Интеллектуальная автоматизация маркетинга: угроза или возможность?

Яхнеева И.В.1, Павлова А.В.2
1 Самарский государственный экономический университет, Россия, Самара
2 Поволжский государственный университет физической культуры, спорта и туризма

Статья в журнале

Вопросы инновационной экономики
Том 12, Номер 1 (Январь-март 2022)

Цитировать:
Яхнеева И.В., Павлова А.В. Интеллектуальная автоматизация маркетинга: угроза или возможность? // Вопросы инновационной экономики. – 2022. – Том 12. – № 1. – С. 155-166. – doi: 10.18334/vinec.12.1.114116.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48333782

Аннотация:
В статье рассматриваются проблемы внедрения интеллектуальных технологий в маркетинге с позиции текущего и перспективного использования. Цель исследования заключается в оценке потенциала и последствий применения технологий искусственного интеллекта для автоматизации маркетинговых процессов. Методология исследования включает в себя анализ и обобщение данных об автоматизированных решениях, используемых в практике маркетинга российскими и зарубежными компаниями. Результаты исследования подтвердили предположение о существенном потенциале развития интеллектуального маркетинга, сочетающего возможности человека и машины. Статья будет полезна предпринимателям, специалистам по маркетингу и представителям научного сообщества, изучающим проблемы современного развития маркетинга.

Ключевые слова: маркетинг, искусственный интеллект, автоматизация

JEL-классификация: M31, O31, O32, O33



Введение

Технологическое развитие стало ключевым вызовом для управляющих бизнесом во всем мире. По данным Accenture, 85% лидеров называют технологии силой, оказывающей давление на бизнес [4]. Особенно остро это ощущают менеджеры, внедряющие системы искусственного интеллекта (ИИ). При этом интеллектуальная автоматизация маркетинга входит в число технологичных трендов, влияние которых оценивается неоднозначно. С одной стороны, признается необходимость автоматического сбора и обработки информации, профилирования потребителей, прогнозирования продаж, оптимизации рекламы и другой поддержки маркетинговых решений. Рассматриваются примеры эффективных решений маркетинговых задач по инструментам маркетинга [2], бизнес-сферам [3], участникам цепей поставок [5].

Глобальный опрос компаний, работающих с технологиями ИИ, показал, что три из пяти самых распространенных целей, для которых он применяется, относятся к сфере маркетинга: создание и модификация продуктов и услуг, улучшение отношений с клиентами [16]. Наибольшее внедрение ИИ происходит в рамках функций разработки продуктов или услуг и сервисного обслуживания [15]. С другой стороны, современные технологии ИИ и машинного обучения (МЛ) вызывают опасения, связанные с потенциальным риском замены специалистов по маркетингу.

Целью исследования является выявление наиболее вероятного сценария распространения интеллектуальных решений в маркетинге. Положения научной новизны включают в себя выявление факторов, препятствующих внедрению ИИ/МЛ в маркетинге. В основе исследования предположение о восприятии ИИ в качестве угрозы вследствие отсутствия достаточной и достоверной информации и потенциальном эффекте от комбинации естественного и искусственного интеллекта.

Оценка результативности внедрений ИИ в мировой практике

Проведенные аналитическими и консалтинговыми компаниями исследования в период 2018-2021 гг. демонстрируют неоднозначные результаты оценки эффективности использования ИИ в маркетинге (табл.1):

Таблица 1 - Оценка внедрений ИИ по результатам глобальных исследований

№ п/п
Исследовательская компания
Год
Результаты
1
Quantcast + Forbes [11]
2018
ИИ позволяет маркетологам увеличить продажи (52%), повысить уровень удержания клиентов (51%) и добиться успеха при запуске новых продуктов (49%).
2
McKinsey [15]
2018
Исследованы 400 случаев внедрений ИИ, применение этой технологии в маркетинге приносит максимальную выгоду бизнесу
2020
Высокоэффективные организации, которые используют больше возможностей ИИ, чаще сталкиваются с ошибками в работе по сравнению с компаниями, которые видят меньшую ценность от ИИ
3
Sloan Management Review + Boston Consulting Group [13]
2019
90% участников сообщили, что вкладываются в ИИ, но выиграли от этого за предыдущие три года менее 40%
4
Deloitte [16]
2020
Три из пяти самых распространенных целей, для которых применяется ИИ, относятся к сфере маркетинга: доработка имеющихся и создание новых продуктов и услуг, а также улучшение отношений с клиентами
5
Gartner [9]
2021
84% лидеров цифрового маркетинга считают, что использование ИИ повышает способность маркетинговой службы предоставлять клиентам персонализированный опыт в режиме реального времени
6
Drift, Marketing Artificial Intelligence Institute [14]
2021
После внедрения ИИ 41% опрошенных отметили увеличение выручки, 40% получили больше инсайтов, 38% начали работать над персонализированным пользовательским опытом, однако 30% не увидели улучшений
Источник: составлено авторами по аналитическим материалам [9,11,13,14,15,16]

Обобщение приведенных оценок позволяет разделить компании, использующие технологии ИИ/МЛ на две группы:

1 – компании, которые отмечают повышение эффективности в части маркетинговых целей и задач;

2 – столкнулись с ошибками или не заметили улучшений.

Первая группа к числу ценных преимуществ от использования инструментов ИИ относит ускорение роста доходов или снижение затрат, позволяя:

- создавать персонализированный потребительский опыт;

- получать более действенные сведения из маркетинговых данных;

- прогнозировать потребности и поведение потребителей с большей точностью;

- сократить время, затрачиваемое на выполнение повторяющихся задач, основанных на данных;

- сократить цикл продаж;

- оптимизировать ценообразование.

Увеличение доходов обеспечивают: автоматизация и масштабирование маркетинговой деятельности по всем каналам; персонализация работы с клиентами; управление лояльностью потребителей; прогнозирование продаж и спроса; оптимизация ценообразования. Более двух третей респондентов, сообщивших о внедрении каждого из этих вариантов, указывают в качестве результата увеличение доходов [15]. Для маркетологов, применяющих ИИ, ускорение доходов (41%) и получение более действенных выводов из маркетинговых данных (40%) являются наиболее распространенными целевыми результатами. Среди всех опрошенных маркетологов большинство (89%) сказали, что для их маркетинговой команды главным приоритетом является ускорение роста доходов [15].

Наиболее распространенными вариантами использования, которые привели к снижению затрат, являются оптимизация управления талантами, автоматизация контакт-центра, автоматизация складских операций и управление запасами. Более половины респондентов, сообщивших о внедрении каждого из них, утверждают, что использование ИИ в этих областях сократило расходы [15] Однако только 8% внедряют ИИ в маркетинге исключительно для сокращения расходов [14].

Вторая группа компаний получила неоднозначный опыт, который снижает уровень доверия к интеллектуальным технологиям. Примечательно, что респонденты из компаний, внедривших больше возможностей ИИ, чаще, чем другие, сообщают о неправильной работе моделей ИИ в условиях пандемии COVID-19. Модели этих организаций были особенно уязвимы в маркетинге и продажах, разработке продуктов и сервисных операциях, т.е. в тех областях, где чаще всего внедряется ИИ [15].

Цифровизация маркетинга, получившая дополнительный стимул вследствие пандемии, вызванной COVID-19, стала одной из причин роста интереса к ИИ/МЛ. Так, характеризуя применение цифровых экосистем, Солдатова Н.Ф. в числе экономических выгод отмечает повышение качества коммуникаций со стейкхолдерами, эффективную организация маркетинговых бизнес-процессов и вместе с тем указывает на угрозы - снижение когнитивных, социальных навыков потребителей, потенциальные этические конфликты [6].

Виды интеллектуальных решений в маркетинге

В индустрии ИТ-решений для маркетологов прогнозируется стремительный рост: глобальный рынок программного обеспечения для автоматизации маркетинга оценивался в 3,6 млрд долл. в 2020 г., а в 2027 г. составит 11,46 млрд долл. в 2027 г. [10]. Наиболее активно в маркетинге развиваются системы управления отношениями с клиентами (CRM), платформы для работы с большими данными, системы сквозной аналитики и автоматизации вовлечения пользователей.

Маркетинговые решения, реализуемые на основе ИИ, можно разделить на четыре группы в зависимости от типа задач и потребностей (табл.2).

Таблица 2 - Матрица маркетинговых решений с использованием ИИ

Задачи
Внутренние
Внешние
Рутинные
Прогнозирование продаж Анализ и классификация комментариев
Контроль и оптимизация веб-сайтов
Анализ и прогноз эффективности рекламных кампаний
Чат-боты для базового обслуживания клиентов
Маршрутизация звонков
Подготовка писем и автоматическая рассылка
Мерчандайзинг онлайн продукта
Креативные
Обучение продажам
Сегментация
Таргетинг
Закупки цифровой рекламы
Определение контекста для размещения контента
Оптимизация рекламных кампаний
Рекомендации товаров и услуг
Создание контента
Источник: составлено авторами

Внутренние и внешние задачи отражают двустороннее влияние ИИ на маркетинг. С одной стороны, в результате изменений выгоды получает потребитель, а с другой — новые решения влияют на всю проводимую маркетинговую деятельность [2].

Несколько иную типологию представили М.Пагани и Чампьон Р. [12]. На основе описания более 800 разных ИИ-систем, используемых в 14 отраслях. ИИ-инструменты разделены на четыре типа по механическим и креативным задачам с учетом этической составляющей.

По результатам исследования Института искусственного интеллекта в маркетинге (Marketing Artificial Intelligence Institute) технологический контур ИИ в маркетинге определен с помощью комплекса 5P [14]:

1. Планирование (Planning): построение интеллектуальных стратегий.

2. Производство (Production): создание интеллектуального контента.

3. Персонализация (Personalization): обеспечение интеллектуального потребительского опыта.

4. Продвижение (Promotion): управление интеллектуальными кросс-канальными рекламными акциями.

5. Производительность (Performance): превращение разрозненных данных в интеллектуальные.

В рамках каждого элемента компании называли кейсы с максимальным и минимальным потенциалом (табл.3).

Таблица 3 - Матрица реализуемых кейсов с использованием ИИ

Задачи
Кейсы с максимальным рейтингом
Кейсы с минимальным рейтингом
Планирование
Выбор ключевых слов и тематических блоков для оптимизации контента
Анализ онлайн-контента с целью выявления проблемных мест и возможностей
Оценка потенциальных клиентов на основе вероятности конверсии
Разработка стратегии ценообразования для максимизации прибыльности
Распределение и корректировка бюджета на маркетинг
Поиск и объединение дубликатов в CRM
Производство
Создание контента, основанного на больших данных
Оптимизация сайта для поисковых систем
Прогнозирование эффективности контента
Тегирование изображений на сайте
Написание творческих заданий и черновиков публикаций для блогов
Перевод аудио (звонки, встречи, подкасты, вебинары) в текст
Персонализация
Индивидуальный контента в режиме реального времени
Определение предложений, которые будут мотивировать людей к действию
Предоставление индивидуального опыта на сайте и/или в приложении
Настройка рабочих процессов и электронной почты
Оптимизация времени отправки электронной почты на уровне отдельного получателя
Вовлечение пользователей в беседы с помощью ботов, которые учатся и развиваются
Продвижение
Таргетинг на основе анализа поведения пользователей
Прогнозирование выигрышных креативов до их запуска без проведения A/B-тестирования
Индивидуальный контент по всем каналам
Повышение уровня доставок электронной почты
Определение тенденций в социальных сетях и новостях в режиме реального времени для создания рекламных возможностей
Планирование акций для оптимального количества просмотров и вовлеченности
Производительность
Оценка рентабельности инвестиций по каналам, кампаниям и в целом
Поиск информации о наиболее эффективном контенте и кампаниях
Прогнозирование результатов кампании на основе предиктивного анализа
Мониторинг и оценка упоминаний бренда в СМИ и среди влиятельных лиц
Источник: составлено авторами на основе [14]

Факторы, сдерживающие внедрение ИИ в маркетинге

К числу барьеров, препятствующих росту внедрений, относят:

1. Низкое доверие к технологиям ИИ. Это подтверждают данные исследования Gartner [9]. Однако барьер доверия снижается по мере расширения использования - если 75% респондентов, опробовавших ИИ/МЛ, беспокоятся о доверии к технологии, то только 53% тех, кто широко использует современные в маркетинге, беспокоятся о доверии. Это свидетельствует о крутой, но постепенной кривой принятия.

2. Отсутствие понимания и возможностей использования технологий. Большинство специалистов находится на стадии исследования ИИ (65%), 56% активно изучают примеры использования и технологии, 70% при этом сообщили, что мешает внедрению дефицит обучения [14]. Дефицит понимания и опыта означает, что большинству маркетологов не хватает уверенности при оценке и покупке продуктов с использованием ИИ.

3. Страх и неопределенность, которую ИИ представляет для персонала. Более половины маркетологов (56%) считают, что ИИ создаст больше рабочих мест, чем ликвидирует в течение следующего десятилетия [14]. Страх перед ИИ в качестве препятствия назвали лишь 16%. Мы наблюдаем, как маркетинг становится технологичным, сочетающим интеллектуальные возможности человека и машины. Устойчивость тренда подтверждает появление новой специальности технолога в сфере маркетинга (marketing technologist), функции которого распространяются на интеграцию разнообразных сервисов и источников маркетинговых данных.

Брюс Харди, Ева Аскарза, Майкл Росс перечисляют ошибки, с которыми сталкиваются компании при внедрении ИИ [7]. К их числу относятся:

1. Неверное определение задачи на этапе постановки цели.

2. Неумение различить выгоду от верного решения и ущерб от неверного.

3. Проблема агрегирования информации и неспособность использовать детали прогноза.

4. Проблемы коммуникации между маркетологами и аналитиками.

Авторы указывают на допускаемые специалистами ошибки для того, чтобы повысить эффективность внедрения технологий ИИ. Вместе с тем эти ошибки указывают на ведущую роль специалистов. Именно маркетологи устанавливают правила, разрабатывают планы, проводят рекламные акции, персонализируют опыт и анализируют эффективность. Однако, чтобы обеспечить персонализацию и опыт, которые ожидают современные покупатели, маркетинг должен стать более интеллектуальным, соединив маркетолога и машину. ИИ в маркетинге создает потенциал, позволяющий дополнить знания и возможности специалистов за счет интеллектуальной автоматизации повторяющихся задач, основанных на больших данных. Городнова Н.В. подчеркивает, что разработка и внедрение таких технологий на сегодня не развиты до такого уровня, чтобы заменить человека абсолютно во всем [3]. Этой же точки зрения придерживается Алешина, которая указывает на трудно алгоритмизируемые задачи маркетинга [1]. Тем самым, цель автоматизации маркетинга — ускорить выполнение рутинных операций, а также с помощью машинного обучения добиться таких результатов, которые сложно или невозможно получить людям.

Заключение

Исследование показало, что эра интеллектуальной автоматизации маркетинга уже наступила. С помощью ИИ маркетологи могут сократить расходы, используя интеллектуальную автоматизацию управления данными и повторяющихся задач, а также увеличить доходы за счет повышения точности прогнозирования результативности маркетинговых действий. Компании, которые разрабатывают долгосрочные стратегии, уже используют ИИ для этих целей. Решаемые маркетинговые задачи имеют разный уровень сложности с позиции автоматизации и алгоритмизации, и ориентированы как на внешнего, так и на внутреннего потребителя.

Основными проблемами, связанными с внедрением ИИ в маркетинге, являются низкий уровень доверия к новым технологиям и недостаток знаний, подготовки и уверенности специалистов, чтобы понять, опробовать и масштабировать технологии ИИ. Вторая проблема отчасти является причиной первой. Для решения указанных проблем требуются изменения в корпоративной и маркетинговой политике компаний с ориентацией на долгосрочную перспективу, желание самих маркетологов получать новые знания, опыт и искать нестандартные решения. В этой связи необходимы так же изменения в образовательных программах подготовки соответствующих специалистов.

Исследование показало двойственный характер ИИ в маркетинге, который представляет собой одновременно и вызов, и возможность. Помимо преимуществ, обеспечиваемых интеллектуальной автоматизацией маркетинга, возникают потенциальные угрозы, связанные с социальной стороной воздействия технологий. Негативное влияние ИИ, способы адаптации технологий в соответствии с этическими нормами и защитой персональных данных, последствия внедрения для общества в целом должны стать предметом изучения в рамках последующих исследований.


Источники:

1. Алешина И.В. Искусственный интеллект: цифровая глобализация и маркетинг // Маркетинг в России и за рубежом. – 2019. – № 1. – c. 74-80.
2. Багиев Г.Л., Яненко М.Б., Яненко М.Е. Технологии искусственного интеллекта в бизнесе и маркетинге // Проблемы современной экономики. – 2021. – № 3(79). – c. 105-109.
3. Городнова Н.В. Применение искусственного интеллекта в бизнес-сфере: современное состояние и перспективы // Вопросы инновационной экономики. – 2021. – № 4. – doi: 10.18334/vinec.11.4.112249.
4. Диланян В. Пять шагов к искусственному интеллекту. Hbr-russia.ru. [Электронный ресурс]. URL: https://hbr-russia.ru/innovatsii/upravlenie-innovatsiyami/817103.
5. Сергеев И.В. Аналитический обзор цифровых технологий, преобразующих цепи поставок сетевой розницы // Вопросы инновационной экономики. – 2020. – № 1. – c. 467-482. – doi: 10.18334/vinec.10.1.100645.
6. Солдатова Н.Ф. Цифровая трансформация управления маркетингом в контексте целей устойчивого развития // Креативная экономика. – 2021. – № 11. – c. 4009-4024. – doi: 10.18334/ce.15.11.113819.
7. Ascarza Eva, Ross Michael, Hardie Bruce G.S. Why You Aren't Getting More from Your Marketing AI. Harvard Business Review. [Электронный ресурс]. URL: https://hbr-russia.ru/marketing/marketingovaya-strategiya/882872 (дата обращения: 10.01.2022).
8. Davenport T., Guha A., Grewal D., Bressgott T. How artificial intelligence will change the future of marketing // Journal of the Academy of Marketing Science. – 2019. – № 48. – p. 1-19. – doi: 10.1007/s11747-019-00696-0.
9. Gartner Says 63% of Digital Marketing Leaders Still Struggle with Personalization, Yet Only 17% Use AI and Machine Learning Across the Function. Gartner.com. [Электронный ресурс]. URL: https://www.gartner.com/en/newsroom/press-releases/-gartner-says-63--of-digital-marketing-leaders-still-struggle-wi (дата обращения: 21.12.2021).
10. Global Marketing Automation Software Market Report 2021-2027. Businesswire.com. [Электронный ресурс]. URL: https://www.businesswire.com (дата обращения: 11.01.2022).
11. Lessons of 21st-Century Brands. Innovationinsider.com.br. [Электронный ресурс]. URL: https://innovationinsider.com.br/wp-content/uploads/2019/04/Forbes-Insights-White-Paper.pdf (дата обращения: 21.12.2021).
12. Пагани М., Шампьон Р. Такой разный ИИ: что нужно знать о типах задач, которые решают алгоритмы. [Электронный ресурс]. URL: https://hbr-russia.ru/innovatsii/tekhnologii/848398 (дата обращения: 30.11.2021).
13. Ransbotham S., Khodabandeh Sh., Fehling R., Lafountain B., Kiron D. Winning with AI. Pioneers Combine Strategy, Organizational Behavior, and Technology. Sloanreview.mit.edu. [Электронный ресурс]. URL: https://sloanreview.mit.edu/projects/winning-with-ai (дата обращения: 23.12.2021).
14. 2021 State of Marketing AI Report. F.hubspotusercontent30.net. [Электронный ресурс]. URL: https://f.hubspotusercontent30.net/hubfs/883/2021%20State%20of%20Marketing%20AI.pdf (дата обращения: 23.12.2021).
15. The state of AI in 2020. Mckinsey.com. [Электронный ресурс]. URL: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/global-survey-the-state-of-ai-in-2020 (дата обращения: 14.12.2021).
16. Thriving in the era of pervasive. Deloitte’s State of AI in the Enterprise, 3rd Edition. Deloitte.com. [Электронный ресурс]. URL: https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/about-deloitte/deloitte-cn-dtt-thriving-in-the-era-of-persuasive-ai-en-200819.pdf (дата обращения: 30.11.2021).

Страница обновлена: 04.05.2022 в 10:41:07