Вместе с экспертами из Mindbox и Skillbox попробуем предугадать, чему обучат искусственный интеллект в новом году, какие алгоритмы машинного обучения могут появиться и как их использовать.
31 января 2024
4 основных тренда ИИ в маркетинге в 2024 году
4 основных тренда ИИ в маркетинге в 2024 году
Алгоритмы машинного обучения развиваются быстро, создавая все новые программы с ИИ — от расшифровщиков голосовых сообщений до сложных алгоритмов точечных рекомендаций. Исследование «Яндекса» показало, что 20% компаний в России уже используют искусственный интеллект для разных задач.
Вместе с экспертами из Mindbox и Skillbox попробуем предугадать, чему обучат искусственный интеллект в новом году и как это можно будет использовать.
1. Оптимизация бизнес-процессов
94% компаний считают, что внедрение новых технологий сокращает затраты на производство или продажи, а около трети компаний ожидают, что внедрение искусственного интеллекта поможет увеличить выручку.
Алгоритмы машинного обучения будут продолжать использовать в бизнесе и маркетинге для таких задач:
Первичный скоринг. Некоторые компании уже используют машинное обучение в бизнесе, чтобы создать ассистентов для отбора откликов на вакансию. Получая в день по сто откликов, эйчары просто не успевают просмотреть их все. Алгоритм же за несколько минут сортирует отклики по параметрам: возраст, уровень зарплаты, гражданство, частота смены работы, упоминание специфичного опыта и другим. То есть на входе компания получает большое количество резюме, а на выходе — список наиболее подходящих кандидатов.
Подобные алгоритмы используют в банках для оценки кредитоспособности потенциальных заемщиков. Менеджеры тратят на такую оценку много времени и часто ошибаются, что приводит к просрочкам. Алгоритм делает независимые выводы на основе загруженной в него информации, что сводит число ошибок к минимуму.
Алгоритм для первичного скоринга резюме необязательно делать с нуля. Его можно легко собрать с помощью правильного запроса к ChatGPT. Можно сделать так, что машина будет сравнивать резюме с требованиями. К примеру, если у кандидата нет двух лет опыта в ИТ, мы его автоматически отсеиваем. Я уверен, что уже есть компании, которые используют ИИ таким образом, но это пока не очень популярно.
Расшифровка голосовых и видеоинтервью. Обученный алгоритм может расшифровать аудио за пару минут, что помогает экономить время.
Бот в Telegram переводит речь в текст за пару минут. По запросу он может сделать выжимку из текста или перести его на другой язык
Прогнозирование спроса и объема продаж. Сеть гипермаркетов «Ашан» разработала алгоритм машинного обучения для прогнозирования спроса на товары. Он помогает планировать закупки и сокращать издержки на основе аналитики за прошлый период. По расчетам компании, внедрение алгоритма увеличивает выручку на 2% и сокращает излишек запасов на 5%.
Я пока еще не видел массового внедрения программ с ИИ в рабочие процессы, но для точечных задач в работе и жизни их используют часто. Например, ChatGPT можно спросить, что за птичка живет на юге Италии, похожая на воробья, и узнать название птички. Но нельзя ожидать, что какой-то алгоритм распишет план внедрения чат-бота в бизнес. У него пока не хватает профессионального контекста для этой задачи.
Мы в Mindbox используем ChatGPT для саммари переписок. К примеру, есть сложная продуктовая переписка из сотни сообщений. Когда к ней подключается новый человек, ему неудобно читать их все. Чтобы не тратить время, он может попросить ChatGPT кратко изложить все эти сообщения. Это еще нельзя назвать напрямую внедрением в бизнес-процессы, но в работе уже помогает.
2. Точечная персонализация
Алгоритмы машинного обучения анализируют все данные, которые есть у компании по конкретному клиенту, чтобы предложить ему самый подходящий товар в самое удобное время. Это персонализация до уровня конкретного клиента, а не сегмента клиентов, как было раньше. Персонализировать можно рассылки, рекламные объявления и контент на сайте.
АБ-тесты доказывают, что автоматические рекомендации в рассылках работают лучше, чем те, которые вручную собирает маркетолог.
Book24 провел AB-тест алгоритма «лучшее следующее предложение» перед внедрением. Половине клиентов рассылку отправляли спустя фиксированное время после совершения заказа, а другой половине — в персонально определенную алгоритмом дату.
По итогам тестирования алгоритм показал значимо лучший результат, чем логика, определенная человеком:
- +25% open rate;
- +20% click rate;
- в 2 раза выше конверсия в заказ;
- в 3 раза меньше отписок от рассылки.
Mario Berlucci персонализирует контент на сайте под конкретного пользователя с помощью алгоритма машинного обучения. Алгоритм отслеживает действия клиентов на сайте, чтобы предсказать, купят ли они в текущей сессии и вернутся ли на сайт в течение семи дней. Клиентам, которые, скорее всего, не купят и больше не вернутся, показывают попап со скидкой, ограниченной по времени. Если алгоритм предсказывает, что клиент совершит покупку, то попап ему не показывают. Скидка на основе предсказания помогла сократить число брошенных корзин на сайте на 17,2%.
Попап со скидкой всплывает, если по предсказанию алгоритма клиент в текущей сессии не оформит заказ и не вернется позже
Маловероятно, что в ближайшее время в этой сфере появится что-то совершенно новое. Скорее всего, это будет комбинация того, что уже сделано. Например, алгоритм будет собирать больше данных и быстрее их обрабатывать.
3. Внедрение ИИ в процесс создания контента
Опыт компаний из разных сфер доказывает, что алгоритмам ИИ можно передавать задачи, которые обычно выполняют начинающие авторы и дизайнеры. Чаще всего полученный результат все равно приходится дорабатывать, но на это понадобится меньше ресурсов, чем на подготовку контента с нуля.
Boston Consulting Group считает, к 2030 году все изменится. ИИ сможет создавать лучший контент из возможного, который не нужно будет дорабатывать человеку.
Контент-агентство Monk начало использовать Midjourney для проекта «Дерзкий репетитор», когда у иллюстратора не хватало времени на создание изображений. Благодаря нейросети стоимость производства изображения снизилась в семь раз, поэтому агентство решило отказаться от помощи иллюстратора. Теперь редактор готовит картинки для соцсетей сам: за 40–50 минут генерирует около девяти изображений, вставляет их в шаблоны в Figma, добавляет текст — и готово.
Дизайнеры Monk стали использовать нейросеть, чтобы генерировать референсы для клиентов и черновики макетов, которые затем дорабатывают вручную.
Изображения для публикации об ударениях сгенерировала нейросеть, а редактор лишь добавил текст
Нейросети пока лучше справляются с созданием изображений, чем текста. Хотя уже хорошо умеют писать тексты вроде инструкций, документации или статей под SEO-запросы. Я даже знаю случаи, когда компании на этом хорошо экономят. Они анализируют поисковые запросы, находят ключевые слова и делают статьи. Результат получается достаточный для того, чтобы двигаться вверх в поисковой выдаче.
Но если нужны хорошие продающие статьи, машина не справится. ИИ набросает структуру, даст идеи, но редактировать придется человеку. По времени это выйдет не быстрее, чем писать самостоятельно.
Я за то, чтобы использовать нейросети для создания контента: не только рассылок, но и презентаций, текстов выступлений и так далее. Нейросеть хорошо умеет четко формулировать расплывчатые идеи. Это моя любимая категория запросов: «Сократи до четырех слов», «Нужен четкий понятный заголовок», «Сделай более креативно» и другие. Конечно, хороший результат получается не сразу, но это не проблема машины, это проблема формулировки. У нас пока еще рука не набита ставить задачи так, чтобы получать максимально конкретный ответ
Я уверена, что очень скоро нейросеть сможет делать всю рассылку за человека. К примеру, появится возможность загружать в ChatGPT шаблон письма: тут баннер, тут заголовок, тут место для промокода. Но пока так не работает, а объяснять текстом структуру очень сложно.
4. Использование чат-ботов на базе машинного обучения
Чат-боты, которые работают по заданным сценариям, популярны, но не решают всех задач, необходимых рынку. Главная их проблема в том, что они способны отвечать только на типовые вопросы клиентов, ориентируясь на ключевые слова. Простой пример: если человек напишет «привет», машина сможет сымитировать поведение реального консультанта, ответив «привет». Все станет сложнее, если сразу после «привет» человек отдельным сообщением спросит «Сколько стоит курс по Python?». Простой чат-бот без ИИ не увидит связи между двумя сообщениями, поэтому ответит только на первое «привет» чем-то вроде «Привет! У вас какой-то вопрос?». Такое общение с ботом превращается для клиента в повторение одних и тех же вопросов, что раздражает.
Чат-бот реагирует на слово, которое знает: клиент пишет «Привет», бот тоже здоровается
Чат-бот умеет отвечать только на одно знакомое слово, которое увидел первым. На второе сообщение клиента, отправленное сразу, он ответит другим сообщением
Решить эту проблему могут чат-боты на основе ИИ. Такие боты понимают контекст, поэтому общаются с клиентами как живые консультанты службы поддержки.
В Skillbox пытались найти подобный инструмент на рынке, изучая предложения «Яндекса» и других компаний. В итоге решили обучить собственную модель, решающую задачи компании. Создание умного чат-бота в Skillbox заняло почти год: разработка модели, обучение, развертывание на сервере и другие этапы. Сейчас он в стадии внедрения.
Чат-бот Skillbox с искусственным интеллектом дает клиенту нужную информацию без лишних вопросов
Следующим шагом мы хотим к нашей модели машинного обучения в боте подключить ChatGPT. Так она сможет обучаться на всех данных, а не только на тех, которые есть у нас. У нас много переписок с клиентами, звонков и скриптов, на которых мы обучили модель, но некоторых данных в ней нет. Например, информации о погоде. Наша модель этого не знает, а ChatGPT знает. Объединение нашей модели с ChatGPT позволит сделать общение с ботом настолько похожим на человеческое, насколько это возможно.
Прогнозы экспертов по развитию ИИ
Сегодня алгоритмы машинного обучения и нейросети лучше использовать только для оптимизации рабочих процессов, а не для стратегических задач.
Хотя в перспективе все может измениться. Я думаю, что скоро наступит эра изолированных решений. Каждая компания сможет создать свою модель, чтобы использовать ее только для себя. Такие модели могут быть действительно хороши, чтобы нанимать людей, писать письма, обучать продавцов внутри компании. Если делать это с помощью открытой программы вроде ChatGPT, получится ерунда. Он обучит все компании страны продавать одинаково, без учета специфики индустрии.
В перспективе все алгоритмы вполне могут развиться в единую историю. Сейчас их много, но у каждого своя компетенция: текстовые модели, модели для генерации картинок или видео.
Есть вероятность, что появится единая модель помощника, который будет делать все: бронировать перелет, рисовать сайт, писать программу или сочинение ребенку. Давать ему команды можно будет голосом через любое устройство, подключенное к интернету. Мне кажется, это будет ренессанс развития алгоритмов ИИ.
