Эффект, с которым сталкивались уже все: стоит один раз что-то поискать в интернете, как реклама этого товара будет у вас на каждом сайте. И хотя основная цель таких механизмов — заставить человека приобрести что-либо, в основном это раздражает. За кулисами такой преследующей рекламы работают нейросети, Big Data и встроенные пиксели, которые следят за тем, как ведет себя пользователь, даже ничего не нажимая. Сегодня такие системы уже умеют не только предлагать товары, они с точностью определяют национальность или менталитет (или какие-либо взгляды) пользователя и способны предложить зашедшему на сайт мексиканцу спецпредложения к Дню Святой Сесилии, а противнику производства меховых изделий — вещи, выполненные исключительно из синтетических материалов. О том, как умные машины оценивают менталитет человека за доли секунды, рассказал создатель технологии бесконтактной оплаты B-pay, CEO Briskly Глеб Харитонов.
Как предсказать, что человек захочет через пять лет
Использование нейросетей — один из способов изменить взаимодействие с людьми через улучшение персонализации, а значит, увеличить прибыль. Особенно если компания работает на многотысячную аудиторию. Искусственный интеллект максимально детально анализирует поведение человека на сайте или в приложении, мгновенно составляет его портрет и позволяет подготовить индивидуальные предложения или рассчитать, как эффективнее составить рекламную кампанию. Yandex Data Factory (YDF) предложил алгоритмы, которые предсказывают влияние сформированных промоакций на объем продаж конкретных товаров. Идеей уже воспользовались в X5 Retail Group. Точность прогнозов близится к 90%.
Для анализа используются история продаж, тип магазина, его ассортимент. Подобными механизмами пользуется и американский ритейлер Macy’s. Каждое взаимодействие пользователя с сайтом обновляет массив данных о человеке, и машинные алгоритмы быстрее реагируют на свежую информацию, чем живые сотрудники. Nike на идее персонализации выстроил целые новые магазины Nike Live, с которыми покупатель взаимодействует только при наличии установленного приложения — это помогает ему стать частью комьюнити и получать максимально индивидуальные предложения, а также ежемесячные подарки от бренда. Благодаря персонализации Nike в 40 раз увеличил вероятность покупки его товаров.
Предсказывать нейросети способны не только эффект от промоакций. На сайтах интернет-магазинов они анализируют предыдущие покупки человека и делают вывод, например, что приобретенный месяц назад сахар должен закончиться в ближайшие дни. Значит, самое время предложить человеку обновить его запасы.
Разработка чат-ботов — еще одно применение нейросетей. Виртуальные помощники отменяют необходимость большого штата колл-центра, при этом работают довольно эффективно. Они выдают более подробную информацию с большей скоростью, чем живой человек, и отвечают на любой вопрос о товаре или услуге — вплоть до ближайшего адреса торговой точки.
В интернет-магазинах нейросети способны создавать персональные рекомендации не только на основании того, что человек просмотрел недавно, но и с учетом его портрета (пол, возраст, национальность и другие параметры).
Аналитики прогнозируют взрывной рост инвестиций в проекты, связанные с ИИ, после пандемии. Среди ИТ-стартапов появляется все больше проектов, базирующихся на искусственном интеллекте и ML, потому что есть спрос. Ритейл все активнее использует ИИ: для подбора ассортимента в магазины, разработки промоакций, прогнозирования цен и спроса на товары. Появляются полноценные сторы, работающие на нейросетях — Amazon Go, Pro Market в «Сколково». Анализ Big Data и их переработка нейросетями позволяют, например, увидеть, что пользователи, делающие твиты с тегом #кроссовки, также часто прикрепляют теги #ASICS или #Nike. Это сигнализирует ритейлеру, какие товары чаще включать в рекламные кампании.
У Amazon ИИ делает подборки товаров, которые человек может добавить корзину прямо сейчас. Для этого анализируются когорты пользователей сайта или мобильного приложения, информация о том, что эти пользователи любят, а что нет, что другие люди (похожие на того, для которого сейчас подбирается товар) посмотрели и приобрели. Условно, в декабре американке предложат товары к Рождеству, а россиянке — что-то, связанное с Новым годом. Благодаря механизмам рекомендаций, основанным на нейросетях, Amazon обеспечивает себе 55% продаж. В компании заявляют, что прогнозируют поведение пользователя даже на пять лет вперед.
В 2016 году Amazon предоставил доступ к исходному коду своего алгоритма умных рекомендаций, а также предложил другим игрокам интегрировать к себе эти механизмы. В свежем отчете Палаты представителей США Amazon получила обвинение в монополии (в сегменте e-commerce) и в использовании данных конкурирующих продавцов в собственных интересах. А по заявлению Wall Street Journal, сотрудники Amazon анализируют данные о сторонних продажах для работы над своими продуктами под маркой Amazon.
Как работает реклама, которая про вас все знает
Имя, телефон или электронную почту человек может оставить самостоятельно, но другие данные, зачастую даже более важные для бизнеса, собираются автоматически. В этом помогают специальные коды, встраиваемые в интернет-страницу. Самый популярный вариант — пиксель: скрипт (фрагмент кода JavaScript), загружающий на страницу невидимое изображение. Оно передает собранную информацию на сервер, где та обрабатывается, анализируется и используется для формирования персональных предложений зашедшему на сайт человеку.
Маркетологи активно используют пиксели от Facebook и Google. Большой плюс таких кодов в том, что чем больше разных компаний их применяют, тем шире становится база и эффективнее — анализ полученных данных. И чем чаще пользователь заходит на сайт, тем активнее увеличивается база его ID (персональная папка с информацией).
Пиксель собирает не только статичную информацию (например, IP, который позволяет понять местоположение пользователя), но и динамичную — действия человека на сайте. Условно, если он просмотрит в каталоге интернет-магазина две рубашки, нейросеть может предложить ему ознакомиться с другими похожими моделями или подобрать детали для полного ансамбля: брюки, жакет, аксессуары.
В зависимости от того, как именно внедряется пиксель в код страницы, определяется момент сбора информации. Его можно настроить на определение целевых действий, не связанных с перезагрузкой сайта и сменой страницы — например, пользователь ставит лайк на товар или отмечает звездочкой, чтобы поместить в вишлист. Также пиксель настраивается на анализ информации о перезагрузке страниц: это позволяет анализировать, куда именно человек заходит. Третий вариант — внедрить пиксель на переходы по ссылкам, включая партнерские. За счет этого можно отслеживать сторонние интересы человека. Например, на сайте люстр он видит предложение новой коллекции керамогранита от партнера и переходит туда.
Технологии работают не только прямолинейно: если человек активно изучает детские коляски на разных сайтах, нейросеть покажет ему предложение от центра репродуктивной медицины или производителя детских кроваток. Потому что алгоритмы уже посчитали этого человека родителем и готовы подать сразу несколько актуальных предложений.
Компании активно закупают данные о типичных паттернах (шаблонах) поведения различных категорий клиентов, могут обмениваться пикселями с партнерами и многократно увеличивать базу. Если рассматривать Facebook Pixel, то дополнительную информацию сообщает и аккаунт человека в Facebook, произошедшие в нем изменения (развелся, сменил работу и другое), совершенные с него действия — вплоть до остановки внимания на рекламном объявлении (даже если не кликать по нему).
Пиксель работает в связке с cookies: это файлы с данными, которые находятся на устройстве пользователя и являются информационным источником для маркетологов. Это логин в социальных сетях, выбранные в корзину товары для интернет-магазинов, поисковые запросы и многое другое. Сбор этих данных нужен не только маркетологам: он упрощает жизнь и самим пользователям. Например, человек авторизировался в Facebook и ходит по разным страницам. Ему не нужно при каждой перезагрузке вводить логин и пароль заново — за него это сделал сайт, сохранивший cookies. То, что браузер запомнил геопозицию и не пытается на каждой странице предложить то Дубай, то Марокко, тоже заслуга cookies.
Правда, собирая такие данные, важно не забывать о существовании ФЗ-152: сегодня каждый сайт, использующий cookies, обязан уведомить об этом заходящего пользователя и предоставить ему выбор — давать доступ к данным или нет. Можно также сделать передачу cookies настраиваемой: человек определяет объем информации, которую готов раскрыть сайту. При этом пользователь должен иметь возможность ознакомиться с Политикой конфиденциальности, знать срок хранения собранных данных, возможные действия с ними, цель сбора сведений и другие нюансы.
Нейросети рекомендательных сервисов
Как далеко зашли рекомендательные сервисы, можно видеть на примере виртуального помощника, созданного Macy’s совместно с платформой Watson Marketing. Нейросети отслеживают историю покупок посетителя на сайте или в приложении, анализируют его геопозицию, а также поведение похожих клиентов. После этого виртуальный помощник предлагает товары, подходящие человеку не только на основании его предыдущих приобретений (условно пятые белые кроссовки), но и с учетом его менталитета и других национальных особенностей. Например, убежденный защитник животных в рекомендациях точно не получит ни шубу из натурального меха, ни сумку из телячьей кожи.
Amazon также занялся разработкой еще одного рекомендательного сервиса на основе нейросетей: теперь умные алгоритмы анализируют, каким товарам пользователь сайта поставил лайк, и предлагают актуальные для него товары. Причем советы могут выдаваться уже при первом посещении магазина: достаточно из предложенных вариантов выбрать понравившиеся (похожим образом работают рандомные подборки дня в Pinterest). Нейросеть обработает данные и выдаст актуальные предложения. Идея призвана решить вопрос «не знаю, что хочу» у посетителей сайта. По мнению представителей Amazon, это шаг к инновационному шопингу: возможность получать только полезные рекомендации, не просмотрев перед этим миллион товаров. Инструмент работает не только на сайте, но и в мобильном приложении.
Помимо этого, в Amazon стали обучать нейросеть изучать стратегии поведения покупателя, учитывая длину поискового запроса, цену покупки и связь между уже приобретенными (помещенными в корзину) товарами. Предполагается, что люди, которые вбивают слишком длинные или чересчур короткие запросы, более гибкие в вопросе выбора и их легче заинтересовать чем-то, что они изначально не планировали покупать.
Впрочем, рекомендательные системы на основе нейросетей есть не только в ритейле: подобный продукт разработан и у стримингового сервиса Netflix. Система учитывает стандартные критерии вроде истории просмотра, оценок, любимых актеров и жанров, а также времени суток входа в сервис, используемых для этого устройств, предпочтений других пользователей со схожим «профилем». Интересно, что персонализация доходит даже до выбора обложки под конкретного пользователя сервиса: раньше зрителю показывалась та, которую чаще просматривали. А теперь каждый человек видит подобранное под него изображение.
С учетом скорости развития нейросетей, также увеличившейся из-за пандемии, инструменты, которые позволяют компаниям достичь еще большей персонализации, будут пользоваться все большим спросом, а значит — и трансформироваться. С высокой вероятностью на первом плане окажутся предсказательные механизмы, которые работают эффективнее любого человека. И если сегодня убежденному последователю Гринписа магазин уже не предлагает норковую шубу, то не исключено, что завтра машина почувствует намерение человека войти в число зоозащитников еще до того, как у него в голове это решение оформится.
Создана первая точная карта мира. Что не так со всеми остальными?
Уран получил статус самой странной планеты в Солнечной системе. Почему?