gpt party 3.0. Галина Шубик "Практическое применение ИИ в перформанс-маркетинге"
В Кремниевой долине 9-10 марта прошел GPT Party 3.0 — самый масштабный русскоязычный нетворкинг-ивент, посвященный искусственному интеллекту. Более 450 человек собрались в Plug and Play, чтобы встретиться с ведущими экспертами, предпринимателями и инвесторами, обсудить последние тенденции в области искусственного интеллекта и получить практические знания.
На GPT Party Галина Шубик, сооснователь Affect Group, выступила на тему "Practical application of AI in performance marketing". Галина поделилась опытом своей компании и рассказала, с каким задачами в маркетинге искусственный интеллект уже справляется лучше человека, а где инструменты ИИ пока бесполезны.
На GPT Party Галина Шубик, сооснователь Affect Group, выступила на тему "Practical application of AI in performance marketing". Галина поделилась опытом своей компании и рассказала, с каким задачами в маркетинге искусственный интеллект уже справляется лучше человека, а где инструменты ИИ пока бесполезны.
Очевидно, что искусственный интеллект оказывает значительное воздействие на область маркетинга. Каждый день появляются стартапы, обещающие автоматизировать всю работу маркетинговых команд. Я расскажу на примере нашего агентства, как мы каждый день используем различные инструменты. Они значительно экономят наше время и упрощают процессы, хотя не все из них полностью функционируют.
Это действительно полезный слайд. Вы можете взять его с собой и обсудить с вашими маркетологами. Это процесс, который мы каждый день видим в нашей компании: шесть шагов, которые правильно приводят клиентов из цифровых каналов.
Это действительно полезный слайд. Вы можете взять его с собой и обсудить с вашими маркетологами. Это процесс, который мы каждый день видим в нашей компании: шесть шагов, которые правильно приводят клиентов из цифровых каналов.
Первый шаг: access
Первый шаг - определить, есть ли у брендов клиенты в цифровых каналах. Это просто: если у аудитории широкая специализация, то клиенты в цифровых каналах есть. Если специализация узкая, нам нужен помощь. Мы покупаем данные у поставщиков, для нас лучше всего оказался Metadata. Мы загружаем эти данные в наши цифровые каналы, находим профили реальных людей и нацеливаемся на них.
Дальше начинается интересное. Первые три шага это то, что раньше делали вручную. Маркетологи могли найти нужных людей по социально-демографическим характеристикам или по средней частоте покупки. Или можно было купить нужные данные. А недавно появился black box. Это то, что живет под капотом, в мозгах цифровых площадок. Я буду часто рассказывать об этом на примере Meta, но это работает одинаково для TikTok, LinkedIn, Google и так далее. Этот black box называется предиктивный таргетинг.
Как это работает? Мы загружаем в Meta широкую аудиторию и говорим: "Нам нужны люди, которые купят наш товар". Meta начинает крутить объявление, человек переходит с объявления на сайт и покупает, заполняет форму или регистрируется. Что происходит дальше? Meta знает прекрасно, что этот человек делал в предыдущие две недели, что он лайкал, репостил, на какие сайты он ходил, какими приложениями в телефоне пользовался. И Meta начинает из своей большой базы данных, которую мы ей дали, искать людей, которые сейчас ведут себя так, как человек, совершивший покупку две недели назад. Она их находит и показывает наш креатив разным людям на разных этапах пути. Это часть искусственного интеллекта, которая не подвластна мозгу человека. Тут происходит реальная революция, потому что человек не может проанализировать такое количество данных.
Конечно, это не работает для брендов с узкой аудиторией, например, для малого бизнеса. Если у вас ограниченное количество клиентов, этот подход будет менее эффективен и потребует более ручного управления.
Первый шаг - определить, есть ли у брендов клиенты в цифровых каналах. Это просто: если у аудитории широкая специализация, то клиенты в цифровых каналах есть. Если специализация узкая, нам нужен помощь. Мы покупаем данные у поставщиков, для нас лучше всего оказался Metadata. Мы загружаем эти данные в наши цифровые каналы, находим профили реальных людей и нацеливаемся на них.
Дальше начинается интересное. Первые три шага это то, что раньше делали вручную. Маркетологи могли найти нужных людей по социально-демографическим характеристикам или по средней частоте покупки. Или можно было купить нужные данные. А недавно появился black box. Это то, что живет под капотом, в мозгах цифровых площадок. Я буду часто рассказывать об этом на примере Meta, но это работает одинаково для TikTok, LinkedIn, Google и так далее. Этот black box называется предиктивный таргетинг.
Как это работает? Мы загружаем в Meta широкую аудиторию и говорим: "Нам нужны люди, которые купят наш товар". Meta начинает крутить объявление, человек переходит с объявления на сайт и покупает, заполняет форму или регистрируется. Что происходит дальше? Meta знает прекрасно, что этот человек делал в предыдущие две недели, что он лайкал, репостил, на какие сайты он ходил, какими приложениями в телефоне пользовался. И Meta начинает из своей большой базы данных, которую мы ей дали, искать людей, которые сейчас ведут себя так, как человек, совершивший покупку две недели назад. Она их находит и показывает наш креатив разным людям на разных этапах пути. Это часть искусственного интеллекта, которая не подвластна мозгу человека. Тут происходит реальная революция, потому что человек не может проанализировать такое количество данных.
Конечно, это не работает для брендов с узкой аудиторией, например, для малого бизнеса. Если у вас ограниченное количество клиентов, этот подход будет менее эффективен и потребует более ручного управления.
Второй шаг: forecast
Необходимо сосредоточиться на своем сообщении, потому что маркетинговый успех не зависит от красивых картинок. Мы должны подтолкнуть людей к действиям, которые нам нужны. Прежде чем начать фокусироваться и запускать кампании, мы должны рассчитать, стоит ли нам привлекать всех этих людей через цифровые каналы. Искусственный интеллект здесь беспомощен. Человек анализирует свои воронки, знает емкость аудитории и предполагаемые конверсии. Бизнес осведомлен о том, сколько каждый пользователь приносит денег в год, и какой ROI он хочет получить от компании. Наша задача - протестировать эту среду и понять, можем ли мы через цифровые каналы привлечь достаточно конверсий, чтобы получить положительный ROI.
Необходимо сосредоточиться на своем сообщении, потому что маркетинговый успех не зависит от красивых картинок. Мы должны подтолкнуть людей к действиям, которые нам нужны. Прежде чем начать фокусироваться и запускать кампании, мы должны рассчитать, стоит ли нам привлекать всех этих людей через цифровые каналы. Искусственный интеллект здесь беспомощен. Человек анализирует свои воронки, знает емкость аудитории и предполагаемые конверсии. Бизнес осведомлен о том, сколько каждый пользователь приносит денег в год, и какой ROI он хочет получить от компании. Наша задача - протестировать эту среду и понять, можем ли мы через цифровые каналы привлечь достаточно конверсий, чтобы получить положительный ROI.
Третий шаг: focus
Фокус - это та зона, в которой искусственный интеллект значительно улучшает работу человека. Что такое сфокусированное сообщение? Для успешной маркетинговой компании это означает не просто показать красивый бренд, а использовать ряд лайфхаков. Например, необходимо предложить киллер-оффер, специальное предложение, которое заставит человека выбрать именно ваш бренд, а не конкурента. Использование биases, исследованное Google, играет здесь ключевую роль. Существуют понятные биases, которые влияют на решение человека совершить покупку.
Теперь давайте перейдем к тому, как искусственный интеллект помогает нам. Во-первых, есть проблема "белого листа". Когда стратег или креативщик должен начать работу с чистого листа, это очень сложно. Тогда можно попросить ИИ создать что-то, а потом перерабатываешь это. Писать становится гораздо легче, когда у тебя уже есть основа.
Однако есть и то, с чем искусственный интеллект не помогает. Мы попробовали различные ИИ-инструменты для написания маркетинговых текстов - от Jasper до ChatGPT. К сожалению, они не справляются с задачей написания коротких маркетинговых текстов. Тексты, созданные ИИ, получаются очень скучными и неэффективными для наших целей.
Кроме того, ИИ также не помогает в создании идей. Мы запросили у ИИ креативные идеи для организации, помогающей эмигрантам в Стэнфорде, но полученные варианты оказались неудачными. Идея, предложенная ИИ, не имела той живости и остроты, которую придумали бы живые креативщики.
Фокус - это та зона, в которой искусственный интеллект значительно улучшает работу человека. Что такое сфокусированное сообщение? Для успешной маркетинговой компании это означает не просто показать красивый бренд, а использовать ряд лайфхаков. Например, необходимо предложить киллер-оффер, специальное предложение, которое заставит человека выбрать именно ваш бренд, а не конкурента. Использование биases, исследованное Google, играет здесь ключевую роль. Существуют понятные биases, которые влияют на решение человека совершить покупку.
Теперь давайте перейдем к тому, как искусственный интеллект помогает нам. Во-первых, есть проблема "белого листа". Когда стратег или креативщик должен начать работу с чистого листа, это очень сложно. Тогда можно попросить ИИ создать что-то, а потом перерабатываешь это. Писать становится гораздо легче, когда у тебя уже есть основа.
Однако есть и то, с чем искусственный интеллект не помогает. Мы попробовали различные ИИ-инструменты для написания маркетинговых текстов - от Jasper до ChatGPT. К сожалению, они не справляются с задачей написания коротких маркетинговых текстов. Тексты, созданные ИИ, получаются очень скучными и неэффективными для наших целей.
Кроме того, ИИ также не помогает в создании идей. Мы запросили у ИИ креативные идеи для организации, помогающей эмигрантам в Стэнфорде, но полученные варианты оказались неудачными. Идея, предложенная ИИ, не имела той живости и остроты, которую придумали бы живые креативщики.
Еще одной областью, в которой искусственный интеллект отлично справляется, это маркетинговые фокус-группы. Мы просим его представиться группой из 10 маркетологов, оценить идею и выдать свое резюме. Удивительно, но то, что сделал ChatGPT, совпало с результатами реальной фокус-группы, которую мы провели - то есть они выбрали одну и ту же идею.
Еще одним важным аспектом, в котором искусственный интеллект помогает нам, является создание имиджа. Конечно, дизайнеру все равно приходится вносить свои правки: добавлять плашки, менять положение рук, корректировать цвета. Но база реально генерировать с помощью искусственного интеллекта. Это позволяет избежать необходимости покупать изображения на фотостоках и экономит много времени на создание базового имиджа. Это огромное преимущество для рекламных агентств.
Кроме того, вот как выглядят креативы, созданные человеком, и вот так созданные искусственным интеллектом. Появляется ощущение, что используется очень дорогое 3D, высокая детализация, а при этом производство обходится гораздо дешевле с помощью искусственного интеллекта.
Важно отметить, что искусственный интеллект не работает без участия человека. Недавно мне фаундер на демо сказал: "Ребята, не переживайте, если искусственный интеллект плохо нарисует, наши дизайнеры исправят".
Кроме того, вот как выглядят креативы, созданные человеком, и вот так созданные искусственным интеллектом. Появляется ощущение, что используется очень дорогое 3D, высокая детализация, а при этом производство обходится гораздо дешевле с помощью искусственного интеллекта.
Важно отметить, что искусственный интеллект не работает без участия человека. Недавно мне фаундер на демо сказал: "Ребята, не переживайте, если искусственный интеллект плохо нарисует, наши дизайнеры исправят".
четвертый шаг: experiment
Прежде чем запустить маркетинговую кампанию, мы должны протестировать ее на небольшом бюджете, проверить все гипотезы, чтобы понять, какая из них работает для бренда. Что такое гипотеза? Это различные каналы таргетинга, сообщения, креативы, форматы, которые мы выбираем.
Существуют также макрокомпоненты, включающие в себя выбор платформ, таргетинг и форматы, а также микрогипотезы, которые включают различные фоны баннеров, тексты и так далее. Мы должны тестировать каждую гипотезу, чтобы понять ее эффективность. Важно не экономить на тестировании, так как это может привести к недооценке гипотезы.
Теперь мы обращаемся за помощью к искусственному интеллекту. Наша задача - сгенерировать максимальное количество гипотез. Например, для одного из реальных клиентов было создано 2056 вариаций. Если бы это тестировал человек, нам бы потребовалось 45 000 долларов и около года времени. Но искусственный интеллект создал для нас космос под капотом цифровых площадок. Как это работает теперь? Мы раньше искали предпринимателей по интересам, поведению и базе данных, чтобы тестировать каждую группу. Но теперь мы говорим Meta: "Вот 10 миллионов человек, найди нам предпринимателей, которые совершат нужное действие, и мы не ограничиваем тебя". Meta использует свои знания о каждом из нас, чтобы показывать креативы только тем людям, которые совершат действие с большой вероятностью.
Мы загружаем любое количество наборов сообщений, креативов, фонов и т. д. в качестве контент-пакета и передаем их искусственному интеллекту. Meta начинает тестировать комбинации, оптимизируя их для достижения наилучших результатов. Она также тестирует разные форматы размещения объявлений и выбирает самые эффективные связки всех параметров, что приводит к нужному результату. Искусственный интеллект управляет таргетингом, форматами креатива и размещением, а человек отвечает за подготовку.
Прежде чем запустить маркетинговую кампанию, мы должны протестировать ее на небольшом бюджете, проверить все гипотезы, чтобы понять, какая из них работает для бренда. Что такое гипотеза? Это различные каналы таргетинга, сообщения, креативы, форматы, которые мы выбираем.
Существуют также макрокомпоненты, включающие в себя выбор платформ, таргетинг и форматы, а также микрогипотезы, которые включают различные фоны баннеров, тексты и так далее. Мы должны тестировать каждую гипотезу, чтобы понять ее эффективность. Важно не экономить на тестировании, так как это может привести к недооценке гипотезы.
Теперь мы обращаемся за помощью к искусственному интеллекту. Наша задача - сгенерировать максимальное количество гипотез. Например, для одного из реальных клиентов было создано 2056 вариаций. Если бы это тестировал человек, нам бы потребовалось 45 000 долларов и около года времени. Но искусственный интеллект создал для нас космос под капотом цифровых площадок. Как это работает теперь? Мы раньше искали предпринимателей по интересам, поведению и базе данных, чтобы тестировать каждую группу. Но теперь мы говорим Meta: "Вот 10 миллионов человек, найди нам предпринимателей, которые совершат нужное действие, и мы не ограничиваем тебя". Meta использует свои знания о каждом из нас, чтобы показывать креативы только тем людям, которые совершат действие с большой вероятностью.
Мы загружаем любое количество наборов сообщений, креативов, фонов и т. д. в качестве контент-пакета и передаем их искусственному интеллекту. Meta начинает тестировать комбинации, оптимизируя их для достижения наилучших результатов. Она также тестирует разные форматы размещения объявлений и выбирает самые эффективные связки всех параметров, что приводит к нужному результату. Искусственный интеллект управляет таргетингом, форматами креатива и размещением, а человек отвечает за подготовку.
пятый шаг: control
Оценка эффективности рекламной кампании - это ключевая задача, и для этого мы используем различные инструменты. Если цикл сделки простой и происходит онлайн, мы используем GA4, который может строить атрибуционные модели с максимальной точностью, определяя, откуда, скорее всего, пришел человек, даже если это произошло офлайн.
Если цикл сделки сложный и длинный, мы используем ELLIE и Improvado.
После запуска кампании нельзя просто останавливать ее через первые несколько дней, потому что площадкам нужно время, чтобы "подкрутить" свои алгоритмы. Живой пример - компания, которая начала рекламу на трех платформах: Google, Facebook и LinkedIn. Изначально Facebook принес очень мало кликов, и казалось, что его нужно отключить. Однако, дождавшись завершения цикла сделки, выяснилось, что Facebook привлек качественную аудиторию, и финальный контракт, заключенный через эту платформу, стал самым дешевым и выгодным. Поэтому важно дожидаться окончания цикла сделки, прежде чем делать выводы о эффективности кампании.
Оценка эффективности рекламной кампании - это ключевая задача, и для этого мы используем различные инструменты. Если цикл сделки простой и происходит онлайн, мы используем GA4, который может строить атрибуционные модели с максимальной точностью, определяя, откуда, скорее всего, пришел человек, даже если это произошло офлайн.
Если цикл сделки сложный и длинный, мы используем ELLIE и Improvado.
После запуска кампании нельзя просто останавливать ее через первые несколько дней, потому что площадкам нужно время, чтобы "подкрутить" свои алгоритмы. Живой пример - компания, которая начала рекламу на трех платформах: Google, Facebook и LinkedIn. Изначально Facebook принес очень мало кликов, и казалось, что его нужно отключить. Однако, дождавшись завершения цикла сделки, выяснилось, что Facebook привлек качественную аудиторию, и финальный контракт, заключенный через эту платформу, стал самым дешевым и выгодным. Поэтому важно дожидаться окончания цикла сделки, прежде чем делать выводы о эффективности кампании.
шестой шаг: thrive
После тестирования мы теперь знаем, какие каналы привлекают каких пользователей и за какую стоимость. Это позволяет нам перейти к следующему этапу - масштабированию.
Партнерство между человеческим и искусственным интеллектом всегда приводит к тому, что высокая стоимость клиента и малое количество клиентов начинают меняться местами. То есть благодаря совместной работе человека и искусственного интеллекта, мы можем оптимизировать нашу стратегию маркетинга таким образом, чтобы уменьшить стоимость привлечения клиента и увеличить количество полученных клиентов.
После тестирования мы теперь знаем, какие каналы привлекают каких пользователей и за какую стоимость. Это позволяет нам перейти к следующему этапу - масштабированию.
Партнерство между человеческим и искусственным интеллектом всегда приводит к тому, что высокая стоимость клиента и малое количество клиентов начинают меняться местами. То есть благодаря совместной работе человека и искусственного интеллекта, мы можем оптимизировать нашу стратегию маркетинга таким образом, чтобы уменьшить стоимость привлечения клиента и увеличить количество полученных клиентов.
читайте другие статьи по ссылке ниже
Malikspace Corporation.
541 Jefferson Avenue
Redwood City, CA 94063
Email: a@murs.ai
541 Jefferson Avenue
Redwood City, CA 94063
Email: a@murs.ai
