Протягом багатьох років персоналізація залишалася більше мрією, ніж реальністю. Бізнеси обіцяли індивідуальний досвід для кожного споживача, але пропозиції та рекомендації часто були неактуальними, незважаючи на можливість відслідковувати активність користувачів в Інтернеті.
З розвитком генеративного штучного інтелекту (ШІ) чи стане нарешті персоналізація реальною?
“Персоналізація вже давно є цифровою обіцянкою, яка не виконувалася повністю”, – сказала Джанає Дуейн, викладачка в університеті Брауна та науковий співробітник MIT CISR. “Нам впродовж десятиліть говорили, що наші кліки відкриють шлях до індивідуальних вражень, але якщо ви коли-небудь дивувалися незрозумілій рекомендації на Netflix, ви знаєте, що ми все ще не досягли мети.”
Ситуація може змінитися. Згідно з Дуейн, останні системи ШІ переходять від сегментації на основі правил до навчання в реальному часі та врахування контексту.
“Сучасні системи не просто відстежують, що ми робимо; вони виводять, як ми себе відчуваємо”, – зазначила вона. “Вони можуть змінювати тон під час спілкування, переписувати контент на ходу та еволюціонувати відповідно до нашого потреби.” Але вона також визнала обмеження систем ШІ. “Справжня персоналізація — це змінна мета, оскільки людські бажання є динамічними, контекстуальними та часто суперечливими.”
Попередні спроби також були неуспішними через те, що базувалися більше на сегментації, ніж на дійсному розумінні цільової аудиторії.
“Багато з тих, що називають ‘персоналізацією’ за останні два десятиліття, були не більше ніж категоризація”, – вважає Пуніт Мехта, CEO компанії Netomi. “Показувати наукову фантастику людям, які люблять наукову фантастику. Пропонувати 10% знижки частим покупцям. Це не персоналізація. Це підбори зразків.” Він зазначив, що зараз змінюється можливість додавання “справжнього людського елемента” до цифрових взаємодій, включаючи емоційну інтелігентність та пам’ять про попередні обміни.”
Згідно зі звітом PYMNTS Intelligence, хоча 83% споживачів відкриті до персоналізованих пропозицій, лише 44% вважають їх “дуже релевантними” їхнім потребам, а 17% зазначили, що вони “абсолютно нерелевантні”. Крім того, персоналізація пропозицій може бути потужнішим інструментом продажу, ніж розмір знижки. “Справжня цінність персоналізації пропозиції для споживача полягає в тому, наскільки точно торгівець підлаштує її під уподобання споживача, а не в тому, скільки становить знижка,” – вказано у звіті.
Тим часом, дослідження SAS показало, що, хоча 75% маркетологів використовують генеративний ШІ у своїй повсякденній роботі, лише 19% застосовують його для націлювання аудиторій. Це “неоптимально”, оскільки 92% тих, хто використовує генеративний ШІ для персоналізації, стверджують, що вони бачать вищу окупність інвестицій.
Причина? Брак розуміння можливостей генеративного ШІ на рівні керівників, згідно з SAS. Інший звіт Data Axle вказав на додаткові бар’єри, такі як організаційні силоси, застарілі системи та регуляторна складність, що заважають справжній персоналізації. Це попри те, що 91% маркетологів вважають, що поєднання особистих та професійних даних споживача призведе до кращого націлювання аудиторії.
Складність переходу від даних до дій
Джаки Уокер, керівник стратегії роздрібного досвіду в Північній Америці в Publicis Sapient, зазначила, що персоналізація зупинилася з кількох причин.
“Частина це пов’язана з вхідними даними, такими як якість даних про клієнтів і їхній використання, а інша частина стосується виходу, тобто змістовних змін, які можуть бути внесені у взаємодію бізнесу з клієнтами через широкий спектр контактних точок”, – сказала вона. “Складність, що існує в обох цих сферах, призвела до переформулювання персоналізації як просто кращої сегментації. … Проте клієнти є розумнішими за це.”
Наприклад, якщо дехто завжди замовляє бургер без солоних огірків, а ресторан рекомендує новий сендвіч у південному стилі з додатковими солоними огірками, це не відповідає потребам споживача. Для бізнесу розуміння даних для тисяч клієнтів є складним завданням: їм потрібно з’єднати дані, можливо, вивести деякі характеристики споживача та визначити, як діяти на основі цих даних для формування пропозиції.
“ШІ дійсно має потенціал усунути обидві сторони (споживача і бізнес) проблеми”, – зазначила Уокер. “З ШІ агрегація даних та їхня інтерпретація стають набагато більш доступними. Ви можете розглядати більше сценаріїв, ніж це було раніше можливим. З’являється можливість поєднувати дані, які раніше не можна було об’єднати.”
Проте Лей Гао, CTO SleekFlow, зауважив, що, незважаючи на досягнення ШІ у створенні справжньої персоналізації, “між обіцянкою та реалізацією все ще є розрив”.
Це викликане тим, що штучний інтелект може працювати тільки з тими даними, які він отримує. Проблема в тому, що більшість бізнесів все ще мають свої дані в силосах або не мають інфраструктури для надання своїх даних про клієнтів для використання в реальному часі через системи.
“Без об’єднаних, якісних потоків даних рекомендації ШІ завжди будуть недостатніми”, – сказав Гао.
Крім того, Гао зазначив, що справжня персоналізація не є лише в тому, що клієнт любить чи не любить. Контекст також важливий. “У розмовній комерції, наприклад, рекомендація продукту буде функцією не тільки історії покупок клієнта, а й його місця у процесі покупки на той момент”, – зазначив Гао.
Дані також мають бути якомога новішими, щоб бути найбільш ефективними.
“Персоналізація є настільки ж ефективною, як і дані, які її підкріплюють”, – сказав Дін де ла Пена, віце-президент Resonate. “Якщо вона працює зі застарілою або неповною інформацією, отримані висновки можуть бути невірними.” Для успішної персоналізації, на його думку, бренди повинні мати доступ до реального часу сигналів, які відображають не лише минулу поведінку, а й поточний контекст — особливо в нестабільні часи, коли споживчі настрої швидко змінюються.
Наприклад, якщо роздрібний продавець базуватиме цьогорічні маркетингові кампанії на минулорічних витратах напередодні школи, він ризикує пропустити ринок, зазначив де ла Пена. Пріоритети споживачів можуть швидко змінюватися у відповідь на такі фактори, як інфляція, модні тенденції, зміна культурних настроїв тощо.
Але не всі спроби персоналізації зазнали невдачі. Деякі з них були настільки успішними, що суспільство стало залежним від них.
“Це двостороння історія”, – сказав Сіамак Фрейдуннежад, співзасновник Sprites-AI. “З одного боку, ШІ вже суттєво досяг успіху в персоналізації контенту для аудиторій. Один з найбільш переконливих прикладів — TikTok або Instagram. Рекомендаційні системи цих платформ курирують візуальний контент, який, здавалося б, розуміє вас. Саме тому це так захоплююче.”
Однак, алгоритм Discover Weekly від Spotify може давати або дуже актуальні результати, або ж жахливо далекі від реальності, зазначив Фрейдуннежад. “Ці алгоритми високодинамічні і точні, і в більшості випадків виходять на правильний рівень. Вам не потрібно шукати те, що вам подобається; це вже в ваших стрічках. І це одночасно і краса, і прокляття.”
Отже, чи врятує генеративний ШІ персоналізацію? “Кращий результат – це те, що ми стали ближчими зараз, але ‘справжня персоналізація’ все ще є рухомою метою”, – зазначив Гао. “Це не стільки магічний алгоритм, скільки створення надійних, продуманих систем, що поєднують технології з людським дизайном.”