Дополнительный сотрудник: как бренды используют нейросети для разработки новых продуктов

Ежегодно бренды и ретейлеры создают тысячи новых продуктов. Zara каждый год выпускает около 20 тысяч новых моделей одежды. IKEA разрабатывает более 2 тысяч новых продуктов в год, проводя более 1 млн испытаний продукции.

Стандартный процесс создания нового востребованного продукта для производителей зачастую является очень трудоемким и требует комплексного подхода: проведения маркетингового исследования рынка для выявления потребностей и предпочтений потребителей, анализа конкурентов и тенденций отрасли, использование метода дизайн-мышления, организации фокус-групп, опросы тысячи потребителей и тестирование прототипов для получения обратной связи и улучшения товаров перед релизом окончательных версий.

Этот процесс может занять месяцы или даже годы. Компания Nestle, например, тратит в среднем 12 месяцев на вывод новых товаров на рынок, раньше этот период составлял 33 месяца. Однако появление генеративного искусственного интеллекта (AI) меняет правила игры.

Как AI внедряется в цикл разработки продукта

Сейчас многие компании исследуют новые области для применения AI-технологий, которые могут создавать изображения по текстовому запросу. Например, креативный директор Эрик Гроза использовал Midjourney, чтобы представить реалистичную, но на самом деле придуманную коллекцию IKEA x Patagonia, которая получила 42 тысячи лайков на LinkedIn.

Алгоритмы могут даже создавать интеллектуальные интерфейсы, которые учитывают намерения пользователя и повышают вероятность конверсии.

Делимся планом, как можно использовать весь потенциал генеративных сетей для создания новейших продуктов.

Читайте по теме:

Регулирование ИИ: куда мы движемся и что учесть бизнесу сейчас?

Почему генеративный ИИ не прижился в SEO в нашем агентстве и кому он может подойти

Шаг 1. Анализ отзывов и данных клиентов

Первый шаг — обучить генеративный искусственный интеллект на существующем предложении и собрать отзывы клиентов. Допустим, компания планирует запустить новый продукт по уходу за волосами.

Языковая модель ChatGPT от OpenAI, YandexGPT от «Яндекса», GigaChat от «Сбера» или «Napoleon IT Отзывы» от Napoleon IT за считанные секунды может проанализировать тысячи обзоров товаров, уже представленных на рынке, чтобы сформировать гипотезы о том, что понравится покупателям.

Нейронные сети также могут привести аналитику, чем пользователи недовольны в текущей линейке продуктов и каких изменений ожидают, а также предложат несколько вариантов. К примеру, бренд лимонадов Lapochka смог узнать, что 77% клиентов довольны разнообразием вкусов продаваемой продукции, а 65% покупателей позитивно оценивают состав напитков, куда входят только натуральные ингредиенты.

Такие выводы компания получила благодаря анализу отзывов от «Napoleon IT Отзывы». Это позволило скорректировать стратегию управление продажами и даже внедрить продукт с новым вкусом, о котором просили клиенты.

Компании также могут определить области, в которых существует неудовлетворенный спрос, анализируя данные о потребителях и тенденции рынка. Пример из реальной жизни: в 2022 году L'Oréal представила TrendSpotter, который использует искусственный интеллект для анализа миллионов комментариев, изображений и видео в интернете, 25 млн бит данных ежегодно.

Цель состояла в том, чтобы выявлять тенденции, опережая конкурентов, на основе которых L'Oréal могла разрабатывать продукты, соответствующие будущим трендам.

Шаг 2. Создание идей продукта

Большие языковые модели (LLM) позволяют генерировать описания новых продуктов для целевой аудитории с учетом ее потребностей и предпочтений. Бренды также могут использовать генераторы изображений с AI для создания макетов, прототипов изделий и эскизов, а также сотен вариантов готового дизайна за секунды.

Кроме того, искусственный интеллект способен создать контент, соответствующий всем визуальными трендам, для социальных сетей брендов. Если вы хотите подчеркнуть свою эконаправленность, то можете отправить трендовые фотографии по соответствующему запросу из Pinterest в Midjourney, DALL-E, Kandinsky или «Шедеврум», которые создадут экопродукт.

Созданные изображения, скорее всего, будут одобрены сообществом, поскольку они учитывают наиболее распространенные запросы клиентов и ваши проверенные данные. Крупные технологические компании, как Google, уже используют алгоритмы для создания рекламных сообщений.

Шаг 3. Тестирование гипотез и прототипов продукта

Третий шаг включает в себя тестирование идей, генерируемых AI. Используя социальные платформы, такие как TikTok, компания может распространять описания, изображения и рекламу товара и получать первичный отклик от своей целевой аудитории. Отправляя сотни макетов в ротацию рекламы, бренд может отслеживать, как с ними взаимодействуют потенциальные клиенты, оценивая количество лайков и комментариев.

С помощью AI маркетологи также могут анализировать данные о клиентах, чтобы определить наиболее эффективные маркетинговые каналы и сообщения для различных клиентских сегментов. Например, сервис для анализа маркетинговых кампаний Optimove, инструмент для масштабирования контента Jasper AI или программа для генерации готовых презентаций Tome.

Некоторые бренды уже следуют этому подходу. Например, компания Pampers использует искусственный интеллект для оптимизации более 140 рекламных объявлений в год для различных каналов, включая платформы электронной коммерции.

Шаг 4. Производство

После этапа тестирования компании могут принимать обоснованные решения о том, следует ли улучшать продукт или производить его только ограниченным тиражом. Выбрав вариант, который больше всего подходит целевой аудитории, предприятия могут запустить его в мелкосерийное производство и посмотреть, какие отзывы собирает аутентичный продукт на рынке.

Unilever уже проводит виртуальные тесты для оптимизации товаров еще до лабораторного этапа, тем самым сокращая время выхода на рынок. За год компания может провести 12 тысяч экспресс-тестов продукции.

FMCG-гигант в шанхайском AI-центре анализирует данные в режиме реального времени, чтобы за несколько дней создать прототипы инновационного продукта и тестировать их в канале электронной коммерции.

Как компании тестируют применение генеративных сетей в России

В России также начинается активное использование брендами всего потенциала новейших AI-инструментов. Например, в августе 2023 года прошел всероссийский онлайн-хакатон AI Generative Product Hackathon.

Специально для него ведущие компании предложили свои кейсы для решения и протестировали интересующие их гипотезы. Участники хакатона представили более 30 продуктов, созданных генеративными сетями для Unilever в России, MAAG, DUB, VILET, «Ашана», «Альфа-Банка» и других.

Среди них были новые коллекции повседневной одежды, цифровые помощники на основе GPT-технологий, новейшие продукты питания.

Читайте также: Growth Hacking: ключ к кратному росту ключевых метрик бизнеса. Как сделать х3, х5 или х10?

Перспективы и вызовы

Искусственный интеллект пока не всесилен. Продукты, созданные AI, могут увековечить гендерные, расовые и культурные стереотипы или привести к гомогенизации продуктов.

Более того, в цикле разработки продукта может быть утрачен человеческий фактор, обеспечивающий разнообразие, аутентичность и эмоциональную связь с потребителями. Также пока неясно, как будут решаться вопросы авторских прав.

При этом генеративный AI обладает потенциалом коренным образом изменить способы создания товаров в различных отраслях. Используя искусственный интеллект, компании могут значительно сократить время разработки, снизить затраты и повысить эффективность RnD (исследований и разработок), поскольку нейронные сети могут мыслить нестандартно и легко генерировать уникальные продукты.

Бренды могут быть уверены в том, что их идеи учитывают последние тенденции и мнения клиентов. В сочетании с человеческим опытом этот подход способен помочь создавать привлекательные и эффективные продукты, которые станут востребованными среди клиентов.

Фото: Unsplash