Нейросети в маркетинге: не все так просто

Разговор о нейросетях часто превращается в обсуждение будущего, где ИИ заменит людей и практически спасет мир. Однако на практике все гораздо сложнее. Наталия Михалева, директор по развитию click.ru, на вебинаре «Практическое внедрение ИИ в маркетинг: разбор кейсов» поделилась опытом и рассказала, в каких случаях ИИ действительно может помочь, а в каких наоборот.

Что происходит с нейросетями в маркетинге

По данным последних исследований, до 89% маркетологов активно используют ИИ-инструменты в своей повседневной работе, от подготовки материалов до разработки стратегий. При этом можно предположить, что реальная доля еще выше.

Одновременно меняется и цифровой контент. По оценкам аналитиков, около 52% новых статей в интернете сегодня создают алгоритмы.

Искусственный интеллект все чаще становится частью долгосрочных стратегий компаний. По данным исследований, около 66% компаний уже имеют AI-стратегию, а примерно 69% используют ИИ в бизнес-процессах.

Но у медали есть и обратная сторона.

Мы все оцифровали и потеряли маркетинг

В последние годы маркетинг стал очень технологичным. Оцифрованы практически все процессы:

• пользовательские данные;
• маркетинговые воронки;
• рекламные кампании;
• поведение клиентов на разных этапах взаимодействия.

Никогда раньше маркетинг не оперировал таким количеством метрик и технологических возможностей. Однако вместе с этим возникла и новая проблема. Клиентоориентированный маркетинг, основанный на смыслах, эмоциях и реальных потребностях людей, постепенно ушел на второй план. Пользователи стали превращаться в набор параметров:

• сегменты аудитории;
• профили в системе аналитики;
• ID в базе данных.

Во многом это связано с ожиданием на этапе внедрения автоматизации. Кажется, что цифры способны дать ответы на любые вопросы. На практике все работает иначе. Цифры не всегда позволяют понять мотивацию людей и причины их поведения.

Мы гонимся за скоростью, но забываем, куда бежим

Компании стремятся быстрее запускать кампании, анализировать результаты и масштабировать успешные решения.

Но в гонке иногда теряется главный вопрос: куда именно движется маркетинг и какую ценность он создает для клиентов. Нейросети при этом усиливают масштаб происходящего. Они способны генерировать огромное количество контента, идей, стратегий и гипотез. В таком потоке контент, созданный человеком, становится более дорогим в производстве, редким и зачастую существенно отличается по качеству и глубине.

Как внедрить нейросети в бизнес

Внедрение нейросетей мало отличается от внедрения других систем автоматизации. В основе всегда лежит один и тот же принцип: необходимо разложить бизнес-процессы на последовательность действий.

Первый шаг — определить, какие задачи внутри компании занимают больше всего времени или ресурсов. Это могут быть:

• повторяющиеся операции;
• задачи с большим объемом данных;
• процессы, в которых задействовано много сотрудников.

После этого необходимо подробно разобрать:

• какие действия выполняются;
• в какой последовательности;
• какие данные используются на каждом этапе.

При таком анализе часто обнаруживаются слабые места или неэффективные действия. Иногда достаточно просто оптимизировать процесс, и необходимость внедрения нейросети отпадает.

Важно помнить, что ИИ подходит не для всех задач. В ряде случаев на рынке уже существуют специализированные программные решения, которые выполняют свои функции лучше и стабильнее.

Поэтому при внедрении AI важно задать себе несколько вопросов:

• какую конкретную проблему мы решаем;
• какой процесс требует оптимизации;
• действительно ли здесь нужна нейросеть, или существует более подходящий инструмент.

Иногда для повышения эффективности достаточно изменить последовательность действий, перераспределить задачи внутри команды или скорректировать процессы.

Практические сложности внедрения: реальный кейс

Внедрение нейросетей в бизнес не всегда проходит гладко. Чтобы показать, как это происходит на практике, приведу личный пример.

Попытка оцифровать экспертный опыт

Я активно работала над интеграцией различных рекламных систем в click.ru и параллельно общалась с клиентами. Большую часть времени занимали встречи. Это позволяло оставаться в постоянном контакте с рынком и лучше понимать реальные задачи бизнеса.

Однажды после очередной встречи ко мне подошел менеджер и задал простой, но неожиданный вопрос: «Почему после ваших встреч такая высокая конверсия? Как вы подбираете клиентам рекламные системы и каналы, которые действительно работают и решают их бизнес-задачи?».

Вопрос заставил задуматься, как именно принимаются решения. Появилась идея провести эксперимент — интегрировать собственный профессиональный опыт и рабочие процессы в инструменты на базе нейросетей и посмотреть, что из этого получится.

Нужно было понять, можно ли превратить экспертный опыт в алгоритм и использовать его в нейросетях, рекомендательных системах или цифровых агентах. Речь шла о 20 годах практики в маркетинге, B2B-продажах и работе с клиентами.

Хотелось создать инструмент, который помогал бы менеджерам компании, а в перспективе и пользователям платформы, подбирать рекламные системы и каналы продвижения для конкретного бизнеса.

Главная сложность: формализовать интуицию

На практике оказалось, что самая сложная часть — извлечь из собственного опыта четкую последовательность действий.

Когда специалист долго работает в одной области, он начинает учитывать множество факторов одновременно:

• особенности бизнеса клиента;
• его рынок;
• специфику продукта;
• эмоциональное состояние человека на встрече;
• контекст переговоров;
• опыт похожих проектов.

Многие решения принимаются интуитивно на основе накопленного опыта. Но когда нужно объяснить, как именно принимается решение, выясняется, что это не так просто.

Результат эксперимента

Несмотря на сложность задачи, в итоге удалось сформировать рабочую модель. На ее основе мы создали рекомендательную систему, которая помогает подбирать рекламные каналы для разных типов бизнеса. Она доступна в интерфейсе click.ru.

Где нейросети действительно эффективны

Важно понимать, что нейросети пока сильны не во всех задачах. Однако есть области, в которых они показывают особенно высокую эффективность.

Структурированный анализ данных

Большие языковые модели помогают обрабатывать информацию, выявлять закономерности, группировать данные по смыслам и структурам.

Персонализация предложений на больших масштабах

Нейросети помогают донести каждому клиенту релевантное сообщение: учесть его интересы, поведение, историю взаимодействия с брендом и сформулировать персональную коммуникацию.

Генерация контента по заданной структуре

Еще одна из самых востребованных возможностей ИИ. Однако важно учитывать ограничение: нейросети работают эффективно только в рамках четко заданной структуры и конкретной задачи.

По своей логике взаимодействие с генеративными моделями во многом напоминает постановку задачи начинающему сотруднику. Например, стажеру без опыта, но с высокой исполнительностью. Если сформулировать задачу четко, задать структуру и контекст, результат будет качественным.

Поэтому при работе с нейросетями важно правильно формулировать запросы. Обычно эффективный промпт включает:

• роль, которую должна выполнять модель;
• контекст задачи;
• структуру результата;
• сценарий действий;
• последовательность шагов.

Речевая и текстовая аналитика

Подобные решения можно применять для анализа коммуникаций в отделах продаж или службах поддержки. Например, для обработки:

• звонков менеджеров;
• переписки с клиентами;
• диалогов службы поддержки.

Система может автоматически разбирать разговоры и сообщения на темы и подтемы, выявлять закономерности и помогать формировать задачи в CRM-системе.

Нейросети как инструмент маркетинговых исследований

Маркетологам регулярно приходится работать с новыми нишами и сегментами. Чтобы понять специфику рынка, обычно требуется изучить большое количество источников:

• статьи;
• исследования;
• сайты компаний;
• экспертные блоги;
• материалы лидеров мнений.

Без использования нейросетей подобный поиск может занимать несколько дней или даже недель.

Как в click.ru используется ИИ

Мы активно тестировали различные сценарии применения нейросетей внутри компании. Некоторые решения оказались успешными, другие — экспериментальными.

Генератор рекламных изображений

Один из первых проектов — генератор рекламных изображений, встроенный в платформу click.ru. На момент начала разработки большинство популярных нейросетей плохо подходили для рекламных задач.

У рекламных баннеров есть своя специфика:

• основной продукт представлен крупно и четко;
• он — центральный элемент композиции;
• изображение не содержит большое количество мелких деталей, отвлекающих внимание.

Поэтому мы дополнительно обучили одну из популярных моделей генерации изображений на большом массиве креативов. В результате она стала генерировать изображения, подходящие для рекламных коммуникаций. Инструмент активно использовали как пользователи платформы, так и специалисты компании.

Аналитика звонков в продаже и клиентском сервисе

В отделах продаж и службах клиентского сервиса ИИ изучал:

• холодные и входящие звонки;
• переписку с клиентами;
• диалоги сотрудников службы поддержки.

На основе анализа можно было понять:

• какие вопросы чаще всего задают клиенты;
• какие темы вызывают затруднения;
• какие аргументы лучше работают в продажах.

Данные помогали корректировать скрипты продаж и инструкции для сотрудников поддержки, улучшая качество коммуникации с клиентами.

Анализ трендов и генерация идей для контента

Контентщикам нужно постоянно отслеживать большое количество источников:

• Telegram-каналы;
• отраслевые медиа;
• экспертные блоги;
• исследования и статьи.

Это огромные массивы информации, которые приходится регулярно читать и анализировать. Нейросети позволяют автоматизировать процесс: агрегировать контент из разных источников, выявлять повторяющиеся темы и тренды, а также находить потенциальные идеи для новых публикаций.

Анализ и поиск аномалий в финансовых данных

В сервисе click.ru зарегистрировано более 378 тысяч пользователей, которые ежедневно запускают рекламные кампании и совершают большое количество финансовых операций. Внутри системы формируется значительный объем данных.

У финансового блока компании регулярно возникают задачи:

• подготовка отчетности;
• анализ статистики;
• построение прогнозов,
• управленческий учет.

Даже с Excel или BI-инструментами анализ таких массивов данных вручную очень трудоемкий. Особенно сложно находить аномалии, отклонения или необычные закономерности.

Нейросети и ML-модели значительно упростили процесс. Они эффективно выявляют:

• статистические отклонения;
• аномальные операции;
• нестандартные паттерны поведения данных.

Мониторинг изменений в законодательстве и поиск по юридическим базам

Пользователи платформы click.ru могли заметить, что компания регулярно выпускает статьи, инструкции, проводит вебинары, посвященные крупным изменениям в законодательстве. Например, при внедрении обязательной маркировки рекламы, введении трехпроцентного рекламного сбора.

С помощью нейросетей мы собирали и систематизировали информацию о правилах передачи данных, подготовке отчетности и расчете платежей, а также интегрировали соответствующие механизмы в интерфейсы платформы. Цель таких решений — снизить риск ошибок для пользователей и обеспечить корректную передачу данных и расчет обязательных платежей.

Компании, работающие в сфере диджитал-маркетинга, должны отслеживать изменения, связанные:

• с законодательством о рекламе;
• правилами обработки персональных данных;
• налоговыми изменениями;
• требованиями к отчетности.

Поскольку click.ru решает многие из этих задач на уровне платформы, команда постоянно мониторит большое количество юридической и отраслевой информации, чтобы своевременно адаптировать сервис под новые требования.

Практические выводы из опыта внедрения ИИ

На основании опыта мы выделили для себя несколько практических принципов.

ИИ не исправит хаос в процессах

Если внутри компании отсутствуют структурированные процессы, регламенты и понятная последовательность действий, искусственный интеллект не решит эту проблему. Наоборот, когда сотрудники сами не до конца понимают, что именно и в какой последовательности нужно делать, попытка автоматизировать такую систему приводит к еще большему хаосу.

Перед внедрением AI важно выстроить логику процессов:

• определить последовательность действий;
• зафиксировать правила принятия решений;
• структурировать рабочие сценарии.

Только после этого технологии могут начать приносить реальную пользу.

Без данных нейросети работать не могут

Любые AI-инструменты опираются на данные. Источников может быть два:

• информация, на которой обучена сама модель (например, данные из интернета);
• собственные данные компании, которые загружены в систему для анализа.

Популярные модели уже обучены на больших массивах информации. Однако здесь возникают другие вопросы, например актуальность данных и качество обучающей выборки. При работе с любой моделью полезно уточнять, когда она была обучена или обновлена в последний раз.

Разные модели дают разные результаты

Если задать один и тот же вопрос нескольким популярным нейросетевым моделям, ответы могут существенно отличаться. Каждая из них обучена на разных данных и использует собственные алгоритмы обработки информации. Для получения более объективной картины имеет смысл использовать несколько инструментов одновременно.

Автоматизация начинается с алгоритма

Перед тем как автоматизировать любую задачу, важно понять ее логику. Если специалист не может описать последовательность действий, автоматизация усложняется. Нейросеть может предложить различные варианты решения, но без собственной экспертизы оценить их применимость будет трудно.

Важно обучать сотрудников работе с нейросетями

К постановке задач для нейросетей нужен особый подход: необходимо уметь формулировать запросы, понимать структуру результата и знать базовые принципы промптинга. Поэтому при внедрении AI в бизнес-процессы нужно действовать поэтапно:

• сначала разобраться с инструментами самостоятельно;
• затем показать коллегам конкретные сценарии использования;
• и только после этого внедрять решения в рабочие процессы команды.

Практика показывает, что наиболее эффективные способы обучения — обмен опытом и наблюдение за коллегами. Например, можно следить за тем, как сотрудники выполняют свои задачи, фиксировать последовательность действий, а затем проверять, можно ли ускорить этот процесс с помощью нейросети.

Фрустрация — это нормально

Работа с нейросетями во многом зависит от того, насколько точно сформулирована задача. Когда человек ставит задачу другому человеку, в коммуникации присутствует дополнительный контекст: интонация, эмоции, невербальные сигналы. Нейросети лишены этих каналов восприятия, они анализируют только текст.

Поэтому при работе с AI нужно ясно описывать:

• контекст;
• цель;
• ограничения;
• формат результата.

В первое время это может вызывать сложности, что абсолютно нормально. Даже после нескольких попыток результат может не соответствовать ожиданиям. Для освоения инструментов нужна практика и время.

Существует простой прием, который помогает эффективнее взаимодействовать с нейросетями. Можно напрямую спросить у модели, какую информацию ей необходимо получить, как она поняла задачу. Принцип полностью совпадает с обычной рабочей коммуникацией внутри команды.

Почему важно сохранять человеческий фактор

Несмотря на широкие возможности автоматизации, важно помнить, что маркетинг должен быть ориентирован на людей.

Алгоритмы помогают ускорять процессы, анализировать данные и генерировать идеи. Однако конечные маркетинговые коммуникации — тексты, рекламные сообщения, креативы — по-прежнему направлены на живую аудиторию.

Многие пользователи уже научились распознавать нейросетевой контент, даже если он сделан достаточно качественно. Нередко можно столкнуться с ситуацией, когда автор пишет текст самостоятельно, но читатели предполагают, что он создан нейросетью.

При этом сильная сторона маркетинга остается прежней — креативность и эмоциональное воздействие. Именно здесь нейросети пока уступают человеку. Эффективная стратегия использования AI — не полная автоматизация маркетинга, а сочетание технологий и человеческой экспертизы.

Практика показывает, что использование нейросетей может значительно расширить возможности маркетинга и бизнеса в целом. Однако эффективность таких решений напрямую зависит от того, насколько осознанно компании подходят к их внедрению. Чтобы узнать больше полезного о нейросетях, смотрите полную версию вебинара.