РЕКЛАМА БУДУЩЕГО: АНАЛИЗ ВОЗМОЖНОСТЕЙ И ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ В СОВРЕМЕННОЙ МАРКЕТИНГОВОЙ ПРАКТИКЕ

ADVERTISING OF THE FUTURE: ANALYSIS OF OPPORTUNITIES AND APPLICATION OF NEURAL NETWORKS IN MODERN MARKETING PRACTICE

Kirill Myasnikov

student, Faculty of Information Technology, Moscow Polytechnic University,

Russia, Moscow

АННОТАЦИЯ

В статье рассмотрены вопросы использования нейронных сетей для создания рекламных материалов. Описываются ключевые этапы процесса создания рекламных материалов. Представлены примеры эффективного использования нейронных сетей в реальных рекламных кампаниях. Рассматриваются технологические аспекты для формирования контент-плана, создания визуального и аудио контента с использованием нейронных сетей. Рассматриваются преимущества и ограничения использования нейронных сетей в создании рекламных материалов. Статья освещает актуальную тему создания эффективных рекламных материалов с помощью нейронных сетей и представляет интерес для специалистов в области маркетинга и рекламы.

ABSTRACT

The article discusses the issues of utilizing neural networks for the creation of advertising materials. The key stages of producing advertising content with the aid of neural networks are delineated. Examples of application of neural networks in actual advertising campaigns are presented. Technological aspects for crafting a content plan, generating visual and audio content using neural networks are discussed. The article addresses the timely topic of creating efficient advertising materials through the use of AI, capturing the interest of professionals in the fields of marketing and advertising.

Ключевые слова: нейронные сети; реклама; генерация контента; генеративный искусственный интеллект; эффективность; аудио и видео контент.

Keywords: neural networks; advertising; content generation; generative artificial intelligence; efficiency; audio and video content.

Нейронные сети предоставляют новый подход к созданию рекламных кампаний, используя данные о поведении, интересах и предпочтениях аудитории для более точного и эффективного привлечения и удержания клиентов [1].

Создание рекламных материалов с ИИ включает несколько этапов:

1. Анализ технического задания — определяются цели, требования и KPI кампании.

2. Сбор и анализ данных — изучаются потребители и продукт: интересы, поведение, демография. Используются методы машинного обучения.

3. Формирование контент-плана — определяется тип контента, каналы, частота публикаций.

4. Создание контента — разрабатываются тексты, изображения, видео и др. Контент разрабатывается с помощью генеративного ИИ.

5. Формирование рекламного предложения — создаётся готовый материал для размещения

Конечный продукт – рекламное предложение, которое представляет собой готовую рекламную кампанию или материал, готовый к размещению и распространению среди целевой аудитории.

Существуют разные виды генерируемого рекламного контента. Постеры — яркие изображения для быстрого привлечения внимания. Плакаты — крупные носители с подробной информацией. Видеоролики — создают эмоциональный отклик и передают больше информации. Брошюры и листовки — печатные материалы с деталями о продукте. Цифровой контент — баннеры, email, push-уведомления и др., адаптируемые под пользователя. Промо-акции и мероприятия — прямой контакт с аудиторией через демонстрации, скидки, конкурсы.

Использование нейросетей и генеративного ИИ для создания контент-плана — это современный подход, основанный на анализе больших данных из соцсетей и других источников. Один из примеров — проект «Очкарик» (2018), где ИИ использовали для точного таргетинга рекламы, выявляя пользователей «ВКонтакте» с очками на фото. Модель обработала 263 тыс. аккаунтов, выделив нужную аудиторию [3]. Этот кейс показал возможности нейросетей в микротаргетинге. Генеративный ИИ также способен создавать персонализированный контент — тексты, видео, изображения — под интересы конкретных групп. Данные модели можно использовать как самостоятельный инструмент или источником информации для последующего мозгового штурма.

Алгоритм диффузии — это метод генерации визуального контента, включающий две фазы: добавление шума к изображению и последующее его поэтапное очищение до получения нового визуального результата. Схематическое изображение алгоритма диффузии представлена на рисунке 1.

Рисунок 1. Архитектура модели с алгоритмом диффузии

Stable Diffusion — открытая модель от Stability AI (22 августа 2022), генерирующая изображения по текстовому описанию с помощью алгоритма диффузии [5]. Позже компания выпустила Stable Video Diffusion — систему, создающую видео из одного изображения (14–25 кадров, до 30 к/с), что удешевляет и упрощает производство видеоконтента [6].

Более мощным решением стала Sora — нейросеть от OpenAI (2024), способная создавать реалистичные видео по тексту. Она выделяется пониманием контекста и физики, генерируя сложные сцены, движения и взаимодействие объектов. В отличие от конкурентов, Sora формирует цельный видеоряд и адаптирует сюжет под реальные законы окружающего мира. Модель Sora в лидерах среди генеративных видео ИИ за качество и гибкость [7].

Viggle AI — модель для анимации персонажей с учётом физики и взаимодействия в 3D-пространстве. Основанная на технологии JST-1, она обеспечивает реалистичное движение и реакцию объектов, что делает её особенно перспективной в сфере интерактивного контента [6].

Технология deepfake использует нейросети для создания фотореалистичных видео и аудио с заменой лиц и голосов. Она позволяет быстро и дёшево генерировать контент без участия реальных актёров, что делает её привлекательной для медиа и маркетинга. Deepfake сочетает глубокое обучение и генеративные модели, обеспечивая высокую степень реализма.

Для создания аудиодипфейков применяются RVC-модели, способные синтезировать речь, имитируя голос конкретного человека. Они обучаются на аудиозаписях, анализируя тембр и интонации. Такие модели позволяют создавать реалистичные голосовые дорожки, расширяя возможности генерации контента. Архитектура RVC-моделей представлена на Рисунок 2.

Рисунок 2. Архитектура RVC-моделей

Нейросети играют важную роль в современном маркетинге, позволяя анализировать потребительское поведение и создавать персонализированный контент. Их применение ускоряет и упрощает разработку визуальных и аудио материалов, а также контент-планов на основе данных. Интеграция ИИ в маркетинговые стратегии помогает обрести конкурентные преимущества в борьбе за потребителя и усиливает связь с аудиторией.

Список литературы:

1. Суворова Т.В., Голдыбаев Д.И. Маркетинговые инструменты будущего: ИИ и нейросети, нейромаркетинг и AR/VR технологии // Современные технологии управления. ISSN 2226-9339. - №4 (104). 2023. URL: https://sovman.ru/article/10428/ (дата обращения 28.12.2023)
2. Матросов В. Г. Анализ применения нейросетей в области интернет-маркетинга // StudNet. 2020. №8. URL: https://cyberleninka.ru/article/n/analiz-primeneniya-neyrosetey-v-oblasti-internet-marketinga (дата обращения: 28.12.2023)
3. Ашманов и Партнеры. Специальный проект «Очкарик». // URL: https://www.ashmanov.com/static/aip_puzzle_ochkariki.pdf (дата обращения: 28.12.2023)
4. Что такое генеративный искусственный интеллект? // AWS Amazon. URL: https://aws.amazon.com/ru/what-is/generative-ai/ (дата обращения: 28.12.2023)
5. Architecture – Stable Diffusion. GitBook. // URL: https://stablediffusion.gitbook.io/overview/stable-diffusion-overview/technology/architecture (дата обращения: 28.12.2023)
6. Introducing Stable Video Diffusion // Stability.ai. URL: https://stability.ai/news/stable-video-diffusion-open-ai-video-model (дата обращения: 28.12.2023)
7. Sora // OpenAI. URL: https://arxiv.org/abs/2111.02392 (дата обращения: 28.12.2023)