УДК / UDC 339.138
DOI: 10.24412/2071-3762-2024-7325-78-84
ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕЙ И ВОЗМОЖНОСТЕЙ ГЕНЕРАТИВНОГО ДИЗАЙНА
В БРЕНДИНГЕ
Use of Neural Networks and Generative Design Capabilities in Branding
Щелик Софья Юрьевна,
магистр программы «Инновационный маркетинг» ФТМИ, Университет ИТМО; Санкт-Петербург, Россия, Кронверкский проспект 49, лит. А Shchelik Sofya Yurievna,
Master's Student at «Innovative Marketing» Program at Faculty of Technological Management and Innovations of ITMO National Research University; 49 Kronverksky Pr., liter A, St. Petersburg, Russia dmsofiyr@gmail.com
https://orcid.org/0009-0004-3287-886X Солдатова Анастасия Владимировна,
Кандидат экономических наук, доцент, Ординарный доцент ФТМИ, Университет ИТМО; Санкт-Петербург, Россия, Кронверкский проспект 49, лит. А Soldatova Anastasia Vladimirovna,
PhD in Economics, Associate Professor, Full-Time Associate Professor at Faculty of Technological Management and Innovations of ITMO National Research University; 49 Kronverksky Pr., liter A, St. Petersburg, Russia avsoldatova@itmo.ru
https://orcid.org/0000-0001-8857-4233
В условиях стремительного технологического прогресса компании сталкиваются с необходимостью адаптации к новым рыночным реалиям. В контексте этих изменений технологии искусственного интеллекта открывают большие возможности для автоматизации рутинных задач, улучшения качества визуальных элементов и их персонализации для пользователей, а также сокращения временных издержек в процессе разработки маркетинговых стратегий. Целью исследования является демонстрация возможности интеграции генеративного дизайна и нейросетей в каждый из этапов брендинга. Полученные результаты подчеркивают важность применения данных технологий в процессе создания и «реформирования» бренда за счет точного анализа данных, предлагая практические рекомендации для использования искусственного интеллекта в современном маркетинге.
Ключевые слова: генеративный дизайн; нейросети; брендинг; машинное обучение; искусственный интеллект; маркетинговые стратегии.
With rapid technological progress, companies are faced with the need to adapt to new market realities. In the context of these changes, artificial intelligence technologies offer great opportunities for automating routine tasks, improving the quality of visual elements and personalising them for users, and reducing time costs in the process of developing marketing strategies. The aim of the study is to demonstrate the feasibility of integrating generative design and neural networks in each of the branding phases. The findings highlight the importance of applying these technologies in the process of brand creation and reform through accurate data analysis, offering practical recommendations for the use of artificial intelligence in modern marketing.
Keywords: generative design; neural networks; branding; machine learning; artificial intelligence; marketing strategies.
Введение (Introduction)
Зарождение брендинга как целостной концепции приходится на конец XIX века, когда представители ведущих мировых компаний выявили главный секрет успеха — создание уникального образа для формирования положительной репутации и завоевания доверия клиентов. Следовательно, идентификация товаров и услуг стала основываться на использовании фирменной айдентики и уникальных логотипов, а также выстраивании эффективной маркетинговой стратегии. В течение следую-
щих 100 лет развитие брендинга уже опиралось на систематический подход к маркетинговым исследованиям и анализ потребительского поведения.
XXI век характеризуется цифро-визацией всех сфер общества, и теперь формирование и развитие бизнеса зависит от возможности адаптироваться к новым рыночным условиям и постоянному технологическому прогрессу. На сегодняшний день представители бизнеса активно внедряют технологии больших данных и искусственный интеллект (ИИ) во все про-
цессы жизнедеятельности компании. Согласно прогнозам экспертов, использование искусственного интеллекта на мировом уровне возрастет в 20 раз, а размер рынка составит примерно 2 трлн долларов к 2030 году. Исследования международной консалтинговой компании по стратегическому управлению McKinsey & Company представляют положительную динамику роста доли компаний, использующих возможности ИИ (рис. 1). На 2023 год доля таких компаний составила 55%. 63% представителей бизнеса сообщают
о увеличении выручки благодаря новым технологическим возможностям*.
Основными целями использования возможностей ИИ для передовых компаний являются повышение экономической эффективности, а также экономия временных и материальных ресурсов. Для более четкого понимания конкретного использования инструментов ИИ, компанией Forbes Advisor было опрошено более 600 владельцев бизнеса. Результаты исследования демонстрируют, что более половины владельцев бизнеса используют искусственный интеллект для кибербезопасности и борьбы с мошенничеством, а также в целях формирования клиентоориентированных преимуществ (рис. 2)**.
Таким образом, существует множество вариантов применения ИИ для оптимизации бизнеса, и одним из них является создание контента (35% опрошенных). Здесь подразумевается генерация текста, изображений и видео не только в целях продвижения существующего бренда, но и для создания нового, а также проведения ребрендинга. Следовательно, одной из передовых технологий, нашедших применение в современном брендинге, является генеративный дизайн, который использует алгоритмы для автоматического создания множества уникальных вариантов дизайна на основе заданных параметров. В контексте брендинга эта технология может существенно ускорить процесс разработки визуальных элементов, улучшить их качество и адаптировать под специфические нужды целевой аудитории. По мнению американского иссле-
дователя Филиппа Галантера, генеративный дизайн охватывает любую художественную практику, в которой автор устанавливает процесс генерации объекта посредством набора языковых правил, функционирующих с определённым уровнем автономии, где результатом является полностью или частично созданный объект [1]. В совокупности с нейросетями, которые обеспечивают высокую точность анализа данных и позволяют более глубоко понимать поведение и предпочтения потребителей, а также машинным обучением, генеративный дизайн способ-
ствует созданию персонализированных материалов и эффективных маркетинговых стратегий.
Актуальность данной темы обусловлена стремительным развитием технологий и возрастающей потребностью брендов в инновационных решениях. Генеративный дизайн и нейросети предоставляют возможность повышения конкурентоспособности бренда и формирования лояльности клиентов, автоматизируя рутинные задачи и создавая уникальные и персонализированные материалы для маркетинговых кампаний. Многочисленные исследования
70% 60% 50% 40% 30% 20% 10% 0%
Рис. 1. Доля компаний на мировом рынке, внедривших, искусственный интеллект в бизнес-процессы Fig. 1. Share of companies in the global market that have implemented artificial intelligence in business processes
Обслуживание клиентов Кибербезопасность/Борьба
с мошенничеством Цифровой персональный помощник Управление
взаимоотношениями с Управлениетоварны ми запасами Создание контента
Советы по выбору товара
Бухгалтерский учет Управление цепочкой поставок продукта Подбор персонала и поиск
талантов Сегментация аудитории
Рис. 2. Области применения искусственного интеллекта в бизнес-
процессах
Fig. 2. Application areas of artificial intelligence in business processes
0%
10%
30%
50%
* The state of AI in 2023: Generative AI's breakout year, 2023 [Электронный ресурс]. - Режим доступа: https://www.mckinsey.com/
capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year (дата обращения: 04.05.2024).
** How Businesses Are Using Artificial Intelligence In 2024, 2024 [Электронный ресурс]. - Режим доступа: https://www.forbes.com/advisor/ business/software/ai-in-business (дата обращения: 04.05.2024).
в области машинного обучения и генеративного дизайна акцентируют внимание на технических аспектах, что создает пробел в понимании их потенциала для маркетинговых задач. Целью исследования является изучение возможности интегрирования генеративного дизайна и нейросетей в этапы брендинга.
Материалы и методы (Materials and Methods)
Нейросети помогают существенно упростить исследовательскую и креативную задачи в брен-динге. Роль машинного обучения заключается в анализе больших объемов данных о целевой аудитории и их предпочтениях, в то время как нейросети используются для создания уникальных визуальных элементов и персонализированных маркетинговых материалов. Следовательно, нейросети являются одной из ключевых технологий в области машинного обучения и представляют собой вычислительные модели, вдохновленные функционалом человеческого мозга и способные распознавать сложные паттерны и отношения в данных. Их структура состоит из множества взаимосвязанных слоев (нейронов), которые работают совместно для обработки и анализа данных.
Понимание возможностей автоматической генерации заданного результата требует более подробного рассмотрения принципов работы нейросетей. Структура и функционирование нейросети представляется в виде трех типов слоев:
♦ Входной слой (Input Layer) принимает исходные данные. К примеру, это могут быть демографические характеристики клиентов, их поведение и предпочтения.
♦ Скрытые слои (Hidden Layers), включающие один или несколько слоев, которые обрабатывают входные данные, выявляют паттерны и взаимоотношения. Каждый нейрон в скрытом слое принимает сигналы от нейронов предыдущего, обрабатывает их с использованием активационных функций и передает результаты дальше.
♦ Выходной слой (Output Layer) генерирует итоговый результат, который может быть предположением или созданием визуального элемента.
Генеративный дизайн включает в себя широкий спектр алгоритмов и методов для достижения оптимальных решений, однако нейросети могут быть частью процесса генеративного дизайна, особенно когда речь идет о сложных задачах анализа данных, прогнозирования или генерации новых идей. Генеративный дизайн — это метод проектирования, при котором используются алгоритмы и вычислительные мощности для создания множества вариантов решений по заданным параметрам и ограничениям. В этом процессе контроль осуществляется через определение необходимых параметров и алгоритмов, где дизайнеру остается произвести их модификацию и сортировку, а также проанализировать полученные результаты (рис. 3). Итогом такой деятельности служат любые системные формы — изображения,
звуки, объемные модели, анимация — порожденные системой при использовании заданного алгоритма [2].
Роль нейросетей в генеративном дизайне обширна и многоаспектна, поскольку их применение возможно на различных этапах процесса генеративного дизайна в целях создания, оптимизации и персонализацииполученных результатов:
♦ Обработка и анализ данных. Преимущество нейросетей заключается в их способности анализа больших объемов входных данных, таких как изображения, текст, пользовательские предпочтения и т.д. и выявления ключевых признаков и характеристик. К примеру,анализируя графику, нейросети могут выделять цветовые схемы, формы и композиционные элементы.
♦ Вариативность. На основе анализа данных программное обеспечение позволяет совершать наиболее быстрый и эффективный поиск различных вариантов, которые соответствуют заданным критериям и ограничениям, а также изменять параметры дизайна на основе одной концепции [3].
♦ Итеративное улучшение и обучение. Нейросети могут обучаться на основе обратной связи от пользователей или дизайнеров, улучшая качество и соответствие генерируемых требований.
Рис. 3. Процесс генерации изображения в DALL-E Fig. 3. Image generation process in DALL-E
♦ Персонализация и оптимизация. Способности нейросетей заключаются в генерации персонализированных предложений, а также в возможности их адаптации в работу различных платформ и устройств. Будучи относительно новым подходом, генеративный дизайн уже доказал свою эффективность в таких отраслях, как архитектура, промышленный дизайн, машиностроение, медицина и биотехнологии, а также модная индустрия. Согласно авторской классификации Чирковой П., воспользоваться преимуществами искусственного интеллекта и нейронных сетей, в случае работы с генеративным дизайном, могут и творческие специалисты компаний: креативный директор, дизайнер, веб-разработчик, саунд-дизай-нер [4].
Результаты (Results)
Многообразие нейросетей является ценным инструментом для компаний, стремящихся автоматизировать задачи и сократить временные затраты на реализацию маркетинговых стратегий. Следовательно, повышение эффективности брендинговых кампаний
возможно за счет интеграции машинного обучения в разработку каждого этапа формирования бренда. Особенности процесса брендинга и нейросети, которые резонно применить на определенном этапе, представлены в таблице 1.
Процесс создания и реформирования бренда предполагает анализ внешней и внутренней среды компании. При всестороннем исследовании рынка традиционно используется модель Я£57"-анали-за, в то время как конкурентные преимущества можно выявить с помощью модели пяти конкурентных сил Портера. Этот этап также включает обозревание текущих и будущих трендов, оказывающих влияние на область функционирования фирмы. Кроме того,проводится анализ потребителей с целью выявления актуальных потребностей. При исследовании внутренней среды определяются возможности и ресурсы компании. Получение полной информации о жизнеспособности бизнеса зависит от результатов Э^/ОТ-анализа, с помощью которого выявляются сильные и слабые стороны, а также возможности и вероятные угрозы.
На сегодняшний день маркетологи могут использовать современные инструменты анализа социальных медиа, основанные на работе нейросетей. Например, платформа Brandwatch использует машинное обучение для сбора и анализа данных о мнениях пользователей. Проведение мониторинга бренда в целях понимания особенностей поведения целевой аудитории и последующей разработки маркетинговой стратегии также возможно с помощью платформ Sprinklr и NetBase Quid. Платформа Talkwalker, в свою очередь, помогает отслеживать упоминания бренда и анализировать взаимодействие аудитории с самим брендом.
Следующим этапом брендинга является целеполагание, в котором может помочь методология SMART. Воспользоваться помощью нейросети можно при следующем условии: чем конкретнее составляется описание каждого из элементов целеполагания, согласно полученным данным, тем выше шанс получить реально измеримые и достижимые цели. Для управления проектами и постановки целей в современной практике используются такие инструменты,
Таблица 1
Применение генеративного дизайна и нейросетей в брендинге Table 1. Application of generative design and neural networks in branding
Наименование этапа брендинга Описание этапа брендинга для нейросети Инструменты и платформы на базе нейросети
Аналитический Анализ данных для выявления тенденций и предпочтений целевой аудитории Brandwatch, Sprinklr, NetBase Quid, Talkwalker
Целеполагание Определение целей бренда и ключевых показателей эффективности Trello, Asana, Notion
Выстраивание позиционирования Описание конкурентных преимуществ Open AI ChatGPT
Создание платформы бренда Формирование основных элементов бренда, включая миссию, ценности, позиционирование и голос бренда Brandfolder, Frontify
Упаковка бренда Генерация вариантов визуальных элементов, оптимизация и доработка Looka, Tailor Brands, Hatchful by Shopify, Designhill Logo, DALL-E
Разработка коммуникационной стратегии Планирование и разработка стратегии продвижения и взаимодействия с целевой аудиторией Hootsuite, Buffer и Sprout Socia, Mailchimp, HubSpot
Оценка и контроль Анализ обратной связи аудитории и оценка результатов Unmetric, Google Analytics, Яндекс Метрика
как Trello, Asana и Notion AI, внедряющиеся в организацию работы команды для отслеживания прогресса.
На третьем этапе начинается непосредственная разработка бренда, и первый пункт — выстраивание позиционирования. Это процесс определения уникального места бренда на рынке и в сознании потребителей,характеризующийся формированием ключевых конкурентных преимуществ бренда. Составление позиционирования требует учета всех результатов аналитического этапа и соединяет бренд с инструментами дальнейшего продвижения. К примеру, карта позиционирования четко покажет место бренда на рынке, а с помощью платформы Open AI Chat GPTс введением подробного промпта возможно получить полезные рекомендации для последующих разработок.
Создание платформы бренда — совокупности основных идей и принципов, на которых строится бренд, является следующим шагом. Она включает отличительные характеристики продукта или услуги, такие как миссия, ценности, видение и др. Для эффективного создания и управления платформой бренда используется платформа Brandfolder. Она упрощает задачу управления брендо-выми активами, предоставляя централизованное хранилище для всех визуальных и текстовых элементов бренда. Инструмент Frontify эффективен для создания и управления гайдами по стилю бренда, представляя функционал настройки цветовых палитр, шрифтов и логики использования визуальных элементов.
Этап упаковки бренда подразумевает создание атрибутики: ней-минг, логотип, слоган, другие визуальные характеристики, такие
как особые формы, шрифты и цветовая гамма и tone of voice. Современная практика брендинга также включает создание персонажа согласно новым концепциям, нацеленным на создание «человекоподобного» бренда. На этом этапе используются инструменты генеративного дизайна для создания визуальных элементов, например, Looka и Tailor Brands. Hatchfulby Shopify и Designhill Logo Maker предлагают аналогичные функции, предоставляя множество уникальных дизайнов. Wix Logo Maker от Canva также использует AI для создания логотипов с возможностью генерации большого разнообразия предложений.
Разработка коммуникационной стратегии включает формирование стратегии продвижения с помощью различных методов, каналов и инструментов выхода на рынок. Ключевым фактором является управление эффективным взаимодействием с аудиторией, в следствие чего подбираются наиболее применимые онлайн и оффлайн способы развития. Платформы Hootsuite, Buffer и Sprout Socia предоставляют инструменты для организации продвижения в социальных медиа, планирования и анализа контента. Mailchimp используется для email-маркетинга и автоматизации маркетинговых кампаний, а HubSpot предлагает комплексные решения для их управления и взаимодействия с клиентами через CRM-си-стемы.
Заключительным этапом брен-динга является контроль и оценка результатов. Проведение анализа полученной от пользователей обратной связи возможно с помощью инструментов Unmetric и Google Analytics, отвечающих за демонстрацию статистических данных. Другие платформы выяв-
ления взаимодействий аудитории с брендом, такие как Hotjar и Crazy Egg, используют технологию создания тепловых карт.
Обсуждение (Discussion)
Применение маркетологами инструментов и платформ, действующих на базе нейросетей, способствует быстрой разработке эффективных маркетинговых кампаний, что имеет обоснование практическими кейсами. С целью доказательства положительного влияния данной инновации на развитие бизнеса были рассмотрены примеры крупнейших игроков рынка, успешно внедривших ИИ при решении определенных задач на одном из этапов брендинга.
Анализ рыночных тенденций и потребительского поведения всегда требует обработки большого объема данных и его структуризацию. Множество крупных и средних компаний по всему миру используют Brandwatch с целью анализа платформ для продвиже-ния,поиска слабых мест конкурентов, а также оценки эффективности их деятельности. Например, крупный ритейлер Walmart, применяет возможности данной программы для проведения мониторинга и анализа упоминаний бренда в социальных сетях. Выявляя основные тренды и волнующие вопросы пользователей, компания смогла улучшить основной функционал, что позволило увеличить уровень удовлетворенности клиентов и упростить процесс обратной связи. Платформу Brandwatch использует и компания Unilever с целью выявления потребительских инсайтов, поскольку нейро-сеть способна помочь с адаптацией продукта под конкретные предпочтения потребителей.
Эффективное управление проектами зависит от верно
выстроенного этапа целеполага-ния,где использование специализированных инструментов должно включать возможность долгосрочного планирования. Например, компания Л1гЬпЬ использует Тге!!о, функционал которого включает возможность отслеживания прогресса и установления приоритетности задач, что позволяет держать фокус на достижении ключевых показателей эффективности. Помимо этого, с помощью Тге!!о можно улучшить координацию командной работы, что напрямую влияет на скорость выполнения проектов.
С каждым годом растет популярность нейросети ChatGPT от ОрепЛ/. Она используется компаниями по всему миру в целях решения задач различной направленности и, в частности, для разработки позиционирования бренда. Множественные исследования доказывают, что функционал ChatGPT помогает с генерацией идей для разработки своего продукта как стартапам, так и крупным предприятиям. Нейросеть с легкостью анализирует отзывы клиентов, выявляя ключевые слова и фразы, которые лучше всего резонируют с аудиторией, и предлагает наиболее подходящие варианты донесения ценностей продукта до аудитории. Использование возможностей ChatGPT может сократить время на разработку позиционирования на 50% и повысить точность соответствия потребностям аудитории на 40% [5].
Упрощение формирования основных элементов бренда, таких как миссия, ценности, и голос бренда возможно с помощью платформы Вгап/^^!1^ег, предоставляющей централизованное хранилище для всех визуальных
и текстовых элементов бренда. Платформа предлагает функции, такие как автоматическое тегиро-вание с помощью искусственного интеллекта, анализ использования активов и возможность быстро обновлять и адаптировать контент в соответствии с нуждами бренда. Инструменты данной нейросети активно используются дизайнерами PepsiCo для управления своими брендовыми активами. В результате внедрения Brandfolder, PepsiCo смогла снизить затраты на управление брендовыми активами и улучшить консистентность бренда.
От тщательной упаковки бренда зависит успешность его продвижения на рынок, и в данном случае справиться с задачей создания визуальных элементов помогают методы генеративных нейронных сетей. Быстрое создание профессиональных логотипов для старта-па часто происходит благодаря платформе Looka, которая использует искусственный интеллект для генерации множества вариантов дизайна на основе ключевой информации о компании, такой как индустрия, название, а также предпочтения по цветовой палитре. Получить качественные визуальные элементы, не обращаясь к дорогим дизайнерским агентствам, возможно для компаний с ограниченным бюджетом, поскольку платформа обладает гибкими тарифными планами. Наиболее популярным является DALL-E от OpenAI. Эта модель машинного обучения, в отличие от Midjourney и других конкурентов, учитывает точный контекстописа-ния и создает невероятно реалистичные результаты [6].
Действительно яркими примерами использования являются визу-
альные представления Heinz и Nestle. В 2022 году компания Heinz запустила рекламную кампанию, которая стала первой в истории, где все изображения создавались исключительно с помощью ^/-технологий. Агентство Rethink /deas обнаружило, что запросы, связанные с кетчупом, такие как «кетчуп в космосе» или «кетчуп для подводного плавания», часто давали результаты, напоминающие бутылки Heinz. В рамках кампании потребителей пригласили участвовать в процессе, предлагая свои идеи для изображений на основе кетчупа. Лучшие из этих творений были использованы в социальных сетях и печатной рекламе Heinz3*. В случае с компанией Nestle, которая так же использует DALL-Епри создании визуального контента для своих маркетинговых кампаний, генерация уникальных изображений значительно сократила временные затраты на разработку контента, сохранив высокое качество визуальных материалов.
Планирование и управление публикациями, взаимодействие с аудиторией и анализ эффективности маркетинговых кампаний возможно с помощью платформы HubSpot для интегрированного маркетинга и управления взаимоотношениями с клиентами, как показывает пример швейцарской компании GH/. Так же для планирования контента компания XYZ использует платформу Buffer, с помощью которой команда маркетологов занимается разработкой плана публикаций для социальных сетей.
Говоря о заключительном этапе оценки и контроля результатов, можно отметить важность точности полученной обратной связи,
3* ОеНэгаг^: как бренды используют нейросети для собственного продвижения, 2024 [Электронный ресурс]. - Режим доступа: И^рз:// www.sostav.ru/publication/kak-brendy-ispolzuyut-neiroseti-dlya-sobstvennogo-prodvizheniya-66161.html (дата обращения: 16.05.2024).
которую проще всего проверить с помощью программ сбора данных. Например, компания CocaCola использует Google Analytics для анализа трафика на своем сайте и поведения пользователей, с помощью которого отслеживаются эффективные источники трафика, а также взаимодействие пользователей с контентом.
Заключение (Conclusion)
Изучение генеративного дизайна и нейросетей демонстрирует их возрастающее значение и огромный потенциал в сфере брендинга. Внедрение возможностей искусственного интеллекта способствует автоматизации рутинных задач, повышению качества визуальных элементов, а также персонализа-ции маркетинговых стратегий со-
гласно динамично меняющимся предпочтениям целевой аудитории и трансформации рынка.
Интеграция генеративного дизайна и нейросетей на всех этапах брендинга — от анализа данных до разработки коммуникационной стратегии — открывает перед бизнесом новые горизонты повышения эффективности и сокращения временных затрат. С каждым годом выявляется все больше преимуществ технологий машинного обучения, что подтверждается успешными кейсами как крупных, так и локальных компаний. Улучшение взаимодействия с клиентами, повышение точности целевых маркетинговых кампаний и ускорение процессов создания визуальных материалов достигается за счет грамотной работы
маркетологов при модернизации процессов анализа рынка и внутренней среды компании.
Будущие исследования должны сосредоточиться на более глубоком изучении потенциала генеративного дизайна и нейросетей с целью расширения их практической значимости в различных отраслях. Особое внимание следует уделить разработке новых методологий и технологий, способных еще больше повысить эффективность брен-динговых стратегий. Стремительное развитие технологий и изменение потребительского поведения будут открывать большой пласт возможностей и ставить перед исследователями и практиками новые вызовы в использовании искусственного интеллекта как в брендин-ге, так и маркетинге в целом.
ИСТОЧНИКИ (References)
1. Galanter, P. Generative Art Theory //A Companion to Digital Art. - 2022. - Pp. 146-180.
2. Королева, Д. О. Генеративный дизайн — новый тип соавторства в дизайне / Д. О. Королева, И. С. Костюк, Н. В. Дро-ботун // Вестник молодых ученых Санкт-Петербургского государственного университета технологии и дизайна. — 2018. - № 3. - С. 210-215. - EDN YZUGDJ.
3. Кулешкова, В. А. Интерактивная Презентация серии печатных рисунков авторского бренда Joynklne (1930-2016 гг.) / В. А. Кулешкова, Н. А. Абрамович, В. А. Некрасова // Инновации в текстиле, одежде, обуви (ICTAI-2022): Материалы докладов международной научно-технической конференции, Витебск, 23-24 ноября 2022 года. - Витебск: Витебский государственный технологический университет, 2022. - С. 60-64. - EDN DQJADF.
4. Чиркова, П. Разработка айдентики бренда на основе инновационных методов ИИ и нейросетей / П. Чиркова // XII Конгресс молодых ученых: сборник научных трудов, Санкт-Петербург, 03-06 апреля 2023 года. - Санкт-Петербург: Национальный исследовательский университет ИТМО, 2023. - С. 421-427. - EDN YXUXSN.
5. Kumar, V. How Much Noise ChatGPT is Making: A Sentiment Analysis Approach // World Conference on Communication & Computing (WCONF). - 2023. - Pp. 1-5.
6. Колобов, В. А. Применение предтренированных языковых моделей в разработке маркетинговой стратегии / В. А. Колобов, М. А. Габова // Современные цифровые технологии: Материалы II Всероссийской научно-практической конференции, Барнаул, 01 июня 2023 года / Под общей редакцией А.А. Беушев, А.С. Авдеев, Е.Г. Боровцов, А.Г. Зрю-мова. - Барнаул: Алтайский государственный технический университет им. И.И. Ползунова, 2023. - С. 39-42. - EDN LPANFW.