнеров мелкие рутинные задачки и помогал маркетологам в поиске новых look-alike аудиторий.

Так ИИ станет ассистентом для тех, кто уже что-то умеет (или хочет уметь еще больше). Объясню на примере. Владелец небольшого бизнеса едва ли будет постоянно уделять внимание настройке и анализу рекламных кампаний, даже если дать ему суперкомбайн с непревзойденной автоматизацией. У владельца бизнеса голова обычно занята другими вещами и задачами – и разработчикам маркетинговых инструментов это известно.

А вот получивший сертификат директолог, запускающий рекламу предприятию, явно захочет развиваться, получать лучший результат за меньшее число усилий. Или хотя бы банально не выгорать под валом однообразных задачек. Тут ему и может потребоваться помощь машины: подходы к коммуникации с потребителем усложняются, держать все в голове и делать все руками банально не получится. Предиктивные рекламные системы, ИИ-дизайнеры, решения для А/Б-тестов с новым поколением алгоритмов «под капотом» – все это создается, чтобы разгрузить специалистов, а не убрать их с рынка.

Работа с потребителем - вот что изменится на самом деле

Итак, с каждым днем мы все ближе к истории про маркетолога, командующего машиной. Тому есть несколько причин, однако основная в том, что люди ленивы. Но из-за лени мы изобретаем, верно? Системы и платформы для работы с потребителями все усложняются, и то, что ранее уже было автоматизировано, нужно автоматизировать еще раз и в других масштабах. Отсюда и возникает идея разработчиков внедрить в продукты вечно не спящие и способные работать без выходных и перекуров автоматы.

Давайте возьмем некий усредненный онлайн-путь клиента к вам и посмотрим, на каком этапе нейросети и машинное обучение применяются сейчас, а где будут применяться в скором будущем.

Этап поиска и привлечения. Уже сегодня потребители все чаще сталкиваются с продуктами, применяющими ИИ-подобные технологии. Вбивают запрос в поиске – и получают выдачу, качество которой анализируется машиной. С запуском проекта «Королев» от «Яндекса» это стало еще более очевидно, аналогично делает и Google.

Но, как известно, двигатель торговли – реклама. Логично ожидать умной автоматизации и там. Тем более что рекламные системы становятся все более сложными, а владеющие ими компании знают все или почти все о потенциальных клиентах для любого бизнеса. Платформы предиктивного маркетинга становятся реальностью: Rocketfuel в партнерстве с IBM при помощи алгоритмов увеличивают ROI для компаний уровня Lufthansa, а Mail.ru готовится представить обновленный MyTarget с предиктивной функцией в 2018 году.

Кейс применения понятный. Проанализировать в бою сотни гипотез, обработать данные, запомнить выигрышные результаты (и периодически их уточнять) – человек в обычной круговерти задач на это просто неспособен, будь он хоть тысячу раз профессионал.

Алгоритм выигрывает в том, что может обучаться на тысячах кампаний и в процессе собирать дополнительные данные для инсайтов. Он способен обучаться постоянно.

При этом ставить задачи и анализировать результаты будет человек, а вот подбор сегментов и настройки хотя бы частично можно будет отдать машине.

Безусловно, развитие автоматизации востребовано во всех видах рекламы. И здесь на первый план выходит персонализация, за которой скрывается учет факторов времени и актуальности: чем появление нашего сообщения релевантнее сиюминутному настроению потребителя, тем больший эффект мы можем прогнозировать.

Этап получения лида и целевого действия. В большинстве случаев точкой, к которой мы подводим человека, остается именно сайт. И вряд ли ситуация изменится в ближайшем будущем. Да, можно пробовать достать контакт или побудить к целевому действию через чат-бота в соцсети или мессенджере. Однако сработает не всегда и не везде, а прошлогодний хайп вокруг ботов показал, что обработка естественного языка – задача архисложная, и ее массовое доведение до уровня «нажал и все работает» потребует дополнительного времени и усилий.

Итак, наш потребитель попадает на некую страничку. Эксперименты, персонализация - то, что сразу приходит в голову, верно? Однако статистика свидетельствует, что до этого часто требуется привести страницу в порядок в плане технологий, стопроцентной мобильной адаптации и информационной структуры. Людских ресурсов на это явно может не хватать, особенно с учетом фактора времени и денег.

При этом на многие операции, требующие многочасового ручного труда, у машины уйдут минуты – поэтому обучением ИИ основам создания и обновления страниц по общим правилам дизайна и технологического стека сегодня заняты десятки компаний и стартапов по всему миру.

А вот следующий этап – это персонализация, онлайн-редактирование под потребителя и более широкие возможности для экспериментов.

Системы, позволяющие динамически подменять контент, существуют и сейчас. Однако, если мы принимаем как данность дальнейшее усложнение и автоматизацию рекламных инструментов, стоит согласиться, что аналогичные шаги потребуются и в области создания сайтов.

Сегодня путем обучения ИИ оптимизации страницы при A/Б- и мульти-тестированиях уже пробует идти проект Sentient Ascend от экс-разработчиков эппловского Siri, но по мере накопления данных уже существующие и нарождающиеся системы дизайна, такие как uKit AI, могут превратиться в круглосуточных помощников по сайту. Они будут предлагать изменения блоков и элементов, опираясь на аналитику в реальном времени и дополнительное знание о пришедшем посетителе и поведении его look-alikes. А человек-заказчик будет лишь принимать решение, соглашаться ли на эти предложения, и оценивать общий результат.

Удержание, лояльность, LTV. Персонализация опыта проникает и сюда. Раньше она в основном обеспечивалась массой настроек, отданных в руки потребителя, однако применение нейросетей позволило найти более элегантные решения.

Например, зачем встраивать десятки фильтров, опросов или тестов, когда можно понять, чего хочет человек, «по фотографии»? «Авто.ру» идет этим путем и учит свое приложение определять по загруженному снимку, какой конкретно автомобиль планирует приобрести потенциальный покупатель. Одна картинка, «скормленная» роботу, – и вы получаете диапазон цен на интересующий товар и подборку продавцов в регионе. Это удобно. И это явное конкурентное преимущество для сервиса в борьбе за удержание аудитории, не так ли?

Лояльность? И снова речь о персонализации, но на этот раз – с учетом большего объема знаний о потребителе и тонкого расчета момента для коммуникации с ним. Для этого машине нужны «навыки» предиктивного анализа. Она может мониторить поведение клиентов постоянно, в реальном времени и подавать сигналы менеджерам и аналитикам.

Получая от программы предварительно обработанные данные, мы сможем не только лучше понимать, когда и как делать предложения клиентами, но и предотвращать их уход.

Предупреждение о потенциальном «отвале» – функция, которую уже сегодня пытаются передать машине, например, телеком-провайдеры. Представим типичную ситуацию: жалоба на Facebook, ответ smm-отдела – и только когда жалоба начинает неоднократно повторяться со всех сторон, вскрывая системную проблему, аналитики и маркетологи садятся что-то решать. Сколько клиентов прекратили отношения с брендом за это время, каков репутационный урон?

Машина может сравнивать текущее поведение клиента с прошлыми данными о поведении «хороших» и «плохих» представителей его сегмента – и заранее предсказывать, когда человек захочет уйти. И тут в игру включатся маркетологи – время сыграть на опережение с персональными предложением у них есть.

***

ИИ-ассистенты должны играть на стороне вашей команды. Безусловно, описанный выше мир выглядит слегка футуристично, однако темпы развития технологий показывают: это классическая история про «будущее уже наступило, просто еще неравномерно распределено». Однако, стоя на пороге этого будущего, мы еще столкнемся с важной особенностью не искусственного, а человеческого интеллекта – консерватизмом. Будут или нет маркетинговые отделы убеждать начальство вкладываться в применение ИИ – скоро увидим. Не переключайтесь.