Искусственный интеллект трансформирует маркетинг, но людям работы все равно хватит

Как трансформируются функции маркетинга и изменятся компетенции маркетологов в связи со стремительным развитием искусственного интеллекта? Эти вопросы обсудили на дискуссионной площадке в Вышке, организованной Высшей школой маркетинга и развития бизнеса НИУ ВШЭ.

Как машинный интеллект изменит маркетинг?

Как рассказала модератор дискуссии, декан Высшей школы маркетинга и развития бизнеса НИУ ВШЭ Татьяна Комиссарова, первые обсуждения того, что машинное обучение приходит в маркетинг, начались еще в 2015 году. Тогда было заявлено, что компания Google серьезно задумывается заменить труд аналитиков машинами. Через год Google передал машинам 30% работы, которую прежде выполняли аналитики.

Машинное обучение, которое сегодня происходит в IT-отрасли, — локомотив новой промышленной революции, убежден член совета директоров ЗАО «Айкумен ИБС», руководитель направления Нейроассистенты дорожной карты «Нейронет» НТИ Сергей Шумский. По словам спикера, речь идет о кардинальном изменении в недалеком будущем отношения человека и машины. Мы привыкли относиться к машине как к некоему механическому исполнителю (машина → исполнение) при условии, что человек ставит цели и пишет алгоритмы для машин. «Сегодня ситуация стремительно меняется, — считает Шумский. — И когда эти изменения завершатся, распределение ролей изменится. Человек по-прежнему будет ставить цели, но писать программы будут уже машины и сами же их исполнять. Базы данных становятся настолько сложными, что люди просто не успевают писать соответствующие алгоритмы. В то время как мощности машин уже позволяют им справляться со сложными задачами, которые еще совсем недавно были по силам исключительно человеку». Цена подобных изменений, считает спикер, — постепенная потеря человеком контроля над машинами.

Помимо этого постепенно меняется взаимоотношение человека с машиной (компьютером). Если раньше человек манипулировал информацией как объектом (пассивные документы, файлы, папки), то с приходом агентов искусственного интеллекта все изменится кардинально. Агенты, в отличие от пассивных файлов, постоянно обучаются, наблюдают за человеком, изучают его потребности, цели и задачи, угадывая его желания, и предлагают персонифицированный продукт или услугу. Хороший пример «умной» операционной системы, которая непосредственно общается с человеком, предвосхищая все его желания, показана в картине режиссера Спайка Джонза «Она». В такой ситуации, убежден спикер, человек не просто теряет контроль над машинами, но и в какой-то мере подпадает под их контроль («мягкая сила»). Сегодня машины уже умеют распознавать речь, обладают техническим (машинным) зрением, которое позволяет им с точностью определять возраст, пол, эмоции человека, распознавать объекты (машины отвечают, какие предметы видят на картинках, какое количество, к какому классу они относятся и так далее), переводить тексты со всех языков мира и другое.

Однако, как убежден Шумский, в этих изменениях есть и положительные моменты. К примеру, в ближайшем будущем, скорее всего, исчезнет ненавистная всем назойливая реклама. Вместо нее возникнет диалог с позиций пользователя, так называемый глобальный агентский секретариат, где персональные агенты будут знать, что конкретно нужно человеку и предлагать это, а облачные агенты займутся выяснением — что, где, когда и почем.

Модели машинного обучения и как они применяются в маркетинге

Как рассказал заместитель руководителя Департамента больших данных и информационного поиска НИУ ВШЭ, руководитель группы качества рекомендаций и анализа контента сервиса «Яндекс.Дзен» Евгений Соколов, человек, зачастую не осознавая этого, каждый день генерирует большие объемы данных (пластиковые карты, социальные сети, сенсоры на личных автомобилях, геолокация на айфонах и так далее), которых вполне достаточно для моделирования машинами персонифицированного предложения. Ведь машинное обучение это не что иное, как извлечение закономерностей и построение выводов по данным (не по экспертным оценкам).

Далее персональную информацию о клиенте можно использовать, создавая, во-первых, рекомендательные системы, к примеру, предложения продуктов или услуг банка, которые рассылаются клиентам по sms, e-mail, личными звонками сотрудника банка, уведомлениеми в онлайн-банке и так далее. Классический подход в решении подобных задач — сегментация клиентов и предложение продукта (услуги) конкретному сегменту. В то время как обучение машин предсказывать пожелания клиента, анализируя его персональные данные, повышает уровень дохода компании на 13%.

Во-вторых, по поведению клиента в сети можно предсказывать, что он хочет уйти и, предлагая ему различные бонусы, скидки и так далее, удерживать его. Такая модель называется предсказание клиентского оттока. Классический подход — агрегированные данные (процесс объединения данных в одну систему) и формирование простых моделей, которые могут предсказывать, кто уйдет через 1 – 2 недели. Дальнейшее развитие машинного обучения позволяет анализировать большие объемы данных и выстраивать сложные нелинейные модели, увеличивающие доход компании от 10 до 20%.

В качестве успешного примера работы с персональной информацией Евгений Соколов привел Яндекс.Дзен — сервис персональных рекомендаций Яндекса, позволяющий минимизировать время на поиски нужной информации. Для использования сервиса пользователю необходимо отметить интересующие его темы, а дальше, как рассказал Евгений Соколов, человек, сам того не осознавая, оставляет о себе массу информации (просмотры, лайки, клики, дизлайки), которую затем анализируют машины и предлагают именно то, что может заинтересовать конкретного пользователя.

Распространенный метод маркетингового исследования, который также используют Яндекс, Google и другие — A/B тестирование. Оно позволяет оценивать количественные показатели работы двух вариантов веб-страницы, а также сравнивать их между собой. Такой подход помогает выяснить, в какой именно части наблюдается улучшение целевых показателей, и только в случае положительных результатов применять улучшенную модель для всей системы целиком. В этом смысле следующий этап в обучении машин, как считает Евгений Соколов, научить их предсказывать долгосрочные эффекты от нововведений по краткосрочным измерениям.

Чем займется новое поколение маркетологов?

Американская ассоциация маркетинга (AMA) определяет маркетинг как управление потоками товаров и услуг от производителя к потребителю и именно этим, убежден Шумский, займутся умные агенты. Однако это вовсе не означает, что все маркетологи останутся без работы, но саму структуру маркетинга придется переформатировать полностью. Новое поколение маркетологов станет управлять коммуникациями между агентами, производителями и потребителями. Их новые компетенции будут включать в себя дизайн агентских сервисов, воспитание и мотивацию агентов и другие креативные задачи, которые пока еще по силам решать только человеку. Наиболее смелые прогнозы предполагают появление к 2025 году новой профессии в области маркетинга — дизайнер человеческих эмоций, где задача людей — генерировать эмоции, а агентов — реагировать и предлагать соответствующий продукт. «В профессии останутся наиболее квалифицированные и креативные специалисты, остальных займут более рутинной работой. Быть в профессии — станет привилегией», — подчеркнул Сергей Шумский.

По словам Татьяны Комиссаровой, чтобы в будущем остаться в профессии, маркетологи должны будут уметь ни только рекламировать (продавать продукт), но также обладать определенным спектром экономических и технологических компетенций, понимать требования, которые предъявляет искусственный интеллект, чтобы ставить ему адекватные задачи. В мире все больше ценятся уникальные (междисциплинарные) компетенции.

Евгений Соколов, в свою очередь, отметил, что в построении моделей искусственного интеллекта есть еще много работы для человека. К примеру, feature engineering, обучение сложных нейросетей, где слишком много трюков и тонкостей. К тому же, убежден, Соколов, просто хорошей модели недостаточно, ее еще необходимо грамотно встроить в бизнес-процессы, оценить экономическую целесообразность, и это также работа для человека.

Успокоил маркетологов и основатель компании ROBO-DESiGN Павел Попов, рассказав, что существующие сейчас рекламные промоботы пока не угрожают специалистам. Они скорее призваны создавать настроение на мероприятиях, которые организуют маркетологи. Например, промоботы с удовольствием общаются с детьми, могут прочитать им лекцию или ответить на их вопросы, поздравить с днем рождения, развлечь гостей на мероприятии. Роботы также выступают в качестве стендистов на выставках и промоутеров на открытии торговых центров. «У промобота есть три уровня интеллекта — общая эрудиция, знания, которые вкладывает инженер (хозяин робота), и блок знаний, которые пишутся под конкретное мероприятие. Поэтому говорить о полной разумности роботов еще слишком рано, пока они подконтрольны человеку, — заключил Попов.