С наступлением зимы продажи нью-йоркского дилерского центра Harley-Davidson, которым руководит Асаф Якоби, сократились до одного-двух мотоциклов в неделю, чего было явно недостаточно.

Прогуливаясь по Риверсайд-парку и раздумывая над тем, как можно было бы изменить ситуацию, Якоби случайно встретил Ора Шани, генерального директора фирмы Adgorithms, занимающейся разработками в области искусственного интеллекта. Обсудив текущее падение спроса, Шани предложил Асафу попробовать Albert — маркетинговую платформу Adgorithms, которая работает с такими цифровыми каналами, как Facebook и Google, анализирует данные, а затем автоматически настраивает маркетинговые кампании. Якоби подумал и решил протестировать Albert в течение недели.

На следующих выходных Якоби продал 15 мотоциклов — почти в два раза больше, чем за самый успешный для него аналогичный период летом (8 мотоциклов). Разумеется, он продолжил работу с Albert. За первый месяц количество потенциальных покупателей в сутки увеличилось с одного до 40, причем 15% из них были так называемыми «двойниками» — звонившими в центр и договарившимися о встрече людьми, которые напоминали предыдущих ценных клиентов и потому могли с большей вероятностью приобрести мотоцикл. К третьему месяцу доля таких людей уже составляла 50%, а общее число потенциальных покупателей выросло на 2930%. Якоби пришлось срочно нанять шесть сотрудников и организовать колл-центр для обработки всех этих заявок.

Якоби считал, что только 2% жителей Нью-Йорка — его потенциальные клиенты, но Albert выяснил, что объем целевой аудитории значительно больше, и начал находить покупателей, о существовании которых Якоби даже не догадывался. Как ему это удалось?

Искусственный интеллект в действии

Сегодня Amazon, Facebook и Google возглавляют революцию искусственного интеллекта, который позволяет им на голову опережать большинство компаний, торгующих потребительскими товарами, и ритейлеров, а также привлекать клиентов с помощью маркетинга и рекламы, которые носят предельно персонифицированный характер и отличаются узкой направленностью. Однако такие компании, как Salesforce, IBM, а также ряд стартапов уже предлагают маркетинговые инструменты на основе искусственного интеллекта, которые стали более удобными в использовании (вам не придется нанимать дорогостоящих специалистов для работы с ними и для анализа результатов) и менее затратными благодаря тому, что они предоставляются по модели SaaS (ПО как услуга) и оплачиваются по факту использования. Эти новые инструменты способны охватывать все маркетинговые каналы сразу вместо того, чтобы работать по отдельным направлениям и выборочно оптимизировать задачи.

В случае с Harley-Davidson система искусственного интеллекта Albert увеличила посещаемость дилерского центра за счет привлечения потенциальных клиентов, которые изъявили желание пообщаться с продавцами путем заполнения специальной формы на его сайте.

Взяв на вооружение креативный контент Harley-Davidson (заголовки и иллюстративные материалы), а также основные целевые показатели, Albert начал анализировать данные о текущих клиентах Якоби, взятые из CRM-системы центра, для выявления характеристик и моделей поведения особо ценных потребителей: тех, кто совершил покупку, добавил товар в онлайн-корзину, посмотрел контент сайта или вошел в число 25% его посетителей, которые провели на нем больше всего времени.

На основе этой информации Albert обнаружил «двойников» предыдущих клиентов и объединил их в микросегменты — небольшие выборки для проведения тестовых кампаний перед тем, как увеличить масштаб работы. Он использовал полученные данные, чтобы предугадать, какие возможные сочетания заголовков и иллюстративных материалов, а также тысяч других переменных, могли бы с наибольшей вероятностью привлечь те или иные сегменты аудитории по различным цифровым каналам (социальным сетям, поиску в интернете, рекламным объявлениям, рассылкам по электронной почте или SMS).

Как только Albert определил, что работает, а что — нет, он сразу же начал масштабировать кампании, самостоятельно перераспределять ресурсы между каналами, вносить рекомендации по контенту и так далее.

Например, выяснив, что объявления со словом «позвоните» (например, «Успейте заполучить Harley с пробегом по выгодной цене! Позвоните прямо сейчас!») работают на 447% эффективнее, чем те, которые содержат призыв «купите» (например, «Купите Harley с пробегом в нашем магазине прямо сейчас!»), Albert сразу же внес необходимые изменения во все объявления, распространяемые по соответствующим каналам. Результаты говорят сами за себя.

Преимущества искусственного интеллекта

В случае с Harley-Davidson искусственный интеллект оценил эффективность цифровых каналов, создавая на основе полученной информации дополнительные возможности для привлечения клиентов. Иными словами, система распределяла ресурсы только по тем направлениям, которые действительно давали результаты, повышая тем самым окупаемость затрат на цифровой маркетинг. Искусственный интеллект позволяет собирать и анализировать огромные объемы данных, а также делать на их основе оптимальные выводы.

Для поиска новых клиентов маркетологи, как правило, используют так называемый «портрет покупателя» — набор общих поведенческих характеристик потребителей. Эти портреты составляются отчасти на основе статистических данных, отчасти — с опорой на догадки, интуицию и опыт специалистов. Предприятия, которые выстраивают вокруг них свои маркетинговые кампании, используют по большей части неэффективные инструменты (например, валовые продажи), еще больше теряясь в догадках, что работает, а что — нет.

Системам искусственного интеллекта не нужны «портреты»: они находят реальных клиентов, что называется, «в поле», определяя, какие модели их поведения в интернете с наибольшей вероятностью приводят к конверсии, а затем по ним же ищут потенциальных покупателей. Для выяснения того, что сработало, а что нет, искусственный интеллект руководствуется только фактами. Повысило ли данное конкретное действие конверсию? Обеспечило ли продажи это ключевое слово? Повысилась ли окупаемость инвестиций благодаря этой статье расходов?

Обладая цифровыми инструментами и прочими маркетинговыми технологиями, человек способен составить только несколько сотен ключевых слов за раз, при этом он не может сколько-нибудь точно внедрить полученные результаты по всем направлениям. Искусственный интеллект, наоборот, умеет анализировать миллионы связей в минуту, составлять сотни тысяч ключевых слов, а также сразу тестировать тысячи сообщений и иллюстративных комбинаций для прогнозирования оптимального результата.

А еще искусственный интеллект никогда не спит и готов круглосуточно выполнять все эти операции.

Таким образом, подобные системы могут точно подсказать, сколько денег компании необходимо потратить и куда ей стоит их направить для достижения наилучшего результата. Вместо того, чтобы полагаться на прошлые показатели и интуицию, принимая решения о закупке средств рекламы, искусственный интеллект действует мгновенно и самостоятельно, меняя соответствующую стратегию в режиме реального времени, исходя из постоянно меняющихся рабочих параметров каждой переменной кампании.

Искусственный интеллект: стоит ли рискнуть?

Учитывая, что искусственный интеллект — новая технология, а также тот факт, что маркетологи с опаской относятся к тому, чтобы передать какому-то «черному ящику» контроль над принятием решений о том, как будут действовать потребители, было бы разумно внедрять такие инструменты и системы поэтапно, следуя примеру Harley-Davidson. Наилучшим образом раскрыть их потенциал можно за счет проведения небольших, быстрых, обратимых экспериментов, например, в пределах одной географической территории, с одним брендом или каналом.

В рамках этих экспериментов важно определить ключевые результаты деятельности, которых вы хотите добиться: количество новых клиентов, потенциальных покупателей или повышенный доход с вложений в рекламу.

Выбирая инструменты, четко знайте, чего вы хотите: одни из них заточены под конкретный канал или задачу, скажем, оптимизацию контента, демонстрируемого клиенту на сайте; другие, как Watson, созданная IBM, — обладают более широким функционалом, который необходимо настраивать под конкретные проекты и компании. Есть и другие системы искусственного интеллекта, которые хоть и добывают необходимые сведения, не могут действовать самостоятельно.

Рискнуть все же стоит, тем более, что внедрять технологию на раннем этапе всегда проще. Как сказал мне Якоби: «Система постоянно улучшается, а алгоритмы совершенствуются. Только за прошлый год мы утроили наш оборот».

Подобный результат — отличная новость для Якоби и его сотрудников, а вот конкурентам есть над чем задуматься.

Об авторе: Брэд Пауэр — консультант, специализируется на вопросах изменений продуктов, сервисов и систем.

https://hbr-russia.ru/biznes-i-obshchestvo/fenomeny/p21501