Маркетинг на основе искусственного интеллекта

Каждая форма маркетинга реализует различные подходы к основам маркетинговой теории. Традиционный маркетинг напрямую фокусируется на потребностях клиентов; между тем, некоторые специалисты полагают, что переход к искусственному интеллекту приведёт к тому, что маркетинговые агентства начнут управлять потребностями клиентов, а не только отвечать на них^[1].

Искусственный интеллект применяется в различных областях цифрового маркетинга, таких как контент-маркетинг, email-маркетинг, интернет-реклама (в сочетании с машинным обучением), маркетинг в социальных сетях, партнёрский маркетинг и другие^[2][3].

Потенциал искусственного интеллекта активно исследуется в цифровом маркетинге. В реальном времени специалисты по маркетингу утверждают, что искусственный интеллект помогает им лучше удовлетворять потребности клиентов, а также анализировать эффективность конкурирующих компаний и их кампаний, выявляя потребности и желания целевой аудитории^[4].

Искусственный интеллект оказывает влияние на маркетинг уже много лет, и эта тенденция продолжает нарастать. Особенно заметным это влияние стало в 2017 году, когда о применении искусственного интеллекта в маркетинге заговорили на широком уровне. Тем не менее, история искусственного интеллекта уходит корнями в 1980-е годы, начавшись с исследований в области робототехники и систем. После первых исследований развитие этой тематики было приостановлено и возобновилось лишь спустя два десятилетия, чему способствовали технологический прогресс, рост объёмов больших данных и увеличение вычислительных мощностей. В итоге искусственный интеллект стал широко использоваться в маркетинге и заинтересовал многих исследователей и профессионалов^[5]. Масштабное библиометрическое исследование 1580 рецензируемых статей, опубликованных в 1982—2020 годах, подтверждает: рост научных публикаций по AI-маркетингу начался с 2017 года; лидирующим журналом в данной области стал Expert Systems with Applications.

До внедрения искусственного интеллекта в маркетинг применялась технология «коллаборативная фильтрация» (англ. collaborative filtering): впервые её использовали в 1998 году в Amazon для прогнозирования поведения потребителей и формирования индивидуальных рекомендаций. Сегодня рекомендательные системы на основе искусственного интеллекта широко применяются в сервисах потокового видео и музыки (например, Spotify, Netflix), а крупные маркетинговые задачи автоматизируются с помощью программируемых рекламных площадок и инструментов аналитики. Существенный этап развития AI-маркетинга — автоматизация покупки рекламы (англ. programmatic ad buying) в 2014 году. В 2015 году компания Google представила алгоритм RankBrain, открывший новые подходы к анализу поисковых запросов и определению их намерений^[6].

Искусственный интеллект всё чаще используется для персонализации пользовательского опыта и автоматизации маркетинговых решений. Например, Netflix применяет алгоритмы ИИ для персонального выбора контента, а Sephora использует чат-ботов для ассистирования клиентов при подборе продуктов. Программные рекламные платформы, такие как Google Ads, используют машинное обучение для оптимизации стратегий торгов и более точного таргетинга. Эти приложения повышают эффективность, вовлечённость и конверсию в цифровых каналах^[7].

Прогностическая аналитика представляет собой вид аналитики, при котором используются исторические данные и алгоритмы искусственного интеллекта для прогнозирования будущих тенденций и результатов^[8]. Такие методы помогают предсказывать и понимать поведение пользователей на основе обнаруженных в данных закономерностей. Прогностическая аналитика применяет алгоритмы машинного обучения для выявления паттернов и прогнозирования на их основе^[9]. Алгоритмы машинного обучения анализируют данные, выявляют закономерности и осуществляют прогнозы с учётом постоянного обучения и адаптации.

Прогностическая аналитика широко применяется в бизнесе для выявления рыночных возможностей, снижения рисков и предугадывания нужд клиентов, основываясь на анализе пользовательских данных. Анализируя исторические данные о клиентах, алгоритмы искусственного интеллекта могут выдавать релевантный и целевой маркетинговый контент^[9].

Последние обзоры отмечают, что генеративные языковые модели, такие как GPT‑3 и GPT‑4, уже встроены в процессы прогностической аналитики для анализа неструктурированных рыночных данных и более точного предсказания намерений потребителей^[10].

Персонализированные движки применяют методы искусственного интеллекта и машинного обучения для предоставления пользователям релевантного контента или рекламы. На основе собранных пользовательских данных выявляются паттерны и тренды, затем пользователи сегментируются по схожим характеристикам или поведению, после чего движок персонализации настраивает выдачу контента или рекламы под каждый сегмент^[11]. Обработка больших массивов данных позволяет рекомендовать товары и предложения, максимально соответствующие интересам и предпочтениям пользователя^[12]. Полевые исследования в компаниях-производителях потребительских товаров и электроники показывают, что персонализация на основе ИИ способна повысить коэффициент конверсии и рентабельность маркетинга, хотя проблемы управления данными и недостаток кадровых компетенций остаются основными барьерами внедрения^[13].

Поведенческий таргетинг — это коммуникация с потенциальным или существующим клиентом на основе анализа его предыдущих действий^[14]. Для исследования поведения используются платформы маркетинговых технологий: веб-аналитика, мобильная аналитика, аналитика социальных медиа и системы триггерного маркетинга. Маркетинг на основе искусственного интеллекта предоставляет инструменты и методики для реализации поведенческого таргетинга.

Машинное обучение позволяет повысить эффективность такого таргетинга и снизить влияние человеческих ошибок при масштабной работе с данными. Самой продвинутой формой поведенческого таргетинга, поддерживаемой ИИ, считается алгоритмический маркетинг.

Библиометрические анализы области выделяют пять основных исследовательских направлений — от доверительных отношений «поставщик–покупатель» до анализа эмоциональных реакций в соцсетях, при этом наблюдается фрагментация цитируемости, что указывает на скорую эволюцию и молодость ИИ-маркетинга как научной дисциплины^[10].

Вопросы этики маркетинга на основе искусственного интеллекта активно обсуждаются и изучаются. Этика ИИ имеет межотраслевой и междисциплинарный характер, охватывая различные социальные аспекты^[15]. Основные этические проблемы касаются права на неприкосновенность частной жизни и алгоритмических предвзятостей.

Проблемы приватности связаны с тем, как компании, использующие ИИ и большие данные, собирают, хранят, продают и используют персональную информацию потребителей. Возникают вопросы, как долго хранятся данные, кому они могут быть переданы, а также могут ли в информации об одном человеке содержаться данные о других лицах, не желающих их раскрытия^[15].

Целью сбора данных, как правило, является персонализация и повышение качества клиентского опыта^[16]. Использование персональных данных и ИИ-технологий позволяет лучше понимать потребности клиентов и делать предложения уже «заточенные» под каждого индивидуального пользователя^[17].

Алгоритмические предвзятости — это ошибки в компьютерных программах, которые способны несправедливо влиять на одних пользователей в ущерб другим^[18]. В области маркетинга на основе искусственного интеллекта опасность представляет перенос предвзятостей разработчиков в алгоритмы^[16], а также неспособность ИИ распознавать собственные ошибки^[15].

С другой стороны, существуют мнения, что алгоритмическая предвзятость ИИ в бизнесе преувеличена, поскольку основные решения строятся на человеческих предпочтениях и целях компании.

В марте 2024 года Комиссия по ценным бумагам и биржам США (SEC) предъявила обвинения компаниям Delphia (USA) Inc. и Global Predictions Inc. за распространение ложной информации о возможностях их ИИ-технологий в маркетинговых материалах, что подчёркивает этические вызовы этой сферы^[19]. Применение методов «AI-washing» (преувеличения качества ИИ) подрывает доверие клиентов и вредит репутации бренда. Исследования показывают, что повышение прозрачности и достоверности AI-маркетинга возможно за счёт анализа открытых корпоративных данных, публикаций и показателей вовлечённости ИИ-систем.

Принципы маркетинга на основе искусственного интеллекта строятся по аналогии с циклом восприятие—рассуждение—действие в когнитивных науках, что в маркетинге описывается как цикл сбор — обработка — действие^[20].

Подразумевает все действия по фиксации данных о клиентах и лидах (например, данные о времени просмотра публикаций на платформах социальных сетей и т. д.). Эта информация, собираемая как онлайн, так и офлайн, сохраняется в базах данных.

На этом этапе данные преобразуются в информацию, а затем в интеллектуальные инсайты. Искусственный интеллект и машинное обучение играют здесь ключевую роль, позволяя превратить большие массивы данных в действенные знания.

Используя полученные инсайты, компания осуществляет попытку повлиять на решение клиента с помощью мотивирующих сообщений, предложений и рекламы.

В неконтролируемых (unsupervised) моделях искусственный интеллект способен самостоятельно принимать решения о действиях, основываясь на собранной информации.

Интеграция ИИ в разные отрасли меняет подходы к инновациям и эффективности. ИИ способен проводить глубокий анализ данных и выявлять паттерны, что обеспечивает разработку гиперперсонализированной рекламы^[21]. К примеру, компания Target построила предиктивные аналитические модели, способные прогнозировать беременность женщины по её покупательским привычкам — что позволило повысить эффективность рекламных кампаний и прибыль. Таким образом, ИИ помогает создавать индивидуальные предложения, прогнозировать выбор клиента в реальном времени и улучшать показатели конверсии и удержания^[22].

Цифровые ассистенты (например, Alexa, Siri, Google Assistant) изменили способы коммуникации клиентов с бизнесом, предоставляя персонализированные ответы и увеличивая удовлетворённость сервисом^[23]. Такие ассистенты способны поддерживать диалог, рекомендовать услуги и использовать для этого обработку естественного языка и машинное обучение^[24].

Чат-боты, использующие ИИ, широко применяются для поддержки клиентов и персонализации коммуникации. Они могут анализировать вопросы, быстро реагировать и подбирать подходящие решения, что ведёт к росту удовлетворённости клиентов^[25].

ИИ трансформировал цифровой маркетинг, позволив компаниям собирать и анализировать большие объёмы данных о клиентах и реализовывать стратегии, основанные на аналитике. Например, Amazon использует данные о покупках, поисках и просмотрах пользователей для создания индивидуальных предложений^[2].