10 апреля, 13:26

Как искусственный интеллект может изменить клиентский путь к 2025 году

Работа ИИ, которую мы не замечаем.

Константин Романов, Билайн

Как искусственный интеллект может изменить клиентский путь к 2025 году

К 2024 году российский рынок больших данных может вырасти на 90% — до 319 миллиардов рублей. Дополнительный эффект от использования больших данных для отраслей экономики составит 1,6 триллиона рублей операционной прибыли. Об этом заявляют в Ассоциации больших данных, объединяющей крупных отечественных игроков IT-индустрии.

К 2025 году эффект от использования искусственного интеллекта в России может достигнуть 1 триллиона рублей. Об этом заявил вице-премьер РФ Дмитрий Чернышенко. Мировому рынку больших данных (Big Data) эксперты предсказывают среднегодовой рост по 27,81% до 2028 года.

Но при этом для большинства людей, в том числе и бизнесменов, нейросети и большие данные остаются «терра инкогнито». Считать, что искусственный интеллект и инструменты больших данных используют только программисты — заблуждение. Большинство из нас уже давно пользуются результатами этих технологий, просто не замечают этого. Константин Романов, директор по искусственному интеллекту и цифровым продуктам Билайна, о том, как ИИ и когнитивные сервисы вошли в нашу повседневную жизнь и стали частью бизнес-процессов в разных отраслях.

Большие данные и удобство московского транспорта

Москва уже не первый год входит в число наиболее комфортных для жизни городов мира. Среди определяющих критериев — удобство общественного транспорта. Когда не надо ловить такси, стоя у дороги с поднятой рукой, а можно заказать авто через приложение. Когда знаешь, через сколько приедет твой автобус или трамвай. А до ближайшей станции метро не надо ехать на наземном транспорте, а можно дойти пешком. Сокращение времени в дороге — это и есть повышение качества жизни для людей, улучшение их пользовательского опыта.

Кейс

Столичный транспорт стал удобнее благодаря технологиям анализа больших данных, которые использовались при выборе мест строительства новых станций московского метро. Нужно было оптимизировать расходы на строительство новых станций и при этом повысить транспортную доступность и удовлетворённость жителей уже сформировавшихся районов города, а также новых территорий с учётом их будущего развития. Для принятия решений о будущем развитии территории, выборе места для новых станций метро и оптимизации маршрутов общественного транспорта использовались большие объёмы данных, представленные в виде многомерных срезов или кубов.

Стадии Внедрения ИИ в России

Технологии

В игру вошла геоаналитика. На основе обезличенных данных о регистрации абонентов сотовой связи вблизи базовых станций аналитики определили ключевые точки притяжения: остановки общественного транспорта, транспортно-пересадочные узлы и основные магистрали, а также детские сады, школы, поликлиники, МФЦ, объекты торговли и бизнеса.

На основе данных о том, как перемещаются группы абонентов в течение суток и недель, а также учитывая места их пребывания днём и ночью, выявились направления и объёмы транспортных потоков людей в условно высокий рабочий сезон с сентября по май и в сезон отпусков с мая по сентябрь.

Классификация групп населения, построенная на основе математических моделей данных о паттернах поведения за продолжительный период времени, позволяет с определённой долей вероятности выявить потребность людей в этом районе в городской инфраструктуре — какие им нужны транспорт и социальные объекты. На основе моделирования можно прогнозировать потребности в среднесрочной перспективе.

Уровень развития инструментов для сбора, хранения, обработки и анализа больших пространственных данных позволяет относительно быстро создавать оперативные статистические отчёты и их визуализацию в виде картографических изображений. Это значительно ускоряет принятие градостроительных решений с применением результатов анализа.

Результат

Новые станции метрополитена были востребованы с первых дней после ввода в эксплуатацию. Разгрузились соседние линии метрополитена и ближайшие пересадочные станции метро — до 34% от показателей до ввода. Выросла привлекательность районов около новых станций для застройщиков и бизнеса — ещё на стадии строительства стоимость жилых и коммерческих объектов поднялась до 25%.

Для жителей и гостей города открылись новые маршруты движения, что сделало пользование общественным транспортом комфортным. Если оценивать эти факты с точки зрения маркетинга, то клиентский путь от возникновения потребности до её удовлетворения сократился. Теперь если человек захотел из одного района попасть в другой именно на общественном транспорте, у него появился выбор из нескольких маршрутов и сократилось время в пути.

Что изменится

Геоаналитика помогает государству развивать востребованную инфраструктуру, а бизнесу — открывать магазины, ТЦ, офисы исходя из потребностей жителей.

Что в будущем? По моему мнению, транспортная ситуация продолжит меняться. Будут появляться новые жилые районы, новые точки притяжения, новый транспорт — и существующая транспортная инфраструктура может перестать справляться.

Возможно, к этому моменту геоаналитика будет активнее использовать недостаточно задействованные на сегодняшний день технологии. Например, видео- и аэрофотосъёмку в реальном времени. Сопряжение съёмки с работой ИИ может позволить регулировать или перенаправлять транспортные потоки в случае заторов и пробок, прогнозировать их возникновение, а также быстро реагировать в чрезвычайных ситуациях, что будет снижать временные затраты людей на дорогу.

ИИ для выгоды продавца и удобства покупателя

ИИ может оценить, где потенциально лучше открыть магазин. Для этого он спрогнозирует места проживания целевой аудитории, предскажет средний чек, укажет возможные направления развития и оптимизации. Это важно, ведь вложения в запуск сетевого продуктового магазина могут составлять 15 миллионов рублей и больше. ИИ может влиять на клиентский путь покупателя — от возникновения потребности в продукте до покупки и повторной покупки. Расскажем на одном примере.

Кейс

Производитель кондитерских изделий планировал увеличить продажи продукции трёх брендов в торговых сетях. Для этого использовались рекламные площади в сетевых магазинах, что тоже вполне традиционно. Но это была технологичная digital indoor — реклама на экранах в магазинах. Экраны были подключены к ИИ-системе.

Технологии

Рекламная кампания велась на экранах в популярных торговых сетях с учётом дистрибуции и применением оптимизации параметров трансляции. Предварительно были изучены паттерны поведения покупателей в разных магазинах, покупательская способность и время шопинга: на этих данных была спланирована рекламная кампания. Предположение об аудитории экранов даёт возможность воспроизвести таргетированное сообщение — показать рекламу тем, кому она с большей степенью вероятности будет интересна.

Доля компаний, внедряющих ИИ в бизнес-функции по индустриям

Результат

Анализ продаж по разным брендам в торговых сетях показал положительное влияние до 18% в тестовой группе, которая видела рекламу, по отношению к контрольной группе, которая её не видела. Средние показатели по рынку при этом — 7–10%. Отчёт позволил скорректировать следующие рекламные кампании.

Сопоставление динамики продаж с показами рекламы позволило выявить инсайты, неизвестные рекламодателю.

Рекламная кампания лучше влияет на мужчин.
Имеет значение даже незначительное увеличение знания о бренде с помощью РК.
Рекламная кампания поддерживает знание бренда на текущем уровне, но лучше сдвигает его среди мужчин 35–44 лет.
В группе 18–34 лет наиболее высокие показатели знания бренда относительно других возрастов.

Реклама, таргетированная с помощью ИИ, сократила клиентский путь от формирования желания купить продукт до его покупки в том же магазине. Лёгкое достижение цели для человека ведёт к его удовлетворённости.

Что изменится

Предложение покупателю товара, который с большой вероятностью нужен ему сегодня, будет следующим шагом в рознице: не в офлайн-магазине, а в онлайн-шопинге. Возможно, этот продукт уже будет лежать в корзине, к цене уже будет применена скидка, так что весь «поход» в магазин сведётся к одному клику.

ИИ ассистирует врачу

Когда мы говорим, что компьютерное зрение что-то «видит», система «понимает», а алгоритм «предсказывает», мы имеем в виду повышение процента точности выводов, что благоприятно влияет на принятие решений в разных областях. Сфера, где это особенно важно — медицина. Активное использование ИИ в медицине началось ещё в пандемию, когда из-за высокой нагрузки на врачей к оценке результатов компьютерной томографии лёгких привлекли интеллектуальные системы и использовали их как вспомогательный инструмент для получения «второго мнения».

Кейс

Нейросеть обучили анализировать результаты магнитно-резонансной томографии для прогнозирования развития патологий, которые могут привести к раку. Кейс Сеченовского университета.

Технологии

С помощью искусственного интеллекта был создан помощник для врачей. Основная задача — научить нейросеть находить взаимосвязи, на которые обращает внимание специалист при анализе медицинского исследования.

Вместе с врачами айтишники размечали на исследованиях видимые патологии и учили нейросеть анализировать визуальную информацию так же, как учат студентов-медиков. Как и всегда, было важно рассмотреть как можно больше разных случаев, чтобы у нейросети было больше опыта.

В процессе обучения через технологию компьютерного зрения было показано более 7 тысяч снимков МРТ. Компьютерное зрение исследует семантическую сегментацию содержимого снимка: что на нём потенциально хорошо, а что — не очень.

Результат

В настоящий момент точность выводов нейросети составляет до 80%. Врач, пользуясь инструментом анализа данных, получает дополнительную информацию для минимизации ошибок при постановке диагноза. Это упрощает его работу и сокращает время на исследования. IT-технологии сократили путь клиента, в данном случае, врача. А это бывает очень важно, например, при большой загруженности больниц, как это было в пандемию коронавируса.

Что изменится

ИИ, конечно, никогда не заменит врача, но может стать его помощником. Ведь нейросеть может сопоставлять гораздо больше снимков, чем способна хранить человеческая память. Мнение ИИ может использоваться врачами для постановки диагноза, отслеживания тревожных признаков и служить поводом для дополнительных обследований. Нейросети и большие данные придут на помощь не только онкологам, но и другим специалистам.

Стадии внедрения ИИ в компаниях России

Где ещё мы не замечаем работу нейросетей и больших данных

В этой статье мы рассмотрели лишь три сферы. Но ИИ и анализ больших данных незаметно меняют клиентский опыт и в других отраслях. Какие ещё направления есть?

Скоринг для банков, финансовых организаций и страховых компаний, когда с помощью ИИ и анализа больших данных устанавливается вероятная благонадёжность клиентов. За несколько лет процесс рассмотрения заявки на кредит или страхование незаметно сократился до нескольких минут. И это благодаря технологиям.

Видеоаналитика для производства, транспорта, ЖКХ, безопасности. Искусственный интеллект по видео оценивает качество продукции, скорость работы людей, носят ли они каски и спецодежду; сколько человек вошло в автобус и сколько из них не оплатили проезд; как загружена поликлиника, МФЦ или городской перекрёсток; насколько заполнены мусорные баки во дворах.

Аудиоаналитика для ИИ-анализа работы операторов колл-центров, менеджеров по продажам и улучшения клиентского сервиса.

Мобильные опросы, когда с помощью больших данных аналитики определяют, кто из людей по десяткам критериев подходит под определённую целевую аудиторию. Эти люди и получат предложение пройти опрос удобным для них способом, например в смске или пуше.

Сложности для компаний в использовании ИИ

Несмотря на преимущества от работы с передовыми технологиями, необходимо соблюдать баланс интересов бизнеса и человека, поэтому обработка данных осуществляется крупными компаниями только в отношении тех, кто выразил согласие на неё. На мой взгляд, искусственный интеллект и технологии на основе больших данных будут и далее активно внедряться в работу разных сфер бизнеса и государственных органов. В очереди на цифровизацию — туризм, промышленные и сельскохозяйственные предприятия. Нужно лишь преодолеть очевидные сложности, которые существуют на рынке: долгие сроки окупаемости некоторых ИИ-решений или недостаток отраслевых кадров с экспертизой в машинном обучении.

Если вернуться к клиентскому опыту, предполагаю, что взаимоотношения бизнеса с клиентом будут выстраиваться в рамках концепции фиджитал, которая предполагает взаимопроникновение физического мира и диджитала, например, виртуальные офисы и примерочные. С фиджитал многие работают в России и в мире, но пока это скорее пилотные проекты. А тот бизнес, который не сможет найти свой вариант фиджитала, может потерять конкурентное преимущество на рынке.