Наверняка вы слышали об искусственном интеллекте и о том, что, может быть, он лишит вас работы. Стоит ли беспокоиться? Нет, напротив, это повод для радости. AI — особенно технология глубокого обучения — открывает перед вами новые возможности и меняет подход к маркетингу, продажам и поддержке клиентов. Что такое глубокое обучение, как оно работает и как применить его в вашей компании? Об этом вы узнаете из сегодняшней статьи.
Глубокое обучение — это технология AI, использующая алгоритмы, которые повторяют работу человеческого мозга. Чтобы решить ту или иную задачу, алгоритмы глубокого обучения опираются на сети, состоящие из взаимосвязанных нейронов, которые обрабатывают данные как в человеческом мозге, так и в компьютере.
Нейронные сети в рекламе
Предположим, у вас интернет-магазин автомобилей, и вы хотите использовать технологию торга в реальном времени (real-time bidding, RTB), чтобы купить место для рекламы своего продукта на других сайтах для ретаргетинга. RTB — это автоматизированный процесс, занимающий меньше 100 миллисекунд. Вот как это происходит:
- Посетитель заходит на страницу.
- Биржа сообщает свою ставку менеджеру торгов.
- Менеджер торгов оценивает таргетинг рекламодателя и, если он подходит, делает ставку.
- Все ставки участвуют в аукционе.
- Биржа-победитель показывает свою рекламу.
В RTB программа определяет, стоит ли торговаться за ту или иную рекламу, оценивая вероятность того, купит ли этот пользователь один из ваших продуктов. Чтобы оценить склонность к покупке, можно использовать глубокое обучение с опорой на нейронные сети.
- Посмотрел цену
- Посмотрел конфигуратор
- Посмотрел характеристики
- Посмотрел варианты оплаты
Нейронная сеть в программе для RTB состоит из нейронов и связей между ними. В сети на картинке выше нейронов совсем немного, тогда как настоящие цифровые нейронные сети насчитывают тысячи или даже миллионы нейронов и связей между ними.
В данном примере мы хотим понять, готов ли конкретный посетитель сайта купить машину и стоит ли платить за показ ему рекламы. Результат зависит от интересов и действий этого посетителя. Чтобы оценить вероятность покупки, сначала мы выбираем несколько показателей, определяющих цифровое поведение этого посетителя, — следующие страницы, которыми он интересовался:
1. Цена
2. Конфигуратор
3. Характеристики
4. Варианты оплаты
От этих показателей зависит вывод. Возможно два варианта:
1. Посетитель заинтересован в продукте и готов купить. Вывод: нужно показать рекламу.
2. Посетитель не заинтересован в продукте и не готов купить. Вывод: не нужно показывать рекламу.
Показатели нейронной сети
Рассмотрим более подробно.
Каждый показатель может быть равен 0 или 1. Единица означает, что пользователь посетил страницу, а нейроны в центре обозначают ценность каждой посещенной страницы для процесса покупки. Подсчеты проводятся слева направо, пока мы не дойдем до вывода — готов к покупке или не готов. Чем выше показатели итоговых нейронов, тем выше вероятность, что вывод правильный, то есть сеть предсказывает поведение пользователя.
В данном примере пользователь посмотрел на страницу с ценами и конфигуратор, но не поинтересовался характеристиками и вариантами оплаты. Подсчитывая показатели, мы получаем 0,7, то есть шанс на то, что посетитель готов купить продукт, составляет 70%. Следовательно, нужно показать рекламу.
Обучение нейронной сети
Теперь, когда мы знаем, как работает нейронная сеть, нужно разобраться в том, как подсчитывается результат. Главная сложность — назначить правильную ценность для каждой связи в нейронной сети, и вот поэтому ее нужно обучать. Обучение заключается в том, что мы вводим в сеть данные множества посетителей сайта: информацию о том, какие страницы посещал каждый пользователь и сделал ли он в итоге покупку.
Нейронная сеть обрабатывает все эти данные и задает ценность каждому нейрону, пока не придет к правильным выводам о каждом пользователе, на которого собраны данные. По окончании этого этапа ценность каждой страницы становится постоянной, и нейронная сеть может более точно предсказывать действия новых посетителей сайта.
Будущее глубокого обучения
Демократизация AI
AI становится одним из инструментов маркетинга, которыми мы пользуемся каждый день. Так, работающий на искусственном интеллекте компоновщик чат-ботов от Motion.ai (часть HubSpot) позволяет легко создать собственный чат-бот. Другой пример — Dialogflow, платформа от Google, позволяющая создавать чат-боты для своей компании или сервиса.
Этим дело не ограничивается. AI помогает настраивать рекламные кампании, персонализировать емейлы, оптимизировать квалификацию лидов (lead scoring), классифицировать и решать проблемы клиентов. Искусственный интеллект помогает во всем, что требует обработки данных.
Глубокое обучение может применяться в любой области цифрового маркетинга, если у вас есть необходимое количество данных для обучения нейронной сети. Сложность обычно в том, чтобы извлечь данные из разных маркетинговых инструментов, и в этом вам помогут платформы интеграции данных вроде Blendr.io.
Будущее: AI, создающий новые AI
Процесс разработки нейронных сетей обычно длителен, потому что все их уровни создаются вручную. Поэтому Google изобрел AutoML — AI, способный создавать новые и более совершенные алгоритмы AI.
Только представьте себе, как такая технология способна повлиять, например, на автоматизацию маркетинга. AI создаст дополнительные кастомизированные алгоритмы, которые будут обучаться и автоматически оптимизировать, например, кампании по выращиванию лидов.
Хотя глубокое обучение может казаться сложным, по сути оно сводится к математике. Нейронные сети учатся так же, как и люди: они наблюдают за множеством примеров и выделяют закономерности. Обученная нейронная сеть способна выполнять сложные задачи и делать выводы. Глубокое обучение и искусственный интеллект можно интегрировать во многие сферы цифрового маркетинга и автоматизации продаж.
Высоких вам конверсий!
По материалам: blog.hubspot.com.
