Текст книги "Квантовый скачок маркетинга. Если не внедрите это сегодня, вашей компании не станет завтра"

Демократизация данных и открытый маркетинг

Ещё одна любопытная и при этом неоднозначная реформа связана с демократизацией данных. Только представьте: политики государств Евросоюза взяли и сказали банкам, чтобы те предоставили финтехнологам и различным компаниям доступ к данным о своих клиентах (с разрешения последних). Мол, пусть всё будет по-честному. Да и прогресс быстрее пойдёт. Ключевой предпосылкой к этому стало то, что данные о транзакциях клиентов – собственность самих клиентов, а потому с их разрешения этими данными можно делиться. Так возникло явление под названием «открытый банкинг», которое изменило представление о финансовой деятельности. Ашок Васвани, исполнительный директор британского финансового конгломерата Barclays, верно подметил: «Рынок меняется настолько сильно, что играть по прежним правилам уже не получается. Приходится заново думать, как именно выходить в люди. В прошлом мы всегда приглашали клиента к себе – вот наши точки, вот наш телефон, вот наш сайт, вот наше приложение. А теперь мы, впервые в истории, можем прийти к потребителю сами. Устаревшие стратегии сменяются прицельной, выверенной до последнего шага тактикой. Предпринимателям и маркетологам придётся полностью изменить своё представление о том, как продвигать бренд, какой персонал нанимать, какие способности и навыки развивать в сотрудниках».

Что, если перенести открытый подход с банкинга на маркетинг? Получится открытый маркетинг. Возможно, такие цифровые гиганты, как Amazon, Google, Facebook и так далее однажды вынуждены будут делиться данными о транзакциях, публикациях, запросах пользователей. Тогда у остальных компаний будет куда больше шансов удержаться на рынке. Будут эти перемены всеобъемлющими или охватят лишь некоторые участки экосистемы, покажет время. Однако перемены эти неизбежны. Именно они добавят маркетингу объёма, благодаря чему произойдёт квантовый скачок.

ПОДВЕДЁМ ИТОГИ…

➧ Будьте в авангарде. Ни один другой специалист не сталкивается с таким объемом данных о пользователях, с каким маркетологам приходится иметь дело ежедневно. Именно за счет маркетинга спонсируется значительная часть инфраструктуры, связанной с областью обработки данных. Маркетологи должны стать основной и первостепенной движущей силой в развитии этой области, а не отсиживаться в углу в ожидании, пока кто-нибудь придет и переделает будущее за них.

➧ Век живи – век учись. Маркетолог должен разбираться в законах, связанных с каждым из звеньев цепочки ценности. Он должен уметь собирать, сортировать и анализировать данные в режиме реального времени, самостоятельно и с помощью ИИ. За ночь знатоком в области науки о данных, конечно, не стать, однако следует неустанно учиться – хотя бы тому, как задавать правильные вопросы и сходу распознавать верные ответы.

➧ Внимательно выбирайте, с кем сотрудничать. Обязательно дружите с коллегами из области информационных технологий – они знают, как правильно собирать и обрабатывать данные. И не забывайте о товарищах из юридической среды – благодаря им вы непременно выберетесь из лабиринта данных целым и невредимым. Маркетолог должен оберегать не только те сведения, которые получает непосредственно его компания, он отвечает ещё и за информацию, которую собирают, изучают и хранят от имени его компании поставщики. Маркетолог должен здраво оценивать доступные ему ресурсы. Способен ли он защитить данные о потребителе от любых нападений, утечек, злоумышленников? А способны ли на это посредники, которые работают с данными о потребителе от имени компании?

➧ Осторожно, не наступите! Как говорил Хемингуэй, самый важный дар для писателя – встроенный противоударный детектор д*рьма. Такой детектор нужен ещё и тем, кто работает с данными. Поставщики – они такие, все говорят: «Да-да, ИИ – это наши альфа и омега». Просите их объяснять всё простыми словами. Мишура спадёт, и вы увидите истину. Маркетолог должен держать подле себя профессионалов, если сам не разбирается в чём-то на уровне профессионала.

➧ Сложно не значит грамотно. Предиктивное кодирование, трансформационное слияние, неосвоенная вертикаль, глубокое обучение… А попроще нельзя? Маркетологу следует оставлять подле себя людей, которые не только разбираются в данных, но и изъясняются по-человечески, без кучи профессионализмов. Остальные за это только спасибо скажут!

➧ Обучайте маркетологов науке о данных. Никто не запрещает маркетологам профессионально работать с данными. Никто не запрещает маркетологам прекрасно разбираться в ИИ и иных технологиях. От глубоких познаний в этих областях команда только выиграет.

➧ Без «проектируемой конфиденциальности» никуда. Такое явление, как «проектируемая конфиденциальность» – естественное продолжение GDPR. А значит, компании ещё на стадии разработки проекта должны учитывать право потребителя на неприкосновенность персональных данных и помнить о жизненном цикле обработки и анализа информации.¹⁰ Ваш подход к сведениям о потребителе должен быть именно таким. Потом сами же скажете себе спасибо!

➧ Берегите данные. Информационная безопасность крайне важна: вашу базу данных могут попытаться взломать в любое мгновение, из любой точки мира. Каждая компания и каждый маркетолог должны ставить защиту данных о потребителе во главу угла.

➧ Шагайте в ногу со временем. Я трачу по меньшей мере шесть часов в неделю на то, чтобы изучать новости индустрии и быть в курсе любых нововведений. В итоге я отчётливо вижу как предпосылки, так и последствия любых перемен. Всегда будьте начеку. Держите нос по ветру. Изучать новости и интересно, и полезно.

➧ Цифры, цифры, цифры. Даже если вы уже одной ногой в будущем, а ИИ вам будто мать родная, без грамотной работы с маркетинговыми показателями у вас не получится объяснить руководителю, как маркетинг повышает продажи, увеличивает доход или ускоряет развитие компании. Нет смысла отбиваться качественными показателями или, того хуже, тяжеловесными терминами. Слова никому не нужны – всем нужны цифры.

➧ Творчество прежде всего. Помните, что на первом месте все же остается забота о бренде, бизнесе и конкурентном преимуществе. Новые технологии, обработка данных – это без сомнения важные аспекты деятельности, но они не должны заслонить творческую искру, инстинкты и здравый смысл маркетолога.

Есть две вещи, о которых необходимо помнить всегда. Во-первых, не бойтесь сложных вопросов. Маркетологи в первую очередь должны поставить себя на место потребителя и подумать, какой способ использования их персональных данных будет приемлем для них самих. Только потом, помня о полученном ответе и следуя букве закона, маркетолог может приняться за работу. И если хоть один аспект использования данных кажется нечестным – значит, так оно и есть.

Во-вторых, будьте смелее. Данные – это возможность дать потребителю именно то, что ему нужно, тогда, когда ему это нужно. Маркетологи могут это сделать – так зачем же им стоять на информационной обочине?

Глава 5
ИИ

Основная движущая сила квантового маркетинга

Марио Клингеманн уверен: его трудно в чём-то убедить. По крайней мере, он отказывается признавать, что его работы на сайте Sotheby’s, посвящённом изобразительному искусству, – это работы художника. Каждую из работ Клингеманна оценивают не меньше, чем в 40 000 долларов. Его сравнивают с известными представителями голландской живописи и превозносят за эстетику в творчестве. А он всё равно не верит в то, что имеет право называться художником. Ведь к успеху его привела не кисть, а алгоритмы. Клингеманн – настоящий гений. Гений искусственного интеллекта.¹

Причём он отнюдь не один такой. Скотт Итон благодаря алгоритмам ИИ ваяет невероятно правдоподобные человеческие фигуры.² Рефик Анадол на основе обширных баз данных (например, о температуре воздуха в разных частях света) создаёт при помощи искусственного интеллекта впечатляющие произведения искусства и архитектуры.³

Об ИИ и его силе уже чего только не сказано и не написано. Что-то из этого – откровенное преувеличение, что-то – буря в стакане воды, а что-то – правда, которая не может не потрясать.

Однако прежде чем мы подробно разберём ИИ, давайте обратимся к главному понятию этой книги. Мы называем пятую парадигму маркетинга квантовой по двум причинам. Во-первых, в её рамках невозможно будет объяснить происходящее правилами, привычными маркетингу прошлого. Во-вторых, связанные с ней перемены будут происходить с небывалой скоростью, силой и размахом. Искусственный интеллект как нельзя лучше отражает свойства пятой маркетинговой парадигмы.

Благодаря ИИ маркетинг перейдёт на совершенно иной уровень. Однако для начала полезно снова пройтись по всем пяти парадигмам, только уже с точки зрения данных о потребителе. Данные в нашем нынешнем представлении не играли особой роли в рамках первых двух парадигм. Третья парадигма ознаменовалась стремительным распространением Интернета, который позволил свободно собирать данные о поведении многочисленных потребителей. Маркетологи начали осваивать работу с данными – то, что прежде в основном было уделом компьютерщиков. Благодаря развитию науки о данных маркетологам стало проще: теперь можно было и рекламу таргетировать, и подсчитывать окупаемость приложенных усилий, и следить за всем, что происходит на пути от первого ко второму. Маркетинг как наука перешёл на совершенно новый уровень.

В рамках четвёртой парадигмы повсюду распространились мобильные устройства. Теперь потребитель всегда был на связи. А когда возникли социальные сети, маркетинг и вовсе перевернулся с ног на голову – представление о нём полностью изменилось. Возникли такие направления, как социальный маркетинг, маркетинг влияния, геоконтекстная реклама и так далее. Маркетингу уже не суждено было стать прежним. В рамках четвёртой парадигмы данные о потребителе начали скапливаться в невероятных количествах. Произошла обширная демократизация данных и науки о них. А значит, даже небольшая компания теперь могла получить доступ к обширным данным и извлечь из них пользу: таргетировать рекламу на многочисленных устройствах одного пользователя, измерять действенность стратегий и корректировать подход к маркетингу. Теперь даже малые игроки могли дать фору крупным, невзирая на раскрученность последних. Масштаб и бюджет потеряли в весе. Выдержать конкуренцию теперь можно было и без них. Разве не об этом мечтал каждый маркетолог?

Теперь – к ИИ. Он прекрасно вписывается в пятую парадигму, поскольку превращает нечто простое (данные о потребителе) в нечто немыслимое и непредсказуемое. В рамках пятой маркетинговой парадигмы ИИ – это большой адронный коллайдер данных, с помощью которого можно устраивать соударения, способные изменить мир.

Я несколько раз слышал от маркетологов вопрос: «Зачем мне разбираться в этом ИИ? Я ведь не изучаю, как производится или работает электричество, чтобы включать свет. Мне достаточно знать, как нажимать на выключатель».

Что ж, любой хороший маркетолог неустанно развивается. В конце концов, в его обязанности входит и что-то посложнее нажатия на выключатель. ИИ изменит маркетинг во всех его направлениях. Если не разобраться, как он работает и на что способен, останешься за бортом. ИИ никогда не заменит маркетологов. Однако тех маркетологов, которые упрямо от него отказываются, заменят те, кто в нём разбирается. Сейчас самое время как следует изучить ИИ – пока он еще не захватил маркетинг окончательно. Легендарный архитектор и дизайнер Чарльз Имз как-то произнёс великолепные слова: «Никогда никому не поручайте разбираться в чём-то за вас».

Сегодня каждая компания кричит, что у них всё строится на ИИ. Маркетолог должен знать, кому верить, а кому нет. Без определённых познаний в области ИИ он даже не поймёт, о чём ему говорят. А ведь нужно ещё определить, правду ли говорят, выйдет ли из предложенного какой-то толк и стоит ли вообще вкладываться в сотрудничество. И не менее важно, чтобы в ИИ разбирались те, кем маркетологу приходится руководить.

Что такое ии?

Искусственный интеллект – это способность технических или программных систем мыслить как люди или даже лучше. Такие системы учатся распознавать, рассуждать, оценивать, выбирать и так далее. Существует три вида искусственного интеллекта: ограниченный искусственный интеллект (Artificial Narrow Intelligence), общий искусственный интеллект (Artificial General Intelligence) и искусственный суперинтеллект (Artificial Super Intelligence).

Ограниченный искусственный интеллект – способность системы работать только в одном направлении или в одной области. Допустим, система с таким ИИ обучена распознавать изображения. Этим её способности и ограничатся. И, к примеру, голос она распознать уже не сможет.

Общий искусственный интеллект, наоборот, позволит системе выполнять разнообразные задачи. Способностей у такой системы будет больше. Она сможет, совсем как человек, работать и развиваться в нескольких направлениях: допустим, распознавать голоса и изображения, выносить суждения, писать стихотворения и при этом, да, создавать рекламу.

Искусственный суперинтеллект, как можно понять по названию, позволит системам мыслить даже лучше людей. Системы с таким ИИ будут обучаться, думать и работать эффективнее любого человека. Более того, они будут действовать независимо, практически без вмешательства человека.

Ведущие умы в области ИИ сходятся во мнении, что общий искусственный интеллект и искусственный суперинтеллект – лишь далёкое будущее, которого нам, возможно, придётся ждать десятилетия. А вот ограниченный искусственный интеллект (который люди обычно и имеют в виду, когда говорят «искусственный интеллект») существует здесь и сейчас. И с невообразимой скоростью распространяет своё влияние. Именно об этом мы и поговорим в настоящей главе.

А ещё разберёмся в сути двух явлений, которые стали источником неутихающих споров.

➧ Машинное обучение. Мы привыкли к тому, что программисты, следуя определённым правилам, пошагово прописывают указания для компьютеров: с чего начать, чем продолжить и так далее. Программист пишет код – компьютер просто повинуется. В то время как машинное обучение позволяет компьютеру (а точнее, заложенным в него алгоритмам) самостоятельно обрабатывать данные из предложенной базы и развиваться на их основе. Допустим, что нам нужно научить компьютер распознавать собак. Мы показываем ему изображение собаки, и он запоминает, что это собака. Потом мы показываем ещё одно изображение собаки, и ещё одно, и ещё. Порой мы показываем изображения, где собак нет. Если компьютер признаёт собакой дерево, мы сообщаем об ошибке. Компьютер запоминает, что дерево – это не собака. Проходит время, и компьютер, который просмотрел уйму изображений с собаками, теперь способен точно определить, собаку он перед собой видит или нет. Лично мне такой компьютер напоминает ребёнка, которого научили отличать собак от всего остального. Точно так же можно научить компьютер распознавать множество предметов. Со временем он перейдёт (и современные системы уже переходят) на новый уровень и сможет понять, кто есть кто, а кто – не тот, кем хочет казаться. Функция распознавания лица – один из способов применения этой технологии. Однако если компьютер изначально распознавал только изображения, распознавать, к примеру, голос он уже не сможет – для этого понадобится подключать новую систему, которая обучалась на голосах.

➧ Глубокое обучение. Для меня глубокое обучение – это машинное обучение на стероидах. Системы глубокого обучения работают с несколькими уровнями так называемых нейронных сетей. Данные располагаются и обрабатываются на этих уровнях не так, как при обычном машинном обучении. Глубокое обучение способно очень сильно ускорить развитие таких направлений, как распознавание речи, распознавание образов, распознавание изображений и так далее. Кроме того, системы глубокого обучения нацелены на предельную точность и эффективность.

ИИ прекрасен тем, как он справляется с обычными, распространенными задачами. Все мы знаем: если сложить два и два, получится четыре. В этом никто не сомневается. Обычная программа также без труда складывает два числа и получает верный ответ. Однако искусственный интеллект не будет ничего складывать. Он обратится к базе данных и посмотрит, какой ответ чаще всего дают на вопрос «Сколько будет два плюс два?». Обычной программе достаточно предложить исходные данные – и она вмиг всё посчитает по формуле. А искусственный интеллект, чтобы прийти к правильному ответу, для начала изучит подобные примеры, причём не только с исходными данными, но и с результатами. ИИ сначала запомнит, как ту или иную задачу решали до него, а уже потом, когда увидит такую же задачу, с поразительной точностью даст ответ. Трудно представить более благодатную почву для получения аналитических заключений.

Выражаясь маркетинговым языком, ИИ способен обогатить каждый из этапов жизненного цикла товара. ИИ позволяет как никогда подробно разобраться в том, какой путь проходит продукт. Когда ИИ ещё не было, нам приходилось самим анализировать корреляции и устанавливать причинно-следственные связи, например, чтобы понять, какая реклама или акция даёт самый высокий уровень конверсии. Маркетологи прошлого проводили опросы, выпускали лимитированные тестовые серии, использовали факторный анализ, ориентировались на то, как потребитель отозвался на недавнюю маркетинговую кампанию или рекламу и так далее. Так можно было получить полезные сведения о том, насколько хорошо продвигается бренд. Чуть позже появилось А/В-тестирование и быстрый анализ, благодаря которым стало проще понимать, что работает, а что нет.

Маркетинг – это творчество, которое движет бизнесом и дает огромное конкурентное преимущество.

Однако эти методы дают представление либо о потребителях в целом, либо об определенном потребительском сегменте (группе людей, объединенных неким признаком). Допустим, компания предлагает потребителю различные скидки – в 10, 20 или 30 %, – чтобы проверить, какая работает лучше. Чтобы посчитать, насколько увеличились продажи благодаря каждой из скидок, делить потребителей на сегменты не нужно. Можно просто сравнить сумму издержек с суммой выгод и ответить на вопрос: сколько процентов достаточно уступить, чтобы уровень конверсии вырос? Если скидка в 20 % повышает уровень конверсии на 8 %, а скидка в 30 % – на 10 %, тогда можно заключить, что скидка в 20 % выгоднее. Итак, после многочисленных проверок компания наконец определяет, какая скидка работает лучше всего.

Однако полученные выводы, к сожалению, распространяются лишь на потребителей как на единое целое, без учёта реакции каждого отдельного человека. Допустим, маркетолог заключил, что в целом выгоднее всего предлагать потребителю скидку в 20 %. А лично мне тем временем, чтобы решиться на покупку, хватило бы скидки и в 10 %. Получается, на таких потребителей, как я, уйдут лишние деньги. Однако с помощью ИИ компания может оценить моё обычное поведение и склонность к тем или иным покупкам. Тогда ей будет проще понять, какая скидка сработает именно в моём случае. То есть в режиме реального времени проводится анализ, после чего компания сообщает о персональной акции, которая выгодна и мне, и самой компании.

Благодаря ИИ можно выявлять закономерности и взаимосвязи в самых разных базах данных, немыслимых по объему. Достичь того же традиционными способами невозможно физически.

В рамках пятой парадигмы данные будут возникать и обрабатываться с головокружительной скоростью и размахом. Одним из ключевых инструментов станут всевозможные датчики, которые без остановки собирают и выдают сведения, увеличивая и без того немыслимые по масштабам потоки информации. Датчики будут важным посредником между маркетологом и потребителем.

В рамках пятой парадигмы датчики будут у всего: и у часов, и у обуви, и у автомобилей, и у клюшек для гольфа, и у термостатов… У всего. Датчики собирают сведения без остановки. В будущем эти сведения будут «скармливать» искусственному интеллекту. А тот сможет черпать из целой вселенной данных удивительные знания и наблюдения. Те маркетологи, которые поспеют за развитием ИИ и грамотно им воспользуются, смогут предлагать потребителю продукты, услуги, рекламу и информацию в настолько уместное время и в настолько уместном виде, что тот просто не сумеет отказаться. Компании научатся спокойно и безболезненно переключать потребителя с одного предложения на другое, ни капли его не раздражая.

ИИ изменит маркетинг во всех отношениях. Мы рассмотрели лишь два направления работы с ИИ. Первое – это анализ сведений о потребителе. А второе – предельное таргетирование, нацеленность на каждого конкретного потребителя. Теперь давайте рассмотрим ещё несколько направлений.

Чат-боты

Чат-боты на базе ИИ всё успешнее заменяют людей. Благодаря им компании только эффективнее заботятся о потребителе. И о собственном бюджете. Согласно прогнозам, в 2022 году компании сэкономят до 8 миллиардов долларов благодаря ИИ,⁴ который позволит сократить расходы на сотрудников и тому подобное. В рамках квантового маркетинга чат-боты на базе ИИ станут обыденностью.

Виртуальные ассистенты

Чат-боты отвечают пользователю, основываясь на базе данных компании. Виртуальные ассистенты способны на большее – они обращаются ещё и к внешним данным, например из Интернета. Уровень ИИ у таких помощников на порядок выше. Сегодня известность обрели такие виртуальные ассистенты, как Alexa от Amazon, Siri от Apple, а также Google Home. Чего ждать от виртуальных ассистентов после квантового скачка в маркетинге? Того, что они распространятся повсеместно, – их будут использовать даже те бренды, которые не занимаются напрямую техникой. Сегодня во многих компаниях из самых разных индустрий виртуальные ассистенты дополняют, если и вовсе не заменяют, консьержей. В рамках пятой парадигмы виртуальные ассистенты будут распространяться ещё активнее, станут заметно лучше и займут особое место в маркетинге. А ещё они научатся работать в новых сферах, таких как здравоохранение, образование, госуправление и так далее.

Поисковые системы

Компания Google и ей подобные подключают ИИ к своим поисковым системам. ИИ в таких системах умнеет с каждым днём, а потому потребитель в ответ на запрос получает всё более точные результаты. Большинству брендов не выжить, если ссылка на их сайт не будет появляться в результатах поиска. А поскольку поисковые системы стремительно развиваются, маркетологам необходимо осваивать новые алгоритмы SEO-оптимизации.

Таргетирование и персонализация

Поскольку ИИ способен самостоятельно выбирать алгоритмы прогнозов, с его помощью легко нацеливаться на нужную аудиторию. Кроме того, благодаря ИИ можно завоевывать новых клиентов, подстраивая предложения и объявления под их потребности.

Медийная реклама

ИИ уже вовсю используется в медийной рекламе. Чем больше будет появляться медийных носителей, чем сильнее будет распространяться умная одежда, умные аксессуары, Интернет вещей, смарт-динамики и так далее, тем сложнее будет мир медийной рекламы. Всё в нём будет строиться вокруг ИИ – или даже исключительно на ИИ. Медийные агентства уже чувствуют, как земля уходит у них из-под ног, и традиционного набора предлагаемых услуг начинает не хватать. С появлением новых функций понадобятся и новые специалисты, способные идти в ногу со временем. Медийная реклама перейдёт на совершенно новый уровень.

Создание контента

Уже сегодня мы наблюдаем переизбыток контента, немалая часть которого – фейки. Существует, к примеру, видео, в котором Барак Обама говорит то, чего никогда на самом деле не говорил. Однако видео это на удивление правдоподобное. Можно найти и невероятно правдоподобные фотографии несуществующих людей, кропотливо созданные пиксель за пикселем. Достаточно зайти на сайт ThisPersonDoesNotExist.com. ИИ только способствует распространению фейков: технология, позволяющая создавать так называемые дипфейки (от англ. deep learning – «глубинное обучение» и fake – «подделка»), не требует больших затрат. В сети можно отыскать целый ряд примеров, которые показывают, на что способна эта технология. Из-за того, что повсюду стремительно распространяется контент (подлинный и фейковый), причём контент недолговечный, маркетологам приходится как следует задумываться над тем, какой контент создать, как подтвердить его подлинность и как выделиться на фоне, а не стать частью всего этого беспорядка. Если взглянуть на поведение потребителей онлайн-контента, то обнаружится, что контент лучше всего создавать в режиме реального времени – чтобы не только поспеть за трендами, но и привлечь побольше внимания. И эта задача как нельзя лучше подходит для искусственного интеллекта.

Реклама – такой же контент. Будет ли ИИ однажды сам создавать рекламу? Кто-то твердо уверен, что будет, кто-то решительно против этого. Общий искусственный интеллект и вправду смог бы с этим справиться, однако до него ещё десятки лет. Тем не менее статичные баннеры ИИ способен создавать даже на нынешнем этапе. Уверен, пройдёт ещё несколько лет и появится много-много творческих компиляций, автором которых станет ИИ. Ничего своего он, конечно, создать не сумеет. Однако и компиляция может быть настолько впечатляющей, что все сочтут её творением человеческих рук.

В 2016 году я побывал на Международном фестивале творчества «Каннские львы». Там представляли ИИ, который учился рисовать как Рембрандт. Этот ИИ подробно изучил каждый мазок, выполненный рукой мастера: направление, длину, угол наклона и так далее. ИИ проанализировал 168 263 фрагмента живописи, после чего нарисовал портрет сам. Вуаля! Перед нами новое творение Рембрандта, творение из 148 миллионов пикселей! Многие эксперты подтвердили, что полученный портрет будто в действительности вышел из-под руки самого Рембрандта. Проект, автором которого стало агентство JWT Amsterdam, победил сразу в двух категориях: связанной с компьютерами (Cyber Lions) и творчеством (Creative Data Lions).⁵ Не прошло и двух лет, как появились приложения, куда можно загрузить любую фотографию – и та превратится в картину, будто бы написанную художником прошлого или настоящего. Вот как быстро распространяется ИИ.

Ещё ИИ способен создавать правдоподобные статьи от лица разных журналистов и писателей. Он изучает существующие работы автора, после чего, если ему задать тему, ищет в Интернете необходимую информацию, и за несколько мгновений создаёт близкую по стилю статью, в которой даже почти нет бессмыслицы.

ИИ уже начал сочинять (а точнее, компилировать) музыкальные произведения. Одна студия звукозаписи даже успела заключить с ИИ контракт! В 2019 году концерн Warner Music Group подписал договор с алгоритмом ИИ, созданным стартапом Endel. Причём договорённость была на двадцать альбомов!⁶

Оценка окупаемости

Большинству маркетологов всегда было непросто оценить окупаемость вложений и грамотно распорядиться полученными результатами. Некоторые системы на базе ИИ уже умеют заранее оценивать окупаемость кампании или рекламы. Если к маркетинговому потоку сознания грамотно подключить ИИ, то в распоряжении компании окажутся методы, которые позволят наиболее точно спрогнозировать окупаемость вложений, а затем – быстро оценить уже и фактическую окупаемость.