Что такое нейронные сети, и как с их помощью маркетологи, дизайнеры, копирайтеры могут автоматизировать свою работу? К чему приведет распространение машинного обучения в будущем?
Ранее автоматические алгоритмы были направлены лишь на ускорение и систематизацию маркетинговых процессов, они не могли сами обучаться и создавать информацию. Теперь же это стало реальным.
Нейронные сети – это математические модели и ее физическое воплощение в виде аппаратного и программного обеспечения, построенные по типу нервных клеток живых организмов. Они могут распознавать изображения и образы, анализировать тексты и устную речь, делать прогнозы на базе собранных баз данных (big data).
В маркетинге нейронные сети широко распространены для улучшения результатов выдачи в соцсетях и поисковых системах, для показа наиболее релевантного контента и рекламных сообщений пользователям.
Чтобы нейросети давали корректные прогнозы, важно предоставить ей возможность обучиться и набрать достаточно данных для релевантных выборок. Тоже самое, как это происходит с нервной системой, в частности, мозгом человека. На установление новых нервных связей требуется время, после которого человек обретает и закрепляет новый навык.
Набирает популярность технология распознавания эмоций. Механизмы применяются самые различные. Например, алгоритм может обрабатывать потоковое видео с камер наблюдения на улицах города, чтобы показывать разную рекламу в зависимости от настроения прохожих. В этом примере нейросеть делит прохожих на позитивных (уголки губ направлены вверх, лоб гладкий, брови подняты) и негативных (межбровные складки, уголки губ вниз, сутулость и т.п.), затем сопоставляет их геолокацию с пользовательскими ID, которые обнаруживаются здесь же, и выводят на дисплеи их смартфонов рекламу средств от депрессии, психологов, путевок в солнечный страны (для грустных) или подборку вечеринок и концертов (для веселых и активных).
Также нейронные сети могут интегрировать рекламу на билбордах и дисплеях, повышая эффективность «наружки».
Естественно, технология распознавания эмоций пока не совершенна. Так как на адекватное распознавание влияет культурные предпосылки, особенности языка (одно и тоже слово, произнесенное с разным ударением, может быть восклицанием или оскорблением), традиции, моду, тренды инфополя, которые сложно учитывать, анализируя поведение пользователей в соцсетях. Однако такие технологии позволяют значительно улучшить конверсию маркетинговых мероприятий.
Другой пример нейронных сетей в действии – это анализ политических и общественных настроений. Тревожные люди двигаются более импульсивно. Алгоритмы могут считывать данные не только с фитнес-трекеров, но и других мобильных гаджетов, подмечая даже жестикуляцию руками. Доказано, что перед эскалацией общественных и других конфликтов процент «дерганных» людей возрастает.
Нейросети применяются для улучшения коммуникации с пользователями благодаря внедрению обучаемых ботов. Одним из первых убедительных тестов стало внедрение бота-консультанта на сайт бренда North Face, который успел поработать почти с 50 000 пользователей и смог увеличить время пребывания клиента на сайте примерно на 2 минуты.
С развитием технологии появляются боты, которые подстраиваются под сленг и темп речи человека, запоминают его вопросы и ответы, предлагают в зависимости от истории беседы разные варианты для развития коммуникации. Обучаемый бот в саппорте справляется лучше живого специалиста, который может устать, забыть или перепутать. В бот уже загружен огромный пласт структурируемой информации, которая пополняется в процессе каждого нового взаимодействия с клиентом.
Digitalgenius уже предлагает компаниям поставить своего обучающегося бота на саппорт. Боты компании Digitalgenius наблюдают за работой реальных специалистов службы поддержки и перенимают опыт, а в течение такого обучения специалисты корректируют бота и помогают ему. Спустя какое-то время обученная нейросеть может продавать и оказывать помощь с выбором и обслуживанием товаров бренда наравне с опытным работником.
Ряд платформ, в частности LoopMe, уже успешно используют нейросети для настройки таргетированной рекламы. В дальнейшем это полностью изменит маркетинговую политику. Во главу угла встанет не умение отдельных маркетологов и таргетологов придумывать и реализовывать рекламные стратегии, а бюджеты и возможность получить доступ к большим данным.
Создание контента также не обошлось без влияния машинного обучения. Так стало известно, что уже созданы генераторы текста, способные написать статью в газету вроде РБК так, что вы никогда не догадаетесь об ее «искусственном» происхождении. После прочтения вы будете уверены, что только что ознакомились с трудом талантливого журналиста, имеющего свой узнаваемый стиль и подчерк.
Точно также будет работать и автоматический дизайнер, который на основе предположений нейросети о пристрастиях целевой аудитории, будет сам рисовать тизеры, баннеры и прочие рекламные иллюстрации.
Алгоритм Magic Pony Technology уже научился «додумывать» изображения, решив сложнейшую задачу по улучшению качества изображений. Теперь из картинок с огромными пикселями можно получить вполне детальное фото. Не долог тот час, когда оцифрованные пленочные фильмы прошлого века будут перезаписаны в 4К. Естественно, алгоритм создавали вовсе не затем, чтобы не потерять Чаплина для потомков, а лишь затем, чтобы маркетологи из фото с встроенных камер смартфонов могли получать реальные изображения пользователей. Вполне возможно, что Цукерберг вовсе не зря заклеивает камеры на всех своих девайсах.
Развитие нейросетей в будущем угрожает исчезновению большинства рабочих мест, а как следствие и потере покупательской способности. Будут ли из-за этого вводить какие-то ограничения на разработку в области машинного обучения или нет, пока что не известно. Однако сейчас, пока доступ к нейросетям у маркетологов есть, а полезные сервисы растут как грибы после дождичка, советуем всем ознакомиться с механизмом их работы и потенциальными возможностями для применения в продвижении собственных проектов.