Практическое руководство по генеративному ИИ для маркетологов

Фактически, многообещающим способом решения этой проблемы является детальный подход, при котором маркетологи систематически определяют области, в которых можно экспериментировать с генеративным ИИ, и области, в которых стоит подождать и посмотреть.

В этой статье представлена четырехэтапная структура — DARE (Decompose, Analysis, Realize, Evaluate) Framework — для продвижения вперед в области применения генеративного ИИ в маркетинге.

Недавнее исследование McKinsey показало, что только 10–14% компаний постоянно используют генеративный искусственный интеллект в своей деятельности в области маркетинга и продаж. Почему функционирование, которое, казалось бы, получит максимальную выгоду от генеративного ИИ, настолько ограничено? И как маркетологи могут преодолеть этот разрыв и полностью использовать этот потенциал? Пока маркетологи пытаются разобраться в этом преобразующем моменте, многие, похоже, не знают, с чего начать.

Есть четыре области, в которых генеративный ИИ имеет наибольший потенциал для маркетологов, и четыре области, где он несет наибольший потенциал риска. Вот что лидерам необходимо знать об этих областях, а также основы того, с чего начать.

Четыре фактора возможностей маркетингового искусственного интеллекта

На наш взгляд, есть четыре ключевые области, в которых генеративный ИИ имеет наибольший потенциал: кастомизация, креативность, взаимодействие и стоимость познания.

Кастомизация

Потребители жаждут аутентичных впечатлений, которые соответствуют их уникальным предпочтениям и маршрутам. Генеративный искусственный интеллект предлагает возможность реализовать это в беспрецедентных масштабах.

Рассмотрим Carvana, цифровую платформу для продажи подержанных автомобилей. Компания создала 1,3 миллиона уникальных видеороликов, созданных искусственным интеллектом, которые она назвала «увеселительными поездками». Все в видео, от визуального оформления до саундтрека, было сделано на заказ. Carvana добилась этого, просто взяв некоторые основные данные о клиентах — такие как модель автомобиля, цвет, год, дата покупки и местонахождение — и дополнив их культурными событиями того времени и места. А собственно производство? Вероятно, оно заняло менее половины рабочего дня благодаря способности их облачной инфраструктуры обрабатывать 300 000 видео в час.

Другие бренды экспериментируют с генеративным искусственным интеллектом, чтобы преодолеть языковые барьеры и охватить разные рынки. Spotify, например, тестирует голосовой перевод на основе искусственного интеллекта для избранных популярных подкастов, в которых сохраняется оригинальный голос подкастера.

Генеративный искусственный интеллект также обладает огромным потенциалом для улучшения взаимодействия с клиентами, помогая сотрудникам службы поддержки участвовать в более кастомизированных беседах. Недавнее исследование с участием 5179 агентов службы поддержки клиентов дает представление об этом потенциале. Внедрение инструмента диалогового помощника на основе искусственного интеллекта для расширения возможностей агентов значительно увеличило количество решаемых индивидуальных запросов клиентов, а также повысило общую удовлетворенность клиентов.

Но это только начало. Недавние разработки в области мультимодальной технологии искусственного интеллекта еще больше расширят возможности диалоговых чат-ботов, управляемых искусственным интеллектом, с точки зрения создания индивидуальных решений проблем клиентов. Представьте себе, что клиент без особых усилий отправляет фотографию неисправного продукта для возмещения, а чат-бот с искусственным интеллектом быстро дает рекомендации по этому вопросу.

В будущем многообещающим направлением станут персонажи чат-ботов, адаптированные к конкретным сегментам клиентов. Чтобы понять этот потенциал, достаточно взглянуть на успех Feature.ai — самого популярного приложения после ChatGPT — которое позволяет пользователям взаимодействовать с созданными ИИ персонажами, будь то вымышленные или исторические творения. Действительно, Meta запускает персонифицированных чат-ботов, управляемых искусственным интеллектом, на своих флагманских платформах, планируя дать брендам возможность создавать свои собственные версии.

Креативность

Второй путь использования генеративного ИИ в маркетинге — это креативность. Хотя споры о том, могут ли машины быть креативными, продолжаются, очевидно, что ИИ может генерировать результаты, которые считаются креативными.

Возьмем, к примеру, результаты недавнего исследования, которое показало, что ChatGPT4 превзошел креативность студентов элитных университетов в создании новых продуктов; большинство выдающихся идей были созданы искусственным интеллектом. Фактически, такая продукция даже заслужила творческие похвалы; изображение, созданное с помощью искусственного интеллекта, стало победителем премии Sony World Photography Awards в категории «креативная фотография».

Но истинная ценность GenAI в творчестве заключается в его потенциале расширять возможности творцов-людей. Недавний эксперимент с участием 453 специалистов, которые регулярно создают письменные материалы в рамках своей работы, включая маркетологов, показал, что использование ChatGPT повышает качество и оригинальность результатов на 18%. Аналогичным образом, другое исследование показало, что доступ к генеративному искусственному интеллекту значительно повысил креативность писателей, особенно среди менее творческих авторов, причем улучшение составило до 26%.

Эти успехи были достигнуты с помощью простой тренировки. Теперь, благодаря новым инструментам, разработанным специально для маркетинга, таким как Jasper, стало проще добиться творческого роста для различных задач по созданию контента. Некоторые глобальные компании, такие как Unilever, даже создают свои собственные инструменты генеративного искусственного интеллекта для написания рекламного контента.

Маркетологи также могут полностью переосмыслить свои творческие возможности благодаря генеративному искусственному интеллекту. Ярким примером является рекламная кампания Coca-Cola «Шедевр», в которой картины известных исторических деятелей и начинающих художников были воплощены в жизнь с помощью генеративного искусственного интеллекта. Компания даже запустила коллекцию NFT, основанную на цифровом искусстве из рекламы, которая собрала более 500 000 долларов всего за 72 часа.

Возможности взаимодействия

Генеративный искусственный интеллект предлагает брендам новые возможности для более глубокого взаимодействия с клиентами, облегчения взаимодействия между потребителями и дает потребителям возможность играть более активную роль в нарративе о бренде.

Ярким примером является кампания Jen AI компании Virgin Voyages, в которой ИИ-версия Дженнифер Лопес приглашает людей на борт. В рамках кампании потребители могут создавать свои собственные приглашения с помощью инструмента Jen AI и делиться ими друг с другом, что приводит к повышению уровня вовлеченности на 150 % по сравнению с предыдущими кампаниями.

Реальный, но относительно неиспользованный потенциал генеративного ИИ демократизирует участие в маркетинговых процессах, поскольку снижает технические барьеры для потребителей. То есть каждый потребитель теперь может быть дизайнером, рассказчиком и влиятельным лицом. Например, используя модели преобразования текста в изображение, потребители теперь могут создавать визуальные эффекты, не имея никаких знаний в области графического дизайна, что открывает новые двери для более широких возможностей совместного творчества с потребителями.

Отличным примером этого является инициатива Coca-Cola «Создайте настоящую магию». Потребителям было предложено принять участие в конкурсе по созданию изображений с использованием специального инструмента, позволяющего потребителям создавать изображения из прозы. Победившие проекты будут блистать на мировых рекламных площадках, таких как Таймс-сквер в Нью-Йорке.

Но выгоды от таких инициатив не ограничиваются победителями или даже непосредственными участниками. Как показывает наша статья со Стефано Пунтони, преимущества весьма разнообразны, не только для тех, кто непосредственно вовлечен, но и для более широкого рынка за счет опосредованного укрепления отношений и повышения покупательских намерений.

Стоимость познания

Одним из наиболее преобразующих последствий генеративного искусственного интеллекта является его способность значительно снизить интеллектуальную стоимость. Маркетологи могут добиться значительно большего, затрачивая гораздо меньше времени и средств.

Это преобразующее воздействие распространяется на многие когнитивные задачи. Потенциальное влияние генеративного ИИ огромно: от создания сообщения в блоге компании и анализа качественных отзывов потребителей до разработки новой рекламы и создания кода для нового веб-приложения.

Рассмотрим результаты недавнего полевого эксперимента с консультантами Boston Consulting Group (BCG). В ряде реалистичных консультационных задач, таких как мозговой штурм идей новых продуктов, сегментация рынка, подготовка пресс-релизов, консультанты, работающие с ИИ, продемонстрировали поразительную эффективность. В среднем они выполнили на 12,2% больше задач и выполнили их на 25,1% быстрее. Еще более впечатляюще то, что качество их продукции значительно превосходило качество их сверстников из контрольной группы, их рейтинг был выше более чем на 40%.

Некоторые рекламодатели уже начинают использовать этот инструмент для повышения рентабельности рекламы. Ярким примером является WPP, крупнейшее в мире рекламное агентство, генеральный директор которого отметил, что экономия за счет использования генеративного искусственного интеллекта в рекламе может принести от 10 до 20 раз экономии.

Четыре фактора риска маркетингового ИИ

Хотя генеративный искусственный интеллект открывает беспрецедентные возможности, он также полон рисков. Четыре из них особенно актуальны и актуальны для маркетологов, которые мы называем 4C маркетинговыми рисками ИИ: фантазирование, реакция потребителей, авторское право и кибербезопасность.

Фантазирование

Генеративный ИИ, как известно, умеет выдумывать — или создавать неточный контент — и делает это весьма убедительным образом. Он также может создавать предвзятый или контекстуально неподходящий контент. Подобные результаты могут привести к ошибочным маркетинговым решениям или, что еще хуже, запятнать имидж бренда в глазах потребителей.

Хотя это действительно вызывает беспокойство, особенно в задачах по работе с клиентами и стратегическом маркетинге, существуют способы смягчить эти риски. Например, точная настройка LLM с использованием данных для конкретных задач или включение контекстного обучения может повысить адекватность результатов ИИ и снизить риск путаницы. Еще более эффективный подход — обеспечить человеческий контроль над контентом, создаваемым ИИ. Это не только позволяет выявить и исправить заблуждения, но и согласовать результаты с ценностями и целями бренда.

Реактивное сопротивление потребителей

Технологии генеративного искусственного интеллекта могут привести к реактивному сопротивлению потребителей, особенно когда они используются для маркетинговых результатов, которые непосредственно воспринимаются потребителями — например, чат-боты службы поддержки клиентов, рекламные материалы или продукты, созданные с помощью искусственного интеллекта. Эта озабоченность более выражена в областях, традиционно зависящих от человеческих качеств, таких как общение, социальное взаимодействие или что-либо еще, что требует тонкого понимания индивидуальности.

В таких областях эффективной контрмерой может быть акцентирование внимания на человеческих аспектах (например, посредством рекламы как «человекоподобных» или «созданных руками человека»). Когда инициативу берет на себя автоматизация, ключевое значение также имеет прозрачность обоснования. В конце концов, потребители с меньшей вероятностью будут сопротивляться, если считают, что движущей силой решения на базе искусственного интеллекта является улучшение пользовательского опыта, а не просто сокращение затрат.

Авторские права

Что означает генеративный ИИ для творческой собственности? Это не просто философский вопрос. Творческие результаты, созданные с помощью ИИ, влекут за собой сложные риски, связанные с авторскими правами, которые могут подвергнуть бренд серьезным юридическим проблемам. Однако снизить этот риск также возможно.

Маркетологи должны быть внимательны к юридическим стычкам, с которыми сталкиваются ведущие разработчики ИИ. В настоящее время, хотя контент, созданный исключительно ИИ, может подпадать под защиту авторских прав, когда человеческое творчество сочетается с результатами, созданными ИИ, защита вполне возможна.

Стратегия снижения рисков направлена на поиск партнеров, занимающих активную позицию в решении проблем, связанных с авторским правом. Например, компания Getty Images разработала инструмент преобразования текста в изображение, созданный исключительно на основе собственной творческой библиотеки, и предлагает клиентам стандартную бесплатную лицензию, а также неограниченное возмещение убытков и бессрочные, глобальные, неисключительные права на использование. Другие крупные разработчики моделей, такие как Google и Open AI, также недавно ввели новую политику возмещения убытков.

Информационная безопасность

Генеративный искусственный интеллект создает новые проблемы безопасности. Он не только снабжает киберпреступников мощными инструментами для проведения сложных атак, но и подвергает бренды «атакам с быстрым внедрением» — когда люди могут обманом заставить чат-ботов раскрыть конфиденциальные данные или создать обманчивый контент. С точки зрения маркетинга, угрозы проявляются не только как ощутимое финансовое бремя (хотя оно тоже огромно, в среднем глобальные затраты составляют 4,45 миллиона долларов), но, что более важно, как долгосрочный ущерб репутации и доверию бренда.

Однако недавние данные IBM рисуют приводящую в замешательство картину. Теоретически менеджеры осознают серьезность кибербезопасности в эпоху генеративного искусственного интеллекта. Но реальное применение этого понимания остается редким. Решение кажется очевидным — хотя, по общему признанию, это легче сказать, чем сделать — постоянно обновляйте протоколы кибербезопасности для защиты от развивающихся угроз. Независимо от того, идет ли речь о сотрудничестве с авторитетными фирмами по кибербезопасности или о создании собственного опыта, момент требует активных управленческих действий.

Путь вперед

Риски, связанные с генеративным ИИ, реальны. Но это не обязательно оправдывает бездействие и не требует единого подхода к генеративному ИИ, при котором маркетологи либо слепо идут на риск, либо вообще избегают ИИ. Фактически, многообещающим способом решения этой проблемы является детальный подход, при котором маркетологи систематически определяют области, в которых можно экспериментировать с генеративным ИИ, и области, в которых стоит подождать и посмотреть.

Мы рекомендуем четырехэтапную структуру — DARE (Decompose, Analysis, Realize, Evaluate) Framework — для продвижения вперед в области генеративной трансформации ИИ в маркетинге.

1) Декомпозиция ролей

Начните с переосмысления маркетинговых ролей не как единых сущностей, а как набора задач. Возьмите на себя роль специалиста по контент-маркетингу; это сочетание таких задач, как создание контента, SEO-оптимизация, исследование аудитории, управление календарем, анализ производительности, сотрудничество со медиа-командой и многое другое.

2) Анализ задач

Для каждой отдельной задачи сопоставьте потенциальные возможности с внутренними рисками. Присвойте оценку по шкале от 1 до 10, оценивая как обещания, так и риски. Затем идите глубже: подробно опишите, как выглядят эти возможности и риски. Например, развертывание генеративного искусственного интеллекта для создания контента в социальных сетях может расширить креативность, сэкономив при этом когнитивные издержки, но может быть особенно уязвимо для таких ловушек, как фантазирование или реактивное сопротивление потребителей.

3) Осознание приоритетов трансформации

Изобразите эти задачи в матрице 2×2, противопоставляя возможности и риски. Ваша матрица будет определять стратегию трансформации.

Задачи с высоким приоритетом (квадрант высоких возможностей, низкий риск): эти задачи созрели для генеративной трансформации на основе искусственного интеллекта, обещающей достаточное вознаграждение при минимальном риске. Должны быть возможны немедленные эксперименты.

Задачи со средним приоритетом (высокие возможности, квадрант высокого риска). Эти задачи представляют собой палку о двух концах. Много обещаний, но и много подводных камней. Таким образом, они требуют активного управленческого внимания. Прежде чем приступить к делу, изучите способы снижения рисков.

Задачи с низким приоритетом (низкие возможности, квадрант низкого риска): это ваши выжидающие кандидаты. Они должны быть на втором плане в вашей стратегии трансформации. Принимайте участие, если/когда позволяют ресурсы.

Неприоритетные задачи (низкие возможности, квадрант высокого риска): здесь продолжайте вести дела как обычно. Потенциальные преимущества ИИ не оправдывают решение связанных с этим проблем.

4) Оценивайте итеративно

Постоянно пересматривайте и корректируйте свою дорожную карту трансформации ИИ.

Сфера искусственного интеллекта постоянно развивается. Новые инновации, такие как недавние успехи в области мультимодального искусственного интеллекта, постоянно переопределяют возможности. А поскольку такие игроки, как Google, предлагают решения таких проблем, как проблемы авторского права, ландшафт рисков столь же динамичен. Таким образом, это не разовое мероприятие.

Человеческая сторона трансформации

В вихре стратегических преобразований слишком легко упустить из виду человеческую сторону перемен. Тем не менее, это по-прежнему имеет решающее значение для успеха усилий по трансформации.

Ожидайте определенного уровня опасений со стороны сотрудников. В конце концов, мы, люди, по своей природе запрограммированы опасаться перемен и инноваций, особенно когда они бросают тень на гарантии занятости. Поэтому необходима чистая и прозрачная коммуникация.

Дайте вашей команде понять, что речь идет не о замене рабочих мест, а о перестановке задач. Генеративный ИИ в большинстве случаев призван дополнять, а не заменять. Речь идет (и должна быть) не столько о технологиях, вытесняющих человеческое участие, сколько о перераспределении когнитивных ресурсов. Даже когда ИИ вмешивается в решение конкретных задач, это не означает полного отказа от должностных инструкций.

А чтобы по-настоящему реализовать потенциал генеративного ИИ, вам нужна команда с нужным набором навыков. Такие навыки, как формулирование проблем, исследование, экспериментирование и критическая оценка. Будь то постановка правильных задач для ИИ или обеспечение соответствия результатов вашему видению, невозможно успешно преобразовать маркетинг, не подготовив свою команду к следующей главе.

В целом потенциал генеративного ИИ кажется безграничным, равно как и проблемы, связанные с его реализацией. Многие менеджеры, столкнувшись с проблемами и неопределенностями, испытывают искушение остаться наблюдателями. Действительно, недавний опрос BCG показывает, что большинство руководителей активно не рекомендуют использовать генеративный искусственный интеллект в своих организациях.

Но избегать волны генеративного искусственного интеллекта может быть столь же рискованно, как и осваивать ее неосторожно.

Стоит помнить, что это не обязательно бинарный выбор: полностью принять или отвергнуть эту технологию. Есть продуманный срединный путь, стратегический путь вперед, который не требует слепых прыжков веры.

hbr.org/2023/12/a-practical-guide-for-marketers-who-want-to-use-genai

(154, 1)