13 термінів зі сфери штучного інтелекту, які повинен знати маркетолог
Як добре, що людство придумало лайв-чати. Якщо ви ще зберігаєте спогади про нескінченні номери телефонів, що починаються з 0-800, ви повинні розуміти, яке це благо. Однак, іноді, розмовляючи з оператором, що відповідає на питання про зміну адреси доставки їжі або характеристики мітелки для пилу, в голові виникає підозра: говорю я з живою людиною чи з роботом?
Штучний інтелект (ШІ) вже давно присутній у нашому повсякденному житті
Дуже мало людей розуміють, що таке штучний інтелект та як він працює. Назва наводить на думки про людиноподібні машини, фільм "Я, робот" і захоплені планети. Мало кому спаде на думку назвати як асоціації Netflix або персоналізовані плейлисти Spotify. Насправді, за результатами досліджень HubSpot, 63% опитаних вже давно впустили штучний інтелект у своє життя, просто не підозрюють про це.
Маркетологи вже давно використовують інструменти ШІ, починаючи з тих, що поліпшують персональну продуктивність, і закінчуючи тими, що повністю автоматизують сферу SMM. Товку від останнього мало, але це вже працює. І в найближчі роки ринок програмного забезпечення для маркетологів обіцяє надати ще більш вражаючі інструменти. Уяви собі список поточних справ, автоматично розташований за пріоритетами та заснований на твоїх робочих звичках. Або персоналізований контент, видача якого визначається тим, що ти пишеш у соцмережах. І це лише найпростіші приклади.
Звичайно, неважливо, скільки програм ми використовуємо, і ми не зобов'язані розбиратися в усьому, як програмісти. Однак варто розуміти хоча б основи, щоб представляти, як можна поліпшити свою роботу.
Отже, найважливіше, у чому потрібно розібратися:
1. Алгоритм / Algorithm
SMM-щики, ймовірно, знайомі з цим поняттям завдяки системі, за якою фейсбук, твіттер та інстаграм визначають, які новини відображати у стрічці новин. SEO-маркетологи регулярно стикаються з алгоритмами пошукових систем, що визначають рейтинг сайту та його позицію в пошуку. Та можна далеко не ходити. Якщо у тебе є підписка на Netflix, ти можеш наочно побачити, як компанія використовує алгоритм для підбору нових серіалів на основі твоїх минулих переваг.
Якщо просто, алгоритм — це результат аналізу даних, який дозволяє передбачити поведінку користувача і запропонувати йому те, що його точно зацікавить. Таким чином можна підбирати назви для блогів, заголовки статей, візуальний і текстовий контент.
2. Штучний інтелект / Artificial Intelligence
У найзагальнішому сенсі штучний інтелект відноситься до галузі інформатики, яка дозволяє комп'ютерам виконувати завдання, що вимагають втручання людини. Наприклад, вивчення проблеми, проведення спостереження, бесіда, роздуми або актуалізація висновків.
Однак це не так просто зробити. Людський мозок — унікальна система, де кожен нейрон зав'язаний на інший. Вчені намагаються створити комп'ютери з гнучкими алгоритмами, що дозволяють приймати креативні рішення, що підвищують шанси на успіх досягнення конкретної мети.
ШІ — узагальнюючий термін для безлічі різних технологій, починаючи від чат-ботів, про які ми розповімо нижче, і закінчуючи програмами, що створюють релевантний текст для відвідувачів вашого сайту.
3. Боти / Bots
Боти — це текстові програми, які допомагають автоматизувати спілкування. Зазвичай вони "живуть" в іншому додатку, що дозволяє обмінюватися повідомленнями, наприклад, Facebook Messenger, WhatsApp або Telegram.
Часто боти мають вузьку спеціалізацію, спрямовану на видачу конкретної інформації, такої як прогноз погоди, анекдоти або допомога в реєстрації на сайті.
Ви можете розмістити подібну програму на своєму сайті, щоб користувачі могли отримувати відповіді на найбільш поширені питання в режимі реального часу. На відміну від FAQ-сторінки, такий бот може зібрати статистику запитів і доповнити список актуальною інформацією.
Деякі стверджують, що чат-ботів не можна віднести до ШІ, тому що вони в основному спираються на попередньо завантажені відповіді або дії і не можуть "думати" від себе. Однак інші бачать ботів як основний ШІ-інструмент майбутнього.
4. Когнітивістика / Cognitive Science
Якщо розглядати штучний інтелект як складову частину наукової дисципліни, ми отримаємо когнітивістику як вона є. Це напрямок, що вивчає розум і процеси, що відбуваються в ШІ, який зібрав в собі елементи філософії, психології, лінгвістики, антропології та нейробіології.
Створення штучного інтелекту — лише один із способів застосування когнітивістики, який демонструє, як людське мислення може бути змодельоване в машинах.
Яскравим прикладом когнітивістики є модель прийняття рішень Канемана, знайома багатьом маркетологам, що визначає, як саме людина робить вибір на кожен конкретний момент — свідомо чи ні.
5. Комп'ютерний зір / Computer Vision
Комп'ютерний зір — один з варіантів застосування такого напрямку, як глибоке навчання (deep learning), що допомагає комп'ютеру "зрозуміти" цифрові зображення.
Для людей усвідомлене сприйняття зображень є базовою функцією. Ти бачиш кинутий тобі м'яч, і ти ловиш його. Але для комп'ютера "побачити" картинку, а після описати її, є досить складним завданням, адже такий процес передбачає поєднання роботи очей та інтелекту. Безпілотний автомобіль повинен не лише розпізнати сигнали світлофора, покажчики, пішоходів і перешкоди на дорозі, але й зрозуміти, як на них реагувати.
Якщо цікаво, як це працює, можеш зайти в Google's Quick Draw і подивитися, чи розпізнає програма твої малюнки. До речі, граючи в цю гру, ти одночасно допомагаєш покращувати її — вона має систему навчання, засновану на інформації, яку вона отримує.
Для сфери медійної реклами комп'ютерний зір — це скарб. Цей підхід дозволяє програмам самостійно виділяти, припустимо, у фільмі, відповідні кадри, що дозволяють вставити відповідний рекламний блок. Наприклад, герої відмінно пообідали, викликавши у глядача почуття голоду, а програма, розпізнавши на картинках їжу, пропонує рекламу доставки піци. Актуально? Ще й як.
6. Глибинний аналіз даних / Data Mining
Інтелектуальний аналіз даних — процес виділення комп'ютером необхідних відомостей з великих наборів даних.
Наприклад, компанія, що займається електронною комерцією — Amazon. Вона може використовувати зібрані дані, щоб проаналізувати інформацію про клієнтів і створити рекомендаційний рядок "ті, хто купує це, також беруть ...".
7. Глибинне навчання / Deep Learning
Глибинне навчання, що лежить в основі будь-якого штучного інтелекту — це дуже просунутий підрозділ машинного навчання. Малоймовірно, що тобі знадобиться розуміти його внутрішні процеси, але ось на що варто звернути увагу: глибинне навчання може знайти найбільш заплутані і складні дані у величезних базах, проходячи через безліч шарів взаємозв'язків. Грубо кажучи, комп'ютер робить це за принципом роботи нейронів у мозку. Тому серед програмістів прижилася назва "нейронна мережа".
Це ще один шанс для маркетингу створити систему ідеальної реклами. Програмне забезпечення, здатне на глибинний аналіз, буде здатне видавати користувачу не лише ту інформацію, яку він хоче побачити, але також і ту, яка йому необхідна. Ти можеш дуже довго чинити опір заповненню податкової декларації і навіть не згадувати про це ніде, але оголошення про послуги фінансового аналітика може стати дуже доречним.
8. Машинне навчання / Machine Learning
З усіх розділів науки про штучний інтелект найцікавіші досягнення були зроблені в рамках машинного навчання. По суті це — здатність комп'ютера навчатися за допомогою збору величезної кількості інформації та створення передбачуваних алгоритмів на її основі. Так як кількість даних постійно зростає, комп'ютер коригує свою поведінку, що дозволяє ще ефективніше виконувати поставлені задачі.
Дані можуть бути якими завгодно: маркетингове програмне забезпечення, забите електронною поштою, або інформація щодо середніх бейсбольних ставок. Оскільки машинне навчання дозволяє комп'ютеру вдосконалюватися без встановлених програмою рамок (як і більшості ботів), такий процес часто порівнюють з процесом навчання дітей — на власному досвіді.
Щоб зрозуміти, наскільки це крута штука, подумай ось про що — на основі машинного навчання вже створена програма, що дозволяє оцінити шанси твого твіта на перепост. Вона аналізує хештеги, зображення, інші популярні твіти та ще безліч факторів і видає тобі інформацію, завдяки якій ти зможеш доопрацювати своє безцінні 140 символів.
9. Обробка природної мови / Natural Language Processing, NLP
Обробка природної мови перетворює боти на більш складну систему, дозволяючи їм розуміти голосові команди або текст. Наприклад, коли ти говориш із Siri, вона трансформує твій голос в текст, проводить питання через пошукову систему і відповідає, використовуючи людську мову.
На базовому рівні перевірка правопису в Word або Google Translate — два рівнозначних приклади NLS. Більш просунуті додатки можуть навчитися використовувати гумор або емоції.
Уявляєш, в самому найближчому майбутньому завдяки такій технології нікому не доведеться працювати в колл-центрі та цілий день відповідати на однотипні питання. Ніяких проблем із грубими операторами та незадоволеними цим клієнтами — прямо рай для маркетологів.
10. Семантичний аналіз / Semantic Analysis
В першу чергу цей термін стосується лінгвістики та роботи з процесом об'єднання фраз, словосполучень, речень та параграфів в осмислений текст. Також це відноситься і до побудови мовних систем в контексті загальнолюдської культури.
Тобто, якщо у комп'ютера є здатність до семантичного аналізу, то він може зрозуміти людську мову навіть з урахуванням таких складних деталей, як ідіоми, метафори та інші фігури мови. Стосовно до маркетингу це можна використовувати для створення постів у блогах, статей і навіть книг, які не будуть відрізнятися від роботи маркетолога.
11. Контрольоване навчання / Supervised Learning
Це один з видів машинного навчання, при якому людина-оператор вводить певні набори даних та контролює більшу частину процесу — звідси і назва. При контрольованому навчанні обробляються типові набори даних, а результати виходять дуже конкретними.
У цьому випадку маркетолог сам встановлює чітку схему дій. Наприклад, якщо користувач купив товар з розділу сантехніки, то система запропонує йому зі знижкою будь-який другий товар, але тільки з розділу "побутова техніка". Ніякої самодіяльності.
12. Тренувальні дані / Training Data
У машинному навчанні тренувальні дані — це дані, які спочатку вводяться в програму для вивчення та складання прикладів. Чим більше даних, тим точніше будуть отримані в результаті зразки для звірки.
В голову відразу приходить повна характеристика цільової аудиторії — вік, стать, освіта, хобі та ще мільйон даних, які неможливо втримати в голові. Ну, тепер і не потрібно.
13. Самонавчання / Unsupervised Learning
Бездоглядне навчання — це ще один вид машинного навчання при мінімальній людській участі. Програмі надають підібрати дані для вивчення і зробити висновки самостійно.
Фактично, це робота за схемою, зворотною до контрольованого навчання. Програма сама повинна зрозуміти, що раз ми пропонували першому користувачеві товари у зв'язці 1 + 1 зі знижкою 50%, то наступному — теж повинні. А ось який товар буде актуальнішим, програма вже вирішить сама на основі отриманих про покупця даних.