Точное попадание в аудиторию. Как ИИ анализирует потенциальный спрос

По данным World Economic Forum (WEF), 85% руководителей в мире считают ИИ критически важным для роста конкурентоспособности компаний. Одним из обязательных условий для нее становится исследование целевой аудитории (ЦА) и потенциального спроса перед выводом новых продуктов на рынок. Сегодня нейросети справляются с этой задачей за 24-48 часов. Согласно данным PwC Global, ИИ-аналитика сокращает операционные расходы на создание и продвижение MVP в среднем на 40%.

Меня зовут Кирилл Пшинник, я научный сотрудник Университета Иннополис и CEO онлайн-университета «Зерокодер». Моя профессиональная деятельность напрямую связана с ИИ. В этот раз я расскажу, как он помогает определить бизнесу свою целевую аудиторию и выпускать на рынок востребованные продукты.

ИИ меняют правила игры

По данным международных аналитических компаний, а также Стенфордского института ИИ, более 70% компаний по всему миру внедрили нейросети в свои бизнес-процессы. При этом все чаще ИИ используется для создания минимального жизнеспособного продукта — MVP. Компании, использующие подобный метод запуска и продвижения своих товаров и услуг, сокращают время выхода на рынок на 75%.

Нейросети используются сегодня на всех этапах создания продукта, но одна из их важнейших функций — точное определение ЦА и ее запросов, в том числе и скрытых. К примеру, в России крупные компании, разрабатывающие ИИ-решения (Яндекс, Сбер и т.д.), применяют нейросети для анализа отзывов на их сервисы со стороны пользователей, а также автоматического разделения последних на целевые группы. Это позволяет на треть сократить расходы на маркетинг.

Еще один популярный способ использования нейросетей в этом направлении — создание ИИ-агентов, имитирующих поведение потенциальных потребителей. Его активно используют предприниматели в США, Европе, Китае и Индии. По словам экспертов, такой подход помогает предсказать успех или провал MVP еще на этапе идеи.

ИИ-потребители и стереотипы

Результаты исследования Harvard Business Review показали: специализированные ИИ-инструменты могут довольно точно сымитировать поведение потребителей из разных целевых сегментов. Но нельзя игнорировать риски, связанные с этим методом изучения аудитории. Главный из них — неспособность нейросетей предугадать временами нелогичное и импульсивное поведение людей.

По словам аналитиков MIT Sloan Management Review, ИИ-модели могут работать под влиянием стереотипов, которые усваивают еще во время обучения из баз данных. В итоге они могут не отследить изменения настроений аудитории, проигнорировать или недооценить социокультурные сдвиги.

Также исследователи отмечают, что ИИ, принимая на себя роль потенциального потребителя, может генерировать ответы, считающиеся социально одобряемыми, но не соответствующие реальному поведению представителей фокус-групп. По данным Gartner, на сегодняшний день ИИ-модели в 30% случаев неверно отражают поведение ЦА. Избежать искажений можно двумя способами — дообучить нейросеть, расширив контекст и добавив деталей, или проводить исследование традиционным способом. Но в последнем случае на это уйдет слишком много времени — от 4 до 8 недель.

ИИ и точность предложения

Скорость ИИ-исследования и анализа цифрового следа потребителей, входящих в целевые группы, позволяет компаниям составлять детальные портреты потенциальных покупателей. ИИ-модели исследуют истории покупок, подборки избранных товаров, отзывы, паттерны поведения пользователей приложений, страницы в соцсетях и т.д.

Как объясняют аналитики Deloitte, нейросети, обладая информацией о характеристиках продукта, проверяют вероятность его востребованности в том или ином сегменте аудитории. К примеру, то, что точно захотят приобрести «люди от 30 до 45 с высоким уровнем стресса и средним доходом» может не подойти для «студентов от 18 до 25, проводящих свободное время в ночных клубах». И наоборот.

ИИ и рост продаж

Наиболее эффективны подобные исследования в сфере ритейла. Показательный российский кейс — маркетплейс Lamoda. Интегрированная в работу площадки ИИ-модель меняет рекомендации в реальном времени, сразу считывая нюансы поведения пользователя. Это позволяет увеличить продажи на треть, а также поднять уровень лояльности покупателей.

С другой стороны, Wildberries также активно работает с нейросетями. Помимо прочего, ИИ дает возможность маркетплейсу прогнозировать региональный спрос. В итоге точность попадания в ЦА увеличивается на 25% и оптимизируется логистика. Товары, которые не будут востребованы на определенной территории, вряд ли попадут на региональные склады.

Для Т-Банка и Альфа-Банка нейросети составляют психологические портреты клиентов, причем в динамике. Для этого ИИ отслеживает транзакции и поведение пользователей банковских приложений. В итоге в момент запуска нового продукта, о нем в первую очередь узнают те, кто, по мнению нейросетей, могут быть по-настоящему в нем заинтересованы. В итоге конверсия превышает среднюю по рынку на 30-40%.

ИИ в России применяют и для анализа спроса на экспортных рынках. К примеру, агрохолдинг «Русагро» благодаря этому корректирует структуру и объемы посевов еще до начала сезона, повышая операционную эффективность на 10-12%.

Мировая практика ИИ-аналитики

По данным Stanford HAI Index, более 70% компаний США используют ИИ для исследований ЦА и тестирования MVP. В том числе за счет помощи бизнесу в создании максимально востребованных товаров и услуг, ИИ сможет ежегодно добавлять 1,2% к ВВП страны. Один из ярких примеров глубокой интеграции нейросетей в прогнозирование спроса — кейс агрокомпании John Deere. Согласно отчету Barclays, ИИ-аналитика клиентского поведения позволила ей поднять продажи на 20% всего за год.

В Евросоюзе полноценно запускать процесс анализа поведения целевой аудитории с помощью ИИ мешает EU AI Act. Он запрещает собирать персональные данные, оставляя бизнесу только одну возможность — создавать виртуальных двойников потенциальных клиентов с помощью нейросетей и пытаться с их помощью составить представление о возможном спросе. При этом, по данным Glean и ISG, ИИ-агентов в таком качестве используют уже 80% крупных компаний в ЕС. При этом, по словам аналитиков Deloitte, энергетические европейские гиганты с помощью нейроаналитики в сжатые сроки достигли возврата 100% инвестиций.

Наибольшую активность в применении ИИ показывают страны Азиатско-Тихоокеанского региона. Так, по данным Forrester, 26% локальных компаний инвестируют в нейросети более $500 тыс. ежегодно. В США — только 19%. Аналитики NIQ сообщают, что более 50% жителей Китая и Индии доверяют ИИ-рекомендациям при совершении покупок. Это позволяет крупным корпорациям в 2,5 раза сократить время первичных исследований спроса перед запуском новых продуктов.

ИИ и живые исследования

ИИ — отличный инструмент, позволяющий как составить представление о потенциальном клиенте компании или потребителе нового продукта, так и продвинуть его на рынке. Но специалисты предостерегают: полностью полагаться на нейросети в исследовании спроса не стоит. Хотя, как утверждают аналитики Forrester, ИИ помогает из десятков и сотен идей определить 2-3, которые по-настоящему «выстрелят», его возможности необходимо сочетать с традиционными подходами к выявлению запросов ЦА.

Специалисты Стенфордского института искусственного интеллекта призывают не отказываться от интервью с реальными людьми ради ИИ-аналитики, потому что только их сочетание дает 90% вероятности попадания в аудиторию. К тому же, как утверждают аналитики Deloitte, отсутствие контакта с реальными потребителями и слишком высокий уровень доверия ИИ со стороны бизнеса снижают уровень клиентского доверия и удовлетворенности на 20%.

ИИ — помощник, но не замена человека, в том числе и исследователя, создателя продукта или маркетолога. Если забыть об этом, можно потерять и время, и деньги, и клиентов.