Алла Бари: Добрый вечер, уважаемые слушатели. Сегодня с вами в программе «Клики для бизнеса» ее ведущая Алла Бари. И у нас сегодня интересный спикер, мы будем говорить про очень интересную тему: про искусственный интеллект и как его применять в е-commerce и в интернет-бизнесе. Антон Мелехов – генеральный директор RTB House в России.
Антон Мелехов: Добрый день.
Алла Бари: Привет.
Антон Мелехов: Здравствуйте.
Алла Бари: Друзья, действительно, искусственный интеллект – это не совсем, кажется, тема для программы «Клики для бизнеса». На самом деле, искусственный интеллект очень, сейчас все больше и больше применяется именно в интернет-маркетинге. И мы об этом как раз и поговорим сегодня: каким образом бизнес может для себя использовать инструменты искусственного интеллекта. Антон, хотелось бы немножечко сначала о тебе поговорить. Что за компания RTB House в России? Чем она занимается? Раз уж в России, значит, есть где-то и главное подразделение. И, в общем-то, каким образом вы помогаете бизнесу своими услугами?
Антон Мелехов: Да, конечно. Если вкратце о нас, мы занимаемся ретаргетингом – стандартная технология сейчас для е-commerce, позволяющая увеличивать продажи, работать с аудиторией, ну и привлекать их для новых покупок, для дополнительных покупок. В России мы представлены с 2013 года, головной офис у нас находится сейчас в Варшаве. И вот за пять лет, грубо говоря, компания уже выросла до масштабов крупной корпорации, не корпорации пока что, крупного игрока рынка. Мы сейчас представлены, если я не ошибаюсь, в 43-х странах мира, активно работаем.
Алла Бари: Это да, это достаточно серьезный показатель работы.
Антон Мелехов: Конкурентов у нас много – это крупные, ведущие именно, западные компании.
Алла Бари: В том числе Criteo, да?
Антон Мелехов: Да, Criteo. Мы их очень любим и уважаем, потому что благодаря им появились мы на рынке, начали совершенствовать свои технологии. Потому что они являются пионерами рынка, и мы тоже хотим в свое время привнести хорошую лепту помощи для игроков, так же как сделал Criteo в свое время. Почему мы, наверно, решили сегодня с вами поговорить более детально про тематику искусственного интеллекта? Сейчас мы в компании очень активно ее применяем – так называемая технология Deep Learning (или по-русски, глубокого обучения). Мы ее внедрили у себя, наверно, в конце прошлого года начали активно использовать, для того чтобы помогать нашим клиентам увеличивать продажи, ну и, соответственно, поднимать показатели того, что ни хотят получить (трафик, конверсии, рост среднего чека). Об этом чуть-чуть попозже расскажу. Зачем о себе? Давайте лучше про рынок и вообще, как технология помогает.
Алла Бари: Антон, вот мне интересно, собственно, как эволюционировал искусственный интеллект и как вообще он возник. С чего все начиналось? И конечно, такие технологии, они, в первую очередь, идут в бизнес.
Антон Мелехов: На самом деле, первоначально искусственный интеллект начал свой рост не совсем с точки зрения бизнеса. Желание ученых помочь упростить роль человека в каких-то деталях, потому что человек, по факту, мы – существа, которые.
Алла Бари: Не совершенны.
Антон Мелехов: Мы не совершенны, мы не можем обрабатывать сотни миллиардов информации, запросов.
Алла Бари: Устаем.
Антон Мелехов: Устаем, да, так называемый человеческий фактор. Машина не устает, машине ставится какая-то определенная функция – она ее выполняет. Яркий пример того же самого искусственного интеллекта – робот, который используется на заводе при производстве какой-либо детали. То есть у него, ставится программа, например штамповка: приходит деталь – штампонул, он поехал дальше. Ну, вот, можно сказать, вот оттуда все это потихонечку пошло. Потом технология начала свое развитие. Понятно, что это фабричное какое-то производство, это активно сейчас также используется в фарма, это используется, понятно, в банковской деятельности, ну и, соответственно, потихонечку это дошло до Интернета, потому что Интернет – наверно, наиболее сейчас перспективная отрасль для развития, для технологии.
Алла Бари: И гибкий, да, который ищет все время каких-то новых?
Антон Мелехов: Огромный, колоссальный массив данных копится в Интернете, пользователей огромное количество, они делают определенные действия: сморят страницы, совершают покупки, общаются, есть профили этих пользователей. Вся эта информация хранится. Это огромный-огромный массив данных, с которым можно работать и который будет крайне выгоден для любого бизнесмена: будь то магазин онлайн-торговли, будь то интернет-портал с информацией (потому что там, в принципе, тоже можно использовать), будь то поисковик. Все в целом может приносить очень хорошую прибыль.
Алла Бари: По идее, в поисковых системах тоже роботы, которые работают?
Антон Мелехов: Конечно.
Алла Бари: По сути, это вот движется к тому, чтобы там возник искусственный интеллект, да?
Антон Мелехов: Да-да-да, там как раз и копится огромный массив данных. И можно сказать, что интернет-гиганты (поисковики). Все мы их знаем, можно не афишировать. Это Яндекс, Google.
Алла Бари: Наверно, следующие за ними будут социальные сети, да?
Антон Мелехов: А они же сейчас тоже активно используют, потому что они взаимосвязаны. Если мы возьмем любого крупного поисковика, у них у всех есть практически своя собственная соцсеть, ну или какие-то субпорталы, которые входят в часть вот этого поисковика. И там обрабатывается огромное количество массивов данных. Что нам далеко ходить, Яндекс активно использует технологии, они активно совершенствуют технологию искусственного интеллекта. И всем нам это идет на пользу, потому что, например, если мы используем карты. Карты стали, если сравнивать, что было там десять лет назад и сейчас, это колоссальная разница. Очень удобно, система научилась анализировать поведение пользователя каждого и под него подстраиваться, выдавать ему какие-то рекомендации. Например, последние пути маршрута, которые смотрел человек, что-то подсказывается. Активно используется система, ну, вот если мы берем опять же навигатор, отображаются пробки в режиме реального времени, где находятся камеры какие-то. То есть что, ну, это упрощает работу. Если мы возьмем другой поисковик, например, Google с их, наверно, наиболее известной, используемой технологией в России – это Google Translate. Вспомните, что было раньше. Если делать «Ctrl+C», «Ctrl+V» (копировать текст), можно было ужаснуться от качества перевода. И случались такие вещи, когда проходило просто тупое копирование, ну, под копирку все это использовалось: брался английский текст, вставлялся на русскую страницу, и получалось не очень удобно. Я с этим часто сталкивался сам в свое время, когда еще работал на одном сайте, переводил все это, использовал Google Translate. Ну, честно сказать, я текст переводил, потом приходилось еще эту страницу переводить, наверно, минут двадцать, до ума ее доводить. Сейчас гораздо проще. И система начинает, ну, вот если «Google Translate» забиваете опять же, он дает очень интересную информацию, грубо говоря, он уже не мыслит шаблонно, а он смотрит: какие пользователи вводили туда запросы дополнительные, как связывали слова, может быть, какая тематика, к чему это относилось (к бизнесу или просто к разговорной речи). И, действительно, стало очень удобно, очень полезно. Честно, сейчас, например, зачастую приходят PR-переводы из центрального офиса, ну, или мне надо какой-то материал перевести. Я, конечно, английский знаю, но не настолько, чтобы сказать, что я лингвист-переводчик. И, честно, вот мне, например, как рядовому пользователю это очень-очень активно помогает. Вот вам пример активного использования искусственного интеллекта и глубокого обучения.
Алла Бари: А вот для бизнеса искусственный интеллект, в принципе, наверно, можно поделить на какие-то определенные, скажем так, направления, которые используются по-разному в виде инструментов и в виде каких-то услуг для бизнеса? Вот мы говорили с вами, например, про ретаргетинг – там используется машинное обучение, да?
Антон Мелехов: И машинное и как раз технология глубокого обучения (Deep Learning). То есть, по факту, в чем их отличие? Они истекают одна из другой, то есть все равно это часть искусственного интеллекта. Все это настраивается на алгоритмах, в которые закладываются изначально какие-то функции. Отличие Deep Learning от машинного в том, что система начинает работать более независимо. В любом случае, и там и там нужен контроль человека: все ли или идет корректно, все ли работает.
Алла Бари: А что значит – независимо?
Антон Мелехов: Она начинает анализировать эти большие огромные массивы данных и работает по какой-то определенной функции, подстраиваясь под какие-то временные промежутки. То есть вы, например, закладываете, ну, владелец бизнеса закладывает задачу для себя: увеличить продажи в какой-то определенный срок. Берем случаи с так называемой всеми известной акцией распродаж – Black Friday (когда в определенный промежуток времени надо увеличить продажу). Если мы говорим просто про искусственный интеллект в обычной форме, как это выглядит? Закладывается функция, например, увеличение продаж в этот промежуток времени, закладываются два параметра. Первый параметр – ставить максимальную скидку на товар, который там залежался более 40-ка (50-ти, 60-ти) дней на складе, или, наоборот, не пользуется спросом. Это одна функция стоит. Вторая функция стоит, чтобы, грубо говоря, вот эта скидка не распространялась на новые товары, которые специально под эту Black Friday подготовили. Это простейший пример работы алгоритма. В случае с машинным обучением закладывается, например, параметр, что нужно увеличить продажи вот в этот промежуток времени, краткосрочный. Закладываем, например, неделю – две. В случае с глубоким обучением, глубокое обучение (Deep Learning), естественно, анализирует огромный массив данных, который накоплен был до этого, ну и, соответственно, делает какие-то прогнозы, делает какие-то.
Алла Бари: Но в нашем случае это именно товары, которые не из новой коллекции, которые можно продать сегодня, ну, вот в этот промежуток времени, заложив на них максимальную скидку, и они, допустим, больше трех пар на складе, и они уже не продаются какое-то время или это из предыдущей коллекции? Для нас это вот этот массив, который обрабатывается?
Антон Мелехов: В случае с машинным обучением это не только вот эти вот товары, которые были, но система же также анализирует, как вели себя пользователи год назад, например. Она смотрит поведение человека, смотрит, как ведет себя пользователь на сайте в этот промежуток времени и выдает ему рекомендации, например, что стоит посмотреть. Эта рекомендация, рекомендационный движок, он тоже здесь используется, конечно же.
Алла Бари: А поведение на сайте – он смотрит из инструментов аналитики Google, Яндекс?
Антон Мелехов: Аналитики. Система аналитики, плюс, то есть это может быть и Google и Яндекс, это может быть и то же самый (…
Алла Бари: ), и может быть что-то самописное – со стороны непосредственно интернет-магазина, какая-то CRM-система. Все это анализируется.
Алла Бари: По сути, тот, кто закладывает вот эти алгоритмы для, например, акции Black Friday, должен обладать определенным опытом, быть не просто программистом, но и понимать, как, собственно говоря, эти алгоритмы заложить, чтобы.
Антон Мелехов: Конечно, это так называемый, ну, там пишется код. Код пишется и работает. И потом проверяется: страницы выкатываются, смотрят, все ли корректно работает. В любом случае и машинное обучение и Deep Learning (искусственный интеллект), – это все написанный код, который закладывается в систему, в движок, и она начинает работать. И как я сказал, параметры, которые закладывается, например, увеличение продаж, машинное обучение, рекомендационный движок, то есть весь массив данных, который накопился. Чем больше данных имеется, тем это лучше будет работать.
Алла Бари: И тем нам интереснее выявить какие-то закономерности?
Антон Мелехов: Конечно, потому что, например, в случае с глубоким обучением, в чем его отличие? Это еще, как называется, следующий шаг развития машинного обучения. По факту, Deep Learning работает на принципах нейронных сетей головного мозга человека.
Алла Бари: Ой, это очень интересно. Мне кажется, такой тренд достаточно. «Нейромаркетинг» правильно, да? Он сейчас активно развивается, и, в общем-то, уже есть компании, которые предоставляют такие услуги.
Антон Мелехов: Да, и это число растет. Если, например, показать на презентации, где, в принципе, в области е-commerce это может применяться.
Алла Бари: Ну, в общем-то, мы можем перейти к презентации.
Антон Мелехов: Да, я хотел один слайд показать.
Алла Бари: Да, у нас сегодня презентация, уважаемые слушатели.
Антон Мелехов: Здесь как раз представлены, наверно, ТОП-10 наиболее активно развивающихся отраслей, именно в области е-commerce. Здесь, как вы видите, разделены на две категории. Есть фиолетовый цвет, есть красный цвет. К фиолетовому цвету, то есть, например, рекомендации по товарам, прогнозирование поведения пользователя, какие-то алгоритмы маркетинга компаний, которые закладывается, прогнозирование потока клиентов с сайта. Это все работает на.
Алла Бари: Это вот какие-то такие более поведенческие, да?
Антон Мелехов: Это поведенческие, и они помогают именно увеличивать продажи, то есть система начинает более активно самообучаться, смотреть, как ведет себя пользователь, для того чтобы проводить аналогию, проводить анализ и закладывать тренды, которые могут быть. Грубо говоря, возьму ту же самую Black Friday. Ведь если клиент хочет увеличивать продажи (владелец бизнеса), помимо акции Black Friday, могут быть и другие сезонные.
Алла Бари: Конечно.
Антон Мелехов: То есть можно заложить не только увеличение продажи вот в этот.
Алла Бари: Киберпонедельник.
Антон Мелехов: Да, это все учитывается, что есть киберпонедельник. И можно, грубо говоря, посмотреть в прогнозе на год, что есть же еще и другие праздники, что есть еще, например, 23 февраля, 8 марта, какие-то религиозные праздники.
Алла Бари: День рождения компании.
Антон Мелехов: День рождения компании. В том числе может быть ситуация.
Алла Бари: День ребенка, если детская продукция.
Антон Мелехов: Что угодно, да, все зависит от непосредственно тематики. Каждый магазин индивидуален. Спрос на него тоже индивидуален, зависит от того, как ведет себя пользователь, какое количество трафика и т.д. и т.п. И вот эти алгоритмы, они как раз помогают достичь желаемого со стороны владельца бизнеса. Обычно это, конечно же, рост продаж.
Алла Бари: Ну, как правило, да.
Антон Мелехов: Если мы говорим про магазин, который только-только открылся, у них все-таки немножко другая задача.
Алла Бари: А у них – наверно, получение новых пользователей? Ну, по сути, потому что нет базы. И, наверно, целевой трафик?
Антон Мелехов: Да.
Алла Бари: Выявить, где целевой клиент на самом деле находится, да, чтобы не зря расходовать бюджет компании на привлечение?
Антон Мелехов: Ну, если говорить, на самом деле, про технологию вот этого Deep Learning, ее не стоит применять, искусственный интеллект, в самом-самом начале, потому что он ничего не даст. Нужно, чтобы какие-то.
Алла Бари: Нет данных?
Антон Мелехов: Да, данные должны накопиться, и желательно, чтобы их было больше. То есть код стоит, например, месяц на сайте: там, может быть, будут не очень хорошие результаты. Здесь лучше работать по стандартной схеме. Ну, вот я говорю про машинное обучение, которое сейчас активно как раз используются всеми ретаргетерами. В случае с Deep Learning: шесть, семь, восемь, девять месяцев – уже ощутимые результаты можно увидеть. И у нас бывают такие ситуации. Приходит клиент и говорит: «Мы хотим, чтобы нам помогли увеличить продажи. Как раз вот мы слышали, у вас есть технология Deep Learning. Помогите нам». Мы говорим: «Какие у вас параметры? Какие показатели по сайту?» С нами делятся информацией. Например, там не очень большое количество пользователей, не очень хороший показатель по конверсии. Мы говорим, что извините, там в первые два месяца мы вам не поможем, нам нужно, чтобы накопили данные, посмотреть, как ведет себя пользователь у вас на сайте. Потому что, как я уже говорил, каждый сайт индивидуален.
Алла Бари: В этот момент вы ставите какие-то определенные счетчики, чтобы накопить данные?
Антон Мелехов: У нас, мы, когда работаем. Любой ретаргетер, когда работает, самая основная задача – это, соответственно, проскриптование всего Интернет-ресурса (онлайн-магазина). И, ведь каждая секция отвечает за определенные параметры: есть главная страница, есть страница с товарами, страница с совершением покупки. И везде надо смотреть, как ведет себя аудитория. Потому что надо понять, почему они, например, отваливаются: кинули товар в корзину и не осуществили покупку, и какая доля.
Алла Бари: Да, и, как правило, самый большой процент отваливается именно на заказе.
Антон Мелехов: Не всегда. Бывает, что большая доля отваливаются, когда они оказываются на главной странице сайта, переходят на вторую – и теряются. В зависимости от дизайна сайта.
Алла Бари: Это уже такой совсем сложный случай, на мой взгляд.
Антон Мелехов: Увы, много. То есть если мы возьмем интернет-магазин в России, их же огромное число, и из них там, не знаю, ну, ТОП-100, которые из себя что-то нормальное представляют, но из этого ТОП-100 тоже есть сайты, где не очень хороший подогнанный интерфейс, дизайн. Бывают ситуации, что, например, человек заходит с мобильного устройства (смартфон, планшет). А сайт очень некорректно отображается, потому что он не адаптирован. Это тоже проблема. И здесь тоже надо использовать какие-то алгоритмы, смотреть, как это все работает, что-то подстраивать. Естественно. Почему я говорю, что человеческое присутствие и там и там нужно в искусственном интеллекте? Эти данные, которые анализируются, из них же надо делать выводы. Соответственно, растет штат, нужно иметь аналитиков, которые умеют с этой информацией работать, обрабатывать ее, использовать по назначению. Яркий пример: возьмем телеком-операторов. Огромные массивы данных, огромные гигабайты информации: как ведет себя человек. Там, в принципе, можно узнать все о нас с вами.
Алла Бари: Но аналитик не справится с такой задачей.
Антон Мелехов: Да, здесь у нас подключается как раз искусственный интеллект, который передает информацию по каким-то заданным параметрам, и эта информация начинает анализироваться и уже использоваться по заданным нужным параметрам, например: более точная геолокация, отображение на пользователя каких-то, например, контрольных точек, которые с ним рядом находятся (заправки, магазины, пункты обмена, что угодно). Все это прописывается. Возьмите любые приложения, то есть тоже все активно там внедряется и используется.
Алла Бари: Чем больше данных, тем меньше погрешность в выводах?
Антон Мелехов: Да, все верно. Если, как я сказал уже, если стоит задача увеличение продаж, но магазин вас небольшой, все-таки лучше работать изначально на трафик и привлекать себе аудиторию. Но здесь тоже есть такой параметр очень интересный. Бывает ситуация, что крупные онлайн-магазины ставят перед собой задачу (это частое явление) – увеличение притока новых пользователей. Но представить себе ситуацию, если это интернет-гигант с аудиторией, не знаю. У нас, кстати, очень часто путают параметр: «живого человека» и «уникальные cookie». И «живым человеком» у нас часто называют вот эту «cookie», которая по факту, это не «живой человек». В среднем на одного живого пользователя приходится порядка трех-четырех вот этих уникальных cookie, а бывает, и больше. Здесь я уже делюсь опытом работы в прошлой компании. Экс-«TNS». Теперь это по-другому называется. Они тоже подтверждают эту информацию, что в среднем на человека приходится несколько вот этих cookie. И представь себе вот этот огромный массив информации. И такие вот интернет-гиганты, они стремятся к привлечению себе новых пользователей. Но по факту, если они давно на рынке, а у нас охват интернет-аудитории-то не очень большой, откуда им привлекать этих пользователей? Кто эти люди? У них не может быть такая ситуация, что к ним на сайт ежемесячно заходят, не знаю, там порядка тридцати, или там пять-десять миллионов новых пользователей. Потому что, по факту, кто эти люди? Это старая аудитория, которая в свое время потеряла интерес.
Алла Бари: Но эта старая аудитория тоже может возвращаться за повторными покупками.
Антон Мелехов: И с ними как раз надо корректно настраивать работу системы, то есть совершенно без проблем аналитический департамент должен эту информацию получить, с ней правильно поработать и построить какую-то определенную сегментацию, что, например, пользователи, которые. Естественно, массив данных хранится. Есть данные о зарегистрированной аудитории, но зачастую там тот же самый почтовый ящик. Он может меняться. У одного человека может быть до трех-четырех почтовых ящиков.
Алла Бари: Да.
Антон Мелехов: А если они трекали пользователя через один почтовый ящик, он пришел к ним на сайт, не факт, что если он придет через полгода, это будет уже новый пользователь. Это тот же самый, просто он зашел по-новому. Ну, по каким-то причинам, он забыл пароль от старого почтовый ящика, например. И если вот это корректно работает, снизится расход со стороны онлайн-магазина, интернет-сайта даже в целом (это может быть, медийный ресурс), на то, чтобы, грубо говоря, не переплачивать дважды за одного и того же пользователя. Конечно, это сделать сложно, пока что это достаточно сложно, наверно, получить этот результат ощутимый. Но, я думаю, сейчас технологии будут прогрессировать, и можно будет более точно сделать настройку. Потому что часто тоже такая ситуация возникает. Клиент говорит: «Я хочу сделать рекламную компанию на узкую аудиторию». То есть им не нужны все пользователи. Они говорят: «Нам нужны по соцдему определенные параметры: мужчины в определенном возрасте, или женщины, которые интересуются тем-то, тем-то, тем-то. К сожалению, система сейчас не настолько совершенна, чтобы делать точное таргетирование. Если мы говорим про (…
Алла Бари: ) использование искусственных технологий искусственного интеллекта, машинного обучения, всего остального.
Алла Бари: Еще надо, получается, подключать в какой-то степени социальные сети, искать? Есть такие просто сервисы, которые ищут по пользователю.
Антон Мелехов: Да, конечно. Это называется «DMP» (Data Management Platform), которая как раз обогащает это все.
Алла Бари: Да-да-да. Они ищут, я уж не знаю, насколько это считается законным, потому что они где-то на грани находятся. И они обогащают данными социальных сетей свои данные, для того чтобы более ярко выделять, ну, более понятно для себя, выделять поведенческие факторы, помимо там того: возраст, чем интересуется. И, соответственно, более точно воздействовать на эту аудиторию.
Антон Мелехов: Но там как раз используется технология машинного обучения, которое не совсем совершенно. Я не говорю, что Deep Learning – это тоже что-то совершенное, скорее всего там через три-четыре года может появиться что-то еще, сверхуникальное, которое будет гораздо интереснее и лучше работать. Но в чем там погрешность? Понятно, что вот этот массив данных обрабатывается, но в чем проблема? Уникальный cookie (вот это параметр): зачастую бывает ситуация, что дома, например, стоит один компьютер, и им пользуются три-четыре человека. Если мы возьмем Россию в целом, Москва, крупные города-миллионники, они более прогрессируют в этом плане, из дома могут использоваться три-четыре устройства. В случае же с городами с меньшим населением, там как раз еще используются настольные компьютеры. То есть это не ноутбуки, а именно старые.
Алла Бари: Я поняла, стационарные.
Антон Мелехов: Стационарка. И там как раз три-четыре человека может активно использовать компьютер. Например, сидит папа, у него открыта почта, он зашел, ну, он как бы числится как аккаунт, у него есть какие-то параметры определенные. Система, к которой он подключается (которая обладает этой информацией), может знать, что это мужчина в каком-то возрасте, а на самом деле за компьютером находится его жена или находится ребенок, который смотрит тоже какие-то данные. Клиент приходит и говорит: я хочу таких вот мужчин, интересующихся рыбалкой, например. И после этого на всех пользователей этого компьютера в определенный промежуток времени начинает бегать какой-то баннер с рекламой удочек или щук, или карпов. Тому, кто, рядом пруд находится, можете поехать на рыбалку туда (замечательное времяпрепровождение), или там пиво рекламируется, которое, в принципе, нельзя рекламировать, я говорю про безалкогольное. По факту это уже попадание некорректное в аудиторию. То есть если мы используем технологию машинного обучения и делается узкое таргетирование по рекламе, шанс попасть в аудиторию становится все уже и уже, чем больше параметров туда закладывается. То есть если говорят, что «я хочу мужчин в определенном возрасте», шанс того, что клиент получит эту аудиторию, выше, нежели: «мужчина возраста, интересующийся такими-то, такими-то вещами, живущий в таком-то районе, регионе и который там, не знаю, три раза в неделю ходит в спортзал».
Алла Бари: То есть с определением этих параметров нужно достаточно разумно поступать и не перебарщивать?
Антон Мелехов: Сейчас многие компании, которые работают в этой области, начинают тоже активно усовершенствовать алгоритмы, переходить к этому глубокому обучению, чтобы система могла более корректно анализировать все. Вот яркий пример. Давайте я покажу кейсы, связанные как раз с е-commerce.
Алла Бари: А давайте вернемся к слайдам. Мы еще не проговорили. Вот были розовые, красненькие и фиолетовые.
Антон Мелехов: Фиолетовые и красные.
Алла Бари: Красные, да. Вот красные?
Антон Мелехов: Красные – в большей степени работают, здесь отображены, для, наверно, контента сайта. То есть фиолетовые – это прогнозирование поведения аудитории, красные – это контент. Ну, например, прогнозирование продуктового инвентаря – это тоже нужно отнести к контенту, ведь это содержание сайта. Это информация, которая подтягивается туда из различных CRM- и ERP-систем. Через CRM – например, что есть на складе, и система.
Алла Бари: Остатки.
Антон Мелехов: Да. Система может прогнозировать, какой будет спрос. Ну, вот в чем как раз разделение: фиолетовый и красный. Красный – за контент, фиолетовый – именно за продажи, за какие-то действия со стороны аудитории, как с ними можно работать. Сейчас в мире, вот могу сказать, что за последние два-три года огромное количество компаний появилось, которые именно работают по вот этим сегментам. Помимо е-commerce, естественно, прогресс не стоит на месте, и глубокое обучение активно используется в том числе, как я говорил, в фарме, в том числе в автомобилестроении, банковская сфера. И если даже посмотреть по компаниям, очень интересную информацию можно найти по тем, кто вкладывается именно вот в технологии робототехники, искусственного интеллекта.
Алла Бари: Но все-таки фарма – это достаточно, скажем так, финансово обеспеченные компании, как правило, у них достаточно широкий ассортимент, и им, конечно, свой ассортимент надо достаточно таргетированно продвигать на аудиторию.
Антон Мелехов: Не только, здесь же еще идет речь о производстве.
Алла Бари: И о производстве.
Антон Мелехов: Конечно.
Алла Бари: Соответственно, прогнозировать определенный спрос.
Антон Мелехов: Конечно.
Алла Бари: Потому что можно произвести продукт, который не будет пользоваться спросом, будет лежать на прилавках, а это достаточно большие затраты.
Антон Мелехов: И в том числе связывать это, наверно, каким-то образом с логистикой, чтобы корректно отображать момент создания определенного препарата. То есть известно, что, вот сейчас приходит, например, сезон весна-осень – спрос идет на противовирусные препараты, которые помогают бороться с гриппом, с ОРВИ (с респираторными заболеваниями). Соответственно, систему можно как-то настроить, чтобы максимальный упор при производстве шел именно вот на такую продукцию.
Алла Бари: И это все заранее, потому что это высокотехнологичное производство, которое требует времени.
Антон Мелехов: Система уже. Да, но если мы говорим про искусственный интеллект, в любом случае эти параметры закладывается, но потом она начинает уже все это обрабатывать, все эти массивы данных. Здесь опять же надо корректно настроить, чтобы весь массив данных стекался воедино и обрабатывался корректно. То есть для этого нужны огромные сервера данных. Понятно, что сама фарм компания, может быть, не будет строить себе дата-центры, они могут прибегнуть к помощи компаний, которые непосредственно этим занимаются, узко сегментированными, либо открыть у себя подразделение, либо купить какую-то такую компанию и внедрить ее к себе. Яркий пример. Возьмем, что уж далеко ходить, возьмем Сбербанк, который сейчас активно расширяется именно в области онлайн, который приобретает компании, внедряет к себе, которые занимаются определенными технологиями в области как раз искусственного интеллекта. Это и проведение рекламных кампаний, это и связанные с этим технологии, которые помогают простому населению жить лучше. То есть это и внедрение, например, более качественных приложений по работе в онлайн-режиме, которые устанавливаются на смартфон. Вот этот массив данных у них копится, они с ним могут самостоятельно уже работать и достаточно качественно все это используют.
Алла Бари: И еще нужно туда закладывать экономические какие-то параметры.
Антон Мелехов: Конечно.
Алла Бари: Которые связаны с возможностями населения: либо предлагать кредиты, либо, наоборот, предлагать депозиты, да?
Антон Мелехов: Да. И кстати, если интересно, например, кто там вкладывается в странах Запада в крупных компаниях в технологии искусственного интеллекта, понятно, это не только Google, фейсбук. Alphabet, я имею в виду.
Алла Бари: Я думаю, что на Западе достаточно много компаний, которые, они немножечко так, вперед нас идут.
Антон Мелехов: Это и Ford, на самом деле, это и General Electric, это и производители какого-то тяжелого промышленного оборудования, и добывающие компании, ну, естественно, это компании, играющие на фондовом рынке. Они все туда сейчас очень активно смотрят, инвестируют, потому что видят, что там есть огромный потенциал для развития, для совершенствования чего-либо, что они заложили у себя. Вот как раз хотел бы чуть-чуть подробнее рассказать про технологии, которые применяются за рубежом, показать несколько кейсов, ну, если мы возьмем именно сектор е-commerce, про который мы начали рассказывать.
Алла Бари: Давайте посмотрим. У нас следующие слайды.
Антон Мелехов: В данном случае пока хотел обратить внимание на достаточно интересную совместную работу компании NVIDIA. Многие знают компанию NVIDIA как производителя видеокарт, с этого у них все и началось, то есть все, что связано с компьютерами, начинка. Помимо этого они сейчас очень активно идут именно в область работы с Deep Learning (с искусственным интеллектом), у них даже есть свой собственный хаб, который помогает компаниям, работающим в этой области развиваться, плюс активно используются и графические процессы, потому что они мощные, они могут обрабатывать огромное количество информации. И вот на основании такого графического процессора как раз была сделана такая вот интересная вещь для сайта Shoes.com. Понятно, что этот сайт занимается обувью. В чем был интерес?
Алла Бари: Да, расскажите поподробнее.
Антон Мелехов: Они сделали такую достаточно удобную вещь для пользователя, что человек, когда заходит на сайт. Ну, представьте себе, вы зашли купить обувь. Огромный ассортимент, вы начинаете смотреть что-то, что вам может быть интересно, потом вы можете запутаться, потому что обилие товаров очень большое, и система начинает в данном случае давать рекомендацию, как будто это делает персональный гид по магазину. Ну, когда вы приходите в оффлайн-магазин, вы заходите и спрашиваете: «А что бы вы могли посоветовать?» И продавец начинает что-то подсказывать, показывать, какие там коллекции, что-то еще, наибольший спрос. И в данном случае система делает то же самое практически. То есть она помогает вам лучше ориентироваться на сайте, и на основании того, что вы смотрите, давать рекомендации.
Алла Бари: Это какой-то бот, который обладает, скажем так, искусственным интеллектом, и может клиенту наводящими вопросами, выяснять, что он хочет?
Антон Мелехов: Это рекомендательный движок, я бы сказал.
Алла Бари: Или это все-таки? Если рекомендательный движок, значит, он пытается понять, кто пришел на сайт, с каким поведением?
Антон Мелехов: Да.
Алла Бари: То есть проанализировать, сравнить с подобным поведением?
Антон Мелехов: Да. Везде, конечно же, есть изъяны. В случае с машинным обучением, кстати, тоже такой небольшой изъян, который может быть хорошо заметен. Представьте себе, на сайт заходит пользователь, который до этого. Ну, это кибермаркет, где продается, ну, или магазин одежды, где представлена мужская, женская, детская одежда. И вот, например, пользователь всегда смотрел женскую одежду, и тут неожиданно начинает смотреть мужскую, ремни, например. Машинное обучение может его посчитать, что это может быть какой-то сбой и не придать этому значение.
Алла Бари: А на самом деле девушка вышла замуж или встретила молодого человека и делает подарок.
Антон Мелехов: Либо это сезонность, да, и делается подарок. И в случае с глубоким обучением на рекомендационном движке в ретаргетинге, например, будут отображаться, в том числе товары, связанные с этим. То есть это могут отображаться сумки, ремни и что-то еще.
Алла Бари: Это вот тот вариант, когда женщина делает покупки на сайте и для мужа и для ребенка и для себя.
Антон Мелехов: Все верно. Либо это как раз какой-то сезонный тренд, когда 23 февраля все ринулись покупать подарки.
Алла Бари: Да, связанный с праздником.
Антон Мелехов: Или, наоборот, всегда смотрелась пользователем мужская одежда, а тут смотрятся сумки. Понятно, что это, наверно, на подарок. И если код стоит давно, он все это обрабатывал, понимает, что такое поведение пользователя возможно вот в этот промежуток времени и не стоит забывать об этом пользователе, можно на него это светить дальше. Скорее всего, он может из обычного посетителя конвертироваться в покупателя. Вот пример. Тот же самый Shoes.com может такие же, я так понимаю, сейчас делать рекомендации.
Алла Бари: А если мы говорим не про рекомендации, как я начала говорить, а есть персональный консультант на сайте, который обладает каким-то перечнем вопросов и таким же, под каждый вопрос, перечнем ответов, таким образом выявляет клиента. То есть начинает с ним общаться, это как вот консультант для банка, начинает выявлять, с какими запросами пришел пользователь. И, соответственно, делает под него определенную подборку.
Антон Мелехов: Здесь лучше сделать пример сейчас, на самом деле, не Shoes.com (у меня просто нет этого кейса), а с сайтом Farfetch. Знаете?
Алла Бари: Farfetch – не знаю.
Антон Мелехов: Советую посмотреть. Это огромный классифайд, даже не классифайд, это агрегатор информации о товарах премиум класса (премиум одежды), доступный по всему миру. То есть, грубо говоря, вы туда заходите, выбираете бренд, и он показывает, где эти вещи есть.
Алла Бари: Очень интересно.
Антон Мелехов: Например, и какая цена. Вы заходите, распродажу выбираете, он покажет, что, например, вот этот товар вы можете купить, его привезут из бутика в Милане, он там будет стоить такую-то сумму, дешевле, чем в Москве, например. Система, то есть позволяет все это, туда стекается информация со многих бутиков, они осуществляют продажу, естественно, там, как я понимаю, магазин платит им какую-то комиссию за использование этого сервиса. Но она чем удобна? То есть она и дает рекомендации, и плюс они сейчас недавно пошли вперед, и решили объединить онлайн с оффлайном. Грубо говоря, человек приходит в бутик, подключенный к этому Farfetch.
Алла Бари: И забирает.
Антон Мелехов: Не совсем. Там стоят программы (ну, монитор, планшет, я не знаю), где человек, когда совершает покупку, он может зарегистрироваться, какую-то информацию внести о себе. И там по чеку, например, информация сохраняется (что купил человек). Эта информация хранится и после этого, когда человек заходит на сайт, он залогинен.
Алла Бари: Это история покупок к нему?
Антон Мелехов: Ему уже даются рекомендации персональные: что он смотрел, какие товары, какой цвет, какие бренды. И вот как раз персональный консультант в полной мере, и вы не ограничены здесь одним магазином. Здесь огромная территория: там тысячи брендов, тысячи магазинов по всему миру. Очень удобно, я думаю.
Алла Бари: Да, это классно.
Антон Мелехов: Это вот как раз, это огромная польза и плюс для бизнеса: как непосредственно для владельца сайта Farfetch, так и для всех магазинов, которые там задействованы.
Алла Бари: Очень интересно, потому что раньше я использовала просто иностранные сайты для покупок (итальянские, французские), и уже через людей, которые там живут, делала себе доставку, а здесь проще.
Антон Мелехов: Здесь все проще: вы зашли, заказали и вам привозят через два-три дня. Они очень хорошо это настроили, и очень многие обращают внимание, что это удобно.
Алла Бари: Конечно.
Антон Мелехов: Почитайте отзывы.
Алла Бари: Да, обязательно посмотрю. Вернемся к кейсам нашим, да?
Антон Мелехов: Да, давайте, к следующему кейсу. (Слайд). Здесь мы немножко отойдем уже от онлайн-магазина, перейдем к тоже достаточно интересному.
Алла Бари: Coca-Cola, да, это достаточно известный бренд.
Антон Мелехов: Coca-Cola в этом году объявила, что они собираются очень активно внедрять технологии искусственного интеллекта у себя в настройку работы рекламных кампаний. И, таким образом, что они будут делать? Естественно, в чем идет упор? Упор идет в контент, медиа и коммерцию, какие-то продажи.
Алла Бари: Но Coca-Cola, наверно, по большей части, продвигает сам бренд, а не продукты?
Антон Мелехов: Да, они продвигают бренд, и они делают с помощью использования как раз технологии искусственного интеллекта, идет упор на то, чтобы упрощать процесс создания рекламных материалов. Грубо говоря, можно запустить вот этот вот алгоритм.
Алла Бари: То есть они пытаются выявить, на что их аудитория реагирует, правильно?
Антон Мелехов: Лучше реагирует: какая музыка, например, более интересна. Анализируется.
Алла Бари: Coca-Cola – это все-таки больше оффлайновая покупка, вернее, это оффлайновая покупка?
Антон Мелехов: В онлайне они работают именно на бренд, на привлечение аудитории, работу с ней.
Алла Бари: А как они снимают вот эти показатели? Они показывают, например, крутится какой-то период определенного формата реклама.
Антон Мелехов: Да.
Алла Бари: И смотрят, насколько у них конвертируется это в покупки в оффлайне?
Антон Мелехов: В покупку это будет очень сложно отконвертировать, потому что, вот идет рекламная кампания, и сложно понять, насколько потом уйдет буст в продажи.
Алла Бари: Оффлайновые?
Антон Мелехов: Оффлайновые.
Алла Бари: Которые замерить сложно.
Антон Мелехов: Потому что они представлены везде, и сами понимаете, если это, берем Россию, понятно, что в случае с онлайн с крупными сетями, там можно как-то проследить, а если мы возьмем небольшие магазинчики?
Алла Бари: Да.
Антон Мелехов: Сколько продается после рекламной кампании, насколько больше бутылок Coca-Cola стал покупать пользователь, который в ларьке у дома?
Алла Бари: Ну хотя бы, в принципе, они могут по крупным сетям снимать эти показатели.
Антон Мелехов: Ну, здесь данные-то все равно будут неполноценные.
Алла Бари: Неполноценные.
Антон Мелехов: И здесь, конечно же, основной. А если, например, возьмем McDonald`s тот же самый, или Burger King, где эта Coca-Cola разливается в стаканы. Там же тоже сложно прогнозировать, какое количество этой Coca-Cola (или Pepsi, что угодно, газировки) было выпито непосредственно покупателями, а непосредственно сотрудниками, сколько в разлив ушло. Там же как? Если мы возьмем Burger King тот же самый, там дается стакан и очень много раз можно себе налить его, и кто это сделал? Например, один человек, который купил стакан под влиянием этой рекламной кампании, либо что-то еще, либо просто у него предпочтение к этому бренду. И основная задача, конечно. Вот идет рекламная кампания, например. Все баннеры, в них ставится специальный код, который позволяет оценивать, как компания работает: видел ли пользователь этот рекламный ролик (то есть это может быть видеобаннер, это может быть обычный медийный баннер), кликнул ли он по нему, включал ли он звук, выключал ли он звук. Естественно, идут опросы какие-то. По телевизионной рекламе опрашивается контрольная группа: понравилась ли им реклама или не понравилась. И вся эта информация стекается в единый массив данных, который обрабатывается, и оттуда уже можно получить как раз вот эти вот данные все: относительно звукового содержания, звука, который применялся (все ли с ним было хорошо).
Алла Бари: Видеодорожка.
Антон Мелехов: Видео (на кого, например, лучше реагировала аудитория: на мужчин, на девушек, на женщин, которые в рекламе появлялись), какой тематики должен быть этот контент, заточенный, в рекламном креативе.
Алла Бари: Здесь они, наверно, больше реагируют, смотрят по продолжительности просмотра?
Антон Мелехов: Не только. Здесь может быть не только продолжительность просмотра: были ли клики, в каком моменте.
Алла Бари: Ну, вот, клики, да, продолжительность просмотра. Если человек досмотрел ролик до конца, то, скорее всего, он его заинтересовал?
Антон Мелехов: Не всегда.
Алла Бари: С другой стороны, да, он мог просто в этот момент выйти.
Антон Мелехов: Он мог выйти, или он просто страницу оставил, или пытался проскролить, у него не получалось.
Алла Бари: Антон, у нас остается совсем мало времени, всего четыре минуты.
Антон Мелехов: Да, ну, все не успел показать.
Алла Бари: Да, к сожалению. Так увлекательно мы разговариваем, очень много интересного и, мне кажется, такая информация, она, в общем-то, очень полезная для пользователей, потому что тут вот самое новое, самое последнее – тренды, которые используются.
Антон Мелехов: Могу сказать просто вкратце, наверно, о том, что мы достигли при использовании технологий глубокого обучения.
Алла Бари: Да.
Антон Мелехов: У нас система тоже работает на движке NVIDIA. Мы входим также вот в этот хаб, про который я рассказал до этого. И я часто смотрю результаты одной компании, к сожалению, не могу назвать имя клиента, потому что.
Алла Бари: NDA.
Антон Мелехов: NDA. Да. Могу сказать так, что, чем помог нам вот этот алгоритм? Я смотрел по количеству показов, кликов и по конверсии, которые мы получали по ведению рекламной кампании. Грубо говоря, в апреле прошлого года, например, мы брали 10 млн. показов, из них приходило там 5 тысяч кликов, или там конверсия была – там 2%, и какое-то количество конверсий мы получали. В случае с этим годом, когда уже технология начала работать лучше, и на сайте этого интернет-магазина мы получили больше данных по поведению пользователя, мы сократили количество закупаемых показов. У нас количество кликов не особо сильно уменьшилось, у нас даже выросла конверсия. С чем это связано? Система начинает более точно определять, на кого стоит показать. Мы же работаем с большим количеством площадок, мы закупаем.
Алла Бари: То есть, в принципе, выявляет более целевую аудиторию?
Антон Мелехов: Более ценного пользователя, да. И здесь как раз может быть ситуация с пользователем, который смотрел портфель (девушкой), что стоит на нее показать баннер, потому что она скорректируется.
Алла Бари: Выбирает подарок.
Антон Мелехов: Она выбирает подарок, и не стоит терять эту женщину, если она, например, смотрела подарок там на 30 тысяч рублей. Хорошая продажа для интернет-магазина, а в среднем, например, этот пользователь осуществляет покупку там на три-четыре тысячи рублей в месяц, а тут на 30 тысяч. И жалко терять такого пользователя. Вот пример. И это очень активно работает.
Алла Бари: И это экономия для бизнеса.
Антон Мелехов: Это экономия для бизнеса, это разумная трата бюджета, и в итоге повышение (…
Алла Бари: ).
Алла Бари: На самом деле, да, многие собственники ставят задачу перед отделом маркетинга (интернет-маркетинга) о том, чтобы не расширять рекламный бюджет на интернет-рекламу, а более точно его использовать.
Антон Мелехов: Держать его в рамках так называемого параметра ДРР.
Алла Бари: Да, в рамках параметров, но при этом повышать конверсию и, продажи, соответственно.
Антон Мелехов: Ну, здесь, сами понимаете, это можно достичь только совершенствованием таких систем, потому что увеличивать продажи за счет сокращения бюджета достаточно сложно. Потому что данные-то надо обрабатывать, с ними надо работать, а, грубо говоря, разместиться на миллион рублей и ждать, что у тебя продажи увеличатся до 40-ка миллионов.
Алла Бари: Но если мы говорим о том, что мы прям таргетируемся очень узко, то есть мы более явно выделяем свою целевую аудиторию, и, таким образом, понимаем, что, скорее, там у нас конверсия вырастет по покупкам.
Антон Мелехов: С онлайн-магазином не стоит делать таргетирование по соц.дем. параметрам на аудиторию.
Алла Бари: Сейчас многие говорят об этом.
Антон Мелехов: Потому что если человек пришел на сайт, он заинтересован, и он хочет купить, и не важно, кто это.
Алла Бари: Да. Многие говорят о том, что сейчас надо таргетироваться на поведенческие показатели.
Антон Мелехов: Да, как себя ведет человек на сайте. И если он был, на самом деле, на нем, не стоит его делить на мужчин и женщин, они все принесут прибыль, потому что они у вас оказались, они были заинтересованы. Может быть, купят сейчас, может быть, купят через неделю, через месяц, через год. Но сам факт именно – надо с ними работать, и не стоит разделять их, потому что они все дадут прибыль когда-либо.
Алла Бари: Антон, спасибо, очень интересный разговор.
Антон Мелехов: Спасибо.
Алла Бари: Да, я вот люблю эти темы – все, что связано с искусственный интеллектом, с машинным обучением. Была рада, что ты сегодня пришел к нам в гости.
Антон Мелехов: Спасибо, что позвали.
Алла Бари: Будем надеяться, что еще придешь, и примешь наше приглашение. Очень интересные темы, и, мне кажется, здесь можно говорить бесконечно просто, и все вглубь, вглубь, вглубь.
Антон Мелехов: Мы только ограничены временем.
Алла Бари: Да, мы только ограничены временем. Друзья, спасибо вам, что были сегодня в такой поздний час с нами. Прощаемся с вами до следующего четверга. И всего вам доброго!
Антон Мелехов: Хорошего вечера!