Хватит ли у нейросетей сообразительности забрать на себя генерацию рекламного контента и общение с клиентами?

Дмитрий Смирнов, директор по развитию бизнеса в ритейл и FMCG компании КРОК.

Сегодня о головокружительных перспективах внедрения технологий ChatGPT, Midjourney, MusicLM практически в любую сферу слышал буквально каждый. Не осталась в стороне и сфера ритейла. Смогут ли умные технологии вести диалог с покупателем, оптимизировать затраты бизнеса и заменить ряд специалистов? Насколько реальны такие ожидания?

При подобном запросе к ChatGPT, она нам выдала: «… нейросети могут использоваться для прогнозирования спроса на товары, оптимизации ценовой политики, управления запасами и логистикой, анализа поведения покупателей и персонализации предложений. Однако, признается, что для достижения эффективных результатов, ее необходимо правильно настроить и обучить, а также использовать эту технологию в сочетании с другими методами и инструментами управления ритейлом».

Из того, что ритейлерам действительно хотелось бы применять на практике, это, например, осмысленный автоматический диалог с покупателем, формирование описаний товаров, генерация медиаконтента и так далее. Однако значительный опыт работы нашей команды с нейросетями и подобными технологиями говорит, что не все выглядит так просто, есть определенные ограничения.

В основе нейронных сетей лежит математическая модель, которая работает на базе исторических данных и для решения задач требует обучения (задача нелинейной оптимизации). При этом нейросети решают только ту задачу, на которую их обучили. Надо понимать, что нейросеть не может воспроизвести человеческую креативность, интуицию, которые необходимы для создания уникального и привлекательного контента для конкретной целевой аудитории. Результат всегда анализирует человек, только он может оценить эффективность контента и внести коррективы в его создание в зависимости от ожиданий. 

Особенностью использования нейросетей в розничной торговле является задача улучшения «пользовательского пути», поэтому перед тем, как выдавать результат поиска покупателю, необходимо дополнительно обработать этот вывод – убедиться, что результат корректный, что искомое есть в товарной матрице. Дополнить вывод сопутствующими товарами, показать акции и т.п. Чтобы не ухудшить Customer Journey, время на обработку поискового запроса должно быть комфортным, что при использовании внешних нейросетей, например, ChatGPT, может быть затруднено.

Генерация контента 

Разберем кейс: одна российская торговая сеть для создания нового фирменного дизайна чашек с помощью генеративной сети затратила полтора месяца, в то время как дизайнер в среднем делал бы эту работу несколько недель. Это хорошо или плохо? 

Если у компании стоит задача оптимизировать свои ресурсы, то это, безусловно, хорошо. Если же задача – уложиться в управляемый срок и бюджет и получить при этом ожидаемый результат, то не очень. 

Допустим, дальнейшее обучение нейросетей должно еще больше сократить время на разработку. Означает ли это, что нейросеть станет лучшим выбором? Однозначно сказать трудно. Стоимость одного запроса, который обрабатывает нейросеть, стоит в разы дороже обычного запроса через поисковик из-за более дорогой и сложной аппаратной и программной архитектур. Это означает, что запросы к генеративным нейросетям будут стоить дополнительной оплаты, и все равно понадобится работа внутреннего сотрудника, который будет оценивать и корректировать результат. При этом расходы компании на этого сотрудника тоже нужно учитывать. 

Здесь возникает вопрос, а если нейросеть будет использовать как вспомогательный инструмент in-house дизайнер, обученный составлять эффективные промпты? Даст ли это прирост его производительности и снижение цены итогового продукта для ритейлера? Скорее да - по оценке экспертов, применение хорошо обученным профессионалом такого средства как нейросеть, дает ускорение работы в разы. Но, к сожалению, ведет к его быстрому «выгоранию».

Очень хороший результат нейросеть показывает при генерации текстов, например, рекламных. Основная проблема здесь в том, что нейросеть не может оценить правдивость или корректность результата. 

Вот пример описания продукта, которое «придумала» нейросеть: 

«Этот крем для лица содержит магические ингредиенты, которые мгновенно убирают все морщины и делают кожу гладкой и безупречной. Вы будете выглядеть на 10 лет моложе всего за одну ночь!»

Это некорректное описание продукта, потому что нейросеть не может гарантировать такие результаты, и они являются явным преувеличением, и это может вызвать подозрение у потенциальных покупателей.

Управление клиентским опытом

Ритейл – это общение с покупателем, а комбинация системы распознавания речи и нейросети позволяет повысить качество общения продавца в торговой точке или оператора в call-центре с помощью контроля скрипта (речевой аналитики) и подсказок, например, о возможностях товара. Это позволит ритейлеру иметь всегда высокое качество коммуникацией с покупателем, при этом не зависеть от текучки персонала, и снизить затраты на его обучение. 

В принципе любое осмысленное позитивное взаимодействие с покупателем повышает его удовлетворенность. Так, простые промо-викторины в интернет магазинах, управляемые нейросетями, удерживали покупателей в несколько раз дольше, чем старые механики. 

Надо отметить, что текущая эмоциональная окраска информационного вывода чат-ботов привлекает пользователей и повышает их уровень доверия. А это прекрасная возможность незаметно «замиксовать» рекламную информацию в ответы чат-бота. Такие, на текущий момент, законные манипуляции открывают просто безграничные возможности для розничных сетей. И пока общество не ощутило на себе это влияние и не стало его законодательно регулировать, мы будем помнить это время, как золотое! Практически все компании, разработчики генеративных сетей, уже сейчас встраивают такие функции в свои чат-боты.

Нейронные сети, в силу своего устройства, отлично справляются с задачей обобщения данных из разных источников. Это дает огромное поле для простого решения задач конкурентного анализа, сбора данных об удовлетворенности покупателей и критики в адрес торговой сети. Причем делает этот процесс не только простым, но и легко управляемым. 

Примером может быть анализ нейросетью отзывов покупателей о продуктах, купленных в интернет-магазине. Если в отзывах есть негативные комментарии, то нейросеть может автоматически генерировать ответы, например, предлагать компенсацию (после одобрения оператором) или замену товара, обратиться к менеджеру для решения проблемы и т.д. Это помогает улучшить качество обслуживания клиентов и повысить уровень доверия к магазину.

То есть, понимая источники и причины недовольства, мы можем формировать положительное общественное мнение о себе и создавать отрицательный образ конкурентов. Кроме того, чат-боты на основе нейросетей должны вызвать потребность у розничных сетей в формировании осознанной политики по «поведению» компаний в интернете и СМИ, сбору и контролю информации о себе и по конкурентам.

---

Читайте также: Оптимизация затрат на IT в ритейле: на чем сегодня нельзя экономить, а на чем — все-таки можно?

---

В качестве вывода нужно сказать, что генеративные нейросети — это полезный, но узкоспециализированный инструмент, который нужно адаптировать к конкретной задаче. И самое главное, что нужно помнить, нейросеть – это не искусственный интеллект. Она сама не умеет получать данные из разных источников, накапливать и интерпретировать их. К счастью для нас, без человека она пока не справляется и, несмотря на громкие заголовки в некоторых публикациях на эту тему, сотрудникам предприятий, в том числе в ритейле, опасаться за свои рабочие места не стоит. 

Дмитрий Смирнов, 
директор по развитию бизнеса в ритейл и FMCG компании КРОК.

Для NEW RETAIL