13 терминов из сферы искусственного интеллекта, которые должен знать маркетолог
Как хорошо, что человечество придумало лайв-чаты. Если вы еще храните воспоминания о бесконечных номерах телефонов, начинающихся с 0-800, вы должны понимать, какое это благо. Однако, иногда, разговаривая с оператором, отвечающим на вопросы об изменении адреса доставки еды или характеристиках метелки для пыли, в голове возникает подозрение: говорю я с живым человеком или роботом?
ИИ уже давно присутствует в нашей повседневной жизни
Очень мало людей понимают, что такое искусственный интеллект, и как он работает. Название наводит на мысли о человекоподобных машинах, фильме "Я, робот" и захвате планеты. Мало кому в голову придет озвучить в качестве ассоциации Netflix или персонализированные плейлисты Spotify. На самом деле, по результатам исследований HubSpot, 63% опрошенных уже давно впустили искусственный интеллект в свою жизнь, просто не подозревают об этом.
Маркетологи уже давно используют инструменты ИИ, начиная с улучшающих персональную производительность и заканчивая полностью автоматизирующих сферу SMM. Толку от последнего немного, но это уже работает. И в ближайшие годы рынок программного обеспечения для маркетологов обещает предоставить еще более впечатляющие инструменты. Представь себе список текущих дел, автоматически расположенный по приоритетам и основанный на твоих рабочих привычках. Или персонализированный контент, выдача которого определяется тем, что ты пишешь в соцсетях. И это только самые простые примеры.
Конечно, неважно, сколько программ мы используем, и мы не обязаны разбираться во всем как программисты. Однако, стоит понимать хотя бы основы, чтобы представлять, как можно улучшить свою работу.
Итак, самое важное, в чем нужно разобраться:
1. Алгоритм / Algorithm
SMM-щики, вероятно, знакомы с этим понятием благодаря системе, по которой фейсбук, твиттер и инстаграм определяют, какие новости отображать в ленте новостей. SEO-маркетологи регулярно сталкиваются с алгоритмами поисковых систем, определяющими рейтинг сайта и его позицию в поиске. Да можно даже далеко не ходить. Если у тебя есть подписка на Netflix, ты можешь наглядно увидеть, как компания использует алгоритм для подбора новых сериалов на основе твоих прошлых предпочтений.
Если просто, алгоритм — это результат анализа данных, который позволяет предсказать поведение пользователя и предложить ему то, что его точно заинтересует. Таким образом, можно подбирать названия для блогов, заголовки статей, визуальный и текстовый контент.
2. Искусственный интеллект / Artificial Intelligence
В самом общем смысле искусственный интеллект относится к области информатики, которая позволяет компьютерам выполнять задачи, требующие вмешательства человека. Например, изучение проблемы, проведение наблюдения, беседа, размышления или актуализация выводов.
Однако это не так просто сделать. Человеческий мозг — уникальная система, где каждый нейрон завязан на другой. Ученые пытаются создать компьютеры с гибкими алгоритмами, позволяющими принимать креативные решения, повышающие шансы на успех достижения конкретной цели.
ИИ — обобщающий термин для множества различных технологий, начиная от чат-ботов, о которых мы расскажем ниже, и заканчивая программами, создающими релевантный текст для посетителей вашего сайта.
3. Боты / Bots
Боты — это текстовые программы, которые помогают автоматизировать общение. Обычно они "живут" в другом приложении, позволяющем обмениваться сообщениями, например, Facebook Messenger, WhatsApp или Telegram.
Часто боты имеют узкую специализацию, направленную на выдачу конкретной информации, такой как прогноз погоды, анекдоты или помощь в регистрации на сайте.
Вы можете разместить подобную программу на своем сайте, чтобы пользователи могли получать ответы на часто задаваемые вопросы в режиме реального времени. В отличие от FAQ-страницы, такой бот может собрать статистику запросов и дополнить список актуальной информацией.
Некоторые утверждают, что чат-ботов нельзя отнести к ИИ, потому что они в основном опираются на предварительно загруженные ответы или действия и не могут "думать" от своего лица. Однако другие видят ботов как основной ИИ-инструмент будущего.
4. Когнитивистика / Cognitive Science
Если рассматривать искусственный интеллект как составляющую часть научной дисциплины, мы получим когнитивистику, как она есть. Это направление, изучающее разум и процессы, происходящие в ИИ, собравшее в себе элементы философии, психологии, лингвистики, антропологии и нейробиологии.
Создание искусственного интеллекта — всего лишь один из способов применения когнитивистики, который демонстрирует, как человеческое мышление может быть смоделировано в машинах.
Ярким примером когнитивистики является модель принятия решений Канемана, знакомая многим маркетологам и определяющая, как именно человек делает выбор в каждый конкретный момент — осознанно или нет.
5. Компьютерное зрение / Computer Vision
Компьютерное зрение — один из вариантов применения такого направления как глубокое обучение (deep learning), который помогает компьютеру "понять" цифровые изображения.
Для людей осознанное восприятие изображений является базовой функцией. Ты видишь брошенный тебе мяч, и ты ловишь его. Но для компьютера "увидеть" картинку, а после описать ее, является довольно сложной задачей, ведь такой процесс подразумевает сочетание работы глаза и интеллекта. Беспилотный автомобиль должен не только распознать сигналы светофора, указатели, пешеходов и преграды на дороге, но и понять, как на них реагировать.
Если интересно, как это работает, можешь зайти в Google's Quick Draw и посмотреть, распознает ли программа твои рисунки. Кстати, играя в эту игру, ты одновременно помогаешь улучшать ее — она имеет систему обучения, основанную на получаемой информации.
Для сферы медийной рекламы компьютерное зрение — это клад. Этот подход позволяет программам самостоятельно выделять, допустим, в фильме, подходящие кадры, позволяющие вставить соответствующий рекламный блок. Например, герои отлично пообедали, пробудив в зрителе чувство голода, а программа, распознав на картинках еду, предлагает рекламу доставки пиццы. Актуально? Еще как.
6. Глубинный анализ данных / Data Mining
Интеллектуальный анализ данных — процесс выделения компьютером необходимых сведений из больших наборов данных.
Например, компания, занимающаяся электронной коммерцией — Amazon. Она может использовать собранные данные, чтобы проанализировать информацию о клиентах и создать рекомендательную строку "те, кто покупает это, также берут…".
7. Глубинное обучение / Deep Learning
Лежащее в основе любого искусственного интеллекта глубинное обучение — это очень продвинутый подраздел машинного обучения. Маловероятно, что тебе понадобится понимать его внутренние процессы, но вот на что стоит обратить внимание: глубинное обучение может найти самые запутанные и сложные данные в огромных базах, проходя через множество слоев взаимосвязей. Грубо говоря, компьютер делает это по принципу работы нейронов в мозгу. Поэтому среди программистов прижилось название "нейронная сеть".
Это еще один шанс для маркетинга создать систему идеальной рекламы. Программное обеспечение, способное на глубинный анализ, будет способно выдавать пользователю не только ту информацию, которую он хочет увидеть, но также и ту, которая ему необходима. Ты можешь очень долго сопротивляться заполнению налоговой декларации и даже не упоминать об этом нигде, но объявление об услугах финансового аналитика может прийтись очень кстати.
8. Машинное обучение / Machine Learning
Из всех разделов науки об искусственном интеллекте самые увлекательные достижения были сделаны в рамках машинного обучения. По сути это — способность компьютера обучаться при помощи сбора огромного количества информации и создания предсказуемых алгоритмов на их основе. Поскольку количество данных постоянно растет, компьютер корректирует свое поведение, что позволяет еще более эффективно выполнять поставленные задачи.
Данные могут быть какими угодно: маркетинговое программное обеспечение, забитое электронной почтой, или информация о средних бейсбольных ставках. Поскольку машинное обучение позволяет компьютеру совершенствоваться без установленных программой рамок (как и большинству ботов), такой процесс часто сравнивают с процессом обучения детей — на собственном опыте.
Чтобы понять, насколько это крутая штука, подумай вот о чем — на основе машинного обучения уже создана программа, позволяющая оценить шансы твоего твита на перепост. Она анализирует хештеги, изображения, другие популярные твиты и еще множество факторов и выдает тебе информацию, благодаря которой ты сможешь доработать свое бесценные 140 символов.
9. Обработка естественного языка / Natural Language Processing, NLP
Обработка естественного языка превращает боты в более сложную систему, позволяя им понимать голосовые команды или текст. Например, когда ты говоришь с Siri, она трансформирует твой голос в текст, проводит вопрос через поисковую систему и отвечает, используя человеческую речь.
На базовом уровне проверка правописания в Word или GoogleTranslate — два равнозначных примера NLS. Более продвинутые приложения могут научиться использовать юмор или эмоции.
Представляешь, в самом ближайшем будущем благодаря такой технологии никому не придется работать в колл-центре и целый день отвечать на однотипные вопросы. Никаких проблем с грубыми операторами и недовольными этим клиентам — прямо рай для маркетологов.
10. Семантический анализ / Semantic Analysis
В первую очередь этот термин относится к лингвистике и работе с процессом объединения фраз, словосочетаний, предложений и параграфов в осмысленный текст. Также это относится и к построению языковых систем в контексте общечеловеческой культуры.
То есть, если у компьютера есть способность к семантическому анализу, то он может понять человеческий язык даже с учетом таких сложных деталей, как идиомы, метафоры и другие фигуры речи. Применительно к маркетингу это можно использовать для создания постов в блогах, статей и даже книг, которые будут неотличимы от работы маркетолога.
11. Контролируемое обучение / Supervised Learning
Это один из видов машинного обучения, при котором человек-оператор вводит определенные наборы данных и контролирует большую часть процесса — отсюда и название. При контролируемом обучении обрабатываются типовые наборы данных, а результаты получаются очень конкретными.
В этом случае маркетолог сам устанавливает четкую схему действий. Например, если пользователь купил товар из раздела сантехники, то система предложит ему со скидкой любой второй товар, но только из раздела "бытовая техника". Никакой самодеятельности.
12. Тренировочные данные / Training Data
В машинном обучении тренировочные данные — это данные, которые первоначально вводятся в программу для изучения и составления примеров. Чем больше данных, тем точнее будут полученные в итоге образцы для сверки.
В голову сразу приходит полная характеристика целевой аудитории — возраст, пол, образование, хобби и еще миллион данных, которые невозможно удержать в голове. Ну, теперь и не нужно.
13. Самообучение / Unsupervised Learning
Безнадзорное обучение — это еще один вид машинного обучения при минимальном человеческом участии. Программе предоставляют подобрать данные для изучения и сделать выводы самостоятельно.
Фактически, это работа по схеме, обратной к контролируемому обучению. Программа сама должна понять, что раз мы предлагали первому пользователю товары в связке 1+1 со скидкой 50%, то следующему — тоже должны. А вот какой товар будет актуальнее, программа уже решит сама на основе полученных о покупателе данных.