Новые технологии и цифровая эпоха заставляют нас постигать новые горизонты сознания. Мозг становится более эластичный: мы пытаемся вместить в него терабайты информации, а ведь ее объемы растут в геометрической прогрессии.
Можно смело сказать, что сейчас время молодежи. Она умеет вливаться в поток информации и быстро её сортировать. Темп жизни современного поколения намного выше, оно готово пробовать и рисковать, в то время как более старшее поколение «сто раз отмерит и один отрежет». Это тоже объяснимо: люди, выросшие в другой системе, тяжелее подстраиваются под новые технические веяния, у них другая формация мышления. В связи с этим мы видим, как списки «Forbes» пополняются новыми молодыми именами.
За последние десятилетия мир вокруг нас сильно поменялся. Появилось много инноваций, в том числе и в маркетинге. Теперь системы могут прогнозировать спрос, основываясь на поведении человека. Уже сейчас в некоторых магазинах установлены камеры, которые, распознав лицо покупателя, находят его профиль в соцсетях, чтобы в дальнейшем показывать рекламу этого магазина. Более того, системы распознают эмоции, которые покупатель испытывает, взяв в руки товар. И если они положительные, от рекламы в соцсетях ему уже не убежать.
Компания ATF lab, под руководством генерального директора Эдгара Григоряна, не осталась в стороне - она разработала сервис предиктивной аналитики. Это первый в России продукт, который определяет и предугадывает желания пользователей соцсетей на основе анализа их поведения. Предиктивная система оценивает профиль человека по 50 параметрам и составляет его «портрет». Подобрав целевую аудиторию по схожим параметрам, маркетологи создают характеристику покупателя, которому готов приобрести продукт.
Рассмотрим принцип работы предиктивной системы подробнее. Интернет позволяет сделать значимый срез общества. Большая часть населения проводит в сети по несколько часов в день: общается, «лайкает», репостит, комментирует, вступает в сообщества, слушает музыку, смотрит видео, отмечает свое местоположение на карте. Так у каждого пользователя формируется своё «поведение» в соцсетях, на основе которого нейронная сеть составляет его портрет. По 50 различным параметрам она определяет его возраст, пол, семейный и социальный статус, город проживания, род деятельности, образование, увлечения и даже политические взгляды. Получив такую «картинку» пользователя, искусственный интеллект может анализировать его дальнейшее поведение.
Таким образом, работа предиктивной системы основана на алгоритме «Классификация — предсказание — распознание». На первом этапе происходит распределение данных по параметрам. Например, среди набора пользователей нужно определить, кому интересна тема «спорт», кому - «материнство», «современное искусство», «образование». Эту работу выполняет нейронная сеть, анализируя такую информацию, как возраст, социальный статус, аудио-/видеозаписи, фотоконтент, участие в социологических опросах. Так каждый пользователь попадает в определенную группу.
Следующий этап — предсказание. Обработав большие данные, система получает возможность предсказывать следующий шаг пользователей. Например, что они будут делать в дальнейшем на своей странице: какую музыку слушать, в какие сообщества вступать. На основе этих данных система переходит к следующей стадии анализа. Благодаря машинному обучению и правильно обученным алгоритмам, она знает, что нужно человеку, каковы его желания.
С полученной информацией уже работает маркетолог агентства InSMO. После того, как искусственный интеллект определил, о чем думает пользователь и каким будет его следующий шаг, специалист формирует базу целевой аудитории. Учитывая, сколько параметров были рассмотрены, эта группа людей определяется с высокой точностью, следовательно, вероятность конверсии очень высокая. Больше не нужно «сливать» бюджет на широкие массы — система дает самого теплого покупателя, остается только предлож
