ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ УПРАВЛЕНИЯ МАРКЕТИНГОМ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ

PROBLEMS AND PROSPECTS OF MARKETING MANAGEMENT USING NEURAL NETWORKS

Alina Kuznetsova

master's student, Business School, National Research Tomsk Polytechnic University,

Russia, Tomsk

АННОТАЦИЯ

В статье проанализирована текущая роль нейронных сетей в маркетинге. Выделены технологические и социальные проблемы внедрения ИИ-инструментов в управление маркетингом и предложены пути их решения. Описан возможный положительный эффект применения нейронных сетей при реализации ключевых функций менеджмента в процессе управления маркетингом.

ABSTRACT

The article analyzes the current role of neural networks in marketing. Technological and social problems of implementing AI tools in marketing management are highlighted and ways to solve them are proposed. The possible positive effect of using neural networks in the implementation of key management functions in the process of marketing management is described.

Ключевые слова: маркетинг; управление маркетингом; нейронная сеть; нейросеть; искусственный интеллект (ИИ); ИИ-инструмент.

Keywords: marketing; marketing management; neural network; neural net; artificial intelligence (AI); AI tool.

Начиная с 2010-х годов, нейронные сети стали широко используемой технологией в различных сферах человеческой деятельности [1]. Их повсеместному распространению способствовали значительные прорывы в области глубокого обучения. Особенно важным моментом стало появление таких архитектур, как трансформеры [2], а также совершенствование сверточных [3] и рекуррентных нейросетей [4], показавших высокую эффективность при выполнении различных задач. Это стало возможным благодаря росту вычислительных мощностей оборудования и накоплению данных, необходимых для подбора правильных весов и обучения нейросетей.

Так, в 2018 году компания OpenAI представила языковую модель GPT-1. Это была первая версия модели GPT, которая продемонстрировала потенциал трансформерных архитектур для задач генерации текста и обработки естественного языка. Но сама модель и ее предобученные веса не были предоставлены для публичного использования. Однако, OpenAI опубликовала научную статью и результаты экспериментов с GPT-1 [5], чтобы мир имел возможность ознакомиться с архитектурой и принципами работы модели.

В феврале 2019 года OpenAI представила GPT-2. Первоначально компания решила не открывать полную модель из-за опасений по поводу потенциального злоупотребления, но позже все-таки выпустила ее. Этот момент стал знаковым для всего человечества и ознаменовал новую веху научно-технического прогресса. Благодаря свободному доступу к GPT-2 рядовые пользователи получили возможность взаимодействовать с передовыми языковыми моделями через привычные девайсы, будь то персональный компьютер, ноутбук, смартфон или электронный планшет. Таким образом, GPT-2 не только продвинула научные исследования, но и значительно повлияла на повседневную жизнь общества, сделав искусственный интеллект его частью.

Итак, нейронные сети – это тип искусственного интеллекта, который имитирует работу человеческого мозга для обработки данных, обучения на примерах и выполнения сложных задач, таких как распознавание образов и обработка языка. В связи с этим целесообразно рассматривать проблемы и перспективы управления маркетингом как с применением нейронных сетей в частности, так и искусственного интеллекта в целом.

С развитием ИИ и общедоступных нейросетей, не требующих дополнительного обучения, компании получили возможность автоматизировать и оптимизировать многие процессы, в том числе управленческие. Согласно опросу HubSpot [6], в котором приняли участие 1350 специалистов по маркетингу, продажам и SEO со всего мира, нейросети все чаще используются при управлении маркетингом. Так, 68% глав маркетинга на уровне директоров и выше считают, что если полностью внедрить в работу ИИ и автоматизацию, то бизнес покажет беспрецедентный рост. 62% бизнес-руководителей уже инвестировали в ИИ-инструменты для своих сотрудников: 71% из них отмечают увеличение ROI, 72% – повышение продуктивности работников. При этом 90% маркетологов заявили, что ИИ и автоматизация позволяют им тратить меньше времени на рутинные задачи, 80% – больше времени уделять интересным задачам, 79% – сконцентрироваться на креативных обязанностях.

Данные опроса [6] также показали, что область применения ИИ и нейронных сетей в маркетинге обширна: начиная от проведения маркетинговых исследования и заканчивая разработкой маркетинговых планов (Рисунок 1).

Рисунок 1. Область применения нейронных сетей в маркетинге согласно опросу HubSpot

В настоящее время сфера маркетинга сталкивается с вызовами, которые требуют инновационных подходов к управлению. Однако, несмотря на значительные преимущества, внедрение ИИ и нейронных сетей связано с рядом проблем как технологического, так и социального характера:

1. необходимость фактчекинга (проверки информации на правдивость, точность и достоверность): нейронные сети, а именно языковые модели, могут допускать ошибки по нескольким причинам:

а) ограничения в обучении и данных: модели обучаются на большом количестве текстов из интернета, которые могут содержать неточности, ошибки и устаревшую информацию. Несмотря на то, что данные тщательно отбираются, полностью избежать неточностей невозможно;

б) обновление информации: языковые модели обучаются на данных, актуальных до определенного времени (например, до сентября 2021 года для GPT-3.5 и до октября 2023 года для GPT-4), вследствие чего информация, появившаяся после этих дат, не будет известна модели;

в) контекст и интерпретация: иногда модель может неправильно интерпретировать запрос, что может привести к некорректным ответам;

г) сложные и специализированные вопросы: вопросы, требующие глубоких предметных знаний или многопланового анализа, могут выходить за рамки возможностей модели. Так, ответы могут быть неточными или упрощенными;

д) генеративная природа модели: модель генерирует ответы на основе вероятностных оценок, что может приводить к созданию текста, который выглядит правдоподобно, но не обязательно является правильным;

2. блокировка доступа со стороны разработчиков или со стороны правительства: компании, занимающиеся разработками в области ИИ, могут закрывать доступ к своим сервисам ввиду ряда причин, включая санкции и правовые ограничения, социальную ответственность, соображения безопасности и др. Блокировка доступа с противоположной стороны, т. е. со стороны правительства, может быть обусловлена следующими причинами: контроль над информацией, цензура и регулирование, правовые и этические вопросы, соображения безопасности, социальные и культурные факторы;

3. вероятность утечки данных [7]: в процессе использования ИИ-сервисов пользователи предоставляют данные, которые могут включать персональную информацию. Существует риск утечки конфиденциальных сведений в результате кибератак или сбоев в работе ИИ;

4. сложность внедрения в процесс управления маркетингом: даже если нейронные сети уже разработаны и обучены, необходимо провести тщательный анализ существующих систем и процессов, чтобы определить, как именно они могут быть внедрены без существенного нарушения текущей деятельности;

5. необходимость квалифицированных специалистов: даже при наличии разработанных моделей нейронных сетей требуется команда специалистов, обладающих знаниями в области промпт-инжиниринга;

6. недостаточная гибкость в анализе данных: хотя нейросети могут быть мощным инструментом для анализа данных, обработки информации и принятия решений, они могут оказаться менее гибкими, чем другие методы аналитики;

7. недостаточное качество данных: данные, используемые при обучении нейронных сетей, могут быть разрозненными, неполными, неструктурированными или недостаточными для точного прогнозирования. Это может привести к неточным результатам и снижению эффективности маркетинговых стратегий. Чтобы улучшить качество данных, необходимо внедрять более строгие процедуры сбора и валидации данных, а также использовать методы очистки и предварительной обработки данных;

8. трудность интерпретации результатов: нейронные сети часто рассматриваются как "черные ящики", так как их внутренние процессы скрыты от взора пользователя. Это может затруднить понимание причинно-следственных связей, вызвать проблемы с объяснением и обоснованием принятых решений руководству, сотрудникам компании или заинтересованным сторонам;

9. ограниченные возможности настройки: возможности кастомизации нейросетей для специфических потребностей компании могут быть ограничены, что затрудняет адаптацию алгоритмов под конкретные задачи управления маркетингом. Это может быть вызвано сложностью алгоритмов, недостатком знаний и опыта у специалистов или ограничениями используемых платформ. В результате компании могут столкнуться с трудностями в достижении максимальной эффективности своих маркетинговых стратегий. Для решения этой проблемы необходимо инвестировать в обучение специалистов, использовать более гибкие платформы и активно сотрудничать с разработчиками технологий;

10. этические и правовые аспекты: использование ИИ в маркетинге поднимает ряд этических и правовых вопросов, связанных с конфиденциальностью данных, манипуляцией поведением потребителей и возможными дискриминационными практиками [8]. Компании должны учитывать эти аспекты и разрабатывать политики, соответствующие законодательству и этическим нормам.

Особого внимания заслуживают проблемы, связанные с человеческим фактором:

1. непринятие инноваций: согласно теории диффузии инноваций Э. Роджерса, сначала информация не принимается большинством, и лишь некоторые люди её принимают – это так называемые “новаторы”, составляющие 2,5% населения [9]. Следовательно, сотрудники могут сопротивляться изменениям из-за недостаточного понимания их преимуществ, боязни перемен или страха потерять работу. Это может замедлить процесс внедрения новых технологий в организацию;

2. недостаток навыков и знаний: у большинства маркетологов и менеджеров могут отсутствовать необходимые знания и навыки для работы с нейросетями. Это требует значительных инвестиций в обучение персонала;

3. культурные барьеры: внедрение ИИ может встретить культурные барьеры внутри организации, где традиционные методы работы и мышления противоречат новым подходам. В таком случае может потребоваться изменение корпоративной культуры и формирование более открытого подхода к инновациям;

4. психологические аспекты: страх перед неизвестным и непривычным может вызвать стресс и спровоцировать негативное отношение к изменениям. Важно учитывать психологические аспекты и поддерживать сотрудников в процессе адаптации к новым технологиям.

В противовес проблемам рассмотрим, как нейронные сети могут улучшить процесс управления маркетингом, через ключевые управленческие функции:

1. маркетинговый анализ: нейронные сети обладают способностью к проведению глубинного анализа больших объемов данных, касающихся поведения потребителей, рыночных трендов и конкурентной среды. Они выявляют скрытые паттерны и тенденции, способствуя более глубокому пониманию предпочтений и потребностей целевой аудитории, а также прогнозированию рыночных изменений;

2. целеполагание: нейросети анализируют показатели, формируя на их основе стратегические и тактические цели маркетинга. Это позволяет компаниям выявить приоритетные направления маркетинговой деятельности;

3. планирование маркетинга: на основе анализа данных о целевой аудитории, рыночной ситуации и ресурсах компании нейронные сети способствуют разработке оптимальных маркетинговых планов. Они определяют наиболее выгодные каналы коммуникации, стратегии продвижения и распределение бюджета маркетинга, что способствует достижению целей не только управления маркетингом, но и организации в целом;

4. организация службы маркетинга: нейронные сети автоматизируют ряд процессов в маркетинге, что позволяет оптимизировать организационную структуру и функционирование маркетинговых подразделений. Это повышает продуктивность отдела и снижает его операционные издержки;

5. координация: нейронные сети могут синхронизировать данные и информацию, полученную от таких функциональных подразделений, как отдел маркетинга, отдел продаж, отдел по работе с клиентами и производство. Это способствует применению комплексного подхода к управлению продуктом;

6. мотивация маркетинговых сотрудников: нейронные сети предоставляют маркетинговым менеджерам инструменты для более эффективного управления командой. Анализируя производительность и другие показатели сотрудника, нейронные сети предоставляют персонализированные рекомендации по мотивации и стимулированию труда;

7. контроль маркетинга: нейронные сети обеспечивают непрерывный мониторинг и анализ результатов маркетинговой деятельности. Это позволяет компаниям идентифицировать области для улучшений, оперативно реагировать на изменения рыночной среды и корректировать свои маркетинговые стратегии и планы.

Таким образом, использование нейронных сетей и искусственного интеллекта в управлении маркетингом открывает широкие перспективы для увеличения эффективности и оптимизации процессов. Внедрение прорывных технологий в данный процесс положительно сказывается на многих показателях, способствуя увеличению конверсии и продаж, снижению затрат на маркетинг, совершенствованию принятия решений, увеличению скорости и гибкости реакций на изменения рынка и повышению конкурентоспособности. Однако внедрение нейронных сетей и других ИИ-технологий связано с рядом проблем технологического и социального характера, для решения которых необходимо применять всесторонний подход.

Список литературы:

1. Кобзарь, Д.С. Нейронные сети и их применение / Д. С. Кобзарь // Лучшая студенческая статья 2021: сборник статей XXXV Международного научно-исследовательского конкурса (Пенза, 25 февр. 2021 г.). – Пенза: "Наука и Просвещение" (ИП Гуляев Г.Ю.), 2021. – С. 14-17.
2. Vaswani, A. Attention Is All You Need / A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, I. Polosukhin, Ł. Kaiser //  Advances in Neural Information Processing Systems 30: proceedings from the NIPS 2017 conference. – 2017. – P. 5998-6008.
3. AlexNet and ImageNet: The Birth of Deep Learning // Pinecone : сайт. – URL: https://www.pinecone.io/learn/series/image-search/imagenet/ (дата обращения: 12.05.2024).
4. Chung, J. Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling / J. Chung, C. Gulcehre, K. Cho, Y. Bengio // NIPS 2014 Workshop on Deep Learning. – 2014. – URL: https://arxiv.org/pdf/1412.3555 (дата обращения 14.05.2024). – Режим доступа: Электронный архив с открытым доступом для научных статей и препринтов arXiv.org.
5. Radford, A. Improving Language Understanding by Generative Pre-Training / A. Radford, K. Narasimhan, T. Salimans, I. Sutskever // OpenAI. – 2018. – URL: https://web.archive.org/web/20210126024542/https://cdn.openai.com/research-covers/language-unsupervised/language_understanding_paper.pdf (дата обращения 17.05.2024). – Режим доступа: Бесплатный онлайн-архив некоммерческой библиотеки «Internet Archive» web.archive.org.
6. Learn How Marketers Are Leveraging the Power of AI // HubSpot : сайт. – URL: https://offers.hubspot.com/ai-marketing?hubs_post-cta=bottom&hubs_post=blog.hubspot.com/ (дата обращения: 20.05.2024).
7. И ты, бот: почему в утечке данных пользователей ChatGPT нет ничего удивительного // Forbes : сайт. – URL: https://www.forbes.ru/tekhnologii/486858-i-ty-bot-pocemu-v-utecke-dannyh-pol-zovatelej-chatgpt-net-nicego-udivitel-nogo (дата обращения: 25.05.2024).
8. Пользователи обратили внимание, что Gemini не любит рисовать европеоидов // Хабр : сайт. – URL: https://habr.com/ru/news/795309/ (дата обращения: 27.05.2024).
9. Rogers, E.M. Diffusion of innovations / M. Rogers Everett. – 3rd ed. – New York : The Free Press, 1983. – 453 p. – ISBN 0-02-926650-5.