CC BY
449
УДК 338.242.2
Бронников М.А., к. э.н.
доцент
кафедра цифровых технологий в экономике и управлении Уфимский государственный авиационный технический университет
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В МАРКЕТИНГЕ
Аннотация: Искусственный интеллект создает процедуры автоматического принятия решений на основе знаний поведения людей. В традиционном комплексе маркетинга «4P» искусственный интеллект радикально меняет содержание. Ключевой областью применения искусственного интеллекта в маркетинге можно считать использование цифровых помощников.
Ключевые слова: искусственный интеллект, модели поведения потребителей, информационные технологии, маркетинг, продажи, экономика, машинное обучение.
Bronnikov M.A., Ph.D. associate professor
department of digital technologies in economics and management
Ufa State Aviation Technical University
APPLICATION OF ARTIFICIAL INTELLIGENCE IN MARKETING
Abstract: Artificial intelligence creates automatic decision-making procedures based on knowledge of human behavior. In the traditional marketing complex "4P" artificial intelligence radically changes the content. A key area of application of artificial intelligence in marketing can be considered the use of digital assistants.
Key words: artificial intelligence, consumer behavior models, information technology, marketing, sales, economics, machine learning.
К настоящему времени методы искусственного интеллекта и основанные на нем технологии в основном применяются на предприятиях, ориентированных на поставки потребительских товаров и услуг в целях адресации маркетинговых сообщений, повышения осведомленности клиентов, управления запасами и повышения лояльности клиентов. Основой их применения является возможность обработки непрерывно поступающих цифровых данных из многих источников. Возможности анализа данных, предоставляемые методами и технологиями искусственного интеллекта, позволяют предприятиям, использующим их в
своей маркетинговой деятельности, прогнозировать собственный оборот и продажи, упрощать и убыстрять разработку своего нового товарного предложения, и усиливать известность и узнаваемость своего бренда, удерживать клиентов и повышать их лояльность.
Сейчас можно выявить основные области маркетинга, где использование инструментов искусственного интеллекта могут оказать наибольшее влияние:
1) ориентация продаж и управления коммуникациями с клиентами на результаты анализа собранных данных;
2) использование способов самообслуживания клиентов, которые ранее не применялись, основанных на интеллектуальной поддержке клиентов;
3) применение решений, разработанных методами искусственного интеллекта, для консультаций и информационного обеспечения клиентов.
Прогнозирование методами искусственного интеллекта позволяет статистически достоверно определять покупательское поведение клиента, с момента вступления его в первый контакт с продвигаемым брендом и до построения карты жизненного цикл клиента в целом. Преимущество использования искусственного интеллекта в маркетинговом прогнозировании заключается в простоте интерпретации прогнозов и в силу этого применимости их всеми сотрудниками предприятия, занимающимися контактами с клиентами: от торговых представителей до менеджеров по каналам сбыта и отделов продаж.
В области маркетинговых исследований методы искусственного интеллекта позволяют прежде всего с существенно большей глубиной использовать традиционные способы и методы сбора как первичной, так и вторичной маркетинговой информации. Для сбора первичной информации с целью повышения релевантности и достоверности данных исследования начинают использовать методы имитации естественного языка, позволяющие осуществлять дистанционные интервью с клиентами с проведением диалог и формулированием вопросов в реальном времени. Традиционные способы ведения маркетинговой исследовательской деятельности предоставляют маркетологу неполное видение ситуации с целевыми клиентами. Маркетинговая исследовательская деятельность, использующая методы искусственного интеллекта, создает полные модели покупок и действий потребителя, актуальные на текущий момент времени [2].
Социальные платформы в Интернете служат источниками разнородных агрегируемых данных для поиска возможных потенциальных клиентов. Поиск и группировка аккаунтов в сетях для целей формирования перспективных потребительских сегментов осуществляется за счет формулирования решающих правил «что, если». Также искусственный интеллект позволяет создавать группировки профилей индивидуальных
клиентов, формируемые по их типовому поведению и привычкам [3]. Выделение перспективных сегментов упрощает решение задачи прогноза, что нужно клиентам или что они могут пожелать купить. Искусственный интеллект может выявлять мотивы людей, стили их общения и другие поведенческие черты, что позволяет решить задачу определения, когда клиенты будут покупать снова и как они могут использовать купленный продукт.
В традиционном комплексе маркетинга «4P» искусственный интеллект за счет создания моделей реального времени меняет его компоненты радикальным образом. Наиболее активному изменению подвергается коммуникативная составляющая комплекса. Ключевой областью применения искусственного интеллекта, хотя пока и ограниченной в силу специфики области коммуникаций, здесь следует считать использование цифровых помощников, в том числе с голосовой поддержкой.
Применение моделей поведения клиента, созданных с помощью методов искусственного интеллекта, в реальном времени оптимизируют обмен сообщениями с клиентами и их содержание.
Голосовые помощники, чат-боты, задействуемые на платформах социальных сетей, дают резкое увеличение присутствия бренда в информационном поле потенциальных клиентов и тем самым существенно повышают эффективность маркетинговых коммуникаций.
Эти же модели в значительной, возможно даже в решающей степени могут повлиять на работу тех сотрудников в области продаж, задача которых заключается в поддержке коммуникации с клиентом. Модели поведения клиента помогают формировать настраиваемое рабочее пространство торгового представителя, интегрирующее всю информацию по клиентам, с которыми в настоящий момент ведется работа. Такое пространство предоставляет сотруднику продаж контент, оптимизированный с его конкретными потребностями на каждый момент времени. Этот контент возможно сопровождать инструментами, обеспечивающими обучение продавца в целях понимания позиционирования того, что он предлагает клиентам, и представления им ценности предлагаемых продуктов и решений. В настраиваемое рабочее пространство также могут включаться интерактивные инструменты продажи ценности клиентам, позволяющие им эффективно рассчитывать показатели экономии на совокупной стоимости владения, оценку новой ценности бизнеса и в конечном скете рентабельность инвестиций потенциальных покупателей в режиме реального времени при общении с ними. Для каждого сотрудника продаж возникает возможность формирования персональных планов коммуникации с отдельными клиентами, опирающихся на их интересы, поведенческие роли в
коммуникации ролях и смоделированные этапы жизненного цикла потенциального клиента [4].
В процессах коммуникации с клиентами сотрудники продаж, опираясь на выявленные анализом и заложенные в моделях вкусы и предпочтения клиентов, с высокой точностью оценивать их настоящие и будущие требования и делать им точное предложение именно тех товаров, в отношении которых достигается минимальная вероятность отказа от покупки или возврата купленного.
Искусственный интеллект создает маркетинговые
робототехнические решения, то есть процедуры автоматического принятия решений на основе знаний поведения людей [1]. Важнейшим из них следует признать машинное обучение. Методы машинного обучения используют различные алгоритмы, позволяющие маркетологам создавать решения в коммуникации, весьма близко похожие на те, которые мог бы принять, человек, на основанные на бесконечно большем наборе исходных данных. К решениям по управлению маркетинговой деятельностью, создаваемым методами машинного обучения, к настоящему моменту относят следующие: 1) выявление слабо дифференцированных особенностей поведения клиентов, учет которых может оказать решающее влияние на их поведение или на конкурентоспособность товарного предложения, представленного им; 2) улучшение отношений с покупателями на основе предложения им выявленных индивидуальных преимуществ; 3) точные прогнозы емкости и доли рынка, объемов продаж; 4) оптимизированные маркетинговые акции, основанные на данных; 5) индивидуальный маркетинг для квалифицированных потенциальных клиентов; 6) повышение квалификации специалистов по продажам для специализированных рынков; 7) разработка оптимальных стратегий для продвижения новых товаров и услуг; 8) повышение ценности маркетинговых акций для покупателей; 9) снижение вариабельности спроса и объемов продаж; 10) оптимальная территориальная и функциональная структура торговой сети; 11) полнообъемный анализ запросов клиентов; 12) поиск идей новых товаров и новых возможностей для бизнеса; 13) повышение качества сервиса для увеличения удовлетворенности потребителей; 14) оптимизация цен для повышения рентабельности инвестиций в маркетинг.
Таким образом, маркетологи должны учитывать структуры искусственного интеллекта в своей политике продвижения по отношению к управляемому ими в настоящий момент маркетингу нормальной, устоявшейся практики, в том числе и цифровому.
Использованные источники: 1. Ravindar Meena, Ashmi Chhabra, Sachin Gupta and Manoj Gupta. AI: A New Strategic Method for Marketing and Sales Platforms. S. Balamurugan, Sonal Pathak, Anupriya Jain, Sachin Gupta, Sachin Sharma, Sonia Duggal (eds.)
Impact of Artificial Intelligence on Organizational Transformation, Scrivener Publishing LLC 2022, pp. 183-200/
https://doi.org/10.1002/9781119710301.ch12
2. Yin and Siau, Keng L., "A Qualitative Research on Marketing and Sales in the Artificial Intelligence Age" (2018).MWAIS 2018 Proceedings. 41. http : //aisel .aisnet.org/mwais2018/41.
3. Raiter, O. Segmentation of Bank Consumers for Artificial Intelligence Marketing.
International Journal of Contemporary Financial Issues, 2021. 1(1), p. 39-54, http://dx.doi.org/10.17613/q0h8-m266.
4. Sanjeev Verma, Rohit Sharma, Subhamay Deb. Debojit Maitra. Artificial intelligence in marketing: Systematic review and future research direction. International Journal of Information Management Data Insights, Volume 1, Issue 1, April 2021, 100002. https://doi.org/10.1016/jjjimei.2020.100002
