Manapság sok szó esik arról, hogyan írja át a mesterséges intelligencia a marketinges vagy akár az újságírói szakmát, illetve a hirdetési piacot, miközben számos olyan következménye is lehet, melyre talán nem is gondolunk. A mesterséges intelligencia egyik felhasználási módja az előrejelzések készítése, ami az időjárási modellek összeállításától kezdve a felhasználói viselkedés változásainak nyomon követéséig széles körben hasznosítható.
Kis mennyiségű adatból is nagy eredmények érhetők el
Mint azt Major Zoltán elmondta, ezek az AI rendszerek közepes és nagy mennyiségű adatból képesek olyan modelleket felállítani, amelyek egy-egy viselkedésre, szituációra, akár biológiai, akár kémiai modellek működésére vonatkozóan adnak előrejelzést. Ennek hétköznapi példái a meteorológiai modellek, amelyek figyelik például a légnyomáskülönbségeket, a páratartalmat, és ebből a nagy mennyiségű adatból machine learning segítségével fedeznek fel olyan mintázatokat, amikből kikövetkeztethető a jövő. Tehát a ma adott körülmények alapján előrejelzik, hogy holnap milyen időjárás lesz nálunk.
Ugyanakkor, mint a szakember hangsúlyozza, a prediktív AI egyik előnye, hogy akár kis mennyiségű adatból is tud dolgozni, és egy fókuszált feladatra is bevethető.
„Jól használható például akkor is, ha egy kisebb, pár száz termékkel rendelkező webshophoz tervezünk intelligens ajánlót, amely akár a kosárban lévő termékek, akár a felhasználó profilja vagy viselkedése alapján dob fel valamilyen odaillő ajánlatot. Ez a modell szembeállítható a legtöbb generatív AI-jal, amely nagyon nagy mennyiségű adatot használ ahhoz, hogy stabilan és magabiztosan működjön. A prediktív modell esetében játszhatunk azzal, hogy csökkentjük a feladat komplexitását.”
Hatékonyabbá válik a targetálás
Annak kapcsán, hogy mi mindenre használható a prediktív AI a marketingben, Major Zoltán a hirdetéstargetálást emeli ki, amelyben, mint mondja, mind a Google, mind a Facebook nagyon jó partner. Hozzáteszi, ezeken a platformokon elképesztően nagy adatmennyiségből lehet kiindulni, ami nemcsak a felhasználókról és a viselkedésükről ad információkat, hanem arról is, hogy ők egy adott területen, például e-commerce helyzetben, és ezen belül a különböző szegmensekben, például a háztartási cikkek vagy a repjegyvásárlás vonalán hogyan működnek.
„Nagyon gazdag adathalmazt tudunk segítségül hívni arra, hogy kiderüljön, egy általunk készített hirdetés vagy ajánlat milyen célcsoport számára lesz releváns. Ezek a modellek sokat segítenek abban, hogy eldöntsük, mit állítsunk be a targetálás során. Ez fordítva is működik, vagyis egy adott célcsoportra vonatkozóan is megnézhetjük, mennyire releváns egy adott előrejelzés.”
„Emellett vannak még olyan előrejelzések, amelyek egy adott pillanatban analizálják a viselkedést. Egy streaming-szolgáltató például a felhasználó viselkedését és fogyasztási szokásait figyelembe véve akár azt is előre tudja jelezni, hogy az adott vásárló mikor mondaná le a szolgáltatást, és akkor esetleg elkaphatjuk valamilyen ajánlattal.”
Ugrást hozhat a prediktív és a generatív AI találkozása
A szakember arra is kitért, hogy most a generatív AI kapcsán többet beszélünk magáról a mesterséges intelligenciáról, de ezek a prediktív, machine learning mintázatokat felismerő rendszerek valójában már sokkal régebb óta velünk vannak.
„A változás folyamatos, és nagymértékű a hatékonyságnövelés, amit ezek a rendszerek a marketingbe, a hirdetési piacra hoznak, de ez a folyamat már azért egy ideje tart.”
Ugyanakkor, mint hozzáteszi, hatalmas ugrást hozhat, ha a prediktív AI technológiát összekötjük a generatívval.
„Ha például termékfotót teszünk egy hirdetésbe, amit több különböző célcsoportra targetálunk, a prediktív AI már nagyon jól előrejelezi, hogy kik alkotják azt. Ha pedig mindezt összekötjük egy generatív AI-jal, akkor a terméket olyan környezetbe helyezhetjük bele digitálisan, automatizálva, ami annak a célcsoportnak igazán passzoló. Az egészségtudatos, jógát kedvelő nőknek például jógastúdióra emlékeztető környezetben mutathatjuk meg, míg a gyermekeseknek családi környezetben tálalhatjuk.”
Nemcsak a célcsoportos hirdetések terén történhet minőségi ugrás, hanem akár a teljesen egyénre szabott hirdetésekben is.
„Ha előrejelezzük, hogy egy felhasználótól a viselkedésmintái alapján milyen akciókra számíthatunk a közeljövőben, személyre szólóan generálhatunk neki üzeneteket képes, videós és zenés formátumban. Ez olyan szintű perszonalizáció lesz, hogy tényleg azt fogjuk érezni, hoppá, hát ez nekem szól, ezt a reklámot nekem készítették.”
Az AI egyik előnye a korábbi prediktív módszerekhez képest, hogy sokkal komplexebb mintázatokat képes felismerni, és az automatizációban is szerepet kap. Vagyis már akkor detektálja a mintát, amikor az épp megjelenik egy felhasználónál.
„Ebben az esetben már két külön szoftver működik: az egyik megtalálja a mintát a nagy adathalmazban, és felismeri azt a felhasználónál, a másik pedig már a generatív AI lehet, amely az adott mintázathoz megalkotja a megfelelő üzenetet.”
Valós beszélgetések fiktív vásárlókkal
Ez azonban még korántsem minden. A Dentsu ugyanis most olyan megoldással kísérletezik, amely felhasználói profilokat elevenít meg a generatív AI segítségével. A kísérlet alapját egy nagy mintás reklámkutatás képezi, ami globális, de Magyarországra vonatkozólag is igen fontos adatokat tartalmaz. Az adatokat a generatív AI-jal összekötve előrejelzéseken alapuló, valós beszélgetéseket tudnak folytatni fiktív, megszemélyesített vásárlókkal a preferenciáikról.
„Vannak olyan megszemélyesített vásárlóink, akiket be tudunk vonni például egy kampány-brainstormingba vagy videóscript-véleményezésbe. Le tudunk futtatni olyan, szintén prediktív, de már kontextusfüggő analíziseket is, hogy mondjuk egy PR-kampányban hol lehetnek érzékeny pontok, és előrejelezhetők az egyes társadalmi csoportok számára fontos fogalmazásbeli különbségek is. Ezek nagyon izgalmas megoldások.”