Дэйв Чаффи, автор книги «Digital-маркетинг: Стратегия, внедрение и практика» объясняет процесс достижения успеха, сосредоточившись на 18 наиболее важных приемах цифрового маркетинга

Проще говоря, определение digital-маркетинга, или интернет-маркетинга, таково:

«Достижение маркетинговых целей путем применения цифровых средств, данных и технологий».

В рамках этого широкого определения digital-маркетинга существует множество жизненно важных каналов и платформ, стратегии и тактики которых рассмотрим в этой статье, а также ключевые KPI и метрики успеха digital-маркетинга.

Есть такая Система планирования RACE - это структура digital-маркетинга, которая позволяет маркетологам планировать, управлять и оптимизировать все аспекты онлайн и офлайн опыта бренда и своих клиентов.

Давайте в этом обзоре digital-маркетинга мы рассмотрим следующее:

• Что такое digital-маркетинг?
• 18 основных методов digital-маркетинга в 6 медиа-каналах
• Как достичь бизнес-преимуществ digital-маркетинга с помощью 5S
• Ключевые концепции маркетинговых коммуникаций для digital-маркетинга
• Стратегический подход к digital-маркетингу

Для того чтобы компании могли эффективно конкурировать сегодня, им необходимо использовать Для того чтобы предприятия могли эффективно конкурировать сегодня, им необходимо использовать digital-маркетинг для поддержки своих деловых и маркетинговых стратегий. Каждый из нас проводит несколько часов в день, используя цифровые медиа, будь то развлечения, социальное взаимодействие или поиск новых продуктов.

Компании и бренды, которые не используют правильные цифровые тактики, наглядно демонстрируемые в рамках их маркетинговых коммуникаций, упускают возможности повлиять на потребителей в ключевых точках контакта в Интернете.

Рост потребления цифровых медиа и технологий привел к появлению новых «путешествий» клиента или путей к покупке, которые являются очень сложными, поскольку на решение о покупке потенциально влияет множество точек соприкосновения, которые могут быть использованы digital-маркетингом.

Представленная ниже визуализация жизненного цикла покупателя обобщает, как потенциальные платные, собственные и earned digital media каналы или коммуникационные инструменты вне сети могут повлиять на покупку на протяжении всего жизненного цикла покупателя.

Обратите внимание, что TOFU, MOFU, MOFU относящийся к контенту верхней, средней и нижней части воронки, где контент используется для поддержки развития на протяжении всего жизненного цикла клиента.

Эта наглядная иллюстрация призвана помочь компаниям провести аудит использования цифрового маркетинга в рамках «анализа недостатков ситуации», чтобы проанализировать, используют ли они или инвестируют достаточные средства в наиболее подходящие «always-on» (постоянно включенные) цифровые коммуникации для достижения своих целей в рамках планирования RACE.

Некоторые из многочисленных каналов онлайн-маркетинга, которые компании могут интегрировать, чтобы получить наилучшие результаты от digital-маркетинга сегодня. Хотя некоторые каналы, такие как социальные сети и SEO, хорошо известны, по моему опыту, некоторые потенциальные методы always-on маркетинга, такие как ретаргетинг, ремаркетинг и email-маркетинг, а также influencer-маркетинг, показанные на рисунке, используются менее широко.

Позже в этой статье я покажу, как можно упростить управление каналами digital-маркетинга до шести ключевых каналов, которые актуальны для любого бизнеса, от самого маленького до самого большого.

Что такое digital-маркетинг?

Обычно вкратце я просто определяю digital-маркетинг как:

Это краткое определение помогает напомнить нам, что именно результаты, достигнутые с помощью технологии, должны определять инвестиции в digital-маркетинг, а не принятие технологии! Мы также должны помнить, что, несмотря на популярность цифровых устройств для выбора товаров, развлечений и работы, мы по-прежнему проводим много времени в реальном мире, поэтому интеграция с традиционными СМИ остается важной во многих отраслях.

На практике digital-маркетинг фокусируется на управлении различными формами онлайн-присутствия компании, такими как веб-сайты компании, мобильные приложения и страницы компании в социальных сетях, интегрированными с различными методами онлайн-коммуникаций, которые будут представлены далее в этой статье. К ним относятся поисковый маркетинг, контент-маркетинг, маркетинг в социальных сетях, онлайн-реклама, email-маркетинг и партнерские программы.

Основы digital-маркетинга, о которых я рассказываю в этой статье, остаются полностью применимыми и в 2023 году, но всегда есть новые инновации, которые открывают новые возможности. Прочитайте мою недавнюю статью в блоге о тенденциях digital-маркетинга в 2023 году, чтобы узнать о последних инновациях.

В течение последних 15 лет я оказываю помощь маркетологам в освоении более структурированного, стратегического, основанного на данных подхода к digital-маркетингу.

Digital-маркетинг можно считать эквивалентом интернет-маркетинга и онлайн-маркетинга. Большинство представителей отрасли смотрят на это так.

Однако я считаю, что digital-маркетинг имеет более широкий охват, чем онлайн-маркетинг, поскольку он относится к цифровым медиа, таким как веб, электронная почта и беспроводные медиа, а также включает управление цифровыми данными о клиентах и электронные системы управления взаимоотношениями с клиентами (E-CRM системы).

Подробнее об этом читайте в «Руководстве по стратегии онлайн-маркетинга».

Определение маркетинга

Полезно отметить, что, несмотря на использование в цифровомEscapeEscapeи маркетинге методов коммуникации, отличных от традиционных, его конечные цели ничем не отличаются от целей, которые всегда ставил перед собой маркетинг. Может быть легко установить цели цифрового маркетинга на основе «тщеславных показателей», таких как количество "лайков" или подписчиков, поэтому полезно помнить об этом определении маркетинга, предложенном Chartered Institute of Marketing:

Это определение подчеркивает фокус маркетинга на потребителя и в то же время подразумевает необходимость связи с другими бизнес-операциями для достижения этой прибыльности. Тем не менее, это слабое определение по отношению к цифровой деятельности, поскольку в нем не подчеркиваются коммуникации, которые так важны для цифровой деятельности.

В книге «Совершенство digital-маркетинга», PR Smith отмечает, что digital-маркетинг может быть использован для поддержки этих целей следующим образом:

• Идентификация - Интернет может быть использован для маркетинговых исследований, чтобы узнать потребности и желания клиентов
• Прогнозирование - Интернет предоставляет дополнительный канал, по которому клиенты могут получить доступ к информации и совершать покупки - оценка этого спроса является ключевым фактором для управления распределением ресурсов.
• Удовлетворение - ключевым фактором успеха является достижение удовлетворенности клиентов через соответствующий канал, что поднимает такие вопросы, как: прост ли сайт в использовании, адекватно ли он работает, каков стандарт сопутствующего обслуживания клиентов и как осуществляется отправка физических продуктов?

18 основных приемов digital-маркетинга по 6 медиаканалам

Существует множество методов онлайн-коммуникаций, которые маркетологи должны расставить по приоритетам, чтобы включить их в свою коммуникационную стратегию. Маркетологи часто используют платные, собственные и приобретенные медиа для описания инвестиций на высоком уровне, но чаще всего при выборе конкретных инвестиций в постоянное присутствие и кампании, ссылаются на шесть конкретных цифровых медиаканалов.

Чтобы упростить расстановку приоритетов, мы рекомендуем рассматривать платные, собственные и полученные методы, доступные в рамках шести цифровых медиаканалов или коммуникационных инструментов, показанных на следующем рисунке. Комбинируя эти методы таким образом, мы получаем 18 цифровых коммуникационных методов для рассмотрения компаниями. Компании с ограниченным бюджетом на платные медиа могут сосредоточиться на собственных и earned (полученных или привлеченных) методах.

6 медиаканалов digital-маркетинга

Шесть основных цифровых каналов, доступных любому бизнесу, и варианты платных, собственных и earned-медиа в рамках этих каналов:

1. Search engine marketing - Маркетинг в поисковых системах

Получение видимости в поисковой системе для стимулирования перехода на сайт, когда пользователь набирает определенную ключевую фразу. Два основных метода поискового маркетинга - это платное размещение с оплатой за клик в Google Ads или Bing и размещение в естественных или органических списках с помощью оптимизации поисковых систем (SEO), когда за клики из поисковой системы плата не взимается.

SEO можно считать собственным медиа, поскольку оно включает в себя оптимизацию страниц путем повышения релевантности контента и технические усовершенствования сайта для улучшения проходимости, отслеживаемые через Google Search Console. SEO также имеет компонент заработанных средств массовой информации, где видимость в поисковых системах может быть улучшена путем получения релевантных «обратных ссылок» с веб-сайтов, которые фактически считаются как цитирование или высказывание.

2. Social media marketing - Маркетинг в социальных сетях

Сюда входит как платная реклама в социальных сетях, так и органическое усиление социальных медиа, когда компании стремятся получить видимость через контент, которым делятся в социальных сетях и на страницах, которые являются собственными медиа. Заработанные социальные медиа - это когда бренд или социальные обновления распространяются издателем или партнером.

Маркетинг в социальных сетях - это важная категория цифрового маркетинга, которая включает в себя поощрение общения с клиентами на собственном сайте компании, в социальных сетях, таких как Facebook*,Twitter, ВКонтакте и другие или на специализированных сайтах, блогах и форумах. Он может применяться как традиционное средство вещания - например, компании могут использовать Facebook*, Twitter, ВКонтакте для отправки сообщений клиентам или партнерам, которые подписались на рассылку.

3. Display advertising - Медийная реклама

Использование форматов онлайн-рекламы, таких как баннеры и видео, на сайтах издателей для достижения узнаваемости бренда и стимулирования перехода на целевой сайт. Эти виды рекламы обычно рассматриваются как отдельные инвестиции от платного поиска и платной социальной рекламы, поскольку объявления обычно показываются на сайтах издателей.

Programmatic display– это способ закупки трафика в режиме реального времени через автоматизированную платформу, который позволяет покупать не весь массив трафика или контентного наполнения, а конкретных пользователей, которые нам необходимы. В то время как нативная реклама подразумевает оплату публикации контента, который появляется на сайте СМИ, а не в виде баннерной рекламы. Это похоже на то, как компании платят за размещение материалов на страницах газет.

Медийная реклама похожа на спонсорство, и в обоих случаях могут быть долгосрочные отношения, когда бренд платит за то, чтобы его имя ассоциировалось с издателем или событием.

4. Digital PR

Включает в себя максимальное количество благоприятных упоминаний вашей компании, брендов и продуктов за пределами сайта другими организациями и людьми, особенно медиа-сайтами или влиятельными лицами, такими как знаменитости.

Упоминания могут повышать узнаваемость имени, но имеют то преимущество, что они также могут стимулировать посещения через ссылки и поддерживать SEO через обратные ссылки. Эти упоминания могут встречаться на веб-сайтах издателей, в блогах или социальных сетях, а также в подкастах, к которым обращается ваша целевая аудитория.

Гостевой блогинг предполагает написание статьи, за которую обычно не взимается плата на веб-сайте другой компании. Часто это взаимная договоренность.

Взаимодействие с инфлюенсерами используется как в коммуникациях B2B, так и в B2C. Обычно это относится к работе с отдельными лицами, а не с издателями, для получения упоминаний в социальных сетях, блогах или подкастах.

Digital-PR также включает в себя реагирование на негативные или позитивные упоминания бренда в Интернете и ведение связей с общественностью через сайт, например, через центр новостей в социальных сетях или блог.

5. Digital partnerships - Цифровые партнерства

Создание и управление долгосрочными соглашениями о продвижении ваших онлайн-услуг на сторонних сайтах или через содержание сайта и сообщения. Партнерский маркетинг подразумевает соглашение на основе комиссионных, когда рекламодатель платит только в случае совершения продажи. Он наиболее применим в сфере розничной торговли, путешествий и финансовых услуг, где партнерский сайт получает деньги за трафик, когда происходит онлайн-продажа.

Ко-брендинг - это платная или собственная медиа-техника, когда два бренда представлены в рамках маркетинга по электронной почте или нативной рекламы. Ко-маркетинг похож, но это соглашение «контр-договоренность», за которое обычно не выплачивается вознаграждение, когда компании сотрудничают для обмена контентом с целью повышения осведомленности и привлечения потенциальных клиентов среди объединенной аудитории.

Например, мы заключили соглашение о совместном маркетинге для условного издателя IMSource с поставщиком martech-технологий HubSpot, в рамках которого были созданы совместные исследовательские отчеты для повышения осведомленности и привлечения потенциальных клиентов для обоих брендов. В HubSpot есть специальные менеджеры по совместному маркетингу в разных регионах, которые управляют этой деятельностью, поскольку считают ее важной.

6 Digital messaging - Цифровой обмен сообщениями

Традиционно цифровая рассылка сообщений лицам, подписавшимся на обновления, фокусировалась на email-маркетинге, который по-прежнему является широко используемым цифровым медиаканалом, поскольку он экономически эффективен. Однако электронная почта меньше используется более молодой аудиторией, которая чаще подписывается на мобильные push-уведомления с веб-сайтов и приложений, сейчас также выросла популярность мессенджеров.

Варианты цифровых сообщений включают размещение рекламы в сторонних электронных рассылках (платные СМИ) или, чаще всего, использование собственного списка рассылки для активации и удержания клиентов (собственные СМИ) или методы совместного маркетинга с использованием рассылок других компаний. Покупка или аренда списков адресов электронной почты рассматривается как метод рассылки спама и не допускается в соответствии с описанным законодательством о конфиденциальности.

Преимущества digital-маркетинга

Успех в digital-маркетинге требует от вас выбора хорошего набора целей digital-маркетинга, охватывающих целый ряд различных показателей, которые помогут установить, проанализировать и контролировать эффективность всех мероприятий цифрового маркетинга.

Я рекомендую вам рассмотреть эти 5S-цели и конкретные SMART-задачи, чтобы убедиться, что ваши инвестиции в digital-маркетинг принесут вам необходимую отдачу. 5S digital-маркетинга были разработаны PR Smith и описаны в книге Digital Marketing Excellence.

Ключевые концепции маркетинговых коммуникаций для digital-маркетинга

В этом разделе мы рассмотрим пять фундаментальных концепций digital-маркетинга, которые представляют собой значительные возможности, предоставляемые цифровыми коммуникациями, которые встроены в деятельность digital-маркетинга и часто обсуждаются маркетологами. Если вы работаете в сфере digital-маркетинга, именно эти приемы будут лежать в основе вашего маркетинга.

Их легче достичь в Интернете по сравнению с традиционными СМИ, но с ними могут интегрироваться и офлайновые коммуникации, такие как телевизионная реклама, а на сегодняшний день и DOOH — это цифровая наружная реклама.

• Inbound marketing — Входящий маркетинг;
• Permission marketing — Разрешенный маркетинг;
• Content marketing — Контент-маркетинг;
• Digital customer engagement — Цифровое взаимодействие с клиентами;
• Always-on marketing — Постоянный маркетинг.

Входящий маркетинг

Среди специалистов по маркетингу взаимодействие с цифровыми медиа, показанное на первом рисунке, является новым мощным подходом к маркетингу, который теперь широко известен как входящий маркетинг, термин, также продвигаемый компанией HubSpot. Входящий маркетинг можно определить, как когда потребитель проявляет инициативу в поиске информации для своих нужд, а взаимодействие с брендами привлекается через контент, поиск и маркетинг в социальных сетях.

Входящий маркетинг является достаточно мощным, поскольку существуют недорогие органические варианты, для которых нет затрат на СМИ, включая органику социальных сети и поисковую оптимизацию (SEO). Рекламные потери сокращаются, поскольку мы можем нацеливаться на конкретных людей, когда они ищут продукты, они активны и выбирают сами. Но это недостаток, поскольку у маркетологов может быть меньше контроля, чем в традиционных коммуникациях, где сообщение доводится до определенной аудитории и может помочь повысить осведомленность и спрос.

Традиционные средства массовой информации — это преимущественно рекламные средства массовой информации, в которых маркетинговое сообщение передается от компании к клиенту, хотя взаимодействие может поощряться путем прямого ответа по телефону, веб-сайту или странице в социальных сетях. Однако в Интернете часто именно клиент инициирует контакт и ищет информацию, исследуя информацию на веб-сайте. Другими словами, это механизм «вытягивания», когда особенно важно иметь хорошую видимость в поисковых системах, когда клиенты вводят поисковые запросы, относящиеся к продуктам или услугам компании.

Доверительный маркетинг

Доверительный маркетинг тесно связан с входящим маркетингом. Это устоявшийся подход к интернет-маркетингу, который и сегодня не утратил своей актуальности как практическая основа для создания онлайн-лидов и вовлечения аудитории. Термин «Permission marketing» впервые ввел в обиход гуру маркетинга Сет Годин в 1999 году. Этот классический обмен ценностями основан на информации или развлечениях - сайт B2B может предложить бесплатный отчет в обмен на то, что клиент сообщит свой адрес электронной почты, а сайт B2C может предложить рассылку с ценным контентом и предложениями. Многие сайты розничной торговли сегодня по-прежнему предлагают возможность подписаться на рассылку новостей со скидкой для тех, кто покупает впервые, поскольку это практичный метод привлечения потенциальных клиентов.

Доверительный маркетинг - это современный подход к управлению взаимоотношениями с клиентами (CRM). Это использование цифровых коммуникационных технологий для максимизации продаж существующим клиентам и поощрения постоянного использования онлайн-услуг с помощью таких методов, как база данных, персонализированные веб-сообщения, обслуживание клиентов, чат-боты, электронная почта и маркетинг в социальных сетях.

Контент-маркетинг

Успех в permission-маркетинге требует исключительного, убедительного контента. Чтобы подчеркнуть важность контент-маркетинга для получения разрешения, поощрения совместного использования и постоянного взаимодействия через веб-сайты и социальные сети, были разработаны концепции контент-маркетинга и контент-стратегии, описывающие передовые подходы к привлечению аудитории и достижению бизнес-результатов с помощью контента. Раньше содержание было ограничено стоимостью печати и распространения брошюр или прямой почтовой рассылкой, но это больше не является препятствием, предоставляя гораздо больше возможностей для привлечения аудитории в Интернете с помощью контента в самых разных форматах, включая веб-страницы, загружаемые руководства, сообщения в блогах, публикации в социальных сетях, видео, подкасты и интерактивные средства подбора продуктов и квизы (викторины).

Под контент-маркетингом понимают:

Вы можете видеть проблемы, связанные со стратегией контента, поскольку сегодня существует так много разных типов контента, которые доставляются в разных формах в разные места на разных платформах доступа, и все же становится все более важным привлекать клиентов к цифровым медиа. Инвестиции в управление идеями, созданием и распространением контента необходимы для оценки и определения:

• Цели взаимодействия с контентом. Какие типы контента будут привлекать аудиторию и поддерживать конверсию в лида или продажу? Это простая информация о продукте или услуге, руководство по покупке или использованию продукта или услуги, которая будет привлекать вашу аудиторию на разных этапах жизненного цикла.
• Контент-медиа. К ним относятся различные текстовые и мультимедийные форматы, такие как размещенное и потоковое видео и аудио.
• Дистрибуция или распространение контента. Основными действиями по дистрибуции, которые являются ключевой частью контент-маркетинга, являются платное продвижение контента с помощью рекламы, например, в Facebook*, Google, LinkedIn или ПромоСтраницы Яндекса, и бесплатное органическое продвижение через SEO и социальные сети. PR с использованием инфлюенсеров также важен. Контент также можно автоматически синдицировать на различные типы сайтов через фиды, API-интерфейсы, микроформаты или встраивать в сайты с помощью виджетов, отображающих информацию, доставляемую фидом.
• Контентное взаимодействие и участие. Эффективный контент сегодня не просто доставляется для статического потребления, он должен обеспечивать взаимодействие, комментирование, рейтинги и обзоры. Их также необходимо контролировать и управлять ими как в исходном месте, так и там, где они обсуждаются в другом месте.
• Платформа управления контентом. Контент должен управляться командами и предоставляться пользователям на разных цифровых устройствах.

Чтобы добиться успеха в контент-маркетинге, мы рекомендуем веб-сайтам создавать центр контент-маркетинга (Content marketing hub), который представляет собой центральное фирменное место, где ваша аудитория может получить доступ и взаимодействовать со всеми вашими ключевыми активами контент-маркетинга. На практике центр контента может быть блогом или новым разделом, онлайн-журналом для клиентов или ресурсным центром.

Вовлечение цифровой аудитории

В традиционных «push» медиа у брендов было мало возможностей для прямого взаимодействия с аудиторией. Digital медиа предлагают гораздо больше возможностей для прямого взаимодействия с клиентами (D2C-коммуникации), но при этом возникает проблема получения «сквозного» контента, учитывая его объем. Сегодня мы определяем вовлечение клиентов как:

Трудности с привлечением и удержанием внимания аудитории в современном фрагментированном медиаландшафте привели к появлению концепции вовлечения клиентов как ключевой проблемы, которая все больше волнует маркетологов цифровых технологий.

Нам нужно быть осторожными, чтобы точно определить понятие вовлеченности, поскольку этот термин часто используется в свободном смысле для описания краткосрочного взаимодействия аудитории с одной коммуникацией, например, когда потенциальный клиент взаимодействует с одной целевой страницей, электронной почтой или обновлением в социальных сетях. Хотя такое краткосрочное взаимодействие важно для повышения отклика от этих коммуникаций, сегодня для успеха бизнеса важнее и гораздо сложнее долгосрочное взаимодействие с перспективами, клиентами и подписчиками.

Мы определяем вовлечение клиентов как повторяющиеся взаимодействия в течение жизненного цикла клиента, вызванные онлайн- и офлайн-коммуникациями, направленные на укрепление долгосрочных эмоциональных, психологических и физических инвестиций клиента в бренд.

Для успешного осуществления маркетинговых коммуникаций сегодня маркетологам необходимо развивать глубокое понимание цифровой аудитории, что включает в себя понимание характеристик и поведения клиентов, которые мы рассматриваем в разделе «Цифровые данные». Как мы видели из определения маркетинга, приведенного в предыдущем разделе, развитие глубокого понимания потребителей для понимания своей аудитории и последующего направления на нее более релевантных коммуникаций и предложений всегда было основой маркетинга.

Always-on маркетинговые коммуникации на протяжении всего жизненного цикла

В доцифровую эпоху маркетинговая деятельность планировалась в рамках кампаний «всплесков», связанных с запуском новых продуктов и рекламных акций. Чтобы быть эффективным, цифровой маркетинг требует изменения мышления, поэтому компании инвестируют достаточно времени и бюджета в определение и оптимизацию так называемого «always-on lifecycle marketing», который может быть использован комплексно для максимизации видимости и конверсии на протяжении всего жизненного цикла клиента.

always-on lifecycle marketing - это плановый подход к планированию и оптимизации непрерывных маркетинговых мероприятий, которые способствуют привлечению и удержанию клиентов. Эти мероприятия направлены на максимизацию видимости и убеждения на протяжении жизненного цикла клиента для всех видов деятельности, как показано на первом рисунке.

Использование стратегического подхода к digital-маркетингу

Одно из исследований, описанное в статье: 10 причин, по которым вам нужна стратегии digital-маркетинга, показало, что почти половина компаний не имеют четко сформулированной стратегии digital-маркетинга. Но из тех, у кого она есть, большинство интегрировали ее в маркетинговую стратегию. В настоящее время около 12% все еще используют отдельный документ цифровой стратегии, что является первым шагом на пути к полностью интегрированной стратегии.

Многие компании совершают ошибку, рассматривая стратегию digital-маркетинга только для инвестиций в каналы цифровых медиа, которые мы рассмотрели. Однако опытные компании понимают, что цифровой маркетинг открывает более широкие возможности, такие как пересмотр новых моделей онлайн-бизнеса и доходов.

Чтобы эффективно использовать цифровой маркетинг, многие авторитетные крупные компании приняли программы цифровой трансформации. Аналитик Брайан Солис из Brian Solis of Altimeter определяет цифровую трансформацию как:

«Развитие стремления к инновационным и гибким бизнес-моделям и операционным моделям, подпитываемым развивающимися технологиями, процессами, аналитикой и талантами, для создания новой ценности и опыта для клиентов, сотрудников и заинтересованных сторон».

Я определяю цифровую трансформацию как:

7D digital-маркетинга, которые должна учитывать ваша digital-стратегия

В рамках определения сферы возможностей при использовании стратегического подхода к digital-маркетингу полезно подумать о том, какие взаимодействия с цифровой аудиторией нам необходимо понимать и управлять ими с помощью маркетинговых коммуникаций. Digital-маркетинг сегодня - это управление гораздо большим количеством типов взаимодействия с аудиторией, чем просто веб-сайт компании или маркетинг по электронной почте. Он включает в себя использование всех этих «7D управления цифровыми маркетинговыми взаимодействиями», которые показаны на рисунке ниже

Маркетинговые мероприятия, относящиеся к 7D, которые следует пересмотреть в рамках стратегического подхода к digital-маркетингу, таковы:

Цифровые цели. Анализ того, чего бизнес или бренд стремится достичь с помощью digital-маркетинга и насколько хорошо он этому способствует. Рассмотрение того, как digital-маркетинг может помочь бизнесу конкурировать с помощью стратегии digital-маркетинга, чтобы определить цифровые преобразования, необходимые для существующих предприятий, включая изменения в моделях бизнеса и доходов, а также приоритетность постоянно действующего маркетинга в дополнение к инвестициям в кампании.

Цифровая аудитория. Понимание характеристик, поведения и предпочтений онлайн-аудитории для предоставления более релевантного контента и опыта различным целевым сегментам с целью повышения уровня взаимодействия и достижения бизнес-целей в условиях конкуренции на онлайн-рынке.

Цифровые устройства.Понимание того, как наша аудитория взаимодействует с компаниями и брендами в рамках процесса покупки, используя сочетание смартфонов, планшетов, ноутбуков, настольных компьютеров, телевизоров, игровых устройств, умных колонок и других подключенных устройств, образующих Интернет вещей (IoT).

Цифровые платформы. Оценка относительной важности взаимодействия и приоритета коммуникаций на основных "цифровых платформах" или онлайн-сервисах, иногда описываемых аббревиатурой "FAMGA". FAMGA означает Facebook™* (которому принадлежат Instagram™* и WhatsApp™), Amazon™, Microsoft™. (которой принадлежит LinkedIn™), Google™ (материнская группа Alphabet™ владеет YouTube™) и Apple™. Эти компании играют важную роль в разработке операционных систем, браузеров, приложений, социальных сетей и поисковых систем, используемых для цифрового взаимодействия между предприятиями и потребителями. Отрасли промышленности могут иметь свои собственные платформы, которые играют важную роль в оказании влияния на покупку, например, специализированные онлайн-издательства или сайты сравнения. Например, в туристическом секторе TripAdvisor является важной платформой, созданной с использованием инфраструктуры, предоставленной различными игроками FAMGA.

Цифровые медиа.Приоритетное использование различных коммуникационных каналов для охвата и привлечения аудитории, включая рекламу, электронную почту и обмен сообщениями, поисковые системы и социальные сети, с которыми мы познакомимся в этой главе.

Цифровые данные. Структурирование и применение информации, которую компании собирают о профилях своей аудитории и ее взаимодействии с компаниями, теперь в большинстве стран должно быть защищено законом.

Цифровые технологии. Выбор маркетинговой технологии или martech используется для создания интерактивного опыта, включая веб-сайты и мобильные приложения. Технологии также используются для поддержки планирования, выполнения, оптимизации, понимания и отчетности для деятельности цифровых маркетинговых каналов, которые формируют маркетинговые кампании.

Планируйте свою маркетинговую стратегию с помощью системы RACE

Чтобы создать план цифрового маркетинга, мы используем Систему планирования RACE. Этот шаблон стратегического маркетинга информирует маркетологов и менеджеров о функции цифровых и офлайн маркетинговых мероприятий в жизненном цикле их клиентов.

Данная система планирования маркетинга RACE отображает путешествие клиента в Интернете по всем потенциальным точкам соприкосновения. В рамках этой схемы Reach, Act, Convert и Engage по всем каналам вы можете эффективно внедрять цифровые методы в своей организации путем планирования, управления и оптимизации цифровых медиа, цифрового опыта и цифровых данных.

Скачайте Бесплатный шаблон плана digital-маркетинга

Этот популярный шаблон маркетингового планирования структурирован в соответствии со структурой RACE. Подпишитесь сейчас в качестве бесплатного участника, чтобы загрузить Шаблон плана digital-маркетинга уже сегодня

Получить доступ к бесплатному Шаблону плана digital-маркетинга

Графическое краткое определение сферы применения цифрового маркетинга

Давайте рассмотрим визуальное определение, обобщающее все цифровые виды деятельности, которыми необходимо управлять в рамках Системы планирования RACE. Инфографика разделена на мероприятия по разработке и управлению digital-стратегией в верхней части и маркетинговые мероприятия в нижней части.

Итак, digital-маркетинг - это использование цифровых технологий для достижения маркетинговых целей. Нет никакой необходимости в том, чтобы цифровой маркетинг всегда был отделен от отдела маркетинга в целом, поскольку цели у обоих одинаковые. Однако пока этот термин остается полезным, поскольку для эффективного использования цифровых технологий требуются специальные навыки.

По всем вопросам пишите в Telegram

Бренды используют мультиформатное видео в качестве ключевой маркетинговой стратегии, независимо от того, исследуют ли они, как личная значимость влияет на привычки просмотра в разных форматах, или подходят к делу как креаторы и экспериментируют с коротким и длинным видео-контентом. А поскольку 80 % зрителей согласны с тем, что YouTube предлагает самый разнообразный видеоконтент по сравнению с любой другой платформой*, бренды используют видеоплатформу, чтобы реализовать свои кампании в различных форматах и средах.

Хотя успех в экспериментах с многоформатностью часто зависит от соответствия вашего творческого актива правильному экрану и типу контента, также крайне важно использовать форматы видео, которые ориентированы на ваши маркетинговые цели. Здесь мы разберем, что это означает на практике, рассмотрев три показательных кейса брендов, которые объединили несколько форматов видео с передовым креативом для достижения впечатляющих результатов.

Nissan добивается успеха с помощью музыки

В поддержку полностью электрического Ariya компания Nissan создала безмятежный анимационный ролик и четырехчасовой lo-fi плейлист к нему.

Компания Nissan хотела привлечь внимание общественности к своему новому полностью электрическому автомобилю Ariya, используя захватывающие способы. Зная, что музыка - это глубоко личный, но в то же время универсальный опыт, бренд придумал уникальные способы использования этой формы искусства. Поскольку YouTube предлагает поклонникам музыки множество способов реализовать свои пристрастия, маркетинговая команда использовала эту платформу для привлечения аудитории.

Чтобы в полной мере продемонстрировать двойственность Ariya - спокойный салон в японском стиле в сочетании с захватывающим крутящим моментом электромобиля - Nissan решил поэкспериментировать с популярным на YouTube направлением lo-fi, состоящим из музыкальных видео с chill hip-hop beats и stripped-back продакшн.

Вдохновленный популярным автором под названием Lofi Girl, Nissan создал собственное четырехчасовое lo-fi видео, дополненное плейлистом из 15 треков и причудливой анимацией. Хотя создание многочасового контента может считаться рискованным, Nissan был уверен, что зрители YouTube воспримут его с пониманием. Как объясняет Эллисон Уизерспун, глобальный управляющий директор Nissan: "Запуская полностью электрический Ariya, мы стремились повысить осведомленность и привлечь внимание к автомобилю такими способами, которые соответствовали бы его исключительной креативности, уникальности и передовым тенденциям. Именно здесь нам на помощь пришел YouTube. Он дал нам творческую канву для инноваций и подлинного контакта с нашей аудиторией".

Nissan запускал свое lo-fi видео на экранах, используя skippable in-stream ads рекламу с возможностью пропуска, чтобы обеспечить эффективный охват, в сочетании с roadblock канала Lofi Girl, чтобы увеличить долю голоса в видео. Команда также использовала dynamic lineups разнообразное сочетание музыкальных составов, чтобы окружить кампанию соответствующим контентом, привлечь новую аудиторию и встретить страстных любителей музыки, уже готовых к прослушиванию на экранах.

За первый месяц видео набрало более 7 миллионов просмотров и тысячи положительных комментариев. Среднее время просмотра составило 15 минут на всех устройствах и 19 минут на connected TV (CTV). Эффект этой кампании доказывает, что при правильном креативе, правильном тренде и правильной платформе даже самый длинный контент может привлечь аудиторию на всех экранах.

Les Mills делает вещи краткими и вертикальными, чтобы увеличить количество регистраций.

Международный фитнес-бренд Les Mills поставил перед собой цель увеличить число подписчиков в своем приложении для домашнего фитнеса Les Mills+. Чтобы достичь этого, бренд стремился сделать упражнения — пугающая концепция для многих потребителей — более доступными. Это сделало короткое видео для мобильных устройств идеальным форматом. А поскольку YouTube Shorts в среднем просматривают более 50 миллиардов просмотров в день (по состоянию на январь 2023 года)2, Les Mills поставила Shorts в центр своего плана.

Для рекламного креатива бренд перепрофилировал короткий вертикальный видеоконтент, ранее разработанный для социальных сетей. Затем команда Les Mills запустила сочетание вертикальных и горизонтальных Video action campaigns, тобы побудить аудиторию, находящуюся на более низком уровне воронки, подписаться на приложение Les Mills+. Такой подход гарантировал, что зрители получат наиболее подходящее соотношение сторон независимо от устройства.

В конечном итоге кампания превзошла ожидания, обеспечив 52%-ное увеличение количества переходов по ссылкам при одновременном снижении затрат: Les Mills на 10% снизила стоимость приобретения и на 16% - стоимость одного впечатления. И хотя люди смотрели ролик с различных устройств, 24% показов было получено от просмотров на мобильных телефонах, что подтверждает стратегию команды строить кампанию с учетом мобильных устройств.

Майкл Фитцпатрик, менеджер по маркетингу Les Mills, объясняет: "Включение вертикального видео позволило нам охватить дополнительную аудиторию во время различных состояний просмотра и, в конечном счете, побудить больше людей заниматься с нами на Les Mills+". Успешный подход его команды показывает, что использование нескольких форматов помогает маркетологам находить клиентов там, где они потребляют контент и добиться результатов, к которым они стремятся.

Moët & Chandon делает свою рекламу популярной для зрителей, транслирующих YouTube по телевизору

Компания Moët & Chandon использует свой сериал "Идеальная подача", чтобы научить своих зрителей, как налить идеальный бокал шампанского.

На протяжении веков винодельческий бренд Moët & Chandon был известен своим престижным шампанским высокого класса. Однако совсем недавно компания стремилась повысить привлекательность бренда за счет расширения своей основной аудитории. Для маркетинговой команды это означало омоложение контента бренда в современной интерпретации. Следуя популярной тенденции на YouTube, они создали The Perfect Serve, серию учебных пособий, направленных на то, чтобы сделать культуру шампанского привлекательной для нового поколения.

В эту серию вошли длинные видеоролики, а также более короткие тизерные видеоролики. Вдохновленные лучшими творческими практиками YouTube, Moët & Chandon разработали свои более короткие видеоролики, чтобы показывать их в качестве привлекающей внимание in-stream рекламы, чтобы привлечь зрителей к своему плейлисту The Perfect Serve в TouTube.

Подготовив креативные активы, команда задумалась об экранах. Поскольку было важно привлечь внимание людей в различных условиях просмотра, они сделали смелый выбор в пользу двух разных кампаний: одна предназначалась для зрителей, специально просматривающих YouTube на своих телевизорах CTV, а другая была ориентирована на все остальные устройства.

В то время как в обеих кампаниях использовались одни и те же творческие ресурсы, CTV кампания помогла Moët & Chandon объединить увлекательные обучающие материалы с экраном, созданным для полного погружения, и доказала свою эффективность. Согласно исследованию, проведенному Google совместно с Latitude, зрители согласны с тем, что реклама на YouTube CTV более актуальна (59%), уникальна (55%), информативна (52%) и доставляет удовольствие (51%), чем реклама на линейном телевидении или в других потоковых приложениях.

Обе кампании показали исключительные результаты, но наибольшим успехом у зрителей пользовалась кампания на CTV. По сравнению с кампанией, направленной на другие устройства, она обеспечила более чем двукратное увеличение количества обращений к рекламе, демонстрируя, как бренды могут использовать CTV для укрепления своих медиастратегий и установления связи с увлеченной аудиторией.

«Появление CTV на YouTube показывает нам, что сообщение и формат неразрывно связаны», - говорит Карен Валеселла, директор по цифровому маркетингу и коммуникациям компании Moët & Chandon. «Будь то очень короткие или очень длинные форматы, YouTube предлагает нам широкий спектр возможностей для удовлетворения всех наших потребностей». Ссылаясь на впечатляющие результаты, Moët & Chandon включил CTV в более широкую стратегию бренда.

Компания Nissan рискнула снять четырехчасовое видео в стиле lo-fi, чтобы вызвать интерес к своему электромобилю, а компания Les Mills успешно увеличила количество подписчиков с помощью короткометражного фитнес-контента. А компания Moët & Chandon экспериментировала с различными форматами, чтобы повысить привлекательность своего бренда, и в итоге добилась успеха благодаря CTV кампании. Эти кампании доказали, как мультиформатное видео на YouTube может помочь брендам рассказать свою историю и привлечь внимание самой большой в мире аудитории видеозрителей в нужное время, в нужном месте и нужным способом.

Если последние несколько лет чему-то и научили розничных торговцев, так это тому, как сохранить устойчивость в условиях разрушительной экономической среды. Путь вперед будет непростым. Чтобы помочь ритейлерам и брендам сориентироваться в условиях неопределенности, Google совместно с компаниями Kantar и Bain проанализировали поведение покупателей и определили четыре важнейшие тенденции, которые будут определять развитие розничной торговли в ближайшие три-пять лет.

Шоппинг превратился в окружающий опыт

Современные потребители перемещаются по цифровым, физическим, виртуальным и социальным платформам, плавно переходя от просмотра, изучения и покупки. Такое омниканальное покупательское поведение будет развиваться и дальше, поскольку оно превращается из дискретной задачи, когда люди ищут конкретный товар на определенном канале в определенный период времени, в окружающий опыт. Люди будут находить новые товары и услуги, пролистывая социальные ленты, просматривая потоковое видео и играя в видеоигры. Это приведет к тому, что на следующем этапе коммерции люди будут меньше зависеть от выбора канала сбыта и больше от того, насколько близко ритейлеры смогут подобраться к потребителям и местам, где они проводят время - местам, где происходит спрос, открытие, выбор и потребление.

Поэтому ритейлерам следует задуматься о том, как они хотят выглядеть, когда границы между коммерцией и контентом еще больше стираются. По мере роста аппетита потребителей к технологичным способам совершения покупок все большее внимание будет уделяться экспериментам с использованием дополненной реальности и виртуальной реальности, а также видеороликам, позволяющим совершать покупки. Молодые покупатели в настоящее время являются самыми активными пользователями: Они в 2-3 раза чаще совершают покупки с использованием новых медиа, таких как социальные сети, виртуальные примерки и онлайн-трансляции.<sub>1</sub>

Правильный покупатель и правильное сообщение будут движущейся целью. Маркетологам следует больше полагаться на искусственный интеллект, чтобы оставаться гибкими и быстро адаптироваться к постоянным изменениям в точках соприкосновения каналов и курировании контента. Такие решения, как Performance Max кампании, работающие на базе AI Google, помогут маркетологам добиться максимальной эффективности во всех каналах Google.

По мере того, как лояльность к бренду исчезает, растет ценность партнерских отношений

Лояльность к бренду отходит на второй план, поскольку покупатели выбирают компании и продукты, которые лучше соответствуют их личным ценностям и потребностям. Действительно, ожидания потребителей в отношении персонализации растут: 73% покупателей ожидают, что бренды поймут их уникальные потребности и ожидания.

Ритейлеры и бренды, которые хотят получить больше шансов на удержание клиентов, должны внедрять инновации в свои предложения через партнерства и сотрудничество. На самом деле, множество посредников уже становятся значимыми игроками в розничной торговле. К ним относятся суперприложения, такие как Rappi в Латинской Америке или Grab в Юго-Восточной Азии, которые централизуют различные потребности клиентов в одном месте, финансовые провайдеры типа Affirm или Klarna, агрегаторы лояльности, приложения для социальных сетей и поставщики услуг "последней мили". По прогнозам Allied Market Research, мировой рынок автономной доставки "последней мили" достигнет 90 миллиардов долларов к 2030 году. В то же время к 2025 году на долю онлайн-маркетов будет приходиться от 45% до 50% расходов в Интернете. Эти цифры подчеркивают, почему ритейлерам необходимо найти правильного партнера, который поможет им выделиться и предоставить клиентам лучший опыт покупок.

Поколение Z - новая движущая сила шопинга

Представители поколения Z составляют почти 30% всего населения планеты, и, согласно прогнозам, к 2025 году они будут составлять около 27% рабочей силы. Они также являются первым поколением, полностью выросшим в цифровом мире, и проводят в Интернете больше времени, чем любая другая группа. И их покупательская способность растет.

Розничным компаниям необходимо учитывать особые привычки и предпочтения поколения Z, например, то, как они ищут информацию из надежных источников в Интернете. Потребители поколения Z и миллениалы в два раза чаще, чем покупатели старшего поколения, заявляют, что просмотр онлайн-видео был для них самым влиятельным действием при совершении покупок.<sub>2</sub> В частности, YouTube чаще, чем другие видео- и социальные медиа-платформы, удовлетворяет основные потребности поколения Z в покупках, независимо от того, принимают ли они быстрое решение при импульсивной покупке или нуждаются в руководстве и достоверной информации для более взвешенной покупки.<sub>3</sub>

Такое цифровое поведение выражается не только в онлайн-покупках. Представители поколения Z утверждают, что 42% их расходов по-прежнему приходится на физические магазины, что сопоставимо с миллениалами (38% расходов).<sub>4</sub> В результате ритейлерам придется создавать более бесшовный омниканальный опыт покупок, используя цифровые технологии в магазине для улучшения опыта, тестируя технологии нового поколения, такие как видео, доступные для просмотра в магазине, и получая реальные отзывы покупателей.

Сознательные потребители хотят больше ценности и меньше риска

После нескольких лет макроэкономической и геополитической неопределенности покупатели стали более сознательно относиться к ценности. Как следствие, люди придают большее значение общему ценностному предложению бренда ритейлера, чем тому, чтобы потратить меньше денег. Более того, не менее 70% людей говорят, что готовы продолжать покупать товары у компаний, которые повышают цены, если они чувствуют, что их ценят как клиентов.

Более высокие ожидания потребителей сопровождаются более пристальным вниманием к личным данным. Согласно данным Глобального мониторинга Kantar, 79% потребителей во всем мире говорят, что их беспокоит защита данных и конфиденциальность в Интернете, а 72% считают, что они подвергаются большому или некоторому риску со стороны людей или компаний, злоупотребляющих их личными данными.<sub>5</sub>

По мере того как персональные идентификаторы, такие как cookie и идентификаторы устройств, постепенно отменяются, а маркетологи адаптируются к меняющейся нормативно-правовой среде, ритейлерам и брендам необходим прочный фундамент согласованных данных первой стороны. Приложения будут играть ключевую роль в построении прямых отношений со своими клиентами, что может помочь в сборе данных первой стороны.

Поскольку неопределенность в постоянно меняющейся розничной среде сохраняется, розничные компании и бренды могут оставаться гибкими и готовыми к будущему, адаптируясь к более ориентированному на окружающую среду покупательскому опыту, формируя правильные партнерства для расширения своих предложений, привлекая покупателей поколения Z и предлагая потребителям большую ценность и меньший риск.

Вера потребителей в кибербезопасность, конфиденциальность данных и ответственный ИИ зависит от того, что компании делают сегодня - и установление такого цифрового доверия может привести к росту бизнеса.

Результаты опроса McKinsey более 1300 руководителей предприятий и 3000 потребителей по всему миру свидетельствуют о том, что установление доверия к продуктам и опыту, использующим ИИ, цифровые технологии и данные, не только отвечает ожиданиям потребителей, но и может способствовать росту. Исследование показало, что организации, которые лучше других справляются с задачей создания цифрового доверия, также чаще других демонстрируют ежегодный рост как минимум на 10% по верхней и нижней строке. Однако лишь небольшая часть компаний, принявших участие в исследовании, намерена добиться таких результатов. Исследование показывает, что эти компании делают по-другому.

Несоответствующее состояние
цифрового доверия

Потребители высоко ценят цифровое доверие

Потребители отмечают, что цифровое доверие действительно имеет значение, и многие из них будут вести свой бизнес в другом месте, если компании его не обеспечивают.

Потребители считают, что компании устанавливают умеренную степень цифрового доверия

Когда речь заходит о том, как организации справляются с доверием к цифровым технологиям, потребители выражают неожиданно высокую степень доверия к продуктам и услугам, основанным на искусственном интеллекте, по сравнению с продуктами, которые в основном зависят от человека. Они демонстрируют более умеренный уровень уверенности в том, что компании, с которыми они ведут бизнес, защищают их данные. Для организаций это означает, что цифровое доверие в значительной степени зависит от них самих.

Более двух третей потребителей говорят, что доверяют продуктам или услугам, которые в основном опираются на искусственный интеллект, так же или даже больше, чем продуктам, которые в основном опираются на людей (Рисунок 1). Наиболее часто совершающие покупки через Интернет, потребители Азиатско-Тихоокеанского региона и респонденты поколения Z во всем мире выражают наибольшую веру в продукты и услуги, основанные на ИИ, часто сообщая, что они доверяют продуктам, основанным на ИИ, больше, чем тем, которые в основном полагаются на людей - 41%, 49% и 44% соответственно.

В каких областях потребительской цифровой гигиены не помешало бы навести порядок

Как и предприятия, большинство потребителей считают, что предпринимают необходимые шаги для защиты от цифровых угроз, однако их поведение говорит об обратном. Это дает организациям возможность взаимодействовать со своими клиентами, чтобы помочь им лучше защитить себя.

Семьдесят семь процентов потребителей говорят, что у них есть хотя бы умеренная степень уверенности в том, что они должным образом защищают свою личную информацию от кражи или неправомерного использования в Интернете.

Молодые потребители особенно склонны заявлять о высокой степени уверенности в своей способности защитить свои данные - при этом они более склонны к рискованному поведению, чем к защитному. Они также чаще, чем представители других поколений, хранят конфиденциальную информацию в Интернете (рисунок).

Однако на эти результаты опроса, по крайней мере частично, может повлиять тот факт, что потребители не всегда понимают, когда они взаимодействуют с ИИ. Хотя домашние устройства с голосовой поддержкой (например, Amazon Alexa, Apple Siri или Google Home) часто используют системы искусственного интеллекта, только 62% респондентов считают, что, скорее всего, они взаимодействуют с искусственным интеллектом, когда просят одно из этих устройств включить песню.

Хотя 59% потребителей считают, что в целом компании больше заботятся о получении прибыли от их данных, чем об их защите, большинство респондентов уверены в компаниях, с которыми они предпочитают вести дела. Семьдесят процентов потребителей выражают как минимум умеренную степень уверенности в том, что компании, у которых они покупают продукты и услуги, защищают их данные.

Данные свидетельствуют о том, что большинство потребителей считают, что компании, с которыми они взаимодействуют, являются прозрачными - по крайней мере, в отношении их политики в области ИИ и конфиденциальности данных. Шестьдесят семь процентов потребителей уверены в своей способности найти информацию о политике конфиденциальности данных компании, и меньшее большинство, 54%, уверены, что могут найти информацию о политике компании в области ИИ.

Большинство бизнесов не в состоянии защитить себя от цифровых рисков

Исследования McKinsey показали, что компании уверены в своей способности установить цифровое доверие. Почти 90% считают, что они хотя бы в некоторой степени эффективны в снижении цифровых рисков, и аналогичная доля сообщает, что они используют проактивный подход к снижению рисков (например, применяют средства контроля для предотвращения использования цифровой уязвимости, а не реагируют только после того, как уязвимость была использована). Из почти трех четвертей компаний, сообщивших, что у них есть кодифицированные политики этического поведения в отношении данных (имеются в виду те, в которых подробно описано, например, как обращаться с конфиденциальными данными и обеспечивать прозрачность практики сбора данных помимо требуемого законом раскрытия информации), и 60% компаний, в которых кодифицированы политики этического поведения в отношении ИИ, почти все респонденты имеют по крайней мере умеренную степень уверенности в том, что эти политики соблюдаются сотрудниками.

Однако данные показывают, что эта уверенность в значительной степени необоснованна. Менее четверти руководителей сообщают, что их организации активно снижают различные цифровые риски в большинстве своих организаций, такие как риски, связанные с моделями ИИ, хранением и качеством данных, а также отсутствием разнообразия талантов. Риски кибербезопасности снижаются чаще всего, хотя и только в 41% организаций респондентов (Рисунок 2).

Учитывая такую взаимосвязь между предположениями о страховом покрытии и его отсутствием, неудивительно, что 57% руководителей сообщили, что их организации пострадали как минимум от одной существенной утечки данных за последние три года (Рисунок 3). Более того, многие из этих нарушений привели к финансовым потерям (42% случаев), уходу клиентов (38%) или другим последствиям.

Аналогичные 55% руководителей сталкивались с инцидентами, когда активный ИИ (например, при использовании в приложении) выдавал результаты, которые были необъективными, неправильными или не отражали ценности организации. Лишь немногим более половины этих ошибок ИИ были преданы огласке. Эти казусы ИИ также часто приводили к последствиям, чаще всего к потере сотрудниками уверенности в использовании ИИ (38% случаев) и финансовым потерям (37%).

Передовые отрасли промышленности, включая аэрокосмическую, передовую электронику, автомобилестроение, сборку и полупроводники, чаще всего сообщали как об инцидентах с ИИ, так и об утечках данных - 71% и 65% соответственно. Деловые, юридические и профессиональные услуги реже всего сообщали о материальных сбоях ИИ (49%), а телекоммуникационные, медийные и технологические компании реже всего сообщали о нарушениях данных (55%). В разбивке по регионам об ИИ и инцидентах с данными чаще всего сообщали респонденты из организаций Азиатско-Тихоокеанского региона (64%) и реже всего - из Северной Америки (41% сообщили о нарушениях данных и 35% - об инцидентах с ИИ).

Цифровое доверие связано с ростом

Лидеры цифрового доверия меньше теряют и больше растут

Лидерами цифрового доверия считаются компании, сотрудники которых следуют кодифицированной политике в области данных, ИИ и общей этики, а также применяют не менее половины лучших практик в области ИИ, данных и кибербезопасности, о которых мы спрашивали. Эти компании превосходят своих коллег как в предотвращении потерь, так и в росте бизнеса.

Что лидеры цифрового доверия делают иначе

Рассмотрение практики лидеров цифрового доверия показывает, что их успех начинается с постановки целей. Во-первых, они просто ставят больше целей - лидеры цифрового доверия ставят в два раза больше целей по укреплению доверия (шесть), чем все остальные организации. Они также чаще фокусируются на целях, направленных на повышение ценности, в частности, на укреплении существующих отношений с клиентами и приобретении новых клиентов путем укрепления доверия и развития конкурентных преимуществ за счет более быстрого восстановления после общеотраслевых сбоев (Рисунок 4).

Поскольку лидеры цифрового доверия преследуют эти цели, они с большей вероятностью смогут снизить все цифровые риски, о которых мы спрашивали, от самых очевидных, таких как кибербезопасность, до менее очевидных, таких как риски, связанные с конфигурацией и миграцией в облако (Рисунок 5).

И хотя, по определению, лидеры цифрового доверия участвуют как минимум в половине всех практик ИИ, данных и кибербезопасности, о которых мы спрашивали, они также примерно в два раза чаще участвуют в каждой из них (Рисунок 6).

О проведенном исследовании

Данные для этой статьи были получены в ходе двух глобальных онлайн-опросов: в одном отвечали руководители предприятий, в другом - потребители. Оба опроса проводились с апреля по май 2022 года. В опросе бизнес-лидеров приняли участие 1333 руководителя высшего звена (треть из которых были генеральными директорами) из 27 отраслей в 20 странах, включая Австралию, Бразилию, Колумбию, Германию, Индию, Индонезию, Пакистан, Сингапур, Испанию, Великобританию и США. Опрос потребителей включал ответы 3 073 взрослых из тех же стран. Данные были скорректированы для лучшего соответствия выборки опроса оценкам населения в каждой стране с использованием весовых коэффициентов возраста и пола во всем мире и, только в США, с использованием весовых коэффициентов региона, дохода и этнической принадлежности.

В статье использованы материалы исследований McKinsey & Company

Последнее глобальное исследование McKinsey B2B Pulse показывает, что некоторые компании комбинируют выигрышные стратегии для увеличения доли рынка более чем на 10% в год, даже в нестабильные экономические времена.

Покупатели B2B приняли решение. После трех лет сейсмических сдвигов - включая ускорение перехода на цифровые каналы, вызванное пандемией, - эти люди, принимающие решения, вознаграждают компании, которые предоставляют отличный омниканальный опыт, подкрепленный персонализированным маркетингом, и наказывают тех, кто этого не делает.

Это желание зародилось за много лет до пандемии: клиенты давно хотели иметь возможность покупать везде, сразу и постоянно, так же как они делают это в своей личной жизни. Глобальное исследование B2B Pulse, проведенное в этом году среди более чем 3800 лиц, принимающих решения в 13 странах, показало, что они все чаще получают такую возможность, а компании B2B, обеспечивающие лучший омниканальный опыт, ежегодно увеличивают свою долю рынка как минимум на 10%.

В чем загвоздка? Компании не могут просто экспериментировать с омниканальностью и персонализацией. Наше исследование показало, что они должны быть во всеоружии, продолжая инвестировать и экспериментировать даже в условиях неопределенности макроэкономических условий (подробнее см. в выноске ниже "Об исследовании B2B Pulse").

Компании B2B, завоевывающие наибольшую долю рынка, одновременно используют пять основных современных тактик продаж и маркетинга: внедрение передовых технологий продаж, увеличение гибридных команд и возможностей продаж, гиперперсонализация, адаптация стратегий на сторонних торговых площадках и достижение совершенства электронной коммерции по всей воронке маркетинга и продаж. Они развивают сложный цифровой клиентский опыт - особенно за счет использования социальных сетей, мобильных устройств и текстовых сообщений на ранних этапах процесса покупки. Они все больше способствуют увеличению доли продаж через третьих лиц и собственные торговые площадки. Компании, использующие все эти тактики, в два раза чаще демонстрируют более чем 10-процентный рост доли рынка, чем компании, сосредоточенные только на одной из них.

Пять уроков из исследования этого года

Консьюмеризация B2B-покупок, похоже, почти завершена. После многих лет, в течение которых компании B2B стремились получить бесшовный опыт покупки в B2B, подобный тому, что существует в мире B2C, и когда компании B2B говорили, что это невозможно из-за таких факторов, как сложность, технические требования, стоимость и количество лиц, принимающих решения, наше исследование показало, что омниканальность теперь является настольной ставкой для компаний B2B. Мы также выявили пять других очевидных тенденций:

• «Правило третей» остается в силе. Клиенты по-прежнему хотят иметь равномерное сочетание традиционных, удаленных каналов и каналов самообслуживания, таких как личные продавцы, внутренние продажи и электронная коммерция, соответственно (Рисунок 1). Мы наблюдаем постоянный рост предпочтений покупателей в отношении онлайн-заказа и повторного заказа, особенно на рынках Западной Европы и Австралии, где их использование достигает 40 процентов от общего числа заказов.

• Электронная коммерция B2B заняла лидирующее положение как наиболее эффективный канал продаж. 35% респондентов назвали его первым, опередив личные продажи (26%), видеоконференции (12%), электронную почту (10%) и телефон (8%). Компании, завоевывающие долю рынка, используют не только цифровые каналы самообслуживания, такие как собственные веб-сайты, но и более широкие предложения электронной коммерции. Например, 48% компаний-победителей представлены на отраслевых торговых площадках, в то время как среди компаний, потерявших долю, таких компаний всего 13%.
• Клиенты все чаще готовы тратить большие средства на операции электронной коммерции. Многие компании B2B избегают электронной коммерции из-за опасений по поводу конфликта каналов: 38% респондентов назвали это самой большой причиной, по которой они избегают продаж через Интернет. Но теперь возможности роста продаж могут перевесить связанные с этим потенциальные затраты. Как и в прошлом году, около 70% лиц, принимающих решения, готовы потратить до 500 000 долларов на одну сделку электронной коммерции. Однако на самом высоком уровне мы видим значительный сдвиг: число лиц, принимающих решения, готовых потратить 10 миллионов долларов или больше, увеличилось на 83%. Эта тенденция особенно характерна для Китая, Индии и США, а также для глобальных секторов энергетики и материалов (GEM), телекоммуникаций, СМИ и технологий (TMT) и передовой промышленности.
• Компании-победители развертывают гибридные команды продаж. Гибридные модели продаж, которые состоят из функций, предусматривающих как личное, так и удаленное общение с клиентами, используют 57% компаний-победителей по сравнению с 40% компаний, потерявших долю рынка. Принятие более крупных гибридных команд коррелирует с большим увеличением доли рынка, особенно в сфере TMT, финансов, банковского дела и страхования, а также путешествий, транспорта и логистики. Преимущества гибридных моделей продаж характерны не только для крупных компаний: респонденты из малых и средних компаний с более высокими показателями внедрения гибридных моделей сообщили о более значительном увеличении доли рынка.
• Нет времени ждать персонализации. Выигрывающие B2B-компании инвестируют в сложную маркетинговую тактику, выходя за рамки маркетинга на основе учетных записей и непропорционально часто используя гиперперсонализацию в своей работе с клиентами (определяется как предоставление уникальных сообщений отдельным лицам, принимающим решения, на основе их потребностей, профиля, поведения и взаимодействий - как прошлых, так и прогнозируемых). Они также инвестируют в передовые технологические стеки, аналитику и предписывающие знания для продавцов, чтобы предоставлять уникальные предложения один на один. Мы наблюдаем такую форму персонализации в Бразилии, Индии и США, где она способствует росту доли рынка, особенно в секторах GEM, финансов, банковского дела и страхования, а также TMT.

Компании, инвестирующие в эти стратегии, индивидуально увеличивают долю рынка. Но для получения эффекта мультипликатора, позволяющего увеличить долю рынка более чем на 10%, компаниям необходимо согласованно реализовать пять выигрышных стратегий. Те, кто реализует все пять стратегий, в два раза чаще добиваются роста доли рынка более чем на 10%, чем компании, сосредоточившиеся только на одной (например, переходя от 10-процентной доли к 11-процентной) (Рисунок 2).

Эти тенденции свидетельствуют о том, что вызванный пандемией период резких скачков в использовании каналов и сомнений в том, что модели продаж могут измениться, закончился. Но что теперь? Каким образом подгруппа лидеров вырывается вперед? И что вы должны делать, чтобы присоединиться к ним?

Что лидирующие компании делают по-другому

Мультипликативный эффект. Хотя макроэкономические проблемы - это то, с чем могут быть связаны все компании, то, как они реагируют на них, может иметь решающее значение для достижения долгосрочного роста. Наше исследование показало, что почти все лица, принимающие решения в области продаж и маркетинга, обеспокоены экономическими условиями, а 35% компаний ожидают, что в этом году их положение будет хуже, чем в прошлом, особенно в Европе (Рисунок 3). Но мы также обнаружили, что компании, завоевавшие долю рынка, - а именно те, кто сообщает об увеличении доли рынка на 10 и более процентов в период с 2021 по 2022 год, - по-другому относятся к тому, как они продают, через какие (и сколько) каналы они будут продавать и как они будут организовывать работу всей экосистемы каналов (и всей воронки маркетинга и продаж). Они предпринимают все эти действия и продолжают инвестировать в omnichannel даже в нестабильные времена.

Приблизительно две трети компаний-победителей в сфере B2B (69%) планируют увеличить инвестиции в отдел продаж по сравнению с 36% компаний, теряющих долю, а 72% победителей планируют увеличить капитальные расходы по сравнению с 39% всех остальных. Проще говоря, победители рассматривают неопределенность как возможность, продолжают инвестировать в свои коммерческие ресурсы и используют этот момент не только для того, чтобы сделать все необходимое, но и для того, чтобы повысить сложность своего коммерческого механизма и создать конкурентную дистанцию за счет превосходного омниканального опыта. Победителей объединяют четыре действия.

1. Полностью посвятить себя гибридным командам и возможностям продаж

Омниканальные модели продаж в B2B - сочетание одинаково важных человеческих и цифровых каналов и электронная коммерция в центре всего этого - которые еще два года назад считались радикальными в некоторых секторах, теперь стали постоянными. Хотя компании экспериментировали с различными ролями и методами продаж в рамках своих каналов, теперь ясно, что успешные B2B компании используют гибридные подходы: компании, которые увеличили гибридные отделы продаж более чем на 10 процентов, на 79 процентов чаще становятся победителями в борьбе за долю рынка (Рисунок 4).

2. Выйти за рамки маркетинга, основанного на учетных записях, и перейти к гиперперсонализации

Использование аналитики для обеспечения высоко персонализированных маркетинговых и торговых взаимодействий все чаще становится решающим фактором для побеждающих в продажах B2B организаций, независимо от отрасли. Это миф, что персонализация предназначена только для B2C. Действительно, компании B2B предпринимают все более сложные действия в общении с бизнес-покупателями, предоставляя им ролевой и индивидуальный контент, основанный на взаимодействии, поведении, покупках и поисковых запросах на сегодняшний день. Они даже используют предиктивную аналитику, чтобы предугадать, что клиент может захотеть увидеть или обсудить. Важно отметить, что инновации, похоже, имеют комплексный эффект: рост доли происходит быстрее всего, когда более глубокие уровни инструментов продаж и возможности персонализации развертываются в унисон.

Половина респондентов нашего исследования, инвестировавших в инструменты персонализации, продемонстрировали рост доли рынка. 77% компаний, использующих прямую персонализацию "один к одному", отметили увеличение доли рынка. А 59% компаний, чья доля рынка за последний год выросла более чем на 10%, одновременно внедряли новые технологии продаж (например, чат-боты и динамическое моделирование территории), по сравнению с 32% компаний, чья доля рынка за тот же период сократилась более чем на 5% (Рисунок 5).

3. Внедряйте передовые инструменты продаж

Выигрывающие B2B-компании охотнее экспериментируют с новыми технологиями продаж и аналитическими возможностями. Они постоянно внедряют инновации, постоянно ищут способы стать более привлекательными для клиентов, оставаясь при этом эффективными. И эти инновации продолжаются даже в условиях сложной экономической ситуации. Победители, завоевавшие долю рынка, на 55% чаще планируют внедрение передовых технологий продаж, таких как автоматическая регистрация звонков с последующими оптимальными действиями или инструменты, предотвращающие отток клиентов. Корреляция между ростом доли и внедрением инструментов продаж еще сильнее, если рассматривать передовые инструменты, связанные с автоматизацией: 64% победителей конкурса используют чат-ботов (да, в среде B2B), в то время как среди отстающих это делают только 42% (Рисунок 6).

4. Используйте целевые стратегии для сторонних и принадлежащих компании торговых площадок

Независимо от того, являются ли они сторонними или собственными (или и то, и другое), торговые площадки - это место, где нужно быть. В прошлом году внедрение собственных торговых площадок выросло на 8%, а 40% крупнейших передовых компаний продают свои товары онлайн через сторонние торговые площадки, по сравнению с 27% отстающих. Этот успех не остался незамеченным: около 50% компаний либо уже создали, либо планируют создать собственную торговую площадку (Рисунок 7). Кроме того, 48% компаний-победителей также представлены на отраслевых торговых площадках, по сравнению с 13% отстающих.

Существуют значительные различия по странам и отраслям. Хотя подавляющее большинство респондентов во всем мире (88%) продают через сторонние торговые площадки, такие как Amazon, это число еще больше возрастает в Индии (97%) и США (93%а). Определенные отрасли также более широко представлены на сторонних торговых площадках, например, потребительский сектор и розничная торговля (92%) и ТМТ (90%в). Вероятность создания собственных торговых площадок на 24 процентных пункта выше у победителей рынка, чем у отстающих, при этом собственные торговые площадки больше всего представлены на развивающихся рынках, таких как Бразилия и Индия. В Западной Европе и Восточной Азии использование собственных торговых площадок относительно невелико, что указывает на возможность для компаний стать первыми. Наконец, компании, выигравшие долю, чаще, чем компании, теряющие долю рынка, адаптируют свой подход к конкретной платформе с помощью таких тактик, как предложение уникальных продуктов, проведение экспериментов и предложение различных условий, положений и гарантий.

Как победить: брать на себя обязательства, внедрять инновации и предоставлять их

Одно дело - знать, чего сейчас хотят клиенты и как компании-победители оправдывают эти ожидания. Другое дело - применить эти знания для того, чтобы в 2023 году присоединиться к победителям по доле рынка. Наша работа определила три основных действия, которые необходимо предпринять всем лидерам продаж.

Ускорение роста с помощью комплексного подхода к работе с каналами - «all-in channel»

Уже недостаточно быть лидером в одном канале продаж. Победа в многоканальном мире требует превосходства во всех каналах, от личных встреч до гибридных, внутренних продаж, цифрового самообслуживания и рыночных площадок - особенно в нестабильные экономические времена, когда плохой клиентский опыт может привести к потере продажи. Это также требует распространения этого совершенства на все каналы во всей воронке маркетинга и продаж, особенно на трафик, генерацию лидов и выхаживание клиентов. После диагностики эффективности вашей деятельности настало время поддерживать и ускорять сильные стороны, одновременно быстро устраняя слабые. Например, цифровые каналы и электронная коммерция часто слабее, когда речь идет о реализации и собственных талантах, и потребуют инвестиций для экспериментов и оптимизации с течением времени. Однако выгода очевидна: 38% победителей конкурса на крупнейшую долю в 2022 году внедрили новые каналы, а 37% заявили, что они активизировали эксперименты, чтобы определить, какие каналы продаж наиболее эффективны.

За время проведения данного исследования мы наблюдали, как количество каналов продаж, которые люди используют на протяжении всего пути покупки, удвоилось с пяти каналов в 2016 году до десяти каналов в 2022 году. В 2023 году покупатели все еще будут использовать около десяти каналов, но произойдут некоторые удивительные изменения, особенно на ранних этапах процесса продаж, поскольку люди все чаще оценивают поставщиков с помощью цифровых технологий, таких как мобильные приложения, социальные сети и текстовые сообщения (Рисунок 8).

Инвестировать в инновационные и практичные технологии

Лица, принимающие решения, используют предиктивные технологии для соединения сквозной воронки маркетинга и продаж и определения приоритетов лидов, распределяя их по лучшим каналам и отдельным продавцам. Они также устанавливают автоматизированные интегрированные процедуры маркетинга и продаж, которые было бы трудно контролировать и поддерживать только управленческими усилиями. Эти инвестиции станут основой для синхронизации работы команды на протяжении длительных и сложных циклов продаж, минимизируя при этом потерю важнейших сведений о клиенте и ключевых данных для принятия решений на протяжении всего процесса. Победители в сфере B2B ускоряют и оттачивают персонализацию для каждого клиента на каждом этапе покупательского пути и обеспечивают правильное сообщение, призыв к действию и набор продуктов и решений, которые представляются клиентам, когда они сталкиваются с проблемой, требующей решения. Наши исследования показывают, что любая персонализация лучше, чем ее отсутствие, а персонализация "один к одному" дает наибольший эффект. Если лучшее время для инвестиций было вчера, то следующее лучшее время - сейчас.

Безупречное исполнение и бесперебойная оркестровка имеют важное значение

Больше каналов - больше сложности. Основной проблемой в омниканальной среде является организация покупательского опыта B2B, обеспечивающая интуитивный и беспрепятственный переход клиентов по всем каналам для поиска того, что им нужно, когда им это нужно, и где известно, что они уже сделали, не повторяя одну и ту же информацию компании несколько раз. Компании, завоевывающие долю рынка, поняли, что выполнение этого обещания требует, чтобы в каждом канале продаж работали игроки команды "А" и был превосходный пользовательский интерфейс или опыт, который привлекает и восхищает клиентов. Кроме того, компании, которые обеспечивают беспрепятственную и эффективную организацию работы между каналами, то есть знают, что клиенты будут выбирать различные каналы в ходе своего взаимодействия, и облегчают им переход к другому каналу и обратно, завоевывают лояльность клиентов. Наше исследование подчеркнуло важность обеспечения качественного взаимодействия по всем каналам, и мы выяснили, что покупатели считают одинаково важными показатели работы основных поставщиков как в традиционном, так и в цифровом или удаленном взаимодействии.

Если в прошлом году мы обнаружили, что гибридные команды продаж становятся ключевым рычагом роста, то в этом году гибридные продавцы играют еще более важную роль. В прошлом главным действующим лицом в процессе продаж часто был менеджер по работе с ключевыми клиентами. Сегодняшним клиентам требуется центральный лидер продаж, который бы беспрепятственно управлял продажами по нескольким каналам. Чаще всего это будет гибридный игрок, который может не только лично присутствовать, когда это необходимо, но и быть вездесущим с помощью технологий удаленных продаж, виртуальных демонстраций и управления цифровыми взаимоотношениями, при этом превосходя конкурентов по качеству обслуживания клиентов на каждом этапе пути продаж. В зависимости от сложности команды продаж несколько человек могут специализироваться на разных ролях и тактиках, но решающее значение имеет организация работы со стороны лидеров, понимающих все каналы. Победители B2B инвестируют в гибридные команды продаж и проводят перекрестное обучение ведущих продавцов на местах лучшим практикам удаленной работы, в том числе тому, как цифровое самообслуживание и торговые площадки могут дополнить потребности клиента в образовании или простых запросах. Не забывайте также о правильном распределении стимулов.

Год назад в McKinsey заявили, что омниканальность становится предпочтительной моделью покупки для клиентов. Сегодня эта позиция подтверждена, и внимание переключилось на то, как компании успешно удовлетворяют потребности рынка. Победители увеличивают долю рынка за счет укрепления всех путей выхода на рынок и удовлетворения потребностей клиентов в большей персонализации, инвестируя в необходимые технологии и аналитику. А для тех компаний, которые все еще ждут, чтобы принять на себя обязательства в отношении настоящего и будущего omnichannel, окно возможностей может закрыться.

В статье использованы материалы исследований McKinsey & Company B2B Pulse

Технология ИИ произвела революцию в маркетинге и продажах. Теперь генеративный ИИ обещает изменить представление игроков B2B и B2C о клиентском опыте, производительности и росте.

Искусственный интеллект (ИИ) и машинное обучение (МО) продолжают расширять границы возможного в маркетинге и продажах. И сейчас, когда генеративный ИИ (gen AI) продолжает эволюционировать, мы видим, как платформы с открытым исходным кодом проникают на передовые рубежи продаж, а также растущие инвестиции игроков рынка продаж в инновации gen AI. Учитывая растущую сложность и скорость ведения бизнеса в мире цифровых технологий, эти технологии становятся необходимыми инструментами.

Это неизбежно повлияет на то, как вы работаете, как вы общаетесь с клиентами и обслуживаете их. На самом деле, возможно, это уже происходит. Дальновидные руководители высшего звена думают о том, как приспособиться к этому новому ландшафту. Здесь мы описываем возможности (и риски) маркетинга и продаж в этой динамичной сфере и предлагаем продуктивные пути продвижения вперед.

Как искусственный интеллект меняет маркетинг и продажи

ИИ способен изменить работу маркетинга и продаж во всех отраслях. Это результат изменений в настроениях потребителей наряду с быстрыми технологическими изменениями.

Омниканальность — это ключевая ставка

Во всех отраслях меняются модели взаимодействия: современные клиенты хотят иметь все, везде и всегда. Хотя они по-прежнему стремятся к равномерному сочетанию традиционных, удаленных каналов и каналов самообслуживания (включая личные встречи, внутренние продажи и электронную коммерцию), мы наблюдаем постоянный рост предпочтений клиентов в отношении онлайн-заказа и повторного заказа.

Компании-победители - те, кто ежегодно увеличивает свою долю рынка как минимум на 10 процентов - как правило, используют передовые технологии продаж; создают гибридные команды и возможности продаж; разрабатывают стратегии для сторонних и собственных торговых площадок; достигают совершенства электронной коммерции по всей воронке; и обеспечивают гиперперсонализацию (уникальные сообщения для отдельных лиц, принимающих решения, основанные на их потребностях, профиле, поведении и взаимодействии - как прошлом, так и прогнозируемом).

В области оцифровки и автоматизации происходят поэтапные изменения

Технологии искусственного интеллекта развиваются стремительными темпами. Их внедрение становится все более простым и менее затратным, при этом сложность и скорость работы постоянно возрастают и намного превосходят возможности человека. Наши исследования показывают, что пятая часть текущих функций отдела продаж может быть автоматизирована. Кроме того, с появлением генеративного ИИ открываются новые горизонты (см. ниже выноску «Что такое генеративный ИИ?»). Более того, за последние десять лет объем венчурных инвестиций в ИИ вырос в 13 раз.1 Это привело к бурному росту "пригодных для использования" данных (данных, которые можно использовать для формулирования выводов и предложения ощутимых действий) и доступных технологий (таких как увеличение вычислительной мощности и алгоритмов с открытым исходным кодом). Огромные и постоянно растущие объемы данных теперь доступны для обучения фундаментальным моделям, а с 2012 года вычислительная мощность увеличилась в миллион раз - удваиваясь каждые три-четыре месяца.

Что несет GenAI для маркетинга и продаж?

Развитие искусственного интеллекта, и особенно искусственного интеллекта поколения, способно оказать влияние на три области маркетинга и продаж: клиентский опыт (CX), рост и производительность.

Например, в CX гиперперсонализированный контент и предложения могут быть основаны на индивидуальном поведении клиентов, персонах и истории покупок. Рост может быть ускорен за счет использования ИИ для ускорения роста производительности, предоставляя отделам продаж необходимую аналитику и информацию о клиентах для захвата спроса. Кроме того, ИИ может повысить эффективность и результативность продаж за счет разгрузки и автоматизации многих рутинных операций по продажам, высвобождая потенциал для проведения большего времени с клиентами и потенциальными клиентами (при одновременном снижении стоимости обслуживания). Во всех этих действиях ключевую роль играет персонализация. ИИ в сочетании с данными о конкретной компании и контекстом позволил получить представление о потребителях на самом гранулированном уровне, что позволяет B2C персонализировать рычаги с помощью целевых маркетинговых и торговых предложений. Выигрывающие B2B-компании выходят за рамки маркетинга на основе учетных записей и непропорционально часто используют гиперперсонализацию в своей работе с клиентами.

Внедрение искусственного интеллекта в жизнь на пути клиента

Существует множество специфических для GenAI вариантов использования на протяжении всего пути клиента, которые могут принести пользу:

• В верхней части воронки GenAI превосходит традиционное определение и нацеливание потенциальных клиентов с помощью искусственного интеллекта, который использует веб-скреппинг и простую расстановку приоритетов. Передовые алгоритмы GenAI могут использовать закономерности в данных о клиентах и рынке для сегментирования и нацеливания на релевантную аудиторию. Благодаря этим возможностям компании могут эффективно анализировать и выявлять высококачественные лиды, что приводит к более эффективным и индивидуальным кампаниям по активизации лидов (см. выше выноску «Пример использования GenAI в продажах: Динамический таргетинг и сегментация аудитории»).

Кроме того, GenAI может оптимизировать маркетинговые стратегии посредством A/B-тестирования различных элементов, таких как макеты страниц, рекламные тексты и SEO-стратегии, используя предиктивную аналитику и рекомендации на основе данных для обеспечения максимальной отдачи от инвестиций. Эти действия могут быть продолжены на протяжении всего пути клиента, при этом GenAI автоматизирует кампании по взращиванию потенциальных клиентов на основе развивающихся моделей клиентов.

• В процессе продаж GenAI выходит за рамки первоначального взаимодействия с командой продавцов, обеспечивая постоянную критически важную поддержку на протяжении всего процесса продаж, от предложения до закрытия сделки.

Благодаря способности анализировать поведение, предпочтения и демографические характеристики клиентов, искусственный интеллект может генерировать персонализированный контент и сообщения. С самого начала он может помочь с гиперперсонализированными последующими письмами в масштабе и контекстной поддержкой чат-бота. Он также может выступать в качестве круглосуточного виртуального помощника для каждого члена команды, предлагая индивидуальные рекомендации, напоминания и обратную связь, что приводит к повышению вовлеченности и конверсии.

По мере продвижения сделки GenAI может предоставлять рекомендации по ведению переговоров в режиме реального времени и прогнозы, основанные на всестороннем анализе исторических данных о сделках, поведении клиентов и конкурентных ценах.

• Существует множество вариантов использования GenAI после того, как клиент поставил свою подпись под пунктирной линией, включая включение и удержание. Когда новый клиент присоединяется к компании, GenAI может обеспечить теплый прием с персонализированным обучающим контентом, подчеркивая соответствующие передовые методы. Функциональность чат-бота может обеспечить немедленные ответы на вопросы клиентов и улучшить учебные материалы для будущих клиентов.

GenAI также может предложить руководству отдела продаж рекомендации по следующим шагам в режиме реального времени и непрерывное моделирование оттока клиентов на основе тенденций использования и поведения клиентов. Кроме того, для определения критических точек соприкосновения и повышения вовлеченности клиентов можно использовать динамическое картирование пути клиента.

Коммерческие директора настроены оптимистично и пожинают плоды

Мы обратились к группе руководителей коммерческих организаций с просьбой высказать свое мнение о вариантах использования и роли искусственного интеллекта в маркетинге и продажах в целом. Примечательно, что мы обнаружили осторожный оптимизм по всем направлениям: респонденты ожидают, по крайней мере, умеренного влияния от каждого предложенного нами варианта использования. В частности, наибольший энтузиазм эти игроки проявляют в отношении сценариев использования на ранних этапах пути клиента - идентификации лидов, оптимизации маркетинга и персонализированной работы с клиентами (Рисунок 1).

Все эти три лучших варианта использования сосредоточены на поиске и привлечении клиентов, где мы наблюдаем значительный импульс на ранних этапах. Это неудивительно, учитывая огромный объем данных о потенциальных клиентах, доступных для анализа, и исторически сложившуюся проблему персонализации первоначального маркетинга в масштабах компании.

Различные игроки уже внедряют варианты использования искусственного интеллекта, но это, несомненно, только начало. Наше исследование показало, что 90 процентов руководителей коммерческих компаний ожидают, что в ближайшие два года решения на основе искусственного интеллекта будут использоваться «часто» (Рисунок 2).

В целом, наиболее эффективные компании отдают приоритет и внедряют передовые технологии продаж, создают гибридные команды и обеспечивают гиперперсонализацию. Они также максимально используют электронную коммерцию и сторонние торговые площадки с помощью аналитики и искусственного интеллекта. В успешных компаниях мы обнаружили:

• Существует четко сформулированное видение и стратегия в области ИИ.
• Более 20% цифровых бюджетов инвестируется в технологии, связанные с ИИ.
• Команды специалистов по анализу данных работают над алгоритмами для разработки стратегии быстрого ценообразования и оптимизации маркетинга и продаж.
• Стратеги смотрят в будущее и определяют простые варианты использования ИИ.

Такие первопроходцы уже осознают потенциал искусственного интеллекта для повышения эффективности своей деятельности.

Прогнозирование и снижение рисков в GenAI

Несмотря на убедительность бизнес-доводов в пользу искусственного интеллекта, скорость изменений в технологиях ИИ поразительно высока - и не без риска. Когда руководителей коммерческих компаний спросили о самых серьезных препятствиях, ограничивающих внедрение технологий ИИ в их организациях, внутренние и внешние риски возглавили список.

От нарушения прав интеллектуальной собственности до конфиденциальности данных и безопасности - существует целый ряд проблем, которые требуют продуманных стратегий снижения рисков и управления. Необходимость в человеческом надзоре и подотчетности очевидна, и может потребоваться создание новых ролей и возможностей, чтобы в полной мере использовать открывающиеся возможности.

В дополнение к немедленным действиям руководители могут начать стратегическое мышление о том, как инвестировать в коммерческое превосходство ИИ в долгосрочной перспективе. Важно определить, какие варианты использования являются настольными, а какие могут помочь вам дифференцировать свое положение на рынке. Затем определите приоритеты с учетом влияния и осуществимости.

Ландшафт ИИ развивается очень быстро, и победители сегодня могут оказаться нежизнеспособными завтра. Небольшие стартапы - отличные новаторы, но они могут оказаться не в состоянии обеспечить необходимое масштабирование или создать ориентированные на продажи сценарии использования, отвечающие вашим потребностям. Тестируйте и итерации с разными игроками, но стратегически выбирайте партнерство, основываясь на инновациях, связанных с продажами, скорости инноваций по сравнению со временем выхода на рынок и способности к масштабированию.

Искусственный интеллект меняется с бешеной скоростью, и хотя трудно предсказать развитие этой революционной технологии, она наверняка сыграет ключевую роль в будущем маркетинге и продажах. Лидеры в этой области добиваются успеха, обращаясь к генному ИИ, чтобы максимально оптимизировать свою деятельность, используя преимущества достижений в области персонализации и внутреннего совершенствования продаж. Как отреагирует ваша отрасль?

В статье использованы материалы исследований отчётов McKinsey & Company

Генеративный ИИ развивается с рекордной скоростью, в то время как руководители компаний все еще изучают бизнес-ценность и риски этой технологии. Здесь мы предлагаем узнать некоторые основные принципы генеративного ИИ.

На фоне ажиотажа вокруг генеративного ИИ после выхода ChatGPT, Bard, Claude, Midjourney и других инструментов для создания контента, руководители компаний по понятным причинам задаются вопросом: Это технологическая шумиха или возможность изменить игру? И если это последнее, то какова ценность для моего бизнеса?

Публичная версия ChatGPT достигла 100 миллионов пользователей всего за два месяца. Она демократизировала ИИ в невиданной ранее манере и стала самым быстрорастущим приложением в истории. Благодаря своей доступности генеративный ИИ отличается от всех предшествующих ему ИИ. Пользователям не нужно иметь степень в области машинного обучения, чтобы взаимодействовать с ним или извлекать из него пользу; почти каждый, кто умеет задавать вопросы, может его использовать. И, как и в случае с другими прорывными технологиями, такими как персональный компьютер или iPhone, одна платформа генеративного ИИ может породить множество приложений для аудитории любого возраста или уровня образования и в любом месте, где есть доступ в Интернет.

Все это возможно благодаря тому, что генеративный ИИ чат-ботов работает на основе фундаментальных моделей, которые представляют собой обширные нейронные сети, обученные на огромном количестве неструктурированных, немаркированных данных в различных форматах, таких как текст и аудио. Фундаментальные модели могут использоваться для решения широкого круга задач. В отличие от этого, предыдущие поколения моделей ИИ часто были "узкими", то есть они могли выполнять только одну задачу, например, прогнозировать отток клиентов. Одна базовая модель, например, может составить резюме для технического отчета о квантовых вычислениях объемом 20 000 слов, разработать стратегию выхода на рынок для компании, занимающейся обрезкой деревьев, и предложить пять различных рецептов для десяти ингредиентов в холодильнике человека. Недостатком такой универсальности является то, что на данный момент генеративный ИИ может иногда давать менее точные результаты, что заставляет вновь обратить внимание на управление рисками ИИ.

При наличии соответствующих ограждений генеративный ИИ может не только открыть новые варианты использования для бизнеса, но и ускорить, масштабировать или иным образом улучшить существующие. Представьте себе, например, разговор с клиентом по продажам. Специально обученная модель ИИ может предложить продавцу возможности для повышения продаж, но до сих пор эти возможности обычно основывались только на статических данных о клиенте, полученных до начала разговора, таких как демографические характеристики и характер покупок. Генеративный инструмент ИИ может предлагать продавцу возможности повышения продаж в режиме реального времени на основе фактического содержания разговора, опираясь на внутренние данные о клиенте, внешние тенденции рынка и данные о влиятельных людях в социальных сетях. В то же время генеративный ИИ может предложить продавцу первый вариант предложения для адаптации и персонализации.

Предыдущий пример демонстрирует влияние технологии на одну рабочую роль. Но почти каждый работник, занимающийся знаниями, может извлечь пользу из совместной работы с генеративным ИИ. На самом деле, хотя генеративный ИИ может в конечном итоге использоваться для автоматизации некоторых задач, большая часть его ценности может быть получена от того, как производители программного обеспечения внедрят технологию в повседневные инструменты (например, электронную почту или текстовые редакторы), используемые работниками сферы знаний. Такие модернизированные инструменты могут существенно повысить производительность труда.

Руководители компаний хотят знать, стоит ли им действовать сейчас, и если да, то с чего начать. Некоторые из них видят возможность опередить конкурентов, переосмыслив способы выполнения работы людьми с помощью генеративных приложений ИИ. Другие, возможно, захотят проявить осторожность, поэкспериментировать с несколькими вариантами использования и узнать больше, прежде чем делать крупные инвестиции. Компаниям также придется оценить, обладают ли они необходимыми техническими знаниями, архитектурой технологий и данных, операционной моделью и процессами управления рисками, которые потребуют некоторые из наиболее преобразующих внедрений генеративного ИИ.

Цель этой статьи - помочь руководителям компаний и их командам осмыслить аргументы в пользу генеративного ИИ для создания стоимости и то, как начать свой путь. Сначала мы предлагаем вводную информацию по генеративному ИИ, чтобы помочь руководителям лучше понять быстро развивающееся состояние ИИ и имеющиеся технические возможности. В следующем разделе мы рассмотрим, как компании могут участвовать в генеративном ИИ на примере четырех примеров, направленных на повышение эффективности организации. Эти примеры отражают то, что мы наблюдаем среди ранних последователей, и проливают свет на множество вариантов с точки зрения требований к технологии, стоимости и операционной модели. Наконец, мы рассмотрим жизненно важную роль генерального директора в позиционировании организации для достижения успеха с помощью генеративного ИИ.

Волнение вокруг генеративного ИИ ощутимо, и руководители высшего звена по праву хотят двигаться вперед с продуманной и целенаправленной скоростью. Мы надеемся, что эта статья предлагает бизнес-лидерам взвешенное введение в многообещающий мир генеративного ИИ.

Рисунок 1

Больше, чем чат-бот

Генеративный ИИ можно использовать для автоматизации, дополнения и ускорения работы. В рамках данной статьи мы сосредоточимся на том, как генеративный ИИ может улучшить работу, а не на том, как он может заменить роль человека.

В то время как текстовые чат-боты, такие как ChatGPT, привлекают к себе повышенное внимание, генеративный ИИ может предоставить возможности для работы с широким спектром контента, включая изображения, видео, аудио и компьютерный код. Он может выполнять несколько функций в организациях, включая классификацию, редактирование, обобщение, ответы на вопросы и составление нового контента. Каждое из этих действий способно создать ценность за счет изменения способов выполнения работы на уровне действий в рамках бизнес-функций и рабочих процессов. Ниже приведены некоторые примеры.

Классификация

• Аналитик по выявлению мошенничества может ввести описания транзакций и документы клиентов в генеративный инструмент ИИ и попросить его определить мошеннические транзакции.
• Менеджер по работе с клиентами может использовать генеративный ИИ для категоризации аудиофайлов звонков клиентов на основе уровня их удовлетворенности.

Редактирование

• Копирайтер может использовать генеративный ИИ для исправления грамматики и преобразования статьи в соответствии с фирменным стилем клиента.
• Графический дизайнер может удалить устаревший логотип с изображения.

Обобщение

• Ассистент художника-постановщика может создать видеоролик на основе многочасового видеоматериала о мероприятии.
• Бизнес-аналитик может создать диаграмму Венна, которая обобщает ключевые моменты из презентации руководителя.

Ответы на вопросы

• Сотрудники производственной компании могут задавать "виртуальному эксперту" на основе генеративного ИИ технические вопросы о рабочих процедурах.
• Потребитель может задать чат-боту вопросы о том, как собрать новый предмет мебели.

Проекты работ

• Разработчик программного обеспечения может попросить генеративный ИИ создать целые строки кода или предложить способы завершения частичных строк существующего кода.
• Менеджер по маркетингу может использовать генеративный ИИ для составления различных версий сообщений кампании.

По мере развития и совершенствования технологии такие виды генеративного ИИ могут все больше интегрироваться в рабочие процессы предприятия для автоматизации задач и непосредственного выполнения конкретных действий (например, автоматическая отправка кратких заметок в конце совещаний). Мы уже видим появление инструментов в этой области.

Чем генеративный ИИ отличается от других видов ИИ

Как следует из названия, основной способ, которым генеративный ИИ отличается от предыдущих форм ИИ или аналитики, заключается в том, что он может генерировать новый контент, часто в «неструктурированных» формах (например, письменный текст или изображения), которые не представлены в естественном виде — таблицы со строками и столбцами (см. ниже врезку «Глоссарий» для списка терминов, связанных с генеративным ИИ).

Как следует из названия, основное отличие генеративного ИИ от предыдущих форм ИИ или аналитики заключается в том, что он может генерировать новый контент, часто в "неструктурированной" форме (например, письменный текст или изображения), который не может быть естественным образом представлен в таблицах со строками и столбцами (список терминов, связанных с генеративным ИИ, см. на боковой панели "Глоссарий").

Технология, лежащая в основе работы генеративного ИИ, представляет собой класс искусственных нейронных сетей, называемых фундаментными моделями. Искусственные нейронные сети вдохновлены миллиардами нейронов, соединенных в человеческом мозге. Они обучаются с помощью глубокого обучения - термина, обозначающего множество (глубоких) слоев в нейронных сетях. Глубокое обучение стало основой многих последних достижений в области ИИ.

Однако некоторые характеристики отличают модели foundation от предыдущих поколений моделей глубокого обучения. Начнем с того, что их можно обучать на очень больших и разнообразных наборах неструктурированных данных. Например, тип фундаментальной модели, называемый большой языковой моделью, может быть обучен на огромных объемах текста, который находится в открытом доступе в Интернете и охватывает множество различных тем. Хотя другие модели глубокого обучения могут работать на значительных объемах неструктурированных данных, они обычно обучаются на более конкретном наборе данных. Например, модель может быть обучена на определенном наборе изображений, чтобы она могла распознавать определенные объекты на фотографиях.

На самом деле, другие модели глубокого обучения часто могут выполнять только одну такую задачу. Например, они могут либо классифицировать объекты на фотографии, либо выполнять другую функцию, например, делать предсказания. В отличие от них, одна базовая модель может выполнять обе эти функции, а также генерировать контент. Фундаментальные модели накапливают эти возможности путем изучения закономерностей и взаимосвязей на основе обширных обучающих данных, которые они получают, что, например, позволяет им предсказывать следующее слово в предложении. Именно так ChatGPT может отвечать на вопросы по различным темам, а DALL-E 2 и Stable Diffusion могут создавать изображения на основе описания.

Учитывая универсальность базовой модели, компании могут использовать одну и ту же модель для реализации нескольких бизнес-кейсов, чего редко удавалось достичь при использовании более ранних моделей глубокого обучения. Фундаментальная модель, содержащая информацию о продукции компании, может быть использована как для ответов на вопросы клиентов, так и для поддержки инженеров при разработке обновленных версий продукции. В результате компании смогут быстрее создавать приложения и реализовывать их преимущества.

Однако из-за того, как работают существующие модели фундамента, они не подходят для всех приложений. Например, большие языковые модели могут быть склонны к "галлюцинациям", или ответам на вопросы с правдоподобными, но неправдивыми утверждениями (см. боковую панель "Ответственное использование генеративного ИИ"). Кроме того, не всегда можно найти обоснование или источники для ответа. Это означает, что компании должны быть осторожны с интеграцией генеративного ИИ без человеческого контроля в приложениях, где ошибки могут причинить вред или где требуется объяснение. В настоящее время генеративный ИИ также не подходит для прямого анализа больших объемов табличных данных или решения сложных задач численной оптимизации. Исследователи активно работают над устранением этих недостатков.

Развивающаяся экосистема генеративного ИИ

В то время как базовые модели служат "мозгом" генеративного ИИ, возникает целая цепочка создания стоимости для поддержки обучения и использования этой технологии (Рисунок 2).1 Специализированное оборудование обеспечивает значительные вычислительные мощности, необходимые для обучения моделей. Облачные платформы позволяют использовать это оборудование. MLOps и поставщики центров моделей предлагают инструменты, технологии и методы, необходимые организации для адаптации базовой модели и ее развертывания в приложениях конечных пользователей. Многие компании выходят на рынок, предлагая приложения, построенные на основе базовых моделей, которые позволяют выполнять конкретные задачи, например, помогать клиентам компании в решении вопросов обслуживания.

Первые базовые модели требовали больших инвестиций для разработки, учитывая значительные вычислительные ресурсы, необходимые для их обучения, и человеческие усилия, необходимые для их совершенствования. В результате они были разработаны в основном несколькими технологическими гигантами, стартапами, получившими значительные инвестиции, и некоторыми исследовательскими коллективами с открытым исходным кодом (например, BigScience). Однако в настоящее время ведется работа как над более компактными моделями, способными обеспечить эффективные результаты при решении некоторых задач, так и над более эффективным обучением. В конечном итоге это может открыть рынок для большего числа участников. Некоторые стартапы уже преуспели в разработке собственных моделей - например, Cohere, Anthropic и AI21 Labs создают и обучают свои собственные большие языковые модели.

Каждый генеральный директор должен вместе с командой руководителей подумать, где и как играть. Некоторые руководители могут решить, что генеративный ИИ представляет собой трансформационную возможность для их компаний, предлагая шанс переосмыслить все - от исследований и разработок до маркетинга и продаж и работы с клиентами. Другие предпочтут начать с малого, а затем расширить масштабы. Как только решение принято, существуют технические пути, по которым могут пойти специалисты по ИИ для реализации стратегии, в зависимости от конкретного случая использования.

Большая часть пользы (хотя и не обязательно вся польза) от генеративного ИИ в организации будет получена от работников, использующих функции, встроенные в уже имеющееся у них программное обеспечение. Системы электронной почты будут предоставлять возможность написания первых черновиков сообщений. Приложения для повышения производительности создадут первый черновик презентации на основе описания. Финансовое программное обеспечение будет генерировать прозаическое описание примечательных особенностей финансового отчета. Системы управления взаимоотношениями с клиентами предложат способы взаимодействия с клиентами. Эти функции могут ускорить производительность каждого работника, обладающего знаниями.

Но генеративный ИИ может быть и более преобразующим в определенных случаях использования. Далее мы рассмотрим четыре примера того, как компании из разных отраслей используют генеративный ИИ сегодня для изменения методов работы в своей организации. Примеры варьируются от требующих минимальных ресурсов до ресурсоемких начинаний. (Для краткого сравнения этих примеров и более подробной технической информации см. рисунок 3).

Рисунок 3

Чтобы повысить производительность труда инженеров, компания внедряет продукт для завершения кода на основе искусственного интеллекта, который интегрируется с программным обеспечением, используемым инженерами для разработки кода. Это позволяет инженерам писать описания кода на естественном языке, а ИИ предлагает несколько вариантов блоков кода, которые удовлетворяют описанию. Инженеры могут выбрать одно из предложений ИИ, внести необходимые уточнения и нажать на него, чтобы вставить код.

Наши исследования показали, что такие инструменты могут ускорить создание кода разработчиком на 50 процентов. Они также могут помочь в отладке, что может улучшить качество разработанного продукта. Но сегодня генеративный ИИ не может заменить квалифицированных инженеров-программистов. На самом деле, более опытные инженеры получают наибольшую отдачу от использования этих инструментов, а неопытные разработчики видят менее впечатляющие, а иногда и отрицательные результаты. Известный риск заключается в том, что генерируемый ИИ код может содержать уязвимости или другие ошибки, поэтому для обеспечения качества и безопасности кода необходимо участие инженеров-программистов (о способах снижения рисков читайте в последнем разделе этой статьи).

Стоимость этого готового инструмента генеративного кодирования ИИ относительно невелика, а время выхода на рынок невелико, поскольку продукт доступен и не требует значительных внутренних разработок. Стоимость зависит от поставщика программного обеспечения, но подписка с фиксированной платой составляет от 10 до 30 долларов США на пользователя в месяц. При выборе инструмента важно обсудить с поставщиком вопросы лицензирования и интеллектуальной собственности, чтобы убедиться, что сгенерированный код не приведет к нарушениям.

Поддержка нового инструмента - это небольшая межфункциональная группа, которая занимается выбором поставщика программного обеспечения и мониторингом производительности, который должен включать проверку интеллектуальной собственности и проблем безопасности. Внедрение требует только изменения рабочего процесса и политики. Поскольку инструмент представляет собой готовое программное обеспечение как услуга (SaaS), дополнительные затраты на вычисления и хранение данных минимальны или вообще отсутствуют.

Менеджеры по связям с общественностью тратят значительное время на просмотр больших документов, таких как годовые отчеты и стенограммы звонков о доходах, чтобы быть в курсе ситуации и приоритетов клиента. Это позволяет RM предлагать услуги, соответствующие конкретным потребностям клиента.

Банк решил построить решение, которое получает доступ к модели фундамента через API. Решение сканирует документы и может быстро предоставить синтезированные ответы на вопросы, заданные RM. Вокруг базовой модели создаются дополнительные слои для упрощения работы пользователей, интеграции инструмента с системами компании и применения контроля рисков и соответствия нормативным требованиям. В частности, результаты работы модели должны быть проверены, как организация проверяет результаты работы младшего аналитика, поскольку некоторые большие языковые модели, как известно, могут вызывать галлюцинации. RM также обучаются задавать вопросы таким образом, чтобы получить наиболее точные ответы от решения (так называемый оперативный инжиниринг), а также внедряются процессы для упрощения проверки результатов работы инструмента и источников информации.

В данном случае генеративный ИИ может ускорить процесс анализа RM (с нескольких дней до нескольких часов), повысить удовлетворенность работой и потенциально получить информацию, которую RM мог бы не заметить.

Затраты на разработку в основном связаны с созданием пользовательского интерфейса и интеграцией, что требует времени от специалиста по исследованию данных, инженера машинного обучения или инженера по данным, дизайнера и front-end разработчика. Текущие расходы включают в себя обслуживание программного обеспечения и стоимость использования API. Затраты зависят от выбора модели и оплаты услуг сторонних поставщиков, размера команды и времени до создания минимально жизнеспособного продукта.

Представители службы поддержки клиентов этой компании обрабатывают сотни входящих запросов в день. Время ответа иногда было слишком большим, что вызывало недовольство пользователей. Компания решила внедрить генеративный бот для обслуживания клиентов с искусственным интеллектом, который будет обрабатывать большинство запросов клиентов. Целью был быстрый ответ в тоне, соответствующем бренду компании и предпочтениям клиентов. Часть процесса доработки и тестирования базовой модели включает в себя обеспечение соответствия ответов специфическому языку, обещаниям бренда и тону, заданному для компании; постоянный мониторинг необходим для проверки работы системы по нескольким параметрам, включая удовлетворенность клиентов.

Компания создала дорожную карту продукта, состоящую из нескольких волн, чтобы минимизировать потенциальные ошибки модели. В ходе первой волны чат-бот был опробован внутри компании. Сотрудники могли давать ответы "большой палец вверх" или "большой палец вниз" на предложения модели, и модель могла учиться на этих данных. В качестве следующего шага модель "слушала" разговоры со службой поддержки и предлагала свои предложения. Когда технология была достаточно протестирована, началась вторая волна, и модель была переведена на работу с клиентами, в которой участвовал человек. В конечном итоге, когда руководители полностью уверены в технологии, она может быть полностью автоматизирована.

В данном случае генеративный ИИ позволил высвободить представителей службы поддержки, чтобы сосредоточиться на более ценных и сложных запросах клиентов, повысить эффективность работы представителей и удовлетворенность их работой, а также повысить стандарты обслуживания и удовлетворенность клиентов. Бот имеет доступ ко всем внутренним данным о клиенте и может "запоминать" предыдущие разговоры (включая телефонные звонки), что представляет собой шаг вперед по сравнению с существующими чат-ботами для клиентов.

Для получения преимуществ этот вариант использования потребовал существенных инвестиций в программное обеспечение, облачную инфраструктуру и технических специалистов, а также более высокой степени внутренней координации рисков и операций. В целом, доработка базовых моделей обходится в два-три раза дороже, чем создание одного или нескольких программных слоев поверх API. Увеличение затрат связано с расходами на персонал и сторонних специалистов для облачных вычислений (при доработке модели на собственном хостинге) или API (при доработке через API стороннего производителя). Для внедрения решения компании потребовалась помощь специалистов DataOps и MLOps, а также других подразделений, таких как управление продуктами, дизайн, юридическая служба и специалисты по обслуживанию клиентов.

В этом примере ученые-исследователи, занимающиеся разработкой лекарств в фармацевтической компании, должны были решить, какие эксперименты проводить дальше, основываясь на изображениях, полученных с помощью микроскопии. У них был набор данных из миллионов таких изображений, содержащих огромное количество визуальной информации об особенностях клеток, которые имеют значение для открытия лекарств, но которые трудно интерпретировать человеку. Эти изображения использовались для оценки потенциальных терапевтических кандидатов.

Компания решила создать инструмент, который помог бы ученым понять взаимосвязь между химическим составом лекарств и зарегистрированными результатами микроскопии, чтобы ускорить научно-исследовательскую работу. Поскольку подобные мультимодальные модели находятся в зачаточном состоянии, компания решила создать свою собственную. Для создания модели члены команды использовали как реальные изображения, которые применяются для обучения основополагающих моделей на основе изображений, так и большой внутренний набор данных микроскопических изображений.

Обученная модель добавила ценность, предсказав, какие кандидаты в лекарственные препараты могут привести к благоприятному исходу, и улучшив способность точно определять соответствующие характеристики клеток для поиска лекарств. Это может привести к более эффективным и результативным процессам открытия лекарственных препаратов, не только улучшая время достижения ценности, но и уменьшая количество неточных, вводящих в заблуждение или неудачных анализов.

В целом, обучение модели с нуля обходится в 10-20 раз дороже, чем создание программного обеспечения на основе API модели. Разница в стоимости объясняется более крупными командами (включающими, например, экспертов по машинному обучению уровня PhD) и более высокими расходами на вычисления и хранение данных. Прогнозируемая стоимость обучения базовой модели сильно варьируется в зависимости от желаемого уровня производительности модели и сложности моделирования. Эти факторы влияют на необходимый размер набора данных, состав команды и вычислительные ресурсы. В данном примере использования большая часть затрат пришлась на инженерную группу и текущие облачные расходы.

Компания обнаружила, что потребуются значительные изменения в технической инфраструктуре и процессах, включая доступ ко многим экземплярам GPU для обучения модели, инструменты для распределения обучения по многим системам и лучшие практики MLOps для ограничения стоимости и продолжительности проекта. Кроме того, потребовалась значительная работа по обработке данных для сбора, интеграции (обеспечение одинакового формата и разрешения файлов различных наборов данных) и очистки (фильтрация некачественных данных, удаление дубликатов и обеспечение соответствия распределения предполагаемому использованию). Поскольку базовая модель была подготовлена с нуля, необходимо было провести тщательное тестирование окончательной модели, чтобы убедиться в точности и безопасности использования результатов.

Уроки, которые руководители компаний могут извлечь из этих примеров

Приведенные здесь примеры использования предлагают важные выводы для руководителей компаний, вступающих на путь генеративного ИИ:

• Трансформационные сценарии использования, обеспечивающие практическую пользу для рабочих мест и трудовой деятельности, уже существуют. Компании всех отраслей, от фармацевтики до банковского дела и розничной торговли, создают целый ряд примеров использования, чтобы использовать потенциал создания стоимости. Организации могут начинать с малого или крупного, в зависимости от их стремления.
• Затраты на использование генеративного ИИ варьируются в широких пределах, в зависимости от варианта использования и данных, необходимых для программного обеспечения, облачной инфраструктуры, технических знаний и снижения рисков. Компании должны принимать во внимание вопросы риска, независимо от случая использования, и некоторые из них потребуют больше ресурсов, чем другие.
• Несмотря на преимущества быстрого старта, создание базового бизнес-кейса поможет компаниям лучше ориентироваться в пути генеративного ИИ.

Организация для генеративного ИИ

Многие организации начали изучать возможности традиционного ИИ в рамках разрозненных экспериментов. Генеративный ИИ требует более взвешенного и скоординированного подхода, учитывая его уникальные риски и способность базовых моделей лежать в основе множества вариантов использования в организации. Например, модель, доработанная с использованием запатентованных материалов для отражения фирменного стиля предприятия, может быть развернута в нескольких вариантах использования (например, генерирование персонализированных маркетинговых кампаний и описаний продуктов) и бизнес-функциях, таких как разработка продуктов и маркетинг.

С этой целью мы рекомендуем созвать межфункциональную группу руководителей компании (например, представляющих науку о данных, инженерные, юридические, кибербезопасные, маркетинговые, дизайнерские и другие бизнес-функции). Такая группа может не только помочь определить и расставить приоритеты для наиболее ценных вариантов использования, но и обеспечить скоординированное и безопасное внедрение в рамках всей организации.

Создание сквозных решений в противовес фокусированию на вариантах использования

Генеративный ИИ - это мощный инструмент, который может изменить методы работы организаций, оказывая особое влияние на определенные сферы бизнеса в цепочке создания стоимости (например, маркетинг для розничной торговли или операционная деятельность для производителя). Простота развертывания генеративного ИИ может искушать организации применять его в единичных случаях использования по всему бизнесу. Важно иметь представление о семействе вариантов использования по областям, которые будут обладать наибольшим преобразующим потенциалом для всех бизнес-функций. Организации заново представляют себе целевое состояние, которое обеспечивается генеративным ИИ, работающим синхронно с другими традиционными приложениями ИИ, а также новыми способами работы, которые раньше были невозможны.

Обеспечение полностью загруженного технологического стека

Современный стек данных и технологий является ключом практически к любому успешному подходу к генеративному ИИ. Руководители компаний должны обратиться к своим главным технологам, чтобы определить, обладает ли компания необходимыми техническими возможностями в плане вычислительных ресурсов, систем данных, инструментов и доступа к моделям (с открытым исходным кодом через центры моделей или коммерческим через API).

Например, жизненной силой генеративного ИИ является текущий доступ к данным, заточенным под конкретный бизнес-контекст или проблему. Компании, которые еще не нашли способов эффективной гармонизации и обеспечения свободного доступа к своим данным, не смогут точно настроить генеративный ИИ, чтобы раскрыть все его потенциально преобразующие возможности. Не менее важно разработать масштабируемую архитектуру данных, включающую процедуры управления данными и обеспечения безопасности. В зависимости от варианта использования, существующая вычислительная и инструментальная инфраструктура (которая может быть получена от облачного провайдера или создана собственными силами) также может нуждаться в модернизации. Четкая стратегия в области данных и инфраструктуры, основанная на бизнес-ценностях и конкурентных преимуществах, получаемых от генеративного ИИ, будет иметь решающее значение.

Строительство «маяка»

Руководители компаний захотят избежать застревания на стадии планирования. Новые модели и приложения разрабатываются и выпускаются быстро. Например, GPT-4 был выпущен в марте 2023 года, после выхода ChatGPT (GPT-3.5) в ноябре 2022 года и GPT-3 в 2020 году. В мире бизнеса время имеет первостепенное значение, и стремительный характер технологии генеративного ИИ требует от компаний быстрых действий, чтобы воспользоваться ее преимуществами. Есть несколько способов, с помощью которых руководители компаний могут не останавливаться на достигнутом.

Хотя генеративный ИИ еще только зарождается, важно показать на внутреннем уровне, как он может повлиять на операционную модель компании, возможно, с помощью "маячного подхода". Например, один из вариантов развития событий - создание "виртуального эксперта", который позволит сотрудникам передового звена использовать собственные источники знаний и предлагать клиентам наиболее актуальный контент. Это может повысить производительность, вызвать энтузиазм и позволить организации протестировать генеративный ИИ внутри компании, прежде чем масштабировать его на приложения, ориентированные на клиентов.

Как и в случае с другими волнами технических инноваций, будет наблюдаться усталость от пробных концепций и множество примеров компаний, застрявших в "чистилище пилотов". Но поощрение доказательства концепции по-прежнему является лучшим способом быстро протестировать и доработать ценный бизнес-кейс, прежде чем расширять его до смежных вариантов использования. Сосредоточившись на ранних победах, дающих значимые результаты, компании могут наращивать темпы, а затем расширять масштабы, используя многоцелевой характер генеративного ИИ. Такой подход может позволить компаниям способствовать более широкому внедрению ИИ и создать культуру инноваций, которая необходима для сохранения конкурентных преимуществ. Как уже говорилось выше, межфункциональная команда руководителей должна быть уверена в том, что такие пробные концепции являются продуманными и скоординированными.

Баланс между риском и созданием ценности

Как показывают наши четыре подробных примера использования, бизнес-лидеры должны сбалансировать возможности создания стоимости с рисками, связанными с генеративным ИИ. Согласно нашему недавнему исследованию Global AI Survey, большинство организаций не снижают большинство рисков, связанных с традиционным ИИ, несмотря на то, что более половины организаций уже внедрили эту технологию. Генеративный ИИ заставляет вновь обратить внимание на многие из этих же рисков, таких как возможность увековечить предвзятость, скрытую в обучающих данных, и одновременно создает новые риски, такие как склонность к галлюцинациям.

В результате межфункциональная команда руководителей должна не только разработать общие этические принципы и рекомендации по использованию генеративного ИИ, но и тщательно изучить риски, связанные с каждым потенциальным случаем использования. Важно искать первоначальные варианты использования, которые соответствуют общей толерантности организации к риску и имеют структуры для снижения последующего риска. Например, организация розничной торговли может отдать предпочтение варианту использования, который имеет немного меньшую ценность, но и меньший риск - например, создание первоначальных черновиков маркетингового контента и другие задачи, в которых человек постоянно находится в курсе событий. В то же время компания может отложить в сторону более ценные и высокорискованные варианты использования, такие как инструмент для автоматического составления и отправки гиперперсонализированных маркетинговых писем. Такая практика, ориентированная на риск, может позволить организациям создать механизмы контроля, необходимые для надлежащего управления генеративным ИИ и обеспечения соответствия требованиям.

Руководители компаний и их команды также захотят быть в курсе последних изменений в регулировании генеративного ИИ, включая правила, связанные с защитой данных потребителей и прав интеллектуальной собственности, чтобы защитить компанию от проблем с ответственностью. Страны могут применять различные подходы к регулированию, как они уже часто делают это в отношении ИИ и данных. Организациям может потребоваться адаптировать свой рабочий подход, чтобы откалибровать управление процессами, культуру и управление талантами таким образом, чтобы они могли справиться с быстро меняющейся нормативной средой и рисками генеративного ИИ в масштабе.

Применение экосистемного подхода к партнерским отношениям

Руководители компаний должны сосредоточиться на создании и поддержании сбалансированного набора альянсов. Стратегия приобретений и альянсов компании должна по-прежнему концентрироваться на создании экосистемы партнеров, адаптированных к различным условиям и удовлетворяющих требованиям генеративного ИИ на всех уровнях технологического стека, но при этом следует избегать привязки к поставщикам.

Партнерство с правильными компаниями может помочь ускорить реализацию. Организациям не обязательно самим создавать все приложения или базовые модели. Вместо этого они могут сотрудничать с поставщиками и экспертами в области генеративного ИИ для более быстрого продвижения вперед. Например, они могут объединиться с поставщиками моделей для настройки моделей под конкретный сектор или сотрудничать с поставщиками инфраструктуры, которые предлагают вспомогательные возможности, такие как масштабируемые облачные вычисления.

Компании могут использовать опыт других и быстро воспользоваться преимуществами новейших технологий генеративного ИИ. Но генеративные модели ИИ - это только наконечник копья: для создания стоимости требуется множество дополнительных элементов.

Фокусировка на необходимых талантах и навыках

Чтобы эффективно применять генеративный ИИ для повышения ценности бизнеса, компаниям необходимо наращивать свои технические возможности и повышать квалификацию имеющегося персонала. Это требует согласованных усилий со стороны руководства для определения необходимых возможностей на основе приоритетных сценариев использования компании, которые, вероятно, выходят за рамки технических ролей и включают в себя набор талантов в области инженерии, данных, проектирования, рисков, продуктов и других бизнес-функций.

Как видно из приведенных выше примеров использования, технические потребности и потребности в талантах сильно варьируются в зависимости от характера конкретной реализации - от использования готовых решений до создания базовой модели с нуля. Например, для создания генеративной модели компании могут понадобиться специалисты по машинному обучению уровня доктора наук; с другой стороны, для разработки инструментов генеративного ИИ с использованием существующих моделей и предложений SaaS достаточно инженера по данным и инженера-программиста.

Помимо найма нужных специалистов, компании захотят обучать и тренировать имеющийся персонал. Разговорные пользовательские интерфейсы на основе подсказок могут сделать приложения генеративного ИИ простыми в использовании. Однако пользователям все еще необходимо оптимизировать подсказки, понимать ограничения технологии и знать, где и когда они могут приемлемо интегрировать приложение в свои рабочие процессы. Руководству следует предоставить четкие рекомендации по использованию инструментов генеративного ИИ и предложить постоянное обучение и тренинги, чтобы сотрудники были в курсе рисков, связанных с ними. Формирование культуры самостоятельных исследований и экспериментов также может стимулировать сотрудников к внедрению инновационных процессов и продуктов, эффективно использующих эти инструменты.

Предприятия уже много лет реализуют амбиции в области ИИ, и многие из них добились новых потоков доходов, улучшения качества продукции и повышения эффективности работы. Большая часть успехов в этих областях была достигнута благодаря технологиям ИИ, которые остаются лучшим инструментом для конкретной работы, и компаниям следует продолжать наращивать такие усилия. Однако генеративный ИИ представляет собой еще один многообещающий скачок вперед и мир новых возможностей. Хотя операционные и рисковые леса для этой технологии еще только создаются, руководители компаний знают, что им следует начать путь к генеративному ИИ. Но с чего и как им следует начать? Ответ на этот вопрос зависит от конкретной компании, а также от организации в целом. Одни начнут с большого, другие проведут небольшие эксперименты. Лучший подход будет зависеть от стремления компании и ее склонности к риску. Каковы бы ни были амбиции, главное - начать и учиться на практике.

В статье использованы материалы исследований отчётов McKinsey & Company

Решения, обеспечивающие расширенные возможности розничной торговли, более разумное планирование, самовосстановление и лучшее обучение, могут уменьшить сложность, снизить затраты и сделать счастливее как клиентов, так и сотрудников.

Операционная деятельность в телекоммуникационной отрасли часто считается одним из самых сложных аспектов ведения бизнеса, и наиболее успешными телекоммуникационными компаниями, как правило, становятся те, которые превосходят других в выполнении этой задачи. Она требует одновременного, скоординированного и динамичного подхода ко всем подразделениям, каждое из которых в отдельности было бы гигантским предприятием. В последние годы искусственный интеллект способен упростить эту задачу за счет оптимизации различных функций, составляющих операционную деятельность. Телекоммуникационные компании только начинают использовать этот потенциал. Операторы добились успеха с помощью решений ИИ, которые помогают оптимизировать процесс обслуживания, например, работу с клиентами в магазине, использование колл-центра и размещение сотрудников в магазинах, колл-центрах и на местах.

Сложный экономический ландшафт, на который телекоммуникационным компаниям пришлось ориентироваться в последние годы, делает перспективу инвестиций в новые решения пугающей. Однако стоимость, поставленная на карту, потенциально весьма значительна. Ведущие телекоммуникационные компании уже начали внедрять ИИ в свои полевые и сервисные операции. По мере того, как сети становятся все более программно-определяемыми и облачными, появляются и новые цифровые злоумышленники. Чтобы оставаться конкурентоспособными, необходимо идти в ногу как с технологиями, так и с передовиками.

Почему сейчас самое время внедрять искусственный интеллект

На полевые и сервисные операции приходится от 60 до 70 процентов операционных бюджетов большинства телекоммуникационных компаний, поэтому применение ИИ может обеспечить реальные и быстрые преимущества. Отрасль уже более десяти лет сталкивается с растущим давлением на затраты, и отдача от необходимых инвестиций в инфраструктуру едва превышает стоимость капитала. Теперь отрасль должна справиться с вызванными пандемией изменениями в том, как люди работают и делают покупки, в результате чего спрос превзошел все ожидания. В то же время укомплектовать штат операторов телекоммуникационных компаний становится все сложнее, а нехватка рабочей силы и новые разновидности коронавируса еще больше усложняют процесс. Удерживать работников также стало сложнее, чем когда-либо, особенно в США, где 40 процентов работников говорят, что, скорее всего, покинут свои текущие рабочие места в течение ближайших трех-шести месяцев.

Чтобы оставаться впереди, операторам необходимо принимать важнейшие инвестиционные решения, касающиеся обслуживания клиентов и сотрудников. В то же время им необходимо предлагать эффективные и действенные процессы для снижения затрат и повышения уровня удержания как клиентов, так и сотрудников. Именно в этих областях передовые телекоммуникационные компании внедряют решения ИИ и добиваются успеха. Как показывают приведенные ниже примеры использования, эти решения делятся на несколько категорий: интеллектуальное планирование и прогнозирование; опыт магазинов будущего, обеспечиваемый персонализацией на основе машинного обучения и другими базовыми элементами операционной эффективности; самовосстановление, при котором проблемы либо предупреждаются, либо решаются автоматически; и интеллектуальный коучинг.

Повышение качества обслуживания розничных клиентов

Важнейшей областью, в которой инструменты искусственного интеллекта могут помочь улучшить работу, является розничная торговля, где технологии и инструменты для магазинов будущего, а также интеллектуальное планирование и прогнозирование могут помочь преодолеть узкие места, характерные для нынешней розничной торговли. Активация телефонной линии может занять в среднем до часа, что делает розничную торговлю идеальной возможностью для повышения продаж. В США, например, около 40-50 процентов продаж телефонов происходит в розничной торговле, и 70 процентов этих сделок связаны с покупкой аксессуаров, таких как защитная крышка экрана, чехол для телефона или наушники. При этом покупатели вынуждены сидеть сложа руки, пока настраивается их телефонная линия и совершается покупка.

Инструменты искусственного интеллекта могут использовать это время с большей пользой. Помимо персонализированной рекламы и предложений, ориентированных на клиентов, находящихся в магазине в определенное время, интеграция функций онлайн и физической розничной торговли телекоммуникационных компаний на основе аналитики может решить проблему отсутствия устройств и аксессуаров на складе или в конкретном месте. Более эффективное использование аналитики может позволить розничным магазинам доставлять товары на дом покупателям, если чего-то нет в наличии в конкретном месте, подобно тому, как это начали делать розничные магазины модной одежды. В этом случае телекоммуникационные компании смогут предлагать полностью персонализированный ассортимент аксессуаров во всех своих точках и удовлетворять большую долю своих клиентов.

Подробнее о персонализации в магазине будущего читайте в статье "Будущее шопинга: Технологии повсюду"

Однако для того, чтобы это стало реальностью, необходимо, чтобы в розничной торговой точке было достаточно персонала, который помогал бы покупателям принимать решения и совершать покупки. Именно здесь может помочь разумное планирование. Способность клиентов получить то, что им нужно, когда они этого хотят, тесно коррелирует с общим уровнем привлечения и удержания клиентов, поэтому наличие достаточного количества персонала крайне важно. Однако прогнозирование потребностей в персонале в розничной торговле остается сложной задачей. Существующие инструменты не обеспечивают достаточной точности, чтобы предвидеть потребности телекоммуникационной компании в персонале для розничной торговли. Выпуск нового телефона или предстоящие праздничные покупки достаточно предсказуемы, но предугадать время ажиотажа, которое, казалось бы, ни с чем не связано, сложнее. Одной электронной таблицы недостаточно, чтобы понять действующие силы и сделать адекватные прогнозы. Кроме того, такие функции прогнозирования обычно сосредоточены в разрозненных системах, что не позволяет сделать процесс планирования динамичным и работающим в режиме реального времени.

Инструменты искусственного интеллекта, такие как машинное обучение, могут устранить большую часть догадок и ручных процессов, которые большинство операторов в настоящее время используют для прогнозирования потребностей розничной торговли в персонале и составления соответствующего графика. При правильном подходе эти инструменты могут значительно сократить проблему переизбытка и недостатка персонала. Построение прогнозных моделей, которые дополняют исторические внутренние данные информацией, такой как демографические данные, данные о доходах и поисковых тенденциях, позволяет операторам связи прогнозировать потребности в персонале с точностью до 80 процентов на розничном уровне.

Внедрение интеллектуального планирования позволило одной телекоммуникационной компании добиться повышения экономии затрат, уровня обслуживания и продаж. Имея более 10 000 сотрудников розничной торговли в 1500 точках, компания пыталась избежать недоукомплектованности штата, что приводило к сверхурочным расходам, а также переизбытка персонала, из-за которого сотрудники слишком много времени простаивали.

В компании было несколько команд по управлению персоналом, которые использовали комбинацию электронных таблиц и сторонних инструментов для прогнозирования спроса и составления графика работы сотрудников. Помимо того, что процесс был медленным, он был недостаточно точным. Компания объединила внутренние данные с внешней информацией, такой как демографические данные и тенденции онлайн-поиска, чтобы создать приборные панели на основе своих основных моделей ИИ для прогнозирования и оптимизации расписания, причем первоначальный пилотный проект был готов примерно через три месяца. Эти информационные панели обеспечили беспрецедентную прозрачность и наглядность для специалистов по планированию персонала, например, ранее скрытые пики и спады в спросе на рабочую силу и ее наличии, что позволило намного точнее планировать работу персонала розничных магазинов. Со временем компания увидела 10-20-процентную экономию затрат за счет более эффективного найма и составления расписания, а также 10-20-процентное увеличение продаж за счет более точного реагирования на спрос покупателей. Кроме того, за счет перераспределения незанятого времени использование розничного персонала увеличилось на 5-10 процентов.

Совершенствование работы контакт-центра

По мере того как приложения ИИ становятся все более совершенными, ведущие телекоммуникационные компании стремятся не только снизить потребность клиентов в звонках или сообщениях по поводу проблем, которые можно предотвратить или решить другими способами. Они также хотят обеспечить максимальное использование возможностей для повышения продаж, которые могут возникнуть в результате контакта. Такие самовосстанавливающиеся решения включают в себя ряд процессов (см. Рисунок 1).

Например, вопросы о выставлении счетов являются одним из основных источников звонков клиентов. Самовосстанавливающееся решение будет учитывать основную причину возникновения проблемы с выставлением счетов, а также историю выставления счетов, пожизненную ценность клиента и его склонность звонить в связи с изменением счета, а затем предпримет любое количество различных действий. Одному клиенту, возможно, достаточно получить объяснение, приложенное к счету, чтобы быть удовлетворенным, в то время как другому клиенту может понадобиться ретроактивный пакет данных. А другой клиент, возможно, решит сделать апгрейд или предпринять другие действия, повышающие доход, и в этом случае ему лучше позвонить.

Такое самовосстанавливающееся решение будет включать в себя кластеризацию различных профилей клиентов для определения их склонности к звонкам и вероятного влияния их звонков на доход и пожизненную ценность клиента. В то же время оно будет предсказывать, какое влияние окажут различные выявленные действия по самовосстановлению, и определять наилучшее действие для увеличения пожизненной ценности клиента. После внедрения решение по самовосстановлению может быть дополнено системой обратной связи на основе машинного обучения для отражения эффективности предпринятых действий, что позволит решению становиться все более точным в своих решениях.

Самовосстанавливающийся ИИ также может помочь сократить количество обращений в центр обработки вызовов за счет устранения проблем с проводными устройствами (например, замедляющий работу маршрутизатор может быть обнаружен и отремонтирован еще до того, как клиент заметит это). Решение, которое постоянно проверяет скорость и производительность устройства, может сравнить производительность одного устройства с производительностью соседних устройств, чтобы определить оптимальный курс действий. Если проблема заключается в том, что маршрутизатор клиента необходимо перезагрузить или загрузить изменения конфигурации, это может быть сделано удаленно в то время, когда клиент не использует устройство активно и не знает о возникшей проблеме.

Если проблема требует вмешательства клиента, решение прогнозирует склонность клиента к звонкам по поводу проблемы, прежде чем отправить ему предупреждение или подготовить необходимую информацию, чтобы сократить продолжительность возможного звонка. В случае проблемы, требующей решения на месте, грузовик и бригада могут быть отправлены до того, как клиенты заметят снижение скорости сети и позвонят с жалобой.

Такие меры могут помочь телекоммуникационным компаниям резко сократить количество вызовов, что улучшает качество обслуживания клиентов, позволяя агентам уделять время действительно сложным видам деятельности с добавленной стоимостью. Например, если уделять больше времени звонкам, требующим прямого взаимодействия с клиентом для удовлетворения критических потребностей или обучения по продуктам и услугам, это может обеспечить лучший опыт и привести к повышению удовлетворенности клиентов. Это также улучшает работу сотрудников, поскольку их возможности используются более эффективно, а количество недовольных клиентов, с которыми им приходится иметь дело, сокращается. Со временем это может способствовать повышению операционной эффективности и укреплению лояльности к бренду.

Как и в случае с подбором персонала для розничных торговых точек, подбор персонала для колл-центров может значительно выиграть от интеллектуального планирования на основе искусственного интеллекта, чтобы обеспечить работу нужных сотрудников колл-центра в нужное время (см. Рисунок 2). Более точная информация о том, какие типы клиентов звонят и почему, может быть объединена с системами планирования рабочей силы для оптимизации уровней и времени работы персонала. Сочетание прогнозирования на основе ИИ с многоканальным оптимизатором расписания, который может распределять агентов по различным функциям, включая колл-центр, центр сообщений и даже розничные магазины, создает петлю обратной связи, которая позволяет системе становиться все более интеллектуальной.

Одна телекоммуникационная компания с несколькими тысячами агентов центра обработки вызовов создала основные модели ИИ для прогнозирования и оптимизации расписания, а полученные информационные панели позволили на 10-20% сократить расходы на сверхурочные и более эффективно использовать персонал, а также повысить качество обслуживания клиентов. Кроме того, время, необходимое управлению персоналом для управления прогнозированием и составлением расписания, сократилось вдвое, и компания получила на 30 процентов больше гибкости в распределении работников по местам и видам работ благодаря централизованному составлению расписания, охватывающему несколько бизнес-подразделений.

Повышение потенциала полевых сил

На пути полевого персонала телекоммуникационным компаниям приходится балансировать между клиентами, сотрудниками и внешними силами, над которыми они практически не имеют контроля. Интеллектуальные коучинговые решения на базе ИИ могут помочь повысить производительность и уровень обслуживания работников передовых подразделений и их руководителей, а также улучшить впечатления клиентов и сотрудников. Эти сложные инструменты используют алгоритмы машинного обучения для получения информации о производительности и ресурсов коучинга, которые опираются на нормализованные показатели производительности сотрудников в качестве исходных данных. В результате получаются своевременные и ситуативно значимые цифровые инструкции, а также поощрительные подталкивания, которые помогают стимулировать желаемое поведение (см. Рисунок 3).

Одна телекоммуникационная компания, которая в экспериментальном порядке применила интеллектуальный коучинг на основе ИИ в распределенном штате из более чем нескольких тысяч сотрудников, обнаружила, что смогла решить проблему отсутствия эффективного способа дифференцировать коучинг в зависимости от потребностей отдельных сотрудников. Компания знала, что ей необходимо улучшить ключевые показатели производительности, качества, эффективности обучения и уровня вовлеченности, и создала программу коучинга на основе ИИ, которая будет направлена на все четыре области.

Программа смогла определить персонализированные возможности коучинга на основе прошлых результатов работы и предоставить целевые подсказки и лучшие практики непосредственно на портативные устройства сотрудников. Такой подход не только помог повысить эффективность работы сотрудников, но и в конечном итоге повысил удовлетворенность работой.

Полевые операции также могут выиграть от умного планирования, особенно когда речь идет о своевременном прибытии технических специалистов. Погода, дорожное движение и другие внешние факторы могут оказывать значительное влияние на составление расписания, что, в свою очередь, влияет на качество обслуживания клиентов и сотрудников, особенно когда и техник, и клиент звонят в ответ на несвоевременное прибытие.

Как и в случае с планированием работы колл-центров и розничной торговли, ИИ на основе ML может использовать исторические данные для выявления причин задержек, которые в противном случае неясны, а затем объединить эти данные с данными о погоде и трафике для динамического изменения графика работы технических специалистов на местах. Решение может даже оценить вероятность возникновения технических неполадок на основе исторических данных и данных о клиентах и предупредить техников о том, какие запчасти могут понадобиться для выездов в этот день.

Одна телекоммуникационная компания, создавшая решение, использующее исторические данные о сезонности, маршрутизации технического персонала и других внешних факторах, таких как трафик и погода, повысила точность прогнозирования и управления персоналом на 80-90%.

Начало работы

Телекоммуникационным компаниям, которые только начинают использовать ИИ для поддержки своих сервисных операций или думают об этом, будет полезно рассмотреть некоторые передовые методы, уже проверенные в бою лидерами, включая следующие действия:

• Определите основные варианты использования ИИ для каждого подразделения и соответствующих этапов сервисных операций - например, для колл-центров, розничной торговли, использования в магазинах или полевых операций - на основе наиболее важных пробелов или болевых точек. Затем проведите процедуру определения приоритетов для ранжирования возможностей и примеров использования в соответствии с целесообразностью, влиянием и простотой реализации.
• Определите доступность данных для каждого рассматриваемого варианта использования и создайте дорожную карту для создания активов данных, которые потребуются для их использования.
• Начните с описательной аналитики и используйте гибкий подход на ранних этапах пути развития сервисного управления на основе ИИ, добавляя предиктивную и предписывающую аналитику для создания прочного фундамента. Создание минимально жизнеспособных продуктов в ходе специальных спринтов и расширение масштаба на основе подхода непрерывного обучения поможет обеспечить высокие результаты.
• Создайте команды в ИИ-подразделениях, в которые входят как технические специалисты, так и бизнес-лидеры и профильные эксперты, в зависимости от конкретного случая использования. Работая совместно, эти межфункциональные эксперты разрабатывают и тестируют примеры использования ИИ и решения.

Хотя операторы связи продолжают сталкиваться с серьезными препятствиями, искусственный интеллект может помочь смягчить их, а операторы услуг - это особенно благоприятная возможность. Повсеместное распространение технологий и, в частности, растущее применение искусственного интеллекта и ОД способствуют новой волне роста и разрушений. Те операторы связи, которые воспользуются этой возможностью и продолжат внедрять инновации на этом пути, скорее всего, станут бесспорными лидерами в долгосрочной перспективе.

В статье использованы материалы исследований отчётов McKinsey & Company

Искусственный интеллект при масштабном внедрении может помочь телекоммуникационным компаниям защитить основные доходы и обеспечить рост маржи. Но для использования этой возможности потребуется совершенно иной подход.

Искусственный интеллект (ИИ) открывает возможности для использования, которые преобразуют отрасли в широком спектре мировой экономики. От инфраструктуры, которая "самовосстанавливается", до радикально переосмысленного (и бесконтактного) обслуживания клиентов; от масштабной гиперперсонализации до автоматически создаваемых маркетинговых сообщений и изображений с использованием инструментов генеративного ИИ, таких как ChatGPT - все это уже сегодня реальность. Эти решения ИИ могут мощно дополнить, а иногда и радикально превзойти большинство традиционных бизнес-функций.

Эффект от этих решений становится очевидным. Лидеры в области ИИ - верхний квинтиль компаний, прошедших оценку McKinsey Analytics Quotient - показали пятилетний годовой рост доходов в 2,1 раза выше, чем аналогичные компании, а общий доход акционеров в 2,5 раза больше.

Учитывая многочисленные проблемы, с которыми столкнулась телекоммуникационная отрасль в последние годы, такие как падение доходов и рентабельности инвестиций, можно было бы предположить, что отрасль уже полностью перешла на эту технологию. Однако, исходя из нашего опыта работы с операторами по всему миру, телекоммуникационные компании еще не полностью приняли ИИ и менталитет, ориентированный на ИИ. Вместо этого модели разрабатываются один раз и не совершенствуются по мере развития бизнес-контекста. Машинное обучение (ML) существует только в названии, что ограничивает способность системы улучшаться на основе опыта. К большому сожалению, инвестиции в ИИ часто не согласуются с приоритетами руководства высшего уровня; в отсутствие такой поддержки внедрение ИИ тормозится, инвестиции в технический персонал ослабевают, а технология остается незрелой.

Противопоставьте такое разрозненное положение дел организации, ориентированной на ИИ. Здесь ИИ рассматривается как ключевая компетенция, которая обеспечивает принятие решений во всех отделах и на всех уровнях организации. Инвестиции в ИИ необходимы для реализации большинства приоритетов на уровне руководителей, таких как более персонализированные рекомендации для клиентов и более высокая скорость ответа в центрах обработки вызовов. Топ-менеджеры выступают в роли проводников важнейших инициатив в области ИИ. Данные и возможности ИИ управляются как продукты, созданные для масштабируемости и повторного использования. Менеджеры по продуктам ИИ, даже те, кто работает над основополагающими продуктами, отмечаются за преимущества, которые они генерируют для организации.

Достижение такого уровня зрелости ИИ - задача не из легких, но она, безусловно, под силу телекоммуникационным компаниям. Действительно, с учетом всего того давления, с которым они сталкиваются, широкомасштабное внедрение ИИ и переход к организации, основанной на ИИ, может стать ключом к росту и обновлению. Те операторы связи, которые начинают понимать, что это не подлежит обсуждению, наращивают инвестиции в ИИ по мере того, как материализуется влияние технологии на бизнес.

Хотя изолированное применение технологии может помочь отдельным отделам улучшить работу, именно ИИ, подключенный комплексно на всех уровнях и во всех отделах, станет ключом к защите основного дохода и стимулированию роста маржи даже в самых сложных условиях. Представьте себе следующие не столь отдаленные сценарии:

• Ориентированность на клиента: Сара, жительница Нью-Йорка, является клиентом с высоким средним доходом на пользователя (ARPU). Зная, что Сара тратит половину времени использования телефона на фитнес-приложения, ИИ создает заманчивое индивидуальное предложение по повышению класса обслуживания, включающее кредит на шесть месяцев для ее любимой фитнес-подписки и преимущества, характерные для Нью-Йорка, например, билет на предстоящий концерт, спонсируемый оператором. Зная о высокой склонности Сары к цифровым технологиям1 , ИИ делает предложение доступным для нее только в цифровом формате.
• Сосредоточенность на сотрудниках: Когда Тревор, сотрудник магазина в торговом центре телекоммуникационной компании, входит в систему в начале своей смены, он получает праздничное уведомление, поздравляющее его с высоким качеством взаимодействия с клиентами в предыдущий день. А поскольку ИИ обнаружил, что Тревор отстает от своих коллег по показателям прикрепления аксессуаров и защиты устройств, он получает уведомление, указывающее ему на ресурсы для обучения, специально созданные для повышения эффективности работы по этим показателям.
• Ориентирование на инфраструктуру: Люсиль, директор группы планирования капитальных вложений, использует ИИ для принятия решений о целевых инвестициях в сеть на основе детального понимания оценок опыта использования сети на уровне клиентов, которые сильно коррелируют с коммерческими результатами (например, оттоком). ИИ дает тактические рекомендации о том, что и где строить, исходя из того, где клиенты используют сеть, и автоматически вычисляемых пороговых значений, после которых новые инвестиции оказывают незначительное влияние на опыт и коммерческие результаты оператора.

Важно рассмотреть, как эти возможности могут стать реальностью, особенно учитывая, что большинство телекоммуникационных компаний в настоящее время внедряют ИИ ограниченными способами, которые не приведут к устойчивому, широкомасштабному успеху.

Почему именно сейчас? Доводы в пользу того, чтобы стать "родным" для ИИ

Факторы, поддерживающие этот шаг для телекоммуникационных компаний, включают следующее:

• Повышение доступности ведущих технологий ИИ: Организации, основанные на ИИ, такие как Meta, продолжают развивать экосистему с открытым исходным кодом, делая новые языки программирования, наборы данных и алгоритмы широко доступными. Параллельно облачные провайдеры разработали множество быстро развертываемых API машинного обучения, таких как Google Cloud's Natural Language API. Генеративные решения ИИ, такие как ChatGPT, способные создавать увлекательные ответы на человеческие запросы, также доступны через API. Эти два фактора в сочетании со снижением стоимости обработки и хранения данных делают ИИ все более доступным для организаций.
• Стремительный рост объема пригодных для использования данных: Операторы могут напрямую собирать, структурировать и использовать значительно больше данных, чем когда-либо прежде. Эта информация включает в себя потоки данных из индивидуальных моделей использования приложений, оценки потребительского опыта на конкретном сайте, а также то, что можно приобрести или передать партнерам или третьим лицам. Чтобы ответить на опасения потребителей и регулирующих органов по поводу конфиденциальности, телекоммуникационные компании должны инвестировать в создание цифрового доверия, в том числе активно управлять конфиденциальностью данных, иметь надежную стратегию кибербезопасности и основу для этичного развертывания ИИ.
• Доказанные примеры использования и результаты: AI-Native организации в разных отраслях применяют ИИ для достижения четырех важнейших результатов, которые очень актуальны для операторов по всему миру: 1) защита и рост доходов за счет персонализации, 2) преобразование структуры затрат, 3) обеспечение беспрепятственного взаимодействия с клиентами и 4) удовлетворение новых требований к рабочему месту. Операторы могут учиться у всех из них. Например, стриминговые игроки давно известны тем, что предоставляют персонализированные рекомендации контента, основанные на прошлом поведении пользователей. Чтобы оптимизировать расходы и обеспечить бесперебойное обслуживание клиентов, одна из ведущих страховых компаний США использует помощников ИИ для сокращения и даже исключения человеческого взаимодействия с пользователями при получении страховки или аннулировании полисов у других операторов. В свою очередь, некоторые ведущие технологические компании мира известны тем, что используют ИИ для выявления черт отличных менеджеров и высокоэффективных команд и используют эти знания для обучения лидеров компании.
• Инвестиции в технологии признаны движущей силой бизнеса: В мире, пережившем пандемию, инвесторы и руководители компаний пришли к общему мнению, что инвестиции в технологии - это не просто центр затрат, а фундаментальный фактор бизнеса, оказывающий глубокое влияние на конечный результат. Несмотря на перспективы экономических потрясений и опасения рецессии, ожидается, что в 2023 году расходы на ИТ вырастут более чем на 5 процентов, а технологические лидеры будут испытывать растущее давление, чтобы продемонстрировать влияние на финансовые показатели компании.
• Ставки операторов требуют гиперзарядки: По мере конвергенции сетей и продуктов операторы делают ставки на то, чтобы стать игроками, ориентированными на затраты и эффективность, на опыт или на экосистему. Варианты использования ИИ, которые более актуальны для каждой ставки, могут дать им больше шансов на гиперзарядку и опередить конкурентов.

Для получения наибольшей отдачи этот сдвиг требует от телекоммуникационных компаний принятия концепции организации, основанной на ИИ - структуры, в которой технология глубоко внедрена в структуру всего предприятия.

Использование искусственного интеллекта для переосмысления основного бизнеса

В течение последнего десятилетия телекоммуникационные компании испытывали неустанное давление, поскольку традиционные факторы роста разрушались, а экономическая ценность все больше переходила к технологическим компаниям. Используя ИИ в полной мере, операторы могут защитить свой основной бизнес от дальнейшей эрозии, одновременно повышая маржу.

По мере того как отрасль стремится использовать возможности ИИ, мы видим, что на основе нашего опыта работы с телекоммуникационными компаниями по всему миру в стратегических повестках дня преобладают шесть тем.

Гиперперперсонализация и архитектура продаж и вовлечения

Используя широту и глубину имеющихся в их распоряжении данных на уровне пользователя, операторы все больше инвестируют в персонализацию с помощью искусственного интеллекта и управление каналами.

Например, гиперперсонализированная рекомендация тарифного плана и устройства для каждого владельца линии может использовать гранулированные поведенческие данные, такие как количество установленных приложений, их активность и использование функций устройства, для создания индивидуальных рекомендаций тарифного плана (более высокая скорость сети или дополнительные услуги потокового вещания), рекламных акций ("Получите неограниченные предоплаченные данные для использования в службе потокового вещания музыки всего за $5 в месяц") и сообщений для конкретных устройств, мест и событий ("Обновите новейшее устройство со встроенным VR"). Впоследствии, используя инструменты сегментации аудитории, можно направлять клиентов к каналам, которые предлагают увлекательный опыт и обеспечивают наиболее выгодные результаты продаж для телекоммуникационной компании. Например, абонент с низкой склонностью к цифровым технологиям3 , высоким ARPU и высоким риском оттока, живущий в нескольких милях от магазина, может стать хорошим кандидатом для того, чтобы подтолкнуть его к обновлению устройства в магазине, что приведет к улучшению потребительского опыта и потенциально повысит лояльность оператора. Или рассмотрим другой сценарий: этот абонент пользуется передовой сетью 5G в Нью-Йорке и является постоянным пользователем фитнес-приложений, который часто путешествует за пределами страны. В результате ее оператор предлагает индивидуальную рекомендацию тарифного плана с превосходным доступом к сети, лучшими преимуществами подписки на фитнес-приложения и привлекательным международным планом передачи данных.

Пример из практики: Оператор Азиатско-Тихоокеанского региона, запустивший комплексную трансформацию управления ценностью клиента на основе ИИ (с персонализацией в основе), добился более чем 10-процентного сокращения оттока клиентов и 20-процентного роста перекрестных продаж.

Переосмысление проактивного обслуживания

Более ранние инвестиции в цифровую инфраструктуру в сочетании с возможностями предиктивного и предписывающего ИИ позволяют операторам разработать персонализированный опыт обслуживания, основанный на автономном разрешении проблем и проактивной информационно-разъяснительной работе.

Например, при полностью автономном решении проблем система может предсказать и устранить потенциальные источники недовольства клиентов еще до того, как они возникнут. Заметив, что клиент начисляет плату за роуминг во время поездки за границу, система искусственного интеллекта автоматически применяет оптимальный пакет услуг роуминга к его ежемесячному счету, чтобы минимизировать расходы. Затем она высылает персональное пояснение к счету с подробным описанием оптимизации пакета и полученной экономии для клиента, что приводит к неожиданному и положительному моменту CX.

Операторы также изучают возможность перепроектирования цифровых сервисных маршрутов с помощью ассистентов ИИ, выполняющих функции цифровых консьержей. Технологии генеративного ИИ, включая такие инструменты, как ChatGPT, имеют потенциал для улучшения существующих ботов за счет лучшего понимания более сложных намерений клиента, более эмпатичного общения и лучших возможностей подведения итогов (например, когда боту необходимо передать взаимодействие с клиентом сотруднику). Единый унифицированный помощник ИИ, вероятно, также будет представлять собой шаг вперед в скорости, точности и вовлеченности по сравнению с сегодняшними интерактивными системами голосового ответа.

Организация обслуживания на основе ИИ - ключевой компонент для высвобождения всего потенциала специализированных представителей для высокоценных взаимодействий и улучшения общего клиентского опыта - одного из ключевых полей битвы для телекоммуникационных компаний по всему миру.

Пример из практики: Ожидается, что ведущая телекоммуникационная компания добьется примерно 10-процентного снижения количества звонков по устранению неисправностей устройств благодаря проактивной системе искусственного интеллекта, которая учитывает вероятность звонка клиента и серьезность проблемы, чтобы решить, следует ли направить наиболее эффективное решение через SMS. Этот проактивный механизм также является ключевым элементом стремления оператора иметь самые высокие показатели удовлетворенности клиентов среди конкурентов.

Создание магазина будущего

В розничной торговле искусственный интеллект совершает революцию в дизайне и управлении магазинами, оптимизируя операции и повышая качество обслуживания покупателей.

Некоторые телекоммуникационные компании уже используют виртуальных розничных ассистентов, отображаемых на экранах на различных поверхностях, для проведения многочисленных операций с клиентами, включая пополнение баланса на предоплаченном счете и продажу предоплаченных карт и ТВ-подписок. Одна из ведущих европейских телекоммуникационных компаний использует инструменты искусственного интеллекта для более точной оценки устройств и обмена в магазине. Магазин ближайшего будущего включает в себя следующие компоненты:

• Перед входом в магазин: Планировка проходов и размещение товаров оптимизируются на основе моделей просмотра, анализируемых с помощью машинного зрения. Цифровые вывески ориентированы на отдельных покупателей, которые находятся в магазине и идентифицируются с помощью биометрической технологии или технологии геозондирования. Интерактивные киоски предлагают персонализированные рекламные акции, сервисную помощь и прогнозы времени ожидания. Клиенты подбираются к представителям, которые подталкивают их с помощью персонализированной информации, способной вызвать наилучшее взаимодействие и привести к действительно беспроблемному обслуживанию клиентов.
• В служебных помещениях: SKU устройства автоматически управляются для оптимизации запасов и продаж. Магазины пополняют ассортимент на основе местных предпочтений, выявленных в аналитике продаж. Инструменты искусственного интеллекта, такие как градация на основе компьютерного зрения, позволяют немедленно гарантировать цену на сдаваемые устройства.
• Снаружи: Потребители, проходящие рядом с магазином, получают текстовые или push-уведомления с персонализированной рекламной акцией и приглашением проверить товар в магазине.

Пример из практики: Азиатская телекоммуникационная компания запустила виртуального розничного помощника 5G в беспилотных поп-ап магазинах. Цифровой человек общается с клиентами в индивидуальной и дружественной манере, используя привлекательную мимику и язык тела. Она поддерживает клиентов при совершении множества операций, начиная с покупки предоплаченных карт и заканчивая заменой SIM-карты.

Развертывание самовосстанавливающейся, самооптимизирующейся сети

Телекоммуникационная компания, использующая ИИ, будет использовать технологии для оптимизации принятия решений на всех этапах жизненного цикла сети - от планирования и строительства до эксплуатации и обслуживания. Например, на этапах планирования и строительства ИИ может использоваться для определения приоритетности инвестиций в пропускную способность на уровне участка на основе детальных данных, таких как оценка опыта работы сети на уровне клиентов.

На этапах эксплуатации ИИ может определять приоритеты при отправке аварийных бригад на основе потенциальной потери доходов или влияния на качество обслуживания клиентов. ИИ также может обеспечить самовосстанавливающуюся сеть, которая автоматически устраняет неисправности - например, автоматически переключает клиентов с одной частоты оператора на другую, поскольку ожидалось, что первая будет забита. Это высвобождает инженерные ресурсы для деятельности с более высокой добавленной стоимостью.

Пример из практики: Оператор связи разработал оптимизированный с помощью ML показатель качества обслуживания (QoE) для обоснования решений о развертывании. QoE - это составной показатель, объединяющий несколько сетевых метрик. ИИ используется для оптимизации веса, придаваемого каждой сетевой метрике, чтобы корреляция между QoE и коммерческими показателями (такими как отток клиентов) была максимальной. После использования QoE для развертывания инвестиций в сеть - "что" и "где" строить - оператор значительно улучшил отток клиентов.

Повышение производительности труда на передовой

Телекоммуникационная компания, ориентированная на ИИ, также использует инструменты с поддержкой ИИ для оптимизации планирования трудовых ресурсов и инструктажа передовых сотрудников в различных командах, включая полевой персонал, службу поддержки клиентов и сотрудников розничной торговли.

Для планирования трудовых ресурсов инструменты ИИ улучшают традиционные приложения, прогнозируя показатели спроса и предложения на месячные, ежедневные и внутридневные временные горизонты с более высокой точностью, большей детализацией и полной автоматизацией. Интеллектуальное планирование соответствует спросу и предложению, например, сотрудники колл-центра требуются в особенно напряженные периоды, чтобы соответствовать целевым показателям уровня обслуживания и ожиданиям клиентов.

Действуя в качестве интеллектуального коуч-менеджера, механизм подталкивания с поддержкой ИИ предоставляет сотрудникам и их руководителям персонализированные поощрения и подталкивания к улучшению работы (Рисунок 1). В сочетании с достижениями в области генеративного искусственного интеллекта влияние ИИ-двигателя подталкивания может стать еще более значительным, например, моделируя реакцию клиентов в различных сценариях для обучения представителей.

Пример из практики: Телекоммуникационный оператор развернул решение для планирования и обучения технического персонала, обслуживающего медных и оптоволоконных клиентов, с поддержкой ИИ. Результатом стало повышение эффективности на 10-20 процентов и улучшение показателей удовлетворенности клиентов.

Внутренние интеллектуальные операции

Аналитика на основе ИИ будет способствовать принятию решений во всех бизнес-функциях, не ограничиваясь автоматизацией стандартизированных или малосложных задач. Например, в финансовой сфере ИИ может отмечать счета-фактуры с отклонениями от нормы для дальнейшей проверки, а в сфере дебиторской задолженности он может предсказывать вероятность невыполнения обязательств клиентами, инициируя действия по смягчению последствий. В сфере управления персоналом ИИ может помочь выявить сотрудников с высоким риском отсева или прогулов и соответствующие причины, а также помочь определить неформальных авторитетов, которые могут возглавить работу по управлению изменениями. Генеративные решения ИИ могут помочь в разработке маркетинговой копии продукта, обобщении отзывов клиентов в исследовательских целях или даже позволить бизнес-пользователям писать простой код для быстрой настройки ИТ-приложений.

В целом, вовлечение ИИ в процесс принятия и исполнения решений приводит к повышению скорости и согласованности. Его преимущества можно ощутить повсюду: от управления контрактами и поиска поставщиков до внедрения и обслуживания ИТ.

Пример из практики: Британская транспортная компания применила искусственный интеллект для выявления основных причин выбытия сотрудников и прогулов. Затем компания разработала целевые мероприятия для каждого из этих факторов, что позволило сократить расходы на оплату больничных листов и отсев сотрудников на 20-25%.

Факторы успеха трансформации с использованием ИИ

В этом путешествии относительно легче понять, что именно нужно сделать, чтобы стать "родным" для ИИ; более сложной задачей является то, как воплотить эти возможности в жизнь. Работая над многолетними проектами с операторами по всему миру, мы выявили важнейшие передовые методы в трех областях, которые являются отличительными признаками успешной трансформации на базе ИИ: создание ИИ, управление им и стимулирование его внедрения.

Создание передового опыта в области ИИ

Для разработки преобразующего ИИ требуется тщательно выверенный подход, который следует следующим основным принципам:

• Создавайте основные возможности ИИ по модульному принципу и с учетом возможности повторного использования, с потенциалом развертывания в различных контекстах оператора. Например, основной механизм прогнозирования может быть развернут как в колл-центре, так и в розничной торговле. Это позволит повысить рентабельность инвестиций в ИИ за счет сокращения времени на развертывание и предотвращения дублирования работы.
• Тесная интеграция возможностей ИИ друг с другом на основе подхода, основанного на архитектуре моделей, которая объединяет различные модели ИИ для максимизации создания ценности и содействия повторному использованию. Например, модель склонности к цифровым технологиям будет построена как базовая модель, которая станет исходным материалом для множества моделей, ориентированных на клиентов.
• Используйте цифровых двойников в качестве основы для всего ИИ. Цифровые двойники - виртуальные представления физического актива, человека или процесса с продуктом данных в основе - являются ключом к разблокированию многократно используемого ИИ. Данные в цифровом двойнике намеренно структурируются и моделируются, чтобы обеспечить простое, многократное использование и управление всеми потребностями, а также служить единым источником истины для всех моделей (Рисунок 2).

• Внедряйте передовые методы работы с машинным обучением (MLOps), чтобы сократить жизненный цикл разработки аналитики и повысить стабильность моделей. MLOps обычно включает автоматизацию интеграции и развертывания кода, лежащего в основе возможностей ИИ.
• Переосмыслите стратегию привлечения технических талантов в целом. Без глубокой базы инженерных талантов амбиции по созданию ИИ останутся миражом. Работодателям следует подумать о том, чтобы расширить сеть поиска поставщиков за счет более широкого круга университетов и учебных заведений. Также важно улучшить условия, в которых работают разработчики, поскольку опыт разработчиков является одним из главных факторов, определяющих привлекательность работодателя. Например, ограничения на использование языков программирования и инструментов облачных провайдеров могут оказать значительное влияние на решение разработчика нанять и остаться в организации, а также на производительность труда разработчика. Поскольку потребности в технических кадрах многогранны, операторам следует запустить полный список инициатив на протяжении всего жизненного цикла сотрудника.

Передовые методы управления искусственным интеллектом

Поддержание и совершенствование возможностей ИИ зависит от экспериментального, итерационного мышления, ориентированного на инновации в области продуктов и технологий.

• Относитесь к возможностям ИИ как к настоящим продуктам, назначая для их курирования специальных менеджеров по продуктам. PM выступают в роли переводчиков между техническими и бизнес-командами и обязаны постоянно владеть продуктом и разрабатывать возможности для его улучшения. Они следят за тем, чтобы продукт никогда не создавался как одноразовое решение.
• Создайте лаборатории ИИ для быстрого проведения экспериментов. Выделенные группы руководителей и специалистов по анализу данных или инженеров получают ускоренное разрешение на проведение экспериментов с новыми моделями, проверку их осуществимости и подтверждение ценности для бизнеса перед масштабированием.
• Обновляйте технологический стек ИИ не реже одного раза в год, чтобы использовать преимущества новых разработок. В последние годы произошли значительные улучшения в инструментарии, которые радикально изменили рабочие процессы ИИ.
• Ускорить усилия по модернизации ИТ и данных (сложность которых часто замедляет трансформацию ИИ) за счет использования эталонных архитектур, проверенных в ходе многочисленных трансформаций в разных отраслях. Более того, создавайте целевую облачную нативную архитектуру данных на основе итеративного подхода, ориентируясь в первую очередь на улучшение компонентов, необходимых для приоритетных сценариев использования ИИ (например, потоковая передача данных может стать ключом к разблокированию сценариев обнаружения мошенничества).

Передовые методы внедрения ИИ

Комплексный подход, сфокусированный на том, что входит в модели и выходит из них, имеет решающее значение для стимулирования растущего использования ИИ:

• Обеспечьте, чтобы решения ИИ считались надежными ИИ, включая такие аспекты, как объяснимость моделей, ответственность за результаты работы моделей ИИ и техническая надежность.
• Сделайте управление изменениями приоритетным с первого дня. Операторам необходимо вовлекать конечных пользователей аналитических данных с использованием ИИ на всех этапах жизненного цикла разработки модели и инвестировать в формальное и неформальное наращивание потенциала. Операторам также необходимо тщательно проанализировать замену и перестройку существующих процессов, а также методов управления и ролей, чтобы они были ориентированы на ИИ.

Следующие шаги к созданию телекоммуникационной компании с искусственным интеллектом

Во многих отраслях компании используют ИИ для повышения эффективности своей деятельности, существенного улучшения качества обслуживания клиентов и, в конечном счете, для более быстрого вывода на рынок инновационных продуктов и услуг. Операторы могут перенять опыт этих отраслей и инвестировать в ИИ для повышения своей конкурентоспособности в предстоящие годы экономической неопределенности и конкурентных потрясений. Многие операторы уже начали это делать.

Организации, которые говорят о внедрении ИИ, но двигаются медленными темпами, надеясь, что несколько инновационных проектов, разработанных на периферии организации и в изолированных подразделениях, соберутся вместе, чтобы создать эффект снежного кома для целостного изменения того, как технология обеспечивает принятие бизнес-решений, скорее всего, потерпят неудачу.

В конечном счете, крупнейшим фактором внедрения ИИ станет спонсорство на уровне генерального директора и полная согласованность действий руководителей на протяжении всей трансформации AI-native. Искусство возможного с помощью технологии уже давно превзошло то, что компании смогли воспринять. Без активной поддержки на высшем уровне, направленной на активное преодоление организационной инерции, донесение увлекательной истории изменений, моделирование нового поведения, содействие наращиванию потенциала и принятие обязательств по необходимым долгосрочным технологическим инвестициям, усилия по преобразованию AI-native не увенчаются успехом.

Путь к внедрению искусственного интеллекта потребует от операторов создания стратегического видения и дорожной карты, которая воодушевит и мобилизует организацию, создания приоритетных возможностей искусственного интеллекта, чтобы набрать обороты, и объединения всех усилий для обеспечения того, чтобы операционная модель и управление изменениями были настроены на внедрение. За этим последует широкомасштабное внедрение ИИ в организации.

Этот путь долог и требует самоотдачи, но операторы, которые встанут на путь внедрения ИИ, скорее всего, станут лидерами на следующем этапе трансформации.

В статье использованы материалы исследований отчётов McKinsey & Company

Пока еще только зарождающийся, генеративный ИИ обладает потенциалом, который поможет модным компаниям стать более продуктивными, быстрее выходить на рынок и лучше обслуживать клиентов. Настало время изучить технологию.

В то время как в Лондоне, Милане, Нью-Йорке и Париже завершаются недели моды этого сезона, бренды работают над производством и продажей моделей, которые они только что продемонстрировали на подиумах, и приступают к созданию коллекций следующего сезона. Вполне возможно, что в будущем эти дизайны будут сочетать в себе мастерство креативного директора и мощь генеративного искусственного интеллекта (ИИ), помогая быстрее выводить одежду и аксессуары на рынок, эффективнее продавать их и улучшать потребительский опыт.

Вы уже наверняка слышали о чатботе ИИ ChatGPT от OpenAI, который в одночасье стал сенсацией и вызвал цифровую гонку по созданию и выпуску конкурентов. ChatGPT - это лишь один из примеров генеративного ИИ, технологии, включающей алгоритмы, которые могут быть использованы для создания нового контента, включая аудио, код, изображения, текст, симуляции и видео. Вместо того чтобы просто идентифицировать и классифицировать информацию, генеративный ИИ создает новую информацию, используя фундаментные модели, которые представляют собой модели глубокого обучения, способные решать несколько сложных задач одновременно. В качестве примеров можно привести GPT-3.5 и DALL-E.

Хотя индустрия моды уже экспериментировала с базовым ИИ и другими передовыми технологиями - на ум приходят метаверсия, неиграбельные токены (NFTs), цифровые идентификаторы, дополненная или виртуальная реальность - у нее до сих пор было мало опыта с генеративным ИИ. Правда, эта зарождающаяся технология стала широко доступной совсем недавно и все еще изобилует тревожными перегибами и ошибками, но все указывает на то, что она может совершенствоваться с молниеносной скоростью и стать переломным моментом во многих аспектах бизнеса. Согласно анализу McKinsey, в ближайшие три-пять лет генеративный ИИ может увеличить операционную прибыль в секторах одежды, моды и роскоши на $150 млрд, а в консервативном плане - до $275 млрд. Генеративный ИИ создает новое пространство для творчества - от кодирования до ускорения процессов разработки контента. Он может вводить все формы "неструктурированных" данных - сырой текст, изображения и видео - и выдавать новые формы медиа, начиная от полностью написанных сценариев и заканчивая трехмерными проектами и реалистичными виртуальными моделями для видеокампаний.

Это еще только начало, но уже появились некоторые явные примеры использования генеративного ИИ в моде. (Многие из этих примеров также применимы к смежным секторам красоты и роскоши). В частности, в области инноваций, маркетинга, продаж и клиентского опыта технология может принести значительные результаты и может быть более целесообразной для внедрения в краткосрочной перспективе по сравнению с другими областями в цепочке создания стоимости в моде. В этой статье мы описываем некоторые из наиболее перспективных вариантов использования и предлагаем шаги, которые руководители могут предпринять, чтобы начать работу, а также риски, о которых следует помнить при этом.

На наш взгляд, генеративный ИИ - это не просто автоматизация, это расширение и ускорение. Это означает предоставление профессионалам в области моды и творческим работникам технологических инструментов для выполнения определенных задач значительно быстрее, освобождая их от необходимости тратить больше своего времени на то, что под силу только людям. Это также означает создание систем, позволяющих лучше обслуживать клиентов. Вот с чего следует начать.

Понимание вариантов использования

Генеративный ИИ может повлиять на всю экосистему моды. Компании fashion индустрии могут использовать эту технологию для создания более продаваемых моделей, снижения затрат на маркетинг, гиперперсонализированного общения с клиентами и ускорения процессов. Он также может изменить цепочку поставок и логистику, работу магазинов, а также функции организации и поддержки.

Разработка продукции и инновации

Вместо того чтобы полагаться только на отчеты о тенденциях и анализ рынка для разработки дизайна коллекции следующего сезона, как розничные продавцы одежды массового спроса, так и креативные директора брендов класса люкс могут использовать генеративный ИИ для анализа различных типов неструктурированных данных в режиме реального времени. Генеративный ИИ может, например, быстро собрать и провести анализ настроений из видеороликов в социальных сетях или смоделировать тенденции из нескольких источников потребительских данных.

Креативные директора и их команды могут вводить эскизы и желаемые детали - например, ткани, цветовую палитру и узоры - в платформу на базе генеративного ИИ, которая автоматически создает множество вариантов дизайна, позволяя дизайнерам играть с огромным разнообразием стилей и образов. Затем команда может разработать новые вещи на основе этих результатов, привнося в каждый образ фирменный штрих модного дома. Это открывает возможности для создания инновационных, лимитированных выпусков продукции, которые также могут быть сотрудничеством между двумя брендами. Такие продукты, как очки, могут быть разработаны для отдельных людей с помощью технологии распознавания лиц на основе генеративного ИИ для сканирования рельефа лица и адаптации к размерам и стилевым предпочтениям клиента.

Этот сценарий стал реальностью в декабре 2022 года, когда группа гонконгских модельеров из Лаборатории искусственного интеллекта в дизайне (AiDLab) провела показ мод с использованием генеративного ИИ. Используя инструменты таких технологических компаний, как Cala, Designovel и Fashable, модельеры уже используют возможности генеративного ИИ, чтобы зародить новые идеи, попробовать множество вариантов дизайна без необходимости изготовления дорогостоящих образцов и значительно ускорить свои процессы. (Для косметических компаний генеративный ИИ также дает возможность брендам определять новые формулы продуктов, что потенциально помогает сократить расходы на лабораторные испытания).

Руководители и агентства по маркетингу могут использовать генеративный ИИ для мозгового штурма стратегий кампаний, контента продуктовых кампаний и даже виртуальных аватаров для каждого маркетингового канала - и делать это быстро.

Золото маркетинга часто может быть игрой чисел. Вспомните TikTok: на этой платформе нет единой формулы победы, чтобы стать вирусным. Наоборот, чем больше вы производите, тем выше ваши шансы стать трендовой темой, повысить узнаваемость бренда и увеличить продажи. Привлечение видеоплатформы на базе генеративного ИИ для создания коротких видеороликов для TikTok или других социальных медиаплатформ может помочь сэкономить время и затраты, связанные с созданием контента для социальных медиа. Генеративный ИИ может распознавать закономерности и тенденции в вирусном контенте и создавать новый контент, который также следует спецификациям маркетолога.

Эти упражнения могут помочь внутренним маркетинговым командам справиться со своей рабочей нагрузкой и снизить зависимость от передачи работы на аутсорсинг креативным агентствам. Однако маркетологам следует быть осторожными с таким подходом: попытки привлечь внимание потребителей, копируя то, что сделали другие бренды, могут свести на нет уникальную индивидуальность и ценностное предложение, на создание которых бренд потратил годы.

Генеративный ИИ также может применяться для персонализированных коммуникаций с клиентами. По данным исследования McKinsey, компании, которые преуспели в персонализации, увеличивают доходы на 40% по сравнению с компаниями, которые не используют персонализацию.4

Несколько стартапов - CopyAI, Jasper AI и Writesonic, и это лишь некоторые из них, - помогают внедрять масштабный персонализированный маркетинг с помощью генеративного ИИ. При использовании этих инструментов ежедневные задачи маркетолога могут выглядеть следующим образом: он может выбрать тип контента, который он хочет создать, будь то электронное письмо, длинный пост в блоге или что-то еще; добавить подсказку, описывающую, что он ищет; указать целевую аудиторию и другие параметры, например, тон, которые помогут создать маркетинговые коммуникации, соответствующие бренду. Затем инструмент искусственного интеллекта предлагает несколько вариантов, из которых маркетолог может сделать выбор.

Эти инструменты наиболее полезны при применении к маркетинговым каналам с более низкой воронкой (те, которые в основном используются для стимулирования конверсии продаж), в отличие от более престижных коммуникаций, направленных на создание бренда. Маркетологи по-прежнему должны подсказывать и редактировать работу.

Продажи и потребительский опыт

Сегодняшние чаты на основе генеративного ИИ, которые используют более мощную обработку естественного языка для лучшего понимания людей и взаимодействия с ними, уже являются заметным улучшением по сравнению с существующими чатами ИИ. Тем не менее, (пока) не существует надежного чат-бота с генеративным искусственным интеллектом для бизнеса — текущие чат-боты и другие инструменты для генерации текста все еще время от времени допускают ошибки, которые могут привести к серьезным проблемам с обслуживанием клиентов. Однако в конечном итоге эта технология может помочь агентам службы поддержки клиентов передавать сложные запросы на аутсорсинг, например, используя чат-ботов для предоставления персонализированных ответов на многих языках.

Сегодня существуют сервисы, которые назначают бренду «представителя» генеративного ИИ для обработки запросов обслуживания клиентов по электронной почте, чату, текстовым сообщениям и на собственных платформах бренда. Эти услуги помогают сократить время ожидания обслуживания клиентов и улучшить время отклика.

Агенты с генеративным искусственным интеллектом также могут обслуживать люксовые бренды, особенно когда речь идет о «клиентелинге» — стратегии розничной торговли, в соответствии с которой продавцы развивают долгосрочные отношения с самыми высокооплачиваемыми клиентами бренда, чтобы поощрять покупки и повышать лояльность к бренду. (Например, в бутиках класса люкс, где покупки совершаются только по предварительной записи, коэффициент конверсии продаж может достигать 60-70%). Этот процесс остается в некоторой степени аналоговым и ручным, полагаясь на торговых агентов брендов, которые обращаются к клиентам через различные платформы обмена сообщениями или смс, и ограничивается только тем временем, когда эти агенты работают. Инструменты на базе генеративного ИИ могут поддерживать разговор или давать рекомендации по стилю после того, как покупатель покидает магазин, обучать продавцов, как взаимодействовать с покупателями, персонализировать коммуникации для конкретных клиентов, анализировать профили потребителей и онлайн-взаимодействие в режиме реального времени.

В июле 2022 года компания Stitch Fix, занимающаяся розничной продажей одежды, заявила, что экспериментирует с GPT-3 и DALL-E 2, генератором ИИ "текст-изображение", чтобы увеличить продажи и повысить удовлетворенность клиентов за счет улучшения качества услуг стилистов. Эти генеративные модели тестируются, чтобы помочь стилистам быстро и точно интерпретировать большое количество отзывов клиентов и подбирать товары, которые клиенты охотнее покупают. Например, инструмент ИИ может анализировать все отзывы клиентов, которые могут включать сотни текстовых комментариев, запросы по электронной почте, оценки продукции и сообщения в Интернете. Если клиент регулярно комментирует, например, "отличную посадку" и "забавный цвет" брюк определенного фасона, DALL-E может сгенерировать изображения похожих брюк, которые клиент, скорее всего, захочет приобрести. Затем стилист может найти похожие вещи в каталоге Stitch Fix и порекомендовать их клиенту.

Виртуальные примерки - еще один пример того, как генеративный ИИ может улучшить продажи и потребительский опыт. Парижская компания Veesual обеспечивает интеграцию виртуальных примерок для модных брендов электронной коммерции, то есть клиенты могут выбрать модель и примерить одежду.

С чего начать

Какой бы интересной ни была технология генеративного ИИ, компаниям все же стоит проявлять осторожность, прежде чем полностью доверить генеративному ИИ выполнение своих основных задач. Но пренебрежение изучением возможностей, которые открывает эта технология, может быть не менее рискованным, учитывая темпы ее развития и взрывной рост пользовательской базы. Руководители могут уже сейчас начать думать о том, как их компании могут использовать генеративный ИИ. Для этого руководители могут предпринять несколько шагов.

Сделайте ценность своей путеводной звездой

Руководители индустрии моды должны определить, где генеративный ИИ может принести наибольшую пользу их бизнесу. Начните с определения того, в каких областях - креативный дизайн, мерчандайзинг, подиумные кампании или работа с клиентами - генеративный ИИ может принести наибольшую пользу. Затем руководители могут расставить приоритеты в отношении вариантов использования генеративного ИИ, которые они должны реализовать, исходя из степени влияния этих вариантов на их бизнес. Некоторые показатели влияния включают повышение уровня удовлетворенности клиентов и сокращение времени ожидания обслуживания клиентов.

После определения ценности следует также определить приоритетность вариантов использования в зависимости от того, насколько они осуществимы; определение того, насколько легко можно использовать генеративный ИИ, зависит от таких факторов, как технические навыки команды. После этого команды должны составить краткосрочную дорожную карту для тестирования и проверки этих вариантов использования. В то же время они могут рассмотреть и долгосрочные цели, например, как создать платформу генеративного дизайна, которую дизайнеры смогут обновлять и использовать в каждом сезоне.

Может быть заманчиво немного поразвлечься с генеративным ИИ, но использование его возможностей потребует дополнительного усердия. Руководители индустрии моды должны целенаправленно создавать инструменты, способные принести пользу, а не экспериментировать с существующими инструментами без разбора.

Знать риски и планировать их уменьшение

В предыдущей статье мы перечислили некоторые риски использования генеративного ИИ. Один из них заключается в том, что юридические параметры использования генеративного ИИ все еще находятся в стадии согласования. Дизайнеров иногда критикуют за создание производных работ и подражание дизайну. Вопрос о том, кому принадлежит интеллектуальная собственность и творческие права на произведения, созданные ИИ, которые могут быть основаны на мультимодальных источниках данных, таких как прошлые коллекции других дизайнеров, будет решаться в каждом конкретном случае, пока не будет создан убедительный юридический прецедент. (Хотя это и не связано с генеративным ИИ, громкая битва между Hermès и художником Мейсоном Ротшильдом вокруг NFT MetaBirkin, в которой судья постановил, что NFT нарушают торговую марку Hermès, показывает, как модные бренды могут оказаться втянутыми в юридическую путаницу при появлении новых технологий).

Еще один риск - предвзятость и справедливость в системах генеративного ИИ, особенно в отношении предвзятых наборов данных, что может создать репутационные проблемы для брендов, которые полагаются на эту технологию. Например, если инструмент, генерирующий изображения, создает рекламную кампанию с неуместными или оскорбительными изображениями, которые затем распространяются по всему миру, репутация бренда может пострадать. И если в попытке устранить ущерб компания будет указывать пальцем на искусственный интеллект, это мало поможет успокоить гнев потребителей.

Существует также риск того, что сотрудники, использующие генеративный ИИ, не полностью осознают его недостатки и могут не проверить ошибки, вносимые технологией. В этом случае предприятия должны регулярно обучать сотрудников и предоставлять им ресурсы, необходимые для понимания того, как использовать технологию.

Хотя риски неизбежны, руководители компаний могут уменьшить их потенциальное влияние, создав процесс для решения вопросов риска, этики и обеспечения качества.

Повышение квалификации имеющихся сотрудников

Инструменты генеративного ИИ могут повысить ценность множества различных областей бизнеса, поэтому важно обучать и тренировать сотрудников, включая дизайнеров, маркетологов, продавцов и представителей службы поддержки клиентов, использованию этой технологии.

Некоторые компании уже ввели обучение, ориентированное на ИИ. Например, компания Levi Strauss запустила в 2021 году учебный лагерь машинного обучения, чтобы обучить сотрудников, не являющихся специалистами в области технологий, тому, как использовать машинное обучение в процессе проектирования. Сотрудники, прошедшие программу, создают новые инструменты ИИ, которые имеют отношение к их работе. Одна из целей программы Levi's - увеличить разнообразие сотрудников, обладающих техническими знаниями, чтобы компания могла обнаружить проблемы, которые сотрудники с традиционным технологическим образованием могли бы не заметить. Программа также помогает командам с разной специализацией - например, командам дизайнеров и инженеров - лучше общаться и находить общий язык. Кроме того, компания Levi's обнаружила, что программа помогает повысить уровень удержания сотрудников.

С появлением сотрудников, обладающих искусственным интеллектом, сотрудничество приобретет новое значение. Руководителям следует задуматься: Как мы определим обязанности и будем коллективно работать между техническими и нетехническими ролями? Команды дизайнеров и разработчиков программного обеспечения могут проводить еженедельные совещания руководства для разработки стратегий квартальных дорожных карт и рабочих сессий между командами. Ведущие дизайнеры могут поделиться своими потребностями в определенных знаниях и инструментах (например, в инструменте, который генерирует варианты дизайна на основе эскиза), в то время как инженерные команды предоставляют эти инструменты.

Сотрудничество с правильной технической поддержкой

Предприятиям индустрии моды, несомненно, придется инвестировать в свой персонал, когда дело дойдет до использования генеративного ИИ, но им не придется самостоятельно создавать приложения или базовые модели. Вместо этого руководители модных компаний могут сотрудничать с компаниями и экспертами в области генеративного ИИ, чтобы быстро продвигаться вперед. Руководитель отдела моды может сотрудничать с компанией (например, Microsoft или OpenAI), которая предоставляет новые технологии, или с партнером, который предоставляет вспомогательные возможности (например, облачные вычисления или API).

В статье использованы материалы исследований отчётов McKinsey & Company