Протягом багатьох років персоналізація залишалася більше мрією, аніж реальністю. Бізнеси обіцяли індивідуалізований досвід для клієнтів, але пропозиції та рекомендації, як правило, не відповідали їхнім потребам, незважаючи на можливість відстежувати, які вебсайти відвідують споживачі.
З появою генеративного штучного інтелекту (ШІ) чи стане справжня персоналізація доступною?
«Персоналізація давно є цифровою обіцянкою, яка не змогла повною мірою реалізуватися», – зазначила Джанай Дуан, викладачка Брауновського університету та дослідниця в MIT CISR. «Нам десятиліттями говорили, що наші кліки відкриють двері до індивідуальних вражень, але якщо ви коли-небудь дивувалися, чому Netflix рекомендує вам щось абсурдне, ви знаєте, що ми ще не досягли цього.»
Ситуація, можливо, змінюється. Згідно з Дуан, новітні системи штучного інтелекту переходять від сегментації за правилами до навчання в реальному часі та контекстуальної обізнаності.
«Сучасні системи не просто відстежують те, що ми робимо; вони також роблять висновки про наші почуття», – зазначила Дуан. «Вони змінюють тон під час розмови, переписують контент на льоту і еволюціонують в міру зміни наших потреб.» Однак вона також визнала обмеження ШІ. «Справжня персоналізація є постійно змінною метою, оскільки людські бажання є динамічними, контекстуальними та часто суперечливими.»
Попередні зусилля також не виправдали сподівань, оскільки вони більше покладалися на сегментацію, а не на справжнє розуміння цільової аудиторії.
«Більшість так званої “персоналізації” протягом останніх двох десятиліть не була чимось більше ніж категоризацією», – зазначив Пуніт Мехта, директор Netomi. «Показуйте наукову фантастику фанатам наукової фантастики. Пропонуйте 10% знижки активним покупцям. Це не персоналізація. Це узгодження шаблонів.» Він підкреслив, що те, що змінюється зараз, – це можливість додати «справжній людський елемент» до цифрових взаємодій, включаючи емоційний інтелект і пам’ять про попередні обміни.
Згідно з доповіддю PYMNTS Intelligence, хоча 83% споживачів відкриті до персоналізованих пропозицій, лише 44% вважають їх «дуже релевантними» для своїх потреб, а 17% вказали, що вони «абсолютно не мають відношення». Більше того, персоналізація пропозицій може бути більш ефективним інструментом продажу, ніж сама знижка. «Справжня цінність персоналізації пропозиції споживачу полягає в тому, наскільки точно продавець адаптує її до уподобань цього споживача, а не в розмірі знижки», – йдеться в доповіді.
Наразі опитування SAS показало, що хоча 75% маркетологів використовують генеративний ШІ у своїй повсякденній діяльності, лише 19% використовують його для націлювання аудиторії. Це «не оптимально», тому що, коли маркетологи використовують генеративний ШІ для персоналізації, 92% з них заявили, що бачать вищу рентабельність інвестицій.
Причина цього? Непорозуміння щодо того, на що здатний генеративний ШІ на рівні директорів з маркетингу та старшого керівництва, за даними SAS. В окремій доповіді Data Axle вказується на інші перешкоди, такі як організаційні силоси, застарілі системи та складність регулювання, які заважають справжній персоналізації. Це незважаючи на те, що 91% маркетологів вважають, що об’єднання особистих та професійних даних споживача призведе до кращого націлювання аудиторії.
Перехід від даних до дій є складним
Джекі Уокер, керівник стратегії роздрібного досвіду в Північній Америці у Publicis Sapient, зазначила, що персоналізація зазнала невдачі з кількох причин.
«Частина цього пов’язана з вхідними даними, такими як якість даних, які компанія має про своїх клієнтів, і їхня використаність, а інша частина стосується результатів, таких як те, які значущі зміни можна внести у взаємодії, які компанія має зі своїми клієнтами через широкий спектр контактних точок», – зазначила Уокер. «Складність, властива обом цим сферам, призвела до того, що персоналізація стала зрозуміла лише як краща сегментація… Однак споживачі розумніші за це.»
Наприклад, якщо гість завжди замовляє бургер без огірків, а ресторан рекомендує новий сендвіч в південному стилі з додатковими огірками, це не відповідає потребам споживача. Для компанії розуміння цих даних для тисяч клієнтів є складним завданням: їм потрібно зшити дані та, можливо, зробити деякі висновки про споживача, а потім визначити, як діяти на основі цих даних, щоб зробити пропозицію.
«ШІ дійсно має потужність вирішити обидві сторони проблеми (споживач і бізнес)», – підкреслила Уокер. «З ШІ агрегація та тлумачення даних стають значно більш доступними. Ви можете враховувати більше сценаріїв, ніж було можливо раніше. Є можливість зв’язувати дані, які ви не могли пов’язати раніше.»
Однак Лей Гао, технічний директор SleekFlow, вказав, що хоча ШІ досяг певного прогресу в реалізації істинної персоналізації, «між обіцянкою і виконанням все ще існує розрив».
Це пов’язано з тим, що штучний інтелект є таким же хорошим, як і дані, які він отримує. Проблема в тому, що більшість компаній все ще зберігають свої дані в силосах або не мають інфраструктури, щоб зробити свої дані доступними для використання в реальному часі через різні системи.
«Без об’єднаних, якісних потоків даних рекомендації ШІ завжди будуть недостатніми», – сказав Гао.
По-друге, Гао зазначив, що справжня персоналізація стосується не лише того, що споживач любить чи не любить. Важливий також контекст. «Наприклад, в розмовній комерції рекомендація продукту буде залежати не лише від історії покупок клієнта, але й від їх місцезнаходження в процесі покупок на той момент», – зазначив Гао.
Дані також повинні бути якомога свіжішими, щоб бути найбільш ефективними.
«Персоналізація є такою ж ефективною, як і дані, що стоять за нею», – заявив Дін де ла Пенья, віце-президент Resonate. «Якщо це працює з застарілою або неповною інформацією, то отримані інсайти можуть бути невірними.» Для того, щоб персоналізація спрацювала, він стверджує, бренди повинні мати доступ до реальних сигналів, які відображають не тільки поведінку в минулому, але й актуальний контекст – особливо в умовах швидких змін споживчого настрою.
Наприклад, якщо ритейлер будує маркетингові кампанії цього року на основі минулорічних тенденцій витрат на повернення до школи, це може призвести до невдачі, зазначив де ла Пенья. Пріоритети споживачів можуть швидко змінюватися під впливом таких факторів, як інфляція, модні тренди, зміна культурних настроїв тощо.
Проте не всі зусилля з персоналізації зазнали невдачі. Деякі мали навіть надто великий успіх.
«Це двостороння історія», – зазначив Сіамак Фрейдунеджад, співзасновник Sprites-AI. «З одного боку, ШІ вже досяг значних успіхів у персоналізації контенту для аудиторій. Одним з найбільш вражаючих прикладів є TikTok або Instagram. Системи рекомендацій цих платформ курирують візуальний контент, який здається таким, що розуміє вас. Тому це так захоплююче.»
Однак, згідно з Фрейдунеджадом, «алгоритм Spotify Discover Weekly або дуже релевантний, або абсолютно не відповідає дійсності». «Ці алгоритми є надзвичайно адаптивними та точними, і в більшості випадків вони працюють. Вам не потрібно шукати те, що вам подобається; це вже є у вашій стрічці. І саме в цьому й полягає краса і прокляття.»
Отже, чи зможе генеративний ШІ виправити ситуацію з персоналізацією? «Хоча ми, безумовно, стали ближчими до цього, “справжня персоналізація” все ще залишається в русі», – зазначив Гао з SleekFlow. «Це менше про магічний алгоритм і більше про створення міцних, продуманих систем, які поєднують технології та людиноцентричний дизайн.»