Виктория Кравченко

Как работает реклама в эпоху искусственного интеллекта

Разработки в области искусственного интеллекта начались давно – еще в 1985 году команда программистов Deep Thought решила создать искусственный разум, способный играть в шахматы вместо человека. Тогда в феврале 1997 года суперкомпьютер Deep Blue, прямой родственник Deep Thought, обыграл в шахматы чемпиона мира Гарри Каспарова.

С тех пор искусственный интеллект стал использоваться в различных отраслях науки и техники, а сегодня одно из направлений ИИ – глубокое обучение (deep learning), успешно используется в рекламной индустрии.

Антон Мелехов, генеральный директор RTB House в России, рассказал, как технологии глубокого обучения совершают переворот в онлайн-рекламе.



Какие принципы работы алгоритмов deep learning используются в онлайн-рекламе

Термин интеллектуальный анализ данных (Data Mining) был впервые использован в онлайн-рекламе еще в начале 1990 годов после того, как были созданы новые алгоритмы искусственного интеллекта, обрабатывающие большие объемы данных для поиска причинно-следственных связей в принятии решений потребителем. Интернет-пользователи совершают множество действий при посещении веб-сайтов.


Автоматизированный метод анализа данных, получивший название машинное обучение (machine learning), изучает оставленные посетителями сайта «следы», чтобы получить закономерности и связи в пользовательском мышлении. Благодаря этим связям, подсказанным компьютером, рекламодатели смогли создавать баннеры более соответствующими потребностям пользователей.


Традиционные баннеры в онлайн-рекламе содержат только целевой контент, отображаемый на веб-сайте, и для показа такого вида рекламы не требуется использование сложных алгоритмов искусственного интеллекта, чтобы решить, какой именно продукт демонстрировать каждому посетителю сайта.


Эта технология достаточно проста и понятна каждому веб-программисту. Аудитория в таком случае делится маркетологами по крупным сегментам соответствующих социально-демографическим параметров.


Чтобы получить полное представление о потребностях пользователей и предсказать их решения, ученые упорно трудились и разрабатывали новый, более точный метод, называемый глубоким обучением (deep learning).


В этой технологии используется математическая модель, действующая по принципу работы биологических нейронов нашего мозга (так называемой искусственной нейронной сети), которая позволяет получить самые надежные и весомые интерпретации компьютером, описания покупательского потенциала клиентов без каких-либо внешних интервенций со стороны человека.


Нейрон человеческого мозга – это клетка, которая обрабатывает, хранит и передает информацию с помощью электрических и химических сигналов, с множеством входов и одним выходом. Нейросеть состоит из большого количества взаимосвязанных нейронов. Другими словами, это устройство, обрабатывающее входящие данные и выдающее одно решение.


  • Изначально нейронная сеть вырабатывает навыки – как соотносить входящие и исходящие сигналы друг с другом.
  • Далее нейронная сеть начинает функционировать — она получает данные на вход, но выходящие сигналы уже генерирует на основе накопленных «знаний».
  • Глубокое обучение (deep learning) — это просто нейронные сети с большим числом слоев.

Чем больше входящих в нейронную сеть статистических данных, чем шире база данных – тем выше эффективность применения метода глубокого обучения.


Принцип работы искусственных нейронных сетей


Сверхточность – основное свойство метода глубокого обучения

Сверхточность, появившаяся в результате использования метода глубокого обучения, кратно увеличила эффективность рекламных кампаний в интернете.


По нашим данным, самообучающиеся алгоритмы могут предоставлять наиболее правильные рекомендации товаров, и лучше предсказывать вероятность клика пользователя на объявление (потенциал конверсии) или суммы покупки (стоимость конверсии), чтобы сделать рекламные активности до 50% более эффективными. *


Сила применения глубокого обучения в рекламе состоит в использовании алгоритмами массива данных и действиях, выстроенных наподобие человеческих, без каких-либо вмешательств со стороны людей.


Глубокое обучение может работать в рекомендациях, используемых как в электронной коммерции, чтобы убедить клиентов покупать дополнительные товары, так и быть полезным в целях расширения целевой аудитории, привлекая новых пользователей и информируя их о своем бренде.


Разработанный нами механизм рекомендаций использует метод глубокого обучения для определения связей между мыслительным процессом и процессом принятия решений. Такой метод способен предугадывать выборку наиболее привлекательных товаров с точки зрения определенных пользователей, основываясь на их привычках, поведении и других биометриках.


Между тем этот метод действует на основе математической модели, использующей принцип работы нейронов в нашем головном мозге (модель искусственной нейронной сети), которая делает возможным отбирать из баз наиболее полные данные, способные распознаваться машинами описания предпочтений пользователей.


В конце концов, баннеры становятся более соответствующими потребностям потребителей. Оставляя бюджет без изменений, мы можем достичь лучших результатов – возрастающий CTR свидетельствует о повышении посещаемости сайта и увеличении вероятности конверсий.


Применение метода глубокого обучения позволяет наиболее правильно выбирать товары для показа пользователю персонализированной рекламы, мы можем очень точно таргетировать баннеры, в результате чего происходит оптимизация ROI для клиентов.


Это так же дает нам возможность предоставить им новые бизнес-идеи для эффективного использования рекламного бюджета.


Что принесет нам будущее?

Означает ли это, что человеческие знания больше не нужны? На сегодня ответ — нет. Машинное обучение работает, когда деятельность человека генерирует данные, а мы можем использовать эти результаты, чтобы лучше понять наш мир.


Глубокое обучение – технология, с которой мы сталкиваемся ежедневно: от виртуальных помощников Siri и Cortana, до самоуправляемых автомобилей Google или Tesla.


Возможности распознавания речи и изображений на наших смартфонах также стали работать много лучше, чем раньше, а достижения в этих областях превосходят все наши ожидания. Конечная цель глубокого обучения — сделать нашу жизнь проще, а работу — более эффективной.


Следующим шагом может быть более высокий уровень вовлечения искусственного интеллекта в различные сферы деятельности, особенно в такую значимую, как медицина.


Благодаря лучшим, более развитым аспектам ИИ — распознаванию речи и изображений, в будущем высока вероятность появления роботов - врачей, которым мы доверим диагностику несложных заболеваний.


*- Данные были получены в результате анализа более 100 рекламных кампаний клиентов RTB House на более чем 40 рекламных рынках.


Материалы по теме:

Почему умный дом не прижился в России?

Украинский стартап по проверке орфографии привлёк $110 млн

Google выпустил конструктор для сборки ИИ в домашних условиях

Эмоциональный труд: что останется человеку в эпоху ИИ?

Facebook разрабатывает технологию набора текста силой мысли


comments powered by Disqus

Подпишитесь на рассылку RUSBASE

Мы будем вам писать только тогда, когда это действительно очень важно

Нажмите "Нравится",
чтобы читать Rusbase в Facebook