Jak umělá inteligence mění vzhled online reklamy?
Umělá inteligence navždy změnila digitální reklamu. Marketérům to již nyní umožňuje rozhodnout, jak nejlépe zaujmout potenciální zákazníky a oslovit nové segmenty trhu. Stále ale existuje prostor k rozvoji. Nástroje hloubkového učení jsou další významnou oblastí výzkumu založeného na umělé inteligenci. V každé průmyslové oblasti to povede v budoucnosti k dalším inovacím. Vznikne tak nová éra marketingu, která ovlivní jak inzerenty, tak konečné uživatele.
Hloubkové učení mění způsob, jak uvažujeme o efektivitě. Je to nejslibnější oblast výzkumu postaveného na umělé inteligenci. Využití našlo například v Google překladači, autech od Tesly nebo v mechanismu na rozpoznávání obrázků od Yahoo. Dále je využíváno ještě futurističtějším způsobem. DeepMind od Googlu dovede odezírat ze rtů lépe než člověk (ten bez chyb přečetl pouze 12,4 % slov, zatímco umělá inteligence 46,8 %). Tyto algoritmy porazily celosvětově nejlepší hráče pokeru a umí dokonce samy režírovat filmy - nedávno to ukázala agentura Saatchi & Saatchi na Cannes Lions International Festival of Creativity.
Hloubkové učení nachází uplatnění samozřejmě také v reklamním průmyslu. Coca-Cola v nedávné době oznámila, že chce používat boty umělé inteligence na tvorbu hudby pro reklamy, na psaní textů, k postování videí na sociální sítě a na nákup médií. To vše dokazuje, že hloubkové učení povede k revoluci v reklamě dříve, než se očekávalo.
Podle nového výzkumu AdIucent chtějí uživatelé dostávat personalizovanou reklamu a 71 % respondentů preferuje inzerci uzpůsobenou jejich potřebám a nákupním zvyklostem. Tato studie také ukázala, že je dvakrát pravděpodobnější, že lidé kliknou na reklamu s neznámou značkou, pokud byl banner přizpůsoben jejich preferencím.
S rostoucí dostupností dat a se zintenzivňující se konkurencí nebylo nikdy důležitější, aby marketéři správně chápali potřeby zákazníků. Nikdy to taky nebylo jednodušší. Typický personalizační model může být vytvořen bez pokročilých algoritmů, ale víme, že této mety už bylo dosaženo. Nové algoritmy hloubkového učení mohou odkrýt neočekávané situace a skrytý potenciál.
Představte si, že jste zapomněli na narozeniny vašeho kamaráda. Pokud vám zbývají dva dny, nemáte moc času na výběr dárku, ale pořád ho je dost, abyste se podívali po něčem speciálním. V těchto případech udělá rozdíl velmi přesná personalizace a modely hloubkového učení mohou zjistit, že intenzivně něco hledáte. Poznají to buď podle toho, že se rychle změní vaše chování, nebo začnete být impulzivní. Klasický model tato data ignoruje, ale algoritmy hloubkového učení je pochopí.
Hluboké pochopení nákupního chování zákazníka nebylo pro majitele e-shopů po dlouhou dobu dostupné, ale je důležité pro marketéry. Je například snadné identifikovat vzorce rozhodování při typických, předvídatelných prodejních akcích typu Black Friday nebo Mezinárodní den žen. Situace je komplikovanější, pokud jde o identifikaci individuálních událostí a výročí (například blížící se narozeniny kamaráda nebo jiná náhlá událost).
V tomto bodě do hry vstupuje hloubkové učení. Inspirovalo se neurony v našich mozcích a dokáže získat spolehlivější, bohatší a strojově interpretovatelné popisy nákupního potenciálu zákazníků bez potřeby zásahu lidí.
Na rozdíl od tradičního přístupu strojového učení je hloubkové učení schopné najít jednoho uživatele v online davu - osobu, která může zpočátku vypadat, že jedná chaoticky, ale ve skutečnosti má největší potenciál dokončit nákup.
Je to možné, protože algoritmy schopné samostatného učení definují každého potenciálního zákazníka, který hledá produkt lehce odlišný od toho běžně poptávaného. Bere v potaz historii a vidí, že daná osoba dynamicky změnila své chování. S velmi vysokou přesností je schopné určit pravděpodobnost konverze. Učí se totiž nejen na základě znalosti o jednom uživateli, ale o celé skupině.
Pokud by narozeninovým dárkem měla být nová sluchátka, retargeting založený na hloubkovém učení by si všiml člověka rychle procházejícího deset odlišných modelů, který studuje jejich specifikace a cenu. Tuto situaci definuje jako urgentní a neobvyklou, zatímco klasické algoritmy by na ni nahlížely jako na nerozhodné a zmatené chování, nebo by ji nezaznamenaly vůbec. Pokud e-shop bude schopný poznat, že návštěvník má urgentní potřebu něco koupit, může vyvinout maximální úsilí, aby ho přesvědčil k dokončení nákupu právě u nich.
Když je umělá inteligence využita v jakémkoli komerčním produktu nebo službě, stává se tak unikátním prodloužením toho, kým jsme. Výborně toto funguje v doporučovacím mechanismu na Netflixu. Mnoho filmů zhlédnutých na Netflixu pochází z doporučení na základě hloubkového učení. Amazon také důvěřuje algoritmům, které jsou schopné samostatného učení. Tato společnost si tak nechala patentovat algoritmus, který používá k předpovídání toho, který produkt bude danému zákazníkovi odesílat. Tento systém dokáže definovat zákazníkova očekávání a předpoví značku, cenové rozpětí a konkrétní produkt, který bude zakoupen. Na základě těchto informací odesílají výrobky do distribučních center ještě před dokončením objednávky.
Umělá inteligence a zvláště pak hloubkové učení je ideálním nástrojem v reklamě pro předpovídání přání uživatelů. Tato technologie zjednodušuje nejen každodenní zákaznickou zkušenost tím, že zobrazuje cílenou reklamu, která obsahuje produkty, které chceme koupit, ale také ty, které jsme ani neviděli nebo o nichž jsme ani neuvažovali.
Představte si, že jste si právě koupili nový fotoaparát. Algoritmy hloubkového učení zanalyzují každý krok, který jste učinili: kdy jste nakoupili, specifikace zařízení, historie, chování atd. Algoritmy vám budou schopny doporučit další produkty, které mohou uspokojit vaše osobní potřeby. Tato doporučení ale překonávají klasická doporučení. Další objektiv, náhradní paměťová karta nebo stativ jsou dobrými doporučeními. Ale třeba videoreklama s dronem, který má zabudovanou kameru, vám může ukázat něco, nad čím jste doposud ani neuvažovali - ale teď podvědomě chcete.
Důvodem, proč má hloubkové učení takový vliv, je to, že se učí stejným způsobem jako lidé. S tím rozdílem, že to zvládne mnohem rychleji než lidé. Dívá se na jejich konkrétní přání, ale současně bere v potaz informace o milionech dalších a výsledky dodává v reálném čase. Žádný člověk tohoto nikdy nebude schopný.
Nástroje hloubkového učení využité v reklamě povedou ke změnám v tom, jak doporučujeme produkty - pozorně budou vyhodnocovat hodnotu potenciálního zákazníka, předpoví pravděpodobnost konverze a poznají jeho touhy. Podle RTB House pomáhají algoritmy schopné samostatného učení dosáhnout velmi přesné analýzy zákazníka. Díky tomu je reklama o 40 % efektivnější.
