Искусственный интеллект в диджитал-рекламе может решать широкий спектр задач, от создания креатива до оценки эффективности РК. Все эти задачи вписываются в популярные запросы пользователей, которые были учтены разработчиками при создании предобученных нейросетей. У диджитал-маркетологов есть дополнительная важная и непопулярная задача: улучшить таргетирование рекламных кампаний. Совладелец и генеральный директор AdTech-компании 
Otclick Илья Журавлев рассказал Sostav, может ли нейросеть качественно работать с биг датой для рекламных кампаний.
Узкоспециализированная сила нейросетей
Любая готовая нейросеть заточена на один тип решений. Например, ChatGPT занимается созданием текстовых сообщений: умеет обрабатывать запросы только в виде текста. Невозможно сформировать осмысленный запрос к ИИ общего назначения с использованием параметров (cookies-файлы, геоданные, частота показа и прочее) статистики определенной рекламной системы, на которой внешний ИИ не обучался. Таким образом не получить численный прогноз по CTR. ChatGPT сможет проанализировать сайт и дать тезисную оценку в виде тегов о содержании сайта, а грамотно подобрать рекламу на пересечении тематики сайта и соцдема — нет. А этим и должно заниматься рекламное ядро.
Размышляя над вопросом «Как теги ChatGPT пересадить на наше рекламное ядро», мы поняли, что такое в принципе возможно. Но тогда же осознали, что очень много ресурсов уйдет на переучивание ChatGPT и настройку рекламного ядра на работу с ChatGPT.
Следующим шагом на нашем пути размышлений о внедрении своих нейронных сетей стало осознание, что мы не можем работать с контентом в режиме реального времени на старых технологиях. Данных очень много: Otclick превращается в полноценный агрегатор всех сайтов, на которых происходит размещение рекламных кампаний наших клиентов. По сути, наши задачи должны решаться в реальном времени при трафике в сотни тысяч запросов в секунду, что невозможно при использовании сторонних ресурсов. Тогда-то мы и поняли, что своя нейросеть — единственный выход в сложившейся ситуации. За год развернули и обучили первую в своем стеке собственную нейронку, которая начала выполнять наши задачи по оптимизации РК. Ноу-хау, наверное, в том, что это именно наша нейросеть, под наши задачи, и никакое готовое решение не может их так же качественно решить, как собственный продукт.
Чужие наработки — как воспитать ребенка
Независимые программатик-игроки работают с нейросетями, но не рассказывают о том, какие у них технологии с описанием кода и способа применения. А вот «Яндекс» хвастается своими нейронками, но исключительно в формате: «Наш антифрод, в котором мы используем «Яндекс Метрики» для аудита рекламных кампаний, работает на основе нейронной сети, которая использует алгоритмы “Яндекса”».
Детали не получишь: исходный код, логика нейросети, какие базы обрабатывает, на какие переменные делает упор, что является вторым и третьим приоритетом, как она обучается. Без этой информации использовать достижения чьей-то нейросети невозможно. «А как воспитать ребенка?» — придерживаясь принципа «Рожаешь и воспитываешь».
Все рекомендации «Яндекса» выглядят следующим образом. Как использовать нейросеть в антифроде? Берешь основные параметры и смотришь на отклонения. Самое сложное здесь — понять, какая нейросеть лучше или хуже смотрит на отклонения, а самое главное — сравнить результаты.
Счастье диджитал-маркетолога, или как оказаться в Лондоне
Любой объем данных может направлять сознание человека в разные стороны. Например, получаем какие-то данные о погоде или местоположении. И решения будут, соответственно, разные. Если вы напишете ChatGPT свои хотелки (опишете свое настроение, кто вы, чем занимаетесь, какие страны вы хотели бы посмотреть), нейросеть, исходя из запроса, скажет, что вам неплохо было бы посмотреть Лондон в сентябре, потому что там классная погода, и она отлично подходит вашему эмоциональному состоянию. Но та же нейросеть не купит за вас билеты, не поможет пилоту самолета, на котором вы летите, — не привезет вас в Лондон.
В идеальном мире хотелось бы просить нейросеть выдавать не текстовые теги, а что-то в духе «вы знаете, люди, читающие этот текст о математике, с большей долей вероятности проконтактируют с сообщением про новый китайский автомобиль. Почему — потому что я проанализировал логику предыдущих рекламных кампаний и обнаружил такие связи в данных». Предиктор, над которым мы работаем по гранту, — это нейросеть, которая анализирует контент и не просто выдает теги, а предоставляет готовые рекомендации по таргетированию рекламных кампаний. Это то, чего предобученный ИИ не смог бы.
Нейросеть vs маркетолог. Очень большая дата
В целом нейросеть строится на входных данных, и чем больше информации, тем лучше. Чем больше переменных мы предоставим нейросети, тем лучше, потому что она быстрее найдет связи в данных. Задача всех рекламщиков — найти связку, в которой пользователь будет лучше всего взаимодействовать с рекламным сообщением, чтобы в финале купить товар или услугу. Поэтому у нейросети и маркетолога общая задача.
Когда iPhone только становился популярными, мы с представителями нескольких автобрендов строили и проверяли гипотезы, какую марку автомобилей предпочитают владельцы iPhone. Была и другая сторона гипотезы. Я лично общался с одним японским автобрендом, который был уверен, что их целевая аудитория покупает Samsung, поэтому давайте попробуем найти всех пользователей, у кого этот смартфон. И так мыслит маркетолог.
А нейронка может анализировать намного больше переменных, и ее гипотеза будет звучать следующим образом: нам кажется, что потенциальные покупатели наших товаров — это владельцы телефонов Samsung заданной нами модели, с определенными интересами и предпочтениями по тематикам контента, читающие новости про развлечения в период с 17 до 20 часов.
Такая сложная гипотеза возможна потому, что нейросеть может анализировать миллионы записей о действиях пользователя в браузерах и мобильных приложениях (о прочтении текста, тематике текста, о совершении транзакций) и находить миллионы совпадений. У человека на подобную конкретизированную гипотезу уйдут годы работы, а у нейронки (при правильном обучении) — меньше секунды.
Look-alike нового уровня
ИИ умеет находить людей со схожими товарными предпочтениями по определенным совпадениям действий на сайтах. Таким образом, нейросети подняли технология look-alike на новый уровень, что очень помогло таргетологам.
Пользователь купил пианино, а неплохо бы через месяц предложить ему микрофон. Это тоже задача нейронки — держать в голове всю инфу об аудитории и ее нуждах, анализировать, какие товары, кем и когда покупаются. В какие сроки предлагать при помощи рекламы сопутствующие товары для первой покупки. Нейросеть может делать это эффективно, потому что видит закономерность: люди, которые покупают магнитофоны, через полтора месяца задумываются о более мощных Bluetooth-колонках. Благодаря поиску таких совпадений, которые таргетолог не увидит из-за объема данных, нейросети поднимают рекламу на новый уровень.
Неприхотливые персональные данные
Нейросети используют обезличенные данные, а в такую информацию, как имя, фамилия, номера телефонов, она «не лезет». При анализе данных она не ищет людей, например, с именем Илья, которые предпочитают пить кофе по утрам. В целом персональные данные работают только в том случае, когда нужно таргетироваться по персональным данным. Скажем, у нас есть номера абонентов, которые входят в нашу программу лояльности, и им неплохо бы получить СМС о скидке плюс 2% к текущей. У нейросети другие задачи, поэтому проблемы использованием с персональной информацией нет.
Возврат инвестиций в ИИ — зачем так тратиться
Для маленькой компании посчитать возврат инвестиций от использования нейросети в работе с биг датой сложно. Гиганты, вроде Amazon, Apple и Samsung, могут оцифровать почти что угодно (сколько приносит блок, который построен на основе нейронок, и потребление продуктов этого блока).
В нашей компании это история о разных модулях одного продукта: все текущие ML-модули встроены в наше самописное рекламное ядро, чтобы повысить эффективность этого ядра, а значит — открутки рекламных кампаний. Мы анализируем рост клиентов, сделок, чека, чтобы понять, в правильном ли направлении идем. Но это информация об эффективности не только ИИ, но и всего бизнеса. Мы верим, что наш рост обоснован, в том числе, использованием современных технологий.
С верой в ROI
В своем четвертом ежегодном отчете компания Marketing AI Institute, которая занимается анализом использования искусственного интеллекта в маркетинге, проанализировала опыт 1 800 маркетологов и бизнес-лидеров. Участников опроса спрашивали об основных результатах, которых стремятся достичь их бизнесы с помощью искусственного интеллекта. Повысить окупаемость инвестиций кампаний хотят 58% опрошенных, а предсказывать потребности и поведение потребителей с большей точностью — 41%. ИИ для маркетинга считают критически важным 28% респондентов, очень важным — 38%, не важным — 4%. И я разделяю оптимизм коллег.
