RTB House: Η Τεχνητή Νοημοσύνη στη Διαφήμιση

Ρομπότ εναντίον Ανθρώπων. Θα φέρει η Τεχνητή νοημοσύνη  την αποκάλυψη στη διαφήμιση; 

Του Αλέξανδρου Ρήγα, CEO της impruvo, Αποκλειστικός Αντιπρόσωπος της RTB House στην Ελλάδα.

Πλέον, δεν υπάρχουν πολλοί τομείς στους οποίους τα ρομπότ να μην συνυπάρχουν  με τους ανθρώπους. Μας αρέσει να πιστεύουμε ότι είμαστε πάντα με κάποιο τρόπο πιο μπροστά. Παρά το γεγονός ότι τα ρομπότ μπορεί να είναι πιο έξυπνα και γρήγορα, ανθρώπινα χαρακτηριστικά, όπως  η δημιουργικότητα και η ενσυναίσθηση είναι στοιχεία που  οι μηχανές  διαθέτουν  μόνο ως επιστημονική φαντασία. Εάν όμως το ανθρώπινο μυαλό αναπτύσσεται μέσα από τη μάθηση και την εμπειρία τότε, θεωρητικά, είναι δυνατό και τα μηχανήματα να εξελιχθούν με τον ίδιο τρόπο. Στον τομέα της διαφήμισης, χρησιμοποιούμε τα 'ρομπότ' για να προσφέρουμε μεγαλύτερη προσωποποίηση από ότι έχουν μπορέσει να προσφέρουν οι άνθρωποι τις τελευταίες δεκαετίες. Συνεπώς,  εάν η ψηφιακή μας νοημοσύνη αναπτυχθεί και η τεχνητή νοημοσύνη κυριαρχήσει στις δραστηριότητες μάρκετινγκ, μπορεί αυτό να σημαίνει ότι θα μας αντικαταστήσουν τα ρομπότ;

Η τεχνητή νοημοσύνη κάνει τη ζωή των marketers πιο εύκολη. Οι εταιρείες προσφέρουν, μεταξύ άλλων, γρήγορη σχεδίαση λογοτύπου με βάση την τεχνητή νοημοσύνη (LogoJoy), ρομπότ που παράγουν υπηρεσίες δημοσίων σχέσεων (PingGo) ή ακόμα και ρομπότ που ετοιμάζουν τις παρουσιάσεις (Saatchi & Saatchi).

Ωστόσο, μπορεί να θεωρήσει κανείς ότι η κλίμακα των αλλαγών που έφερε η τεχνητή νοημοσύνη στη ψηφιακή διαφήμιση οδηγεί στη συρρίκνωση του εργατικού δυναμικού. Όταν τα ρομπότ ήδη ξεπερνούν τους ανθρώπους, το μόνο που μας απομένει για να γίνουμε ανταγωνιστικοί σε σχέση με τη τεχνητή νοημοσύνη και τη ρομποτική είναι η γνώση και η εμπειρία μας. Σύντομα, τα ρομπότ θα είναι αρκετά έξυπνα για να μάθουν, να προσαρμόζονται και να αναπτύσσονται όπως ακριβώς το ανθρώπινο μυαλό. Ήρθε τελικά η στιγμή η τεχνολογία να καταλάβει τις δουλειές μας;

Αναλυτές εναντίον Self-learning αλγορίθμων: Εντοπίζοντας τις απρόβλεπτες περιόδους κορύφωσης των πωλήσεων

Τα δεδομένα είναι παντού, αλλά συχνά αποτελούν μόνο έναν τρόπο για την επιτυχία εάν χρησιμοποιηθούν σωστά. Η διαδικασία ανάλυσης δεδομένων μπορεί να είναι αρκετά χρονοβόρα και δεν υπόσχεται κάποιο αποτέλεσμα. Όσο περισσότερα δεδομένα έχουμε τόσο πιο δύσκολο είναι για τους αναλυτές και όσους ασχολούνται με το μάρκετινγκ να τα κατανοήσουν, να τα επεξεργαστούν  και να εξάγουν συμπεράσματα. Στις ημέρες μας όμως οι μηχανές μπορεί να εκπαιδευτούν να διαβάζουν δεδομένα, να μάθουν μέσα από εικόνες και βίντεο ή να αναλύσουν σχεδόν κάθε είδους ροές δεδομένων προκειμένου να εντοπίσουν συμπεριφορές. Με τη χρήση αυτών των εργαλείων, η ζωή των marketers γίνεται πιο εύκολη.

Η αγοραστική συμπεριφορά του κοινού μπορεί να είναι εξαιρετικά συγκεκριμένη και να συνδυάζει πολλαπλά κριτήρια. Αυτός είναι και ο λόγος που το ψηφιακό μάρκετινγκ σήμερα αφορά «τον καταναλωτή ως οντότητα» και το γεγονός πως οι διαφημίσεις παρουσιάζονται  σε ένα άτομο έχοντας λάβει υπόψη πολύ περισσότερα προσωπικά ενδιαφέροντα και επιθυμίες. Όταν αυτό συμβαίνει τότε επιτυγχάνουμε κορύφωση των πωλήσεων, με γεγονότα τα οποία οι άνθρωποι δεν μπορούν να προβλέψουν: αγορά δώρου γενεθλίων για ένα αγαπημένο πρόσωπο ή η οργάνωση μιας οικογενειακής γιορτής.

Στο εξατομικευμένο retargeting, οι αλγόριθμοι που βασίζονται στο deep learning - ένας εξαιρετικά καινοτόμος κλάδος της τεχνητής νοημοσύνης που μιμείται τον ανθρώπινο εγκέφαλο - μπορούν να αναγνωρίσουν τις περιόδους κορύφωσης των πωλήσεων όπως και οι άνθρωποι, αλλά παρατηρούν επίσης δύσκολα προβλέψιμα μοτίβα και αντιδρούν γρήγορα για να επιτύχουν καλύτερους στόχους. Επιπλέον, τα μηχανήματα δεν κοιμούνται, γεγονός που τους επιτρέπει να παρακολουθούν την αγορά όλο το 24ωρο και να προσαρμόζουν τις δραστηριότητές τους ακόμη και στις πιο μικρές αλλαγές εκεί έξω.

Media Planners vs Αλγόριθμοι: Αντιδρώντας ταχύτατα στις ανάγκες του χρήστη

Η διαδικασία δημιουργίας media plans δεν έχει αλλάξει ουσιαστικά εδώ και χρόνια, αλλά ο αριθμός των παραγόντων που οι media planners χρειάζεται να αναλύσουν έχει  εκτοξευθεί. Σήμερα, 2,5 πεντάκις εκατομμύρια bytes δεδομένων παράγονται κάθε μέρα και σύμφωνα με το IDC, συλλέγεται, αναλύεται και χρησιμοποιείται λιγότερο από το 0,5% αυτών των δεδομένων.

Εν τω μεταξύ, η τεχνολογία της τεχνητής νοημοσύνης φέρνει την επανάσταση στη διαδικασία σχεδιασμού και αγοράς, στην εργασία στα ψηφιακά μέσα καθώς επίσης και στα παραδοσιακά και out-of-home μέσα. Οι καθημερινές δραστηριότητες που αποτελούν τη ραχοκοκαλιά οποιουδήποτε media agency όπως το reporting, το auditing, το spot-checking κλπ., μπορούν να αυτοματοποιηθούν πλήρως για να αφήσουν τους ειδικούς να επικεντρωθούν στη στρατηγική και τη δημιουργικότητα.

Με τη στροφή στη μηχανική νοημοσύνη, μπορούμε να αντλήσουμε γνώση και να δράσουμε άμεσα στη γρήγορη επέκταση των συνολικών δεδομένων που συλλέγουμε. Στο personalized retargeting, μεταξύ άλλων, οι αποφάσεις σχετικά με τα προϊόντα που πρέπει να εμφανίζονται στις διαφημίσεις παίρνονται συνήθως σε λιγότερο από 10 χιλιοστά του δευτερολέπτου, πιο γρήγορα από ό, τι χρειάζεται για να ανοιγοκλείσει ένα ανθρώπινο μάτι.

Η ενσωμάτωση self-learning αλγορίθμων έχει καταστήσει δυνατή την ανάλυση των ατόμων ως οντότητες, παρά την απλή κατάτμηση τους σε προβλεπόμενες ομάδες. Αυτό επιτρέπει στους marketers να αγοράζουν υπηρεσίες μέσων που μπορούν να προσελκύσουν τη συμπεριφορά του χρήστη προληπτικά, αντί ως αντίδραση σε κάτι που κάνει. Δεν υπάρχει πλέον το θέμα της τοποθεσίας μιας συγκεκριμένης διαφήμισης, αλλά σε ποιον εμφανίζεται το banner. Οι μηχανές μπορούν να ακολουθήσουν μια ομάδα-στόχο και να προσαρμόσουν τις διαφημίσεις στη συμπεριφορά και τις προτιμήσεις ενός χρήστη με έναν εξαιρετικά ακριβή τρόπο που οι άνθρωποι απλά δεν μπορούν να κάνουν.

Creative Directors vs. αλγορίθμων: Παραγωγή διαφημιστικών βίντεο

Η Τεχνητή Νοημοσύνη εξελίσσεται προκειμένου να εισχωρήσει στον κόσμο της δημιουργικότητας. Αν δεν το έχετε δει ακόμη, αναζητήστε την ταινία της Saatchi & Saatchi - που σχεδίασαν, επεξεργάστηκαν και σκηνοθέτησαν  μηχανές.

Διεθνές διαφημιστικό δίκτυο στην Ιαπωνία πήγε την Τεχνητή Νοημοσύνη σε επόμενο επίπεδο, σε μια δημιουργική μάχη, με τη δημιουργία του πρώτου Creative Director ρομπότ παγκοσμίως που ονομάζεται AI-CD β, εναντίον του ανθρώπινου creative Director Mitsuru Kuramoto. Και στους δύο ανατέθηκε το καθήκον να δημιουργήσουν ένα σποτ το οποίο οι άνθρωποι θα έκριναν μέσω ψηφοφορίας.

Αν και ο υπολογιστής ήταν σε θέση να δώσει δημιουργική κατεύθυνση για διαφημίσεις ή να αντλήσει υλικό από μια βάση δεδομένων με ετικέτες και να αναλύσει τηλεοπτικές διαφημίσεις από το παρελθόν, φάνηκε ότι το ανθρώπινο στοιχείο υπερείχε, καθώς ο Kuramoto κέρδισε το 54% των ψήφων σε σύγκριση με το AI που έλαβε το 46%. Ωστόσο, τα ποσοστά είναι πολύ κοντά και θα εύκολα μπορούσε κανείς να υποθέσει ότι μια μέρα τα νούμερα θα αλλάξουν.

Συνοπτικά

Η αποκάλυψη της Τεχνητής Νοημοσύνης αποτελεί ένα σημαντικό θέμα λογοτεχνικής και φιλοσοφικής συζήτησης.

Ο χρόνος θα δείξει εάν η Τεχνητή Νοημοσύνη μπορεί να μάθει να είναι ακόμα πιο δημιουργική και αποτελεσματική σε σχέση με το ανθρώπινο μυαλό και πώς αυτό θα επηρεάσει τους χώρους εργασίας. Προς το παρόν όμως, αυτό θα οδηγήσει στην ανάπτυξη πολλών νέων θέσεων εργασίας - συμπεριλαμβανομένου ορισμένων εντελώς νέων κατηγοριών. Σύμφωνα με το Παγκόσμιο Οικονομικό Φόρουμ, το 65% των παιδιών που εισέρχονται σήμερα στο δημοτικό σχολείο θα καταλήξουν σε θέσεις εργασίας που σήμερα δεν υπάρχουν, ορισμένες ειδικότητες θα εξαφανιστούν ενώ άλλες θα δημιουργηθούν από την αρχή.

Αυτό που γνωρίζουμε ήδη για τη βιομηχανία μάρκετινγκ είναι ότι όταν οι αλγόριθμοι είναι σε θέση να μάθουν από τα δεδομένα, καθίσταται ευκολότερο για τα brands να κατανοήσουν τους πελάτες σε μεγαλύτερη, παγκόσμια κλίμακα και όχι μόνο ως ξεχωριστές τοπικές οντότητες. Αναμένουμε να δούμε πως οι άνθρωποι θα επωφεληθούμε από τη νέα αυτή κατάσταση.