По мнению глобального креативного директора Google Бена Джонса, мы напрасно воспринимаем машинное обучение как своего соперника. Наоборот, это возможность для развития наших творческих способностей.
С каждым новым витком развития технологий у человечества появляются новые страхи стать ненужным — вспомним об андроиде Карела Чапека, ЭАЛ из «Космической одиссеи» или Терминаторе.
В эпоху машинного обучения и искусственного интеллекта многим профессионалам из сферы рекламы кажется, что они ведут битву с машинами. Но если увидеть в машах возможности для улучшения наших творческих способностей, мы добьемся намного большего.
Сначала важно понять, в чем машины действительно хороши. Во-первых, они находят закономерности, приближающие нас к новым открытиям и способам реализации творческого потенциала. Во-вторых, они быстро и качественно выполняют ряд задач, обеспечивая их масштабируемость и экономя время. Наконец, за счет сбора и сопоставления огромных массивов данных они открывают нам нестандартные подходы к работе.
Автоматизация выявления закономерностей
Нейросети могут проанализировать миллионы роликов, чтобы сделать выводы о том, как сценарий отражается на эффективности рекламы. Так рекламодатели могут узнать, что им даст определенный шрифт или цветовая гамма. Например, мы выяснили, что пик популярности эффекта блика в объективе пришелся на 2013 год. После этого его использование только снижало привлекательность в глазах зрителей.
Такие выводы нельзя сравнивать с теми, которые делают эксперты. Это всего лишь результат массового применения алгоритмов объектного распознавания. Именно поэтому Бен Эванс сравнил возможности машинного обучения с навыками армии стажеров. И по этой причине мы не должны рассматривать технологии в качестве простого решения для создания качественной рекламы.
Предположим, вы проанализировали сотни рекламных роликов на YouTube и узнали, что самые эффективные из них снмались в домашнем интерьере. Должны ли вы теперь показывать его во всех роликах? Конечно, нет: это не гарантирует эффективность. Машины могут только находить закономерности, а человеческий разум — оценивать их и применять (или нет).
Автоматизация маркетингового анализа
Машинное обучение ускоряет творческий процесс и обеспечивает высокую эффективность рекламы. Представьте — вам нужно узнать, какие из сотен вариантов рекламного текста будут действенны для конкретной аудитории.
Вам не придется тратить месяцы, выслушивая скучающих участников фокус-групп за столом с тарелкой печенья. Технологии быстро проанализируют доступные данные, аудиторные сигналы и библиотеки объектов объявлений, а затем определят оптимальные комбинации.
У вас уже есть все что нужно — существуют инструменты, позволяющие создавать на базе видеоэлементов тысячи роликов, адаптированных для разных целевых аудиторий. Например, с помощью YouTube Director Mix корпорация Caesars Entertainment в сжатые сроки сделала 150 разных вариантов контекстно релевантных видео и в итоге улучшила восприятие своего бренда.
Новые способы творческого выражения
Возможности искусственного интеллекта бесконечны. Подумайте, что произойдет, когда машины научатся отвечать на сложные вопросы — например, что и в каком порядке рассказывать целевой аудитории. Когда-нибудь нейросети будут рекомендовать наиболее эффективную для ваших целей структуру повествования или определять, какие приемы в видеорекламе находятся на пике популярности.
Ограничения машин
Нейросети справляются с низкоуровневой обработкой данных, что помогает рекламодателям экономить время и повышать качество кампаний. Но машинам пока не обойтись без человека. Они могут только оптимизировать выполнение задач на основе установленных переменных, но не создавать концепции кампаний и писать тексты объявлений с нуля.
Одно из доказательств — последняя кампания ко Дню святого Валентина с рекламой шоколада Lacta (корпорация Mondelez). Она должна была повысить интерес аудитории к продукции бренда и к фильму «Вкус любви», в котором она фигурирует. В контекстно таргетированных объявлениях TrueView пользователям предлагалось загрузить на сайт фотографии, выражающие любовь.
Машинное обучение проанализировало снимки и представило их в виде объектного графа. Точки группировались вокруг слов, которые чаще связываются с любовью: «поцелуй», «улыбка», «взаимодействие», «эмоции», «собачки» и других. Рассмотрев интерактивную модель на сайте, пользователи могли увидеть, как эти понятия связаны между собой.
Эта кампания не только повысила интерес аудитории к шоколаду Lacta, но и подтвердила тезис об ограниченях машин. Они полезны в разработке и анализе новых подходов к ведению рекламных кампаний. Но создавать концепции и наполнять их содержанием, которое бы затрагивало чувства, способен только человек.
Вместо того чтобы бояться воплощения антиутопий, помните, что машины — наши партнеры. Они помогают не только быстрее создавать что-то новое, но и открывать ранее недоступные возможности для творчества.