Что такое машинное обучение, нейросети и ИИ
Искусственный интеллект (ИИ или AI) — это не тоже самое, что и нейросети. В ИИ входит множество направлений — это могут быть логические системы, работа с естественными языками, биологическое моделирование, искусственное сознание, робототехника и другие. Одно из направлений искусственного интеллекта — машинное обучение, которое решает поставленные задачи не прямо, а учится их решать, прогоняя через себя большие массивы данных.
Нейросети — это один из способов работы машинного обучения, который еще называют «глубоким обучением». Оно имитирует нейронную систему мозга: миллионы искусственных нейронов посылают друг другу сигналы, чтобы решать поставленные задачи. Например, находить закономерности, предсказывать поведение на основе чисел, распределять информацию по классам и кластерам, находить аномалии, строить ассоциации.
Нейросети появились еще в середине прошлого века, их логическим развитием стало появление глубокого обучения в начале 2010-х годов. С этого момента их начали активно использовать практически везде, включая и маркетинг. В 2020 году исследование McKinsey показало, что больше половины компаний используют ИИ в работе.
Зачем нейросети и машинное обучение нужно в маркетинге
Использование нейросетей может снизить затраты — содержание ИИ для некоторых задача может выходить дешевле, чем штат сотрудников. Вторая причина — нейросети позволяют обрабатывать такие массивы данных, на которые в принципе не способны люди. Это открывает новые способы развитие компании и повышать эффективность ее рекламы.
Через несколько лет роль машинного обучения в маркетинге будет только расти. Директор по рекламным технологиям «МТС» Елена Мельникова в колонке для Forbes приводит несколько доводов: количество информации увеличивается, потребителям нужна персонализация и при этом развиваются новые рекламные площадки — дополненная и виртуальная реальности, мета-вселенные, интернет вещей и так далее. Все это подводит к тому, что даже малый и средний бизнес все активней использовать глубинное обучение и искусственный интеллект в маркетинге. Далее разберем, как уже сейчас используют различные технологии в таргете, персонализации, коммуникациях и разработке контента.
Машинное обучение в таргетинге и контекстной рекламе
В таргетированной рекламе использование больших данных и поиск взаимосвязей позволяет находить новые аудитории или запускать персонализированную рекламу.
Показателен кейс от сервиса PuzzleLib: в качестве эксперимента нейросеть должна была найти аудиторию людей, которые носят очки, чтобы потом на них запустить рекламные объявления. Гипотезой было то, что основная часть ЦА — это люди старшего возраста и те, кто увлекается IT и технологиями.
Нейросеть просканировала сотни тысяч фотографий из профилей ВКонтакте и оказалось, что основная масса — это молодые люди около 30 лет, которые подписаны на крупные городских паблики. Найти такие закономерности без нейросетей было бы сложно, ведь обработать большой массив данных классическим математическим способом сложно. Технология нейросетей помогла найти более релевантную аудиторию.
Вот еще сервисы, которые помогают автоматизировать рекламу и находить новые аудитории с помощью глубинного обучения:
- Платформа Albert автоматизирует работу с рекламной на всех западных онлайн-площадках.
- LoopMe – платформа для оптимизации рекламы в онлайне и офлайне.
- Сервис Shikari помогает находить аудитории по тематикам.
Нейросети со стороны рекламных площадок тоже используются. Например, в Meta* есть Optimize Text Per Person — текст рекламного объявления подстраивается под пользователей. Настройка доступна в рекламном кабинете Facebook Ads Manager.
Во ВКонтакте за автоматическое управление ценой отвечает алгоритм на основе нейросети, также внутри платформы работает нейросеть для отбора контента во вкладку «Актуальное». Весной 2022 года был запущен «Робби» — он помогает определять объем текста на изображения, чтобы соответствовать правилам платформы.
У Яндекса есть сервис «Аудитории» в котором можно создавать сегменты пользователей из своих источников или из «Яндекс.Метрики», а потом — запускать на них контекстную рекламу. В рекламном кабинете есть функция «Автостратегия» — она управляет ставками на основе машинного обучения.
В «Google Рекламе» работает две системы: интеллектуальное назначение ставок и умные объявления для персонализации баннеров. Кроме этого есть Performance Max — сервис для запуска рекламы на всех площадках Google, где большую часть управления на себя берет искусственный интеллект.
Rambler Group использует нейронные сети для более точной таргетированной рекламы. С помощью машинного обучения они изучили поведение пользователей и создали характеристики по которым эффективно запускать рекламу.
Нейросети для персонализации предложений от бизнеса
Объем информации растет, поэтому реклама становится все более персонализированной. Согласно исследованию Accenture большая часть потребителей онлайн-магазинов склонна обращаться к брендам, которые запоминают пользователя и составляют для него персонализированные подборки.
Например, в «Тинькофф» используют персонализированный кэшбек, который подбирает категории с помощью нейросети. Алгоритмическая система на базе ИИ Tinkoff RECO умеет определять вероятности покупки для брендов и решает, когда давать кэшбек.
Сервис IBM Watson Advertising Accelerator умеет составлять персонализированные видеоролики — он создает динамические креативы на основе предположений интереса конкретного сегмента ЦА.
Персонализация с помощью нейросетей может не только предоставлять индивидуальные списки товаров и делать видео, но и визуально примерять продукт. Чаще всего это используют для одежды. Например, как в приложении Style Space от стартапа Tryoncloth Inc, который работает с помощью ИИ и машинного обучения. В нем можно выбрать готовую модель, позу и набор одежды.
Нейросеть PF-AFN идет дальше и развивает эту мысль — покупатель может загрузить свою фотографию, а ИИ наложит на фотографии выбранную одежду. Исходный код и документацию можно взять на GitHub. В России успешный кейс применения такой технологии есть — в 2020 году Lamoda внедрила виртуальную примерочную в приложении и по ее словам продажи поднялись на 5%.
Машинное обучение используется в дополненной реальности. Например, DALL-E может генерировать одежду модели прямо на видео.
Нейросети могут объединить персонализации в онлайне и офлайне. Например, «Азбука Вкуса» инвестирует в Biolink. Tech — технологию, которая позволит составлять персонализации по продуктам на основе анализа крови.
Нейронные сети для коммуникаций с клиентами
Чат-боты помогают бизнесу выстраивать взаимоотношения с клиентами и серьезно разгрузить поддержку. Согласно исследованию Mindshare UK больше половины опрошенных респондентов в Великобритании лояльны к применением ботов, но с оговоркой, что к чату в любой момент может подключиться человек для решения более сложных проблем.
В России исследование 2021 года показало, что в целом чат-ботов все еще воспринимают не очень положительно: около 69% вопросов респондентам удалось решить вопрос в диаоголов окне, из которых 66% были решены без привлечения операторов.
Только 3% людей предпочитают решать вопросы исключительно через ботов, все остальные готовы писать в чат или общаться по телефону. Поэтому полное внедрение искусственного интеллекта пока еще не допустимо, но реально использовать его как помощника.
Не всякий чат-бот «умный». Есть чат-боты, которые работают в режиме сценариев — они не обучаются, а лишь дают ответы на вопросы-триггеры. Продвинутые боты работают по технологии «глубинного обучения» с использованием нейросетей — такие алгоритмы используются, например, в голосовом помощнике «Алиса» или «Олеге» от «Тинькофф».
Разработка умного чат-бота — это индивидуальная задача для каждого бизнеса, стандартного решения тут нет: можно использовать конструкторы и подключать к ним нейронные сети, либо разрабатывать с нуля.
Конструкторы с поддержкой ИИ:
- Aimylogic. Русскоязычный сервис. Может распознавать речи и смыслы фраз, обучаем.
- Botsify. Англоязычный сервис. Может обучаться и подбирать фразы исходя из контекста.
В создании нейросетей для чат-ботов используют готовые модули, которые нужно обучать. Например у Microsoft есть нейронка Semantic Machines для общения с пользователем на английском языке и облочный Luis.ai для встраивания естественного языка в приложения, боты и устройства «интернета вещей». В России существует RuGPT3 от «Сбера», которым можно свободно пользоваться.
Другое направление — голосовые боты, которые умеют понимать голос человека и логично отвечать на вопросы. «Макдональдс» использует в США голосовых роботов еще с 2019 года в точках для заказа еды из автомобиля. В России голосовых роботов в основном используют в телефонии. Например, «Почта России» с 2020 года использует голосового ассистента на базе SpeechKit от Яндекса. После внедрения голосового робота им удалось снизить нагрузку на горячую линию, а 30% заявок обрабатывать в автоматическом режиме.
Нейросети для создания контента
Одно из самых перспективных направлений — в будущем нейросети могут существенно помочь дизайнерам и копирайтерам в создании контента.
Изображения
Наиболее популярные нейросети — DALL-E и MidJourney, которая работает на дискорд-сервере. С помощью них бренд Epica провел эксперимент — весь август 2022 года в соцсетях публиковали изображения, созданные в нейросетях.
В России существует ruDALL-E, новую версию которой Kandinsky можно попробовать в «Салюте».
Кроме этого существуют нейросети, которые составляют изображения по наброскам. Например Nvidia Canvas — графический редактор, который с помощью нейросети GauGHAN 2 умеет создавать реалистичные картины по схематичным наброскам.
ИИ не только создают контент и рисуют, но и помогают с обработкой — могут увеличить качество, дорисовать фон или аккуратно вырезать выделенную область. Обратите внимание на эти сервисы для улучшения и обработки изображений:
- Waifu2x – убирает шумы и увеличивает размер изображения не теряя его качество.
- AI Image Enlarger – улучшает качество, накладывает ретушь, удаляет фон. Есть бесплатная версия.
- Gigapixel AI – улучшает качество изображения, может работать как плагин для Photoshop.
- Upskaler – увеличивает фотографии.
- Cleanup – очищает фон и убирает объекты на фотографиях.
Тексты
В основе нейросетей лежит система Natural Language Processing — способность понимать смысл слов и устанавливать связи между словами в предложениями. Впервые технологию разработал Google в 2017 году, потом он был переработан в более современный BERT, открытый код которого лежит в свободном доступе на GitHub. BERT также используют в поисковике Google.
Аналогично работает алгоритм GPT-3 от OpenAI. Он умеет генерировать статьи — один из самых известных примеров, это колонка в The Guardian, написанная нейронной сетью. В эссе ИИ объясняет, почему не людям не стоит боятся роботов. Также эта нейросеть умеет отвечать на вопросы — на Reddit какое-то время работал бот Philosopher AI, который дал более тысячи ответов на вопросы пользователей.
В 2020 года появился русский аналог ruGPT3 от «Сбера» — нейросеть поддерживает русские язык и еще с десяток других. На его основе есть две модели, которые можно использовать в работе — «Рерайтер» для умного переписывания статей и постов и «Суммаризатор», который умеете убирать из материалов лишнию информацию и «воду».
Генераторы уже применяются в создании контента. Например, CopyMonkey — сервис на основе ruGPT3. Можно выбрать тематику текста (для блога, отзыв, описание товара), указать тему и дополнительные параметры. На бесплатном тарифе доступно до 10 генераций текста в день. Естественно, генерирует он ерунду, но бывает выдает что-то сносное.
С лета 2022 года можно свободно пользоваться языковой нейросетью от «Яндекса» YaLM 100B. На его алгоритме работает Балабоба.
Нейросети могут не только создавать текст, но и выступать в роли редактора. Например в The Washington Post работает бот, который помогает работать с шаблонными материалами: новостями, заметками и даже статьями.
Видеоконтент
Наиболее популярная технология нейросетей, которая используется в видеоконтенте — это создание двойников реальных людей (face swap). Чаще всего это используют в кино — например в сериале «Мандолорец» использовали технологию генрации лица, чтобы омолодить Марка Хэмилла для роли Люка Скайуокера в юности.
Face swap применяют не только в кино, но и в маркетинге. Например, в рекламе «Мегафона» использовали цифровую копию Брюса Уиллиса, в которой воссоздали образ актера из его ранних фильмов. Съемки проходили с участием актера, но удаленно, сумма гонорара неизвестна.
Face swap можно использовать как «говорящие головы» для создания обучающих материалов, инструкций и информации о продуктах. Например, в сервисе Synthesia можно выбрать десятки внешнего вида ведущих, добавить собственный фон и графические элементы. Далее — ввести текст и ИИ соберет итоговое видео с ведущим.
Также технологию еще называют дипфейком, обычно этот термин используют, когда используют лица людей без их ведома. Например, летом 2022 года завирусился дипфейк Киану Ривза, который рекламировал «Тульский пряник». Причастна ли к рекламе сам компания-производитель — непонятно, но вряд-ли образ актера использовался легально.
Как еще могут применяться нейросети в маркетинге
Оценки стоимости. Нейросети могут анализировать рынок и цены. Например, подобную систему реализовал «Дом Клик» для прохождения ипотеки. До внедрения нейросети оценку недвижимости банк привлекал сторонние агентства, на что тратилось до 15 млн рублей в год. После — все начал делать алгоритм на основе анализа большого количества данных. Точность не пострадала, затраты упали и возросла доля автоматически одобренных заявок на 8%.
Рекламные кампании. Нейросеть сама по себе может выступать объектом рекламы, которая привлекает внимание — технология относительно новая, а значит может стать дополнительным источником пиара. Например, обложку для Cosmopolitan нарисовала нейросеть DALL-E, что стало поводом для широкого обсуждения и, возможно, более высоким продажам номера.
Пример из России — пиар-кампания «Почитай старших» от «Билайна» использовала нейросеть, чтобы найти отсылки в текстах современных рэперов к русским классикам. Линии связи визуализированы на специальным лендинге.
Машинное обучение в маркетинговой аналитике. Обработка больших данных для поиска закономерностей и инсайтов — одна из полезных особенностей нейросетей в аналитике. Так «Тинькофф» выложил в открытый доступ ETNA — алгоритм для анализа и прогнозирования. Например, с помощью него можно спрогнозировать выручку на будущий год или проанализировать продажи. Система работает на базе машинного обучения, поэтому все зависит от качества и объема предоставленных данных.
Авторизация и защита данных. Нейросети умеют сканировать лица людей и запомнить их, что может стать дополнительным способом авторизации в системе. Такой сервис предоставляет «Технологика», которая работает по системе биометрической идентификации и сопоставляет данные из документов с лицом человека.
Автоматизация программ лояльности. Подбор индивидуальных акций и скидок, анализ покупательской способности, более эффективные пуш-уведомления — внедрение нейросети в программу лояльности поможет эффективно удерживать покупателей. Например, есть сервис SWiP, который умеете анализировать активность покупателей и сам запускает акции на основе алгоритмов и ИИ.
Заключение
В будущем маркетинг и нейросети могут стать еще более зависимыми и доступными. Но любая нейросеть не может работать без большого количества данных или правильно настроенного алгоритма обучения. Обращайтесь в агентство Awake — поможем с разработкой и внедрением нейросетей в бизнес.
на журнал
