Не только ChatGPT: искусственный интеллект в мобильном маркетинге. Читайте на Cossa.ru

06 сентября, 13:25

Не только ChatGPT: искусственный интеллект в мобильном маркетинге

Как работает искусственный интеллект в мобайле за рамками ChatGPT и Midjourney.

Не только ChatGPT: искусственный интеллект в мобильном маркетинге

Рассказывает сооснователь и CEO агентства мобильного маркетинга Meow Media Group Елисей Долгих.

Говоря об искусственном интеллекте в маркетинге, чаще всего имеют в виду возможности генеративного ИИ (GenAI) — то есть создание креативов, рекламных текстов, поиск информации и даже разработку стратегии. Но область применения ИИ в маркетинге выходит далеко за рамки GenAI — и мобайл здесь не исключение.

И речь даже не о чат-ботах или автоматизации: в широком смысле ИИ — это технология обработки огромных массивов информации. Поэтому она бесценна в таргетинге, тестировании, анализе аудитории — например, для её сегментации или персонализации.

Чтобы пользоваться этими возможностями, не нужно писать собственные нейросети по примеру Яндекса, VK и других гигантов — существует множество ИИ-сервисов для маркетологов, которым можно доверить эти задачи. А некоторые из этих сервисов заточены специально под мобильный маркетинг.

Вот несколько масштабных маркетинговых задач в мобайле, которые можно решать с помощью ИИ-сервисов.

Настройка таргетинга

Оптимизация его настроек с помощью ИИ хорошо развита в условно «десктопном» маркетинге. Например, в контекстном таргетинге: инструменты Semantic AI от Weborama анализируют содержание веб-страниц, которые посещает пользователь, и делают выводы о его интересах, чтобы предложить подходящую рекламу.

Другой отличный инструмент — ChatGPT Таргетинг от Roxot: компания воспользовалась мощностями GPT, чтобы анализировать поведение пользователей на сторонних площадках и подбирать для них подходящие креативы. По словам разработчиков, ChatGPT Таргетинг помогает снизить CPA в 2,5 раза.

Инструменты конкретно для мобильного маркетинга разработали в Hyper AdTech: на своей платформе они внедрили предиктивные алгоритмы на основе машинного обучения. Нейросети анализируют данные о поведении пользователей на мобильных устройствах и предсказывают вероятность того, что человек отреагирует на рекламу. Это позволяет лучше выстраивать таргетинг. Да, как и любая полноценная ИИ-система, платформа самообучается в процессе работы, поэтому точность её прогнозов постоянно повышается.

Собственно, это и есть одно из ключевых преимуществ искусственного интеллекта перед обычными алгоритмами автоматизации: ИИ-технологии постоянно усваивают новую информацию, «запоминают» связи и закономерности, становясь со временем всё эффективнее. Обрабатывая огромные объёмы данных, алгоритмы могут смэтчить пользователя не только с типом рекламы, но и его форматом, например, фото или видео, и временем показа.

Сегментация аудитории

Анализ аудитории помогает и на более раннем этапе рекламной кампании — в процессе разработки стратегии, когда нужно найти целевую аудиторию и разбить её на сегменты. В самом классическом варианте это делается с помощью маркетинговых исследований. Искусственный интеллект — по сути, инструмент такого исследования, который способен быстро собрать и проанализировать множество данных. Намного масштабнее и быстрее, чем это можно сделать вручную.


Классический пример шестилетней давности, когда нейросети ещё не были такими продвинутыми: компания дала нейросети задание найти целевую аудиторию для рекламы очков и контактных линз — то есть людей со слабым зрением.

Гипотеза была следующей: если на аватарке профиля есть очки, скорее всего, у владельца аккаунта зрение не в норме. Нейросеть нашла 263 000 подобных аккаунтов в Москве и области, проанализировала их и выявила потенциальных клиентов. Ожидалось, что это будут мужчины старше 40, главным образом, айтишники. Но благодаря ИИ авторы исследования узнали, что основная часть ЦА — люди 30–35, подписанные на крупные паблики о городской жизни. Чтобы выяснить это вручную, пришлось бы обработать массу данных или провести собственное исследование. И то, и другое — дорого и трудоёмко.

Сейчас для анализа ЦА есть масса сервисов: Segment, BlueConic и Optimove, которые собирают данные о клиентах со всех цифровых каналов (вебсайты, мобильные приложения, CRM-системы) и делают подробные отчёты. Воспользоваться можно и более универсальными платформами для анализа данных — в том числе последней версией ChatGPT. Главное тут — правильно задать запрос.

Динамическая оптимизация креативов

DCO по своей сути — конструктор, который собирает рекламное объявление для каждого пользователя из заданных заранее элементов: текстов, визуалов, видео, анимации, кнопок с CTA и так далее. На комбинацию этих элементов влияет множество факторов: поведение пользователя, специфика площадки, внешние события — даже погода (что актуально, например, для e-commerce). Затем система тестирует различные варианты креативов и автоматически оптимизирует их на основе кликабельности и конверсии. В этом и состоит основное отличие DCO от обычных динамических креативов: добавилось автоматическое создание объявлений под пользователя и аналитика.


Из гигантов технологию DCO предлагают Google и его «Платформа для маркетинга», Sizmek от Amazon или компания AdRoll. В России с динамическими креативами работают Vinstant.pro, Appsflyer, Segment или Getintent.

При работе в России нужно учитывать, что все креативы, включая динамические, должны быть зарегистрированы в РКН. Но обычно сервисы помогают с регистрацией товарных фидов в ОРД-системах и отчётностью.

Аналитика и тестирование

Поскольку искусственный интеллект эффективен там, где нужно анализировать большие объёмы данных, логично, что он часто используется в анализе эффективности рекламы. Аналитика уже заложена во многих системах таргетинга (например, у Hyper AdTech, о которых я говорил выше): алгоритм настраивает кампанию, анализирует её результаты и адаптирует под них кампанию — так и происходит самообучение.

Сюда же относится тестирование гипотез. Если нужно проанализировать варианты внутриигровой монетизации, компания запускает их на разных сегментах аудитории одновременно. А нейросети ​​автоматически распределяют трафик между вариантами, отслеживают реакцию игроков на каждое предложение и выбирают лучшую модель. То же самое можно делать с элементами интерфейса или push-уведомлениями. Специализируются на подобном сервисы SplitMetrics, Leanplum и Apptimize.

Создание контента

Здесь мы возвращаемся к генеративному ИИ. Chat GPT, Midjourney, Perplexity, DALL-E и другие популярные платформы действительно способны сильно облегчить задачи дизайнеров и копирайтеров — с каждой новой версией всё эффективнее.

Конечно, до сих пор ChatGPT может выдавать несуществующие факты за реальность, а MidJourney — добавлять человеку лишние конечности. Но это означает лишь, что для работы с нейросетями требуется, во-первых, умение, а во-вторых, хороший дизайнер или копирайтер. Пока что. Да и в целом с развитием GenAI подобных искажений, или «галлюцинаций» (в английском оригинале — halliculations) становится всё меньше.


Закончим на мажорной ноте: генеративный ИИ уже может создавать не только тексты и визуалы, но и музыку, голосовое сопровождение и видеоряд. Например, делать видеоролики на основе текстовых описаний умеет Sora от OpenAI. Нейросеть от HeyGen распознаёт речь в видео и переводит на разные языки, имитируя голос и даже движения губ — удобно для рекламных кампаний на несколько стран. Плюс с помощью нейросети можно сделать своего цифрового двойника для видео и тем самым сэкономить на съёмках. А инструмент Sympaphonic Ads подбирает фоновую музыку для рекламных сообщений в соответствии с музыкальными предпочтениями пользователей. Условно говоря, если вы слушали джаз на музыкальном сервисе, то и реклама будет зачитана на фоне джазовой мелодии — максимально нативно.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.


Телеграм Коссы — здесь самый быстрый диджитал и самые честные обсуждения: @cossaru

📬 Письма Коссы — рассылка о маркетинге и бизнесе в интернете. Раз в неделю, без инфошума: cossa.pulse.is