Искусственный интеллект (ИИ) мигрирует из исследовательских лабораторий в деловой мир.
В сотнях отраслей ведущие компании используют его возможности — от банков, анализирующих многочисленные точки данных за секунды, чтобы обнаружить мошенничество, до развертывания чат-ботов колл-центрами для улучшения взаимодействия с клиентами.
В 2018 году наблюдался резкий рост числа инструментов, платформ и приложений, основанных на искусственном интеллекте и машинном обучении.
Эти технологии повлияли не только на Интернет и индустрию программного обеспечения, но и на другие отрасли, такие как производство, здравоохранение, юриспруденция, автомобилестроение и сельское хозяйство.
Такие компании, как Apple, Amazon, Facebook, Google, IBM и Microsoft, инвестируют в исследования и разработки ИИ, которые помогут приблизить ИИ к потребителям.
Несколько трендов ИИ, на которые стоит обратить внимание в будущем
- Рост чипов с поддержкой ИИ
Зависимость искусственного интеллекта от специализированных процессоров является причиной роста числа чипов с поддержкой ИИ. Даже самые быстрые процессоры могут не повысить скорость обучения модели ИИ.
Ключевые идеи книги: Внедрение искусственного интеллекта в бизнес-практику. Преимущества и…
Чтобы ускорить выполнение приложений с поддержкой ИИ, в этом году производители чипов, такие как Intel, AMD, NVIDIA и Qualcomm, будут поставлять специализированные чипы.
Эти чипы будут оптимизированы для таких сценариев, как компьютерная обработка естественного языка, зрение и распознавание речи.
Эти чипы будут использоваться в приложениях автомобильной и медицинской промышленности для предоставления интеллектуальных данных.
- Популярность автоматизированного машинного обучения
Тенденция, которая произведет революцию в решениях на основе машинного обучения, — это AutoML.
Основное влияние автоматизации в машинном обучении будет заключаться в том, что разработчики и бизнес-аналитики получат возможность развивать модели машинного обучения, которые могут решать сложные ситуации, не проходя типичный процесс обучения моделей машинного обучения.
- Автоматизация DevOps через AIOps с помощью ИИ
Огромный объем данных журналов, генерируемых современной инфраструктурой и приложениями, фиксируется для поиска, индексирования и аналитики.
Полученные колоссальные наборы данных можно накапливать и сопоставлять, чтобы находить закономерности и идеи.
- Конвергенция ИИ с другими появляющимися технологиями
В 2019 году может появиться больше примеров конвергенции IoT с ИИ и ИИ с блокчейном. На самом деле беспилотные автомобили не могут быть реализованы без тесного взаимодействия Интернета вещей с ИИ.
Программы, используемые при принятии решений, основаны на моделях искусственного интеллекта, а датчики, используемые автомобилями для сбора данных в реальном времени, поддерживаются Интернетом вещей.
Искусственный интеллект в бизнесе и стартапах
Затем алгоритмы глубокого обучения ИИ начинают действовать, а также принимают решения, используя эти данные.
- Глубокое обучение станет самым востребованным навыком ИИ
Профессии ИИ со знаниями в области глубокого обучения растут более быстрыми темпами. Глубокое обучение — это тип машинного обучения, который разрабатывает алгоритмы, известные как искусственные нейронные сети, которые работают путем моделирования структуры и функций человеческого мозга.
Преимущества ИИ для бизнеса
- Повышение эффективности
Думайте о повышении эффективности как о сверхспособностях сотрудника. При этом вы по-прежнему выполняете то же количество задач, но делаете больше.
Вспомните самый распространенный пример ИИ: распознавание голоса. Только между Alexa и Siri существует огромное взаимодействие.
Почти половина американцев соглашаются с использованием той или иной формы распознавания голоса, и есть убедительные признаки того, что эти платформы работают на рабочих местах. Brooks Brothers, WeWork, Mitsui USA, Capital One и Vonage уже используют Alexa for Business.
- Достижение эпических прорывов
В процессах или продуктах некоторых организаций есть определенные белые пятна. Прорыв происходит, когда кто-то проливает свет на эти слепые пятна.
Машинное обучение и ИИ позволили организациям преодолеть эти белые пятна.
В медицине это может означать анализ риска для пациента или вывод на рынок нового диагностического продукта. В производстве это означает прогнозирование дефектов до того, как они произойдут.
- Аналитика в реальном времени
Для бизнеса одним из лучших преимуществ ИИ для бизнеса является обработка и интерпретация огромного объема данных в режиме реального времени.
Такой подход позволяет предприятиям принимать важные решения и действовать быстрее, обеспечивая сильную конкурентную позицию компании.
Например, в транспортной отрасли водители могли бы получать данные о пробках на основе своего местоположения и оперативно корректировать свои маршруты.
- Лучшее качество обслуживания клиентов
Самое приятное то, что машины никогда не спят, поэтому поддержка клиентов будет круглосуточной.
Чат-боты на основе ИИ способны обеспечить более короткое время отклика и лучшее качество взаимодействия, что поможет компаниям повысить лояльность существующих клиентов и привлечь новых.
- Автоматизация бизнес-процессов
ИИ способен управлять автоматизацией как предоставления услуг, так и производственных операций.
Например, контроль и поддержание необходимых условий окружающей среды для хранения продукта, управление роботизированными линиями на заводах, обработка платежей, контроль складских остатков, регистрация запросов клиентов на обслуживание и многое другое.
- Улучшение безопасности данных
В областях, где конфиденциальность данных имеет большое значение, таких как финансовый сектор, банковские услуги, ИИ может успешно использоваться для выявления мошенничества и несанкционированного доступа к персональным данным.
Недостатки ИИ для бизнеса
- Дорогая реализация
Учитывая стоимость установки, обслуживания и ремонта, ИИ — дорогое предприятие. Только те, у кого есть гигантские карманы, могут реализовать это.
Компании, у которых нет глубоких карманов, сочтут обременительным внедрение в свои процессы или стратегии.
- Повышенная зависимость от машин
Со всей автоматизацией, происходящей вокруг нас, мы можем приближаться к тому времени, когда людям будет трудно работать без помощи машин.
Из-за внедрения ИИ наша зависимость от машин будет увеличиваться в геометрической прогрессии. Поэтому в результате мышление и умственные способности человека со временем будут только снижаться.
- Препятствие возможностям трудоустройства
По-прежнему существует неясность в отношении создания или удаления рабочих мест ИИ. Возможно, из-за этого будут созданы рабочие места, а также потеряны рабочие места.
Любая работа с повторяющимися задачами может быть заменена искусственным интеллектом. В 2017 году Gartner прогнозировал, что благодаря искусственному интеллекту будет создано 500 000 рабочих мест.
С другой стороны, из-за этого может быть потеряно до 900 000 рабочих мест. Эти цифры относятся к рабочим местам только в Соединенных Штатах.
ИИ, возможно, самый продвинутый из разработанных инструментов, но, как и любую другую технологию, его можно использовать как во благо, так и во вред.
Если мы сможем должным образом решить вопросы, касающиеся ответственного, прозрачного и добросовестного использования ИИ, он, скорее всего, станет полезным инструментом для создания лучшего мира.
Источник: design-hero.ru
Искусственный интеллект: преимущества и сомнения
Еще в сентябре 2019 года консалтинговое агентство IDC прогнозировало, что к 2023 году расходы предприятий на внедрение технологий искусственного интеллекта вырастут более чем в два с половиной раза и составят $97,9 млрд. Пандемия COVID-19 только увеличила потенциальную ценность AI для бизнеса. Согласно исследованию McKinsey State of AI, опубликованному в ноябре 2020 года, половина респондентов заявили, что их организации уже внедрили, как минимум, одну AI-функцию в свои бизнес-процессы.
Эксперты утверждают, что 77% устройств, которые мы используем в настоящее время, имеют встроенный искусственный интеллект. AI-технологии сопровождают людей в медицине, экономике, образовании, науке, розничной торговле, автомобилестроении, производстве и даже в творчестве. Какие же операции мы можем смело доверить искусственному интеллекту, освободив человеческие ресурсы для более важных задач?
RPA 2.0. Оптимизация процесса принятия решений
По данным Grand View Research, рынок RPA — решений для роботизированной автоматизации процессов — в настоящее время оценивается в $1,1 млрд, и ожидается, что в период с 2021 по 2027 год среднегодовой темп роста составит 33,6%.
RPA направлена на автоматизацию бизнес-процессов, управляемых бизнес-логикой. Решения RPA могут варьироваться от простых операций (создание автоматического ответа по электронной почте) до развертывания тысяч ботов, которые автоматизируют выполнение задач на основе различных правил. RPA уже активно внедряется в отраслевых вертикалях, таких как производство, HR и финансы.
Преимущества от внедрения RPA:
- повышение эффективности основных бизнес-процессов;
- повышение удовлетворенности клиентов и сотрудников;
- снижение затрат на выполнение процессов.
По сравнению с RPA первой версии, RPA 2.0 не только выполняет рутинные задачи, но и выводит автоматизацию на новый уровень за счет активного принятия сложных решений, требующих проверки человеком только в случае крайней необходимости.
Гиперавтоматизация и AIOps
Основная цель автоматизации — это обработка повторяющихся задач. Но в ходе этого процесса обнаруживаются различные бизнес-процессы, которые, в свою очередь, сами нуждаются в автоматизации. Это и есть гиперавтоматизация.
AIOps — это AI-приложения, которые используют машинное обучение и анализ больших данных для оптимизации управления ИТ-процессами. AIOps ускоряет и автоматизирует решение различных задач в сложных средах.
Автоматизация бизнес-процессов с помощью AIOps позволяет снизить затраты, повысить скорость работы и уменьшить число ошибок, в то же время высвободив человеческие ресурсы для приоритетных задач более высокого уровня. В 2021 году компании стали активно искать подобные решения для ускорения, оптимизации и перепроектирования процессов.
Расширенные возможности компьютерного зрения
Благодаря внедрению AI, глубокого обучения (Deep Learning) и нейронных сетей компьютер может идентифицировать и находить объекты на изображениях и видео, а затем реагировать на то, что он видит, с относительно высокой степенью точности (иногда даже точнее, чем человек).
Обнаружение изображений и лиц уже используется во многих инновационных сценариях, например:
- при разработке беспилотных автомобилей;
- для автоматической сортировки отходов;
- при классификации документов (например, сортировка бумажных счетов-фактур);
- в приложениях для перевода (Google Translate использует оптическое распознавание символов для поиска точного перевода);
- в системах распознавания лиц (iPhone использует FaceID, а в Китае полиция использует компьютерное зрение на контрольно-пропускных пунктах);
- в здравоохранении (компьютерное зрение помогает врачам анализировать маммограммы, рентгеновские снимки и другие изображения, чтобы поставить более точный диагноз).
Разговорный AI и NLP
Чат-боты на базе AI, также известные как разговорный искусственный интеллект, расширяют охват клиентов, повышают скорость реагирования и делают процесс общения с клиентами более персонализированным.
Чтобы лучше понять, что человек говорит и что ему нужно, чат-бот на базе AI использует обработку естественного языка (NLP), автоматическое распознавание речи (ASR) и машинное обучение, обеспечивая взаимодействие на уровне, близком к человеческому.
Растущая популярность NLP может быть объяснена его широким использованием в проектах Amazon Alexa и Google Home. NLP устраняет необходимость писать или взаимодействовать с экраном устройства, так как теперь люди могут общаться с роботами, понимающими их язык.
Ожидается, что в 2021 году значительно вырастет частота использования NLP для анализа настроений, машинного перевода, описания процессов, для создания чат-ботов и автоматической генерации субтитров для видео.
AI в кибербезопасности
В ближайшие годы знания станут более доступными, а цифровые данные будут подвергаться большему риску компрометации и уязвимости для хакерских и фишинговых атак. Искусственный интеллект обеспечит службам безопасности поддержку во всех областях, например, при обнаружении подозрительной цифровой активности или криминальных транзакций.
Ручной поиск угроз — это дорогой, утомительный и трудоемкий процесс. Благодаря внедрению AI в кибербезопасность некоторые атаки, которые ранее могли остаться незамеченными, теперь с легкостью предотвращаются.
Кроме того, традиционная кибербезопасность носит реактивный характер: действия предпринимаются только после того, как произошло нарушение. Благодаря внедрению AI эксперты по кибербезопасности могут прогнозировать атаки до их возникновения и принимать необходимые меры предосторожности.
Разработанные с помощью AI и машинного обучения алгоритмы могут использовать данные, чтобы научиться реагировать на различные ситуации, анализировать угрозы, распознавать закономерности и извлекать уроки из прошлого опыта. Однако существующие алгоритмы необходимо дорабатывать, чтобы избежать создания ложных закономерностей и возникновения ложных тревог.
Границы между AI и IoT становятся все более условными. Хотя обе технологии обладают индивидуальными характеристиками, при совместном использовании набор их возможностей существенно расширяется. Одним из ярких примеров слияния AI и IoT являются интеллектуальные голосовые помощники (Alexa, Siri, Алиса и другие). Gartner прогнозирует, что к 2022 году более 80% корпоративных IoT-проектов будут каким-либо образом внедрять AI.
Например, AI и IoT могут пересекаться при реализации таких концепций, как «умное» здание. Интеллектуальные датчики окружающей среды собирают данные о количестве сотрудников, затем система может соответствующим образом регулировать освещение и обогрев, тем самым повышая энергоэффективность.
AI и облачные вычисления
Одна из основных проблем бизнеса при внедрении AI — это высокие начальные затраты на покупку серверов и обеспечение доступа к наборам данных. Облачные вычисления «демократизируют» доступ к AI, т. к. компании получают возможность использовать искусственный интеллект без необходимости делать большие предварительные вложения.
Основные тенденции AI в отношении облачных вычислений будут связаны с такими моделями, как инфраструктура как услуга (IaaS), платформа как услуга (PaaS) и программное обеспечение как услуга (SaaS).
Автопромышленность и автономный транспорт
Помимо развития беспилотного транспорта, эксперты прогнозируют и рост рынка программ, которые предсказывают ситуацию на дорогах — это стало возможным благодаря модернизации камер видеонаблюдения, которые способны производить аналитические операции и распределенные вычисления непосредственно на самом устройстве.
Второй интересный тренд в этой отрасли — так называемые «умные» рельсы. На данный момент эта концепция активно тестируется в Китае, где она называется ART (Autonomous Rail Rapid Transit — автономные скоростные железнодорожные перевозки). Перемещение поезда не требует дополнительного контроля, поскольку он следует по виртуальной траектории.
Цифровые номерные знаки, созданные с использованием AI, помогут транспортным службам разного уровня как для оповещения в случае аварии, так и для определения местоположения машины по GPS.
Искусственный интеллект поможет производителям лучше прогнозировать возможные поломки машин — специальные алгоритмы будут следить за работой устройств и сообщать о возможных неполадках еще до их возникновения. Компьютерное зрение позволит контролировать производственные процессы и обнаруживать даже самые незначительные дефекты, сложные для отслеживания человеком.
Генерация синтетического контента
Еще один интересный тренд — формирующий искусственный интеллект. Этот вид AI поглощает информацию из разных источников и на ее основе создает новый контент — даже программный код. К этой области относится и генерация такого контента, как музыка, изображения или видео. Формирующий AI уже сейчас, на начальной стадии развития, приносит заметную пользу: он анализирует факторы, которые человек может упустить из виду, и способен к самостоятельному обучению. Например, существуют решения для проектирования 3D-моделей протезов и молекул ДНК (для задач генной инженерии).
MarTech — это сочетание маркетинга и технологий для достижения маркетинговых целей и задач. Сегодня рекомендательные системы, цифровой маркетинг, разговорный искусственный интеллект и чат-боты стали привычным инструментом интернет-продаж. Носимые устройства, IoT, сенсорные технологии, cookie и многое другое помогают компаниям собирать огромные объемы данных от обычных потребителей. Затем они используются для лучшего понимания поведения потребителей и создания новых продуктов и услуг. Но поскольку вопросы конфиденциальности продолжают набирать обороты, компании будут искать новые возможности для достижения своих маркетинговых целей, продолжая максимально легально отслеживать поведение потребителей.
Самостоятельная разработка программного обеспечения
Нельзя сказать, что на данный момент роботы получили способность программировать себя сами. Тем не менее, AI помогает разработчикам обнаруживать и исправлять распространенные ИТ-ошибки при создании программного кода, что повышает скорость разработки.
В некоторых кругах идет обширная дискуссия о том, что мы передаем слишком много полномочий по принятию решений машинам. С одной стороны, AI очень помогает людям в оптимизации логистических операций, в борьбе с мошенничеством, в проведении исследований, выполнении переводов, создании произведений искусства — все это изменило нашу жизнь к лучшему.
Тем не менее, «машинная мораль» — это концепция, изучаемая с тех самых пор, как существует сам AI, и она остается весьма актуальной благодаря таким инцидентам, как аварии беспилотных автомобилей или расистские высказывания чат-ботов.
Несмотря на скорость и возможности AI, нельзя рассчитывать, что робот всегда будет справедливым и нейтральным, так как, в конечном итоге, эти приложения созданы людьми. Если человек, создающий приложение, предвзят, кто виноват в происходящем: машина или человек?
Спрос на этичный AI растет, и по мнению Forrester, в следующем десятилетии ИТ-директора должны будут реагировать на требования цифрового рынка и обеспечивать работу бизнеса с учетом этичности использования AI.
Несмотря на определенные минусы концепции, ее плюсы имеют гораздо больший вес, и рынок AI быстро и неуклонно растет. Прогнозируется, что к 2025 году рыночная стоимость AI-решений может достичь $190,61 млрд.
Потребность в быстро развивающихся AI-технологиях стимулирует сочетание самых разных факторов: динамичность жизни, возможности для удаленной работы, повышенное внимание к здоровью в долгосрочной перспективе и обилие доступных данных и информации.
AI будет наращивать проникновение как на уровне инфраструктуры, так и на уровне отдельных компонентов. Производство AI-чипов позволит создавать различные линейки AI-продуктов для разных сфер бизнеса и повседневной жизни.
AI-чипы могут быть использованы в видеокамерах, «умных» ассистентах, биометрических замках и пр., позволяя реализовывать алгоритмы AI непосредственно на устройствах. Увеличение скорости обработки будет особенно актуально при создании беспилотных автомобилей, БПЛА, интеллектуальных систем видеонаблюдения, IoT-систем, промышленных роботов и т. д.
Поскольку компании будут продолжать внедрять AI, будет расти потребность в опытных инженерах по искусственному интеллекту и машинному обучению для разработки и сопровождения этих решений.
- видеоконференция
- дистанционная работа
- гибридный офис
- искусственный интеллект
- интернет вещей
- iot
- ai
- Блог компании АйПиМатика
- Алгоритмы
- Искусственный интеллект
- Интернет вещей
- Будущее здесь
Источник: habr.com
Искусственный интеллект в маркетинге: какие преимущества это дает бизнесу
Поскольку социальное взаимодействие все больше переходит в digital-формат, компаниям предоставляется возможность улавливать настроения, выявлять тенденции и извлекать мнения из огромного массива часто общедоступной информации. О том, какую пользу это приносит бизнесу, рассказали эксперты первого российского рекламного холдинга NMi Group.
Маркетинг искусственного интеллекта
Маркетинг с искусственным интеллектом (AI Marketing) — это метод использования данных о потребителях с использованиемконцепций искусственного интеллекта, таких как машинное обучение, для оптимизации их пути к покупке. Развитие искусственного интеллекта предлагает компаниям более эффективные способы взаимодействия с аудиторией, помогая принимать решения на основе данных о ней, полученных путем анализа поведения в социальных сетях, входе опросов и истории серфинга в интернете.
ИИ может помочь построить оптимальные маркетинговые стратегии, улучшить путь к покупке и изменить способы привлечения и конверсии потенциальных клиентов, применяя персонализированный подход, основанный на сегментировании. По данным Salesforce, в 2018 году лишь 29% компаний использовали ИИ-маркетинг, в то время как в 2020 году их количество выросло до 84%.
Глобальные расходы на оборудование, программное обеспечение и услуги искусственного интеллекта на конец этого года, как ожидается, превысят 340 млрд долларов, а в 2024 году составят 500 млрддолларов.ИИ часто имеет узкий, конкретный вариант использования, например,заполнение строки с темой электронной почты или применение ИИ чат-бота на веб-сайте. В контент-маркетинге ИИ может создавать и продвигать качественный персонализированный контент в любых масштабах. В отличие от традиционного программного обеспечения, ИИ не просто автоматизирует задачи или упрощает ручную работу (хотя он может делать и то, и другое), но он способен самообучаться и самосовершенствоваться в процессе работы. Это дает возможности дополнительного роста для бизнеса за счет повышения эффективности и производительности.
Примеры маркетинговых стратегий на основе ИИ
PPC реклама Плата за клик (PPC) — это модель онлайн-рекламы, используемая для привлечения посетителей на веб-сайт. В настоящее время маркетинг на основе искусственного интеллекта используется в каждом блоге, веб-сайте и видео.
Когда пользователи посещают определенную веб-страницу и нажимаете ссылку, содержащую рекламу, она направляет их на указанный веб-сайт.Это маркетинговая аналитика AI, используемая рекламодателем, при которой они платят издателю каждый раз, когда пользователь нажимает на ссылку. Некоторые из ведущих маркетинговых компаний в области искусственного интеллекта, такие как Facebook , Instagram , Twitter Ads , Google Ads, делают PPC-рекламу.
Персонализация. Персонализированные сообщения кажутся более привлекательными 72% респондентам. ИИ-маркетинг помогает размещать ставки на релевантных рекламных площадках в режиме реального времени, а также отправлять персонализированные сообщения отдельным потребителям.Инструменты ИИ для маркетинга не ограничиваются только электронной почтой.
Например, стриминговые сервисы, такие как Netflix, используют информацию о ранее просмотренных фильмах и дают свои рекомендации, используя даже разные варианты заставок для одной и той же картины. Технический блог Netflix рассказываето том, как создание разных изображений для одного и того же фильма или шоу заставляет зрителей подключаться к их сервису снова и снова в течение дня.
Прогностическая аналитика. Прогностическая аналитика применяется для выявления закономерностей и прогнозирования будущего поведения потенциальных потребителей.
Она сравнивает различные наборы данных и проводит анализ с использованием математической модели.Это может быть идентификация клиента, который, вероятно, откажется от услуги или продукта, или клиента, который имеет высокую вероятность конверсии. Маркетинговые компании используют ИИ прогнозный анализ для улучшения текущих услуг и внесения соответствующих изменений.
Глубокое обучение. Глубокое обучение — это класс алгоритмов машинного обучения, используемых для извлечения данных более высокого уровня из необработанной входной информации, и считается будущим ИИ в цифровом маркетинге. Машинное обучение и искусственный интеллект в маркетинге важны, потому что они помогают в создании голосовых чат-ботов, распознавании изображений (в случае Facebook) и прогнозировании интересов клиентов.Многие компании обращаются к ИИ-системам, основанным на глубоком обучении, таким как безкассовые счетчики, варианты бесконтактных платежей и виртуальные корзины. Одним из популярных примеров ИИ в маркетинге являются магазины Amazon GO, которые внедрили автоматические кассы, где камеры с поддержкой ИИ обнаруживают движения клиентов и добавляют товары в виртуальную корзину.
Кейсы с использованием ИИ в маркетинге
Кейс №1. Международный продуктовый ритейлер Lidl.Lidl реализует ИИ-маркетинговую технологию для повышения качества обслуживания своих клиентов. Например, с помощью НЛП-технологий в чат-ботах. Lidl’s Winebot Margotможет подсказать, какое вино следует купить, дает советы по ценам, сочетанию блюд, а также предоставляет справочную информацию о процессе производства.
Чат-бот может порекомендовать более 220 сочетаний блюд и ответить на вопросы о 640 различных сортах винограда! Бот поддерживает дружелюбный тон, который соответствует языку собеседника. Он использует ML для анализа разговорных данных и настройки языковых предпочтений. Например, он может заменить 5 фунтов стерлингов на «пять» или «пять фунтов».
Марго также обучили понимать смайлики и относить потребителя на этом основании к сегменту аудитории с беззаботным и неформальным характером, который хорошо разбирается в винах, любит еду и наслаждается хорошей компанией, что помогает чат-боты выбрать релевантный тон общения. При необходимости, чат-бот переключит собеседника на сотрудника или направит в один из магазинов сети.
В результате у потребителей складывается впечатление непринужденной беседы с живым человеком, а компанияувеличила посещаемость веб-сайта и улучшила взаимодействие пользователей с брендом в социальных сетях. Чат-боты демонстрируют более высокие темпы роста, чем любой другой канал связи с брендом, с увеличением использования на 92% в период с 2019 по 2020 год.
Еще один пример применения ИИ брендомLidl — кампания, направленная на оптимизацию цен на продукцию при помощи отзывов потребителей в социальных сетях. В ее рамках использовалось обещание бренда о низких ценах, чтобы донести до аудитории ключевые ассоциации — «качество», «ассортимент» и «цена», позволив снизить стоимость отдельной продукции с помощью простого механизма: больше твитов снижают цену.
Воздействие кампании было поразительным: · Рост продаж некоторых товаров на 810%г / г · 10,5 млн показов по всей кампании · 62,5 тыс. посещений Реализованная технология была относительно простой. Компания использовала текстовую аналитику и аналитику социальных сетей для определения цен, что позволило увеличить продажи. Кейс №2.
UnileverКомпания по производству потребительских товаров Unilever использует центры обработки данных на основе ИИ по всему миру для обобщения информации из различных источников, включая социальные сети, CRM и традиционные маркетинговые исследования. Используя эту технологию, Unilever обнаружила связь между мороженым и завтраком: по крайней мере, 50 песен на публичных доменах включают тексты, в которых говорится о «мороженом на завтрак», а такие компании, как Dunkin ‘Donuts, уже продают мороженое по утрам.
На основе полученной аналитики Unilever разработалалинейку мороженого со вкусом злаков (включая Fruit Loop и Frozen Flakes) для бренда Ben https://adpass.ru/iskusstvennyj-intellekt-v-marketinge-kakie-preimushhestva-eto-daet-biznesu/» target=»_blank»]adpass.ru[/mask_link]