CC BY
13
го менеджмента применительно к теме нашего исследования. У цифровой модернизации и использования инновационных платформ отмечается множество общих деталей, свойств, универсализация большей части методического инструментария при безусловном наличии специфики процессов цифровизации, что необходимо исследовать и непременно использовать в научном изучении данного вопроса.
Безусловно также, что инновационные модели функционирования промышленных предприятий должны опираться на ресурсосберегающие технологии, что придает некую законченность теоретическим вопросам цифровой модернизации рассматриваемой сферы на практике.
Заключение
Полученные итоги убедительно свидетельствуют об универсальности рассматриваемых выше наработок, применимости их только в промышленной сфере, но и в других отраслях и сегментах народного хозяйства, а также призваны определить комплекс мероприятий по закреплению положительных трендов и их дальнейшему наращиванию в сочетании с минимизацией негативных последствий протекающих процессов внешнего и внутреннего генезиса.
Таким образом, исследование особенностей реализации концепции цифровизации в практике региональных промышленных социально-экономических систем может получить применение не только в производственном процессе промышленного предприятия, но и в административной, финансовой, организационной и нормативно-правовой деятельности государства и региональных властей с ориентиром на деятельность конкретных предприятий, выступая флагманом цифровой модернизации и повышения технологической мобильности, инновационных технологиях в принятии управленческих решений, эффективности производственных бизнес-процессов промышленных предприятий и ориентированности на стратегическое развитие как отдельных предприятий, так и мезоэкономических сообществ (например, отрасли, территориально-отраслевого конгломерата).
Источники:
1. Курбанова З.Х. Императивы повышения эффективности трансформационных процессов в региональных промышленных системах на основе цифровой трансформации// Материалы X международной научно-практической конференции «Проблемы и перспективы развития экономики и управления» (3-4 декабря 2023г.). - Пенза: изд-во Научно-издательского Центра «Социосфера», 2023.
2. Курбанова З.Х. Направления обеспечения устойчивого развития региональных промышленных систем на основе цифровизации// Материалы VI международной научно-практической конференции «Современная экономика: актуальные вопросы теории и практики», (30 ноября 2023г.). - Пенза: изд-во МЦНС «Наука и Просвещение», 2023.
3. Курбанова З.Х., Юсупов М.А. Исследование процессов трансформации экономики и ее отраслевых систем с целью обеспечения их устойчивого развития// E3S Web of Conferences. Volume 460 (2023)//International Scientific Conference on Biotechnology and Food Technology (BFT-2023)/ - Russia, Saint Peterburg, September 19-21, 2023.
4. Ахмадов М.-Э.И. Закономерности трансформаций и факторы воспроизводственного развития региональных экономических систем. - Грозный: ГОУ ВПО Грозненский государственный нефтяной институт им. академика М.Д. Миллионщикова, Пятигорск: РИА-КМВ. - 2007.
5. Ахмадов М.-Э.И. Обеспечение воспроизводственного развития региональной экономики: финансовый, инвестиционный, потребительский, институциональный аспекты (на материалах федеральных округов и субъектов Российской Федерации): авт-т дисс. докт.экон.н. - Владикавказ: изд-во СОГУ, 2012. - 54с.
6. Slepakov S.S., Novoselova N.N., Fadeev V.A., Kecherukov R.K. Destruction of the national state economic system by means of global politics (experience of modern Russia)//Scientific and Technical Revolution: Yesterday, Today and Tomorrow. Сер. "Lecture Notes in Networks and Systems" 2020. С. 1217-1223.
7. Litvishko O.M., Novoselova N., Kalabekova L.Infrastructure projects in the black sea-caspian sea region: transport, finance, geopolitics//B сборнике: X International Scientific Siberian Transport Forum - TransSiberia 2022. Сер. "Transportation Research Procedi" 2022. С. 1244-1251.
EDN: XLLPFP
Д.Г. Куренова - к.филол.н., доцент кафедры рекламы и связи с общественностью, Кубанский государственный технологический университет, Краснодар, Россия, [email protected],
D.G. Kurenova - candidate of philological sciences, associate professor of the department advertising and public relations, Kuban state technological university, Krasnodar, Russia;
E.И. Куренов - обучающийся кафедры компьютерных технологий и систем, Кубанский государственный аграрный университет, Краснодар, Россия, [email protected],
E.I. Kurenov - student of the department of computer technologies and systems, Kuban state agrarian university, Krasnodar, Russia.
ПРИМЕНЕНИЕ НЕЙРОСЕТЕЙ В РЕКЛАМНОЙ ПРАКТИКЕ THE USE OF NEURAL NETWORKS IN ADVERTISING PRACTICE
Аннотация. Внедрение нейросетей в деятельность бизнес-субъектов качественно меняет как привычную схему их взаимодействия в рекламном процессе, так и характер коммуникации с целевой аудиторией: трансформируются профессии маркетинговой и рекламной сферы, оптимизируется предлагаемый пользователю информационный и рекламный контент, предложение становится более персонализированным, меняются поведенческие паттерны потребителей. Анализ опыта хозяйствующих субъектов по внедрению искусственного интеллекта в маркетинговую и рекламную деятельность показывает, что в настоящее время 86 % российских агентств, так или иначе функционирующих на рекламном рынке, используют нейросети на постоянной основе, причем 55 % - 2 и более одновременно: наиболее активно - в электронной коммерции, в создании рекламных сообщений и с целью персонализации контента. Сравнительный анализ нейросетей, используемых в практике генерации рекламных текстов и дизайн-макетов, позволил выделить их достоинства и недостатки, которые необходимо учитывать рекламопроизводителю. В ходе работы также было проведено исследование, выявившее, что потенциальные покупатели воспринимают рекламу, сгенерированную нейросетью, как более современную, креативную, соответствующую духу времени; рекламный продукт, созданный нейросетью, более интересен им и пользуется большим доверием, что может быть использовано в целях повышения эффективности инструментов воздействия на потенциальных и реальных потребителей.
Abstract. The introduction of neural networks into the activities of business entities qualitatively changes both the usual pattern of their interaction in the advertising process and the nature of communication with the target audience: the professions of the marketing and advertising spheres are transformed, the information and advertising content offered to the user is optimized, the offer becomes more personalized, the behavioral patterns of consumers change. An analysis of the experience of business entities in introducing artificial intelligence into marketing and advertising activities shows that currently 86 % of Russian agencies operating in the advertising market in one way or another use neural networks on an ongoing basis, with 55 % using 2 or more at the same time: most actively in e-commerce, in creating advertising messages and with the purpose of personalization of content. A comparative analysis of neural networks used in the practice of generating advertising texts and design layouts made it possible to highlight their advantages and disadvantages, which are necessary. In the course of the work, a study was also conducted that revealed that potential buyers perceive advertising generated by a neural network as more modern, creative, and in line with the spirit of the times; an advertising product created by a neural network is more interesting to them and enjoys greater trust, which can be used to increase the effectiveness of tools for influencing potential and real consumers.
Ключевые слова: искусственный интеллект (ИИ), нейронные сети, маркетинг, реклама, рекламный процесс, рекламный продукт.
Keywords: artificial intelligence (AI), neural networks, marketing, advertising, advertising process, advertising product.
Введение
Современную жизнь уже невозможно представить без использования в той или иной мере искусственного интеллекта (ИИ) и его составной части - нейронных сетей - систем, состоящих из вычислительных блоков («нейронов»), функционирующих подобно нейронам мозга живых существ и использующих математические
функции, чтобы решить, следует ли отправлять информацию на следующий уровень. Именного из-за схожести с работой головного мозга они и получили такое название. Эти сети учатся выполнять задачи на основе различных наборов данных или примеров, но не имеют конкретных правил для решения какой-либо задачи, т.е. система сама генерирует идентифицирующие характеристики на основе входных данных без изначального понимания. Нейронные сети используются в различных отраслях и сферах бизнеса для решения обширного круга задач: прогнозирования, выявления зависимостей, обобщения данных, разделения объектов на группы на основе различных признаков и др. Внедрение нейросетей в повседневную жизнь человека, качественно меняющих ее практически на всех уровнях, закономерно сопряжено с рядом вопросов экономического (насколько эффективным для бизнес-субъекта будет такое внедрение? в какой степени можно полагаться на их решения?), социального (в какой степени нейросети могут повлиять на социальные процессы? [1; 2]), юридического (как согласуется работа нейросетей с соблюдением авторских прав? каков статус ИИ в правовых отношениях? [3; 4]), этического (насколько сильно могут влиять нейросети на человека и его психику? как они могут изменять его поведение, манипулировать им? [2; 5]), философского (какой станет роль человека в мире, управляемом ИИ? [6; 7]) характера.
Отдельно следует рассмотреть роль и значение нейросетей в экономике и, в частности, в продвижении товаров/услуг/брендов/компаний, поскольку уже сейчас большое количество действий, связанных с инструментами управленческой, маркетинговой, рекламной и PR-деятельности, совершается с помощью ИИ. Это и сбор информации о целевых аудиториях, и сегментация рынка, и кастомизация продуктов и услуг, и персонализация контента, и собственно его создание, и многое другое. Так, например, вопросы трансформации традиционных маркетинговых технологий под воздействием внедрения нейронных сетей и повышении релевантности маркетинговых программ, основываясь на собранных ИИ данных о потребителях и особенностях их поведения, поднимаются В.С. Старостиным [8], Н.Н. Кальковой [9], Бежитской Е.А. [10] и др. Вопросы построения цифровой платформы для управления маркетинговой деятельностью предприятия, а также сопровождающие этот процесс риски рассматриваются достаточно подробно Г.Л. Багиевым [11]. Большим интересом со стороны научного сообщества пользуется специализированный, узконаправленный и в большей степени прикладной характер нейросетевого инструментария в продвижении. Так, аспекты коммуникации человека с нейронными сетями затронуты в работах Н.А. Чубарова (автор рассматривает аспекты корректного формирования запросов для нейронных сетей в целях достижения максимального соответствия поставленной задаче сгенерированного ими рекламного и дизайнерского продукта) [12], возможность использования нейронных сетей в качестве самостоятельных акторов на определенных этапах креативного процесса обсуждается И.Э. Мильгизиным, Л.В. Баевой [13], В.А. Евстафьевым, М.А. Тюковым [14] (авторами также освещаются морально-этические проблемы, связанные с привлечением ИИ к процессу человеческого творчества), перспективы использования нейросетей для прогнозирования в рекламе и маркетинге - Н.И. Ломакиным [15], Т.В. Азарновой, Н.Г. Асниной, А.С. Демидовой, В.Н. Ярышиной [16].
Спектр обсуждаемых научной общественностью вопросов, связанных с использованием нейросетей в экономической, маркетинговой и рекламной практике, весьма обширен. При этом актуальным остается прагматический аспект исследований в аспекте понимания границ и зон ответственности человека и ИИ, эффективности применения ИИ в отдельных, подчас узкоспециализированных сферах деятельности (например, рекламный таргетинг в социальной сети с учетом мотивационного типа потребителей). В нашем исследовании мы подробно рассматриваем достоинства и недостатки различных нейросетей при использовании их в рекламной практике, в частности - при создании рекламных текстов и дизайн-макетов. Актуальным нам представляется также рассмотрение вопроса о возникновении ситуации предвыбора [17], когда потенциальный потребитель лучше воспринимает рекламу, если знает, что она создана с помощью нейросети.
Актуальность темы связана с непрекращающимся поиском максимально эффективных инструментов воздействия на целевые аудитории, в том числе с использованием ИИ и нейронных сетей. В частности, специалистам по рекламе необходимы данные о возможностях и ограничениях тех или иных нейросетей при создании рекламного продукта, о реакциях потенциальных и реальных потребителей на него, о перспективах дальнейшей работы с тем или иным инструментом.
Цель исследования предполагает: а) рассмотрение и анализ опыта хозяйствующих субъектов по внедрению ИИ в маркетинговую и рекламную деятельность; б) выявление достоинств и недостатков нейронных сетей, используемых при создании рекламных текстов и дизайн-макетов; в) проверку выдвинутой гипотезы: знание адресата рекламы о причастности нейросети к ее созданию повышает его интерес и в целом доверие к этому рекламному сообщению; г) формирование выводов по результатам исследования.
Материалы и методы исследования
Человек сталкивается с результатами работы ИИ, даже не подозревая об этом: «умный» плейлист, составленный на основе музыкальных вкусов, чат-боты, персонализированный сервис в цифровой среде, рекомендации Google и Yandex в поисковой строке - всё это часть искусственного интеллекта. На сегодняшний день все компании, занимающиеся в той или иной мере разработкой, внедрением и использованием ИИ, можно условно разделить на три группы:
1) «технические гиганты» - компании, функционирующие в большинстве сфер информационных технологий, обладающие большим количеством данных, имеющие обширные ресурсы и использующие ИИ повсеместно, во всех сферах своей деятельности, от сбора данных до использования их в построении и реализации
бизнес-планов (Google, Amazon, Яндекс, Huawei, Baidu);
2) «сфокусированные на ИИ» - компании, целью которых является разработка ИИ и его составляющих (OpenAI, Deep Mind, Midjourney);
3) «направленного действия» - компании, занимающиеся отдельными вопросами ИИ или использующие его в узконаправленной сфере (например: Walmart использует нейросети и алгоритмы ИИ для оптимизации логистики в своих торговых точках, но сама ничего не разрабатывает; Nvidia - создала нейросеть для генерации изображений, модели для обучения нейросетей; Netflix - с помощью алгоритмов и нейросетей рекомендует контент, который будет интересен пользователю; Spotify - то же, только для музыки).
В маркетинговой и рекламной сфере процесс использования ИИ находится в состоянии активного внедрения и развития в повседневную практику, и чаще всего речь идет о применении именно нейросетей, например, для генерации изображений (Dall-E 2, GauGAN 2, StyleGAN специально для лиц, Midjourney, Stable Diffusion, Kandinsky 2.2 и др.), текстов (ChatGPT, YandexGPT, Gerwin и др.), обработки фотографий (Lensa, Colorize и др.), улучшения качества изображений (Bigjpg, Vanceai и др.). По данным площадки для диджитал -тендеров WORKSPACE, проводившей исследование на базе 162 российских диджитал-агентств [19], тем или иным образом используют нейросети в своей работе 86 % агентств (более половины из них - для клиентских проектов); 2-3 нейросети в постоянной практике используют 55 % агентств, хотя бы одну - 20 %. При этом 10 % агентств уже наняли постоянного сотрудника по работе с нейросетями, 5 % планируют это сделать. Нейросети дают возможность компаниям оперативно получать необходимую информацию о постоянно меняющихся потребностях потребителей и анализировать ее с различных точек зрения, создавать целевой, персонализированный контент, который находит отклик, обеспечивать обслуживание клиентов по заданным параметрам и, в конечном счете, достигать запланированных экономических показателей.
Наиболее активно на сегодняшний день нейросети используются в электронной коммерции, в создании рекламных сообщений и с целью персонализации контента. Сфера электронной коммерции за последние несколько лет практически полностью видоизменилась: рекомендации по покупкам, голосовые помощники, персонализированный опыт покупок, роботы-комплектовщики на складах, методы оплаты с распознаванием лиц -все эти и многие другие опции помогли создать серьезные конкурентные преимущества онлайн-торговле в сравнении с традиционным походом в магазин [20]. Нейронные сети просеивают огромные массивы данных, чтобы дать полезную информацию о поведении клиентов, помогая маркетплейсам предсказать с наибольшей долей вероятности, что именно нужно потенциальному потребителю и когда он в этом нуждается. Они могут использовать информацию из истории покупок, чтобы предложить товары, соответствующие запросам покупателей. Например, если пользователь недавно искал губки для мытья посуды, то алгоритмы ИИ порекомендуют приобрести чистящие средства.
Реклама в социальных сетях, показывающая или рекомендующая какие-либо товары, создана с помощью инструментов персонализации на основе ИИ, что становится возможным благодаря считыванию пользовательской истории поиска, предыдущих действий на устройстве, а также благодаря действиям пользователей с идентичными или похожими характеристиками (пол, возраст, география проживания, увлечения, интересы, намерения, модели поведения и т.д.). Например, сообщение «клиенты, купившие этот товар, также приобрели...» генерируется на основании совместной фильтрации и истории покупок клиента, а также анализа частоты сочетания товаров.
Используя нейронные сети, рекламодатели могут находить закономерности, основанные на поведении аудитории и ее реакции на те или иные сообщения, и принимать обоснованные решения относительно типа контента для целевой аудитории. Так, например, Netflix с помощью нейросетей реализует важнейшую функцию цифрового сервиса - удерживать внимание пользователя максимально долгое время, на основе истории просмотров, предпочтений и местоположения представляя ему персонализированные предложения, а также создавая и запуская проекты для массового зрителя и конкретных, сравнительно небольших сегментов потребителей (любителей документальных, исторических фильмов, аниме, k-pop'a, зарисовок о животных и природе; пользователей, предпочитающих длительный хронометраж, желто-красную цветовую гамму, грубый реализм и т.д.). Создается такой персонализированный контент в том числе с помощью нейронной сети Dreamix (разработана Netflix), способной генерировать видео на основе других видео, статичных изображений и текста.
Создание рекламных сообщений - еще одна сфера применения нейросетей, стремительно набирающая популярность в среде специалистов по рекламе. В данном случае используются генеративные нейронные сети, анализирующие существующие шаблоны данных и на их основе генерирующие новые тексты, графику, аудио и видео. К таким нейросетям относятся ChatGPT, DALE, Dreamix, Midjourney, Kandinskiy 3.0 и др. По данным платформы Botco.ai, 73 % компаний США, так или иначе связанных с рекламной деятельностью, применяют нейронные сети при создании рекламных сообщений [21]. Самые востребованные сферы - копирайтинг и дизайн. В таблице 1 приведены наиболее известные на сегодняшний день нейронные сети, их достоинства и недостатки.
Способность к самообучению и оперированию большим количеством данных делает нейронные сети эффективным помощником при создании рекламного продукта. Более того, в настоящее время такой продукт пользуется повышенным вниманием со стороны потребителей: реклама, созданная нейросетями, активно обсуждается в онлайн- и офлайн-пространстве, пересылается пользователями друг другу, является предметом различных научных и прикладных исследований. Маркер «сгенерировано нейросетью» позволяет сегодня рекламному сообщению выделиться на фоне конкурентов и пробиться сквозь информационный шум (полагаем, однако, что очень скоро ситуация изменится за счет повсеместного внедрения нейронных сетей).
Таблица 1 - Достоинства и недостатки наиболее известных нейросетей
Нейросеть | Достоинства | Недостатки
Нейросети для генерации текста
ChatGPT - запоминает контекст разговора - генерирует качественный текст - возможность настройки под специфические нужды - недоступна в РФ без VPN - часто выдает предвзятые ответы
YandexGPT - запоминает контекст разговора - бесплатна - легко доступна - интегрирована в голосовой помощник - часто «галлюцинирует» (выдает ложные ответы) - плохая персонализация вопросов
Claude AI - запоминает контекст разговора - генерирует текст с доказательствами - обучена на свежих данных - работает только в США и Великобритании - не имеет доступа в интернет
Gerwin - запоминает контекст разговора - способна создавать карточки товаров для маркетплейсов - обладает большим набором инструментов специально для копирайтинга - относительно высокая цена по сравнению с другими продуктами
GigaChat - мультимодальная - запоминает контекст разговора - находится в бета-тесте - часто выдает фактически неверные ответы - основана на модели GPT-3
Perplexity - к каждому ответу прикладывает ссылки на источники - генерирует несколько схожих запросов - доступна бесплатно - специализируется на поиске информации в интернете
Rytr - способна создавать красивую графику и анимацию - достаточно хорошо редактирует и корректирует текст - может быть интегрирована с другими инструментами и платформами - проста в освоении - не предоставляет много расширенных функций для создания сложной графики - ограниченная библиотека ресурсов
Нейросети для генерации изображений
Midjourney - легко доступна - генерирует качественные изображения без дополнительного обучения - имеет большое количество настроек - имеет бесплатную версию - доступ через сервер приложения Discord - недоступна в РФ
Stable Diffusion - находится в открытом доступе - возможность обучения на своём наборе данных - полностью кастомизируема - после тщательной настройки, генерирует качественные изображения - требует достаточно мощного процессора - сложно осваивается
Kandinskiy 3.0 - специализируется на фотореализме - понимает русскоязычные запросы - различные режимы работы - есть в открытом доступе - больше багов и артефактов изображения по сравнению с другими нейросетями - часто пропускает детали из запроса
Шедеврум - генерирует несколько изображений за один раз - работает в приложении на смартфоне - полностью бесплатна - цензурируема - качество уступает другим нейросетям
Dream studio - создает изображения на основе фотографий - много настроек - возможность выбирать стиль - условно бесплатна - тестовый период довольно ограничен - требуется мощный процессор
Wombo Dream - доступна на смартфонах и в веб-браузере - возможность выбирать стили - проста в использовании - тестовая версия очень ограниченна - низкая детализация
Нами было проведено исследование, одна из гипотез которого звучала так: «Знание адресата рекламы о причастности нейросети к ее созданию повышает его интерес и в целом доверие к этому рекламному сообщению». Ставилась также задача выяснить, насколько более привлекательной является созданная нейросетью реклама. В качестве респондентов выступили студенты 2-4 курсов нерекламных специальностей (студентов-рекламистов мы исключили для чистоты эксперимента); им предлагались рекламные макеты (дополнительное образование, косметическое средство, недвижимость, кетчуп) и утверждения, с которыми следовало выразить степень своего согласия или несогласия:
- эта реклама для таких, как я;
- это современная реклама;
- в этой рекламе всё понятно, сразу видно, что именно продвигается;
- здесь интересные образы, хорошая графика, приятный стиль.
Далее респондентам нужно было отметить те рекламные макеты, которые, по их мнению, сгенерировала нейросеть. В конце предлагались два макета, один из которых, по нашему утверждению, создан нейросетью, а другой - дизайнером (части опрашиваемых в качестве сгенерированного нейросетью был заявлен один макет, части - другой, при этом оба макета создавались дизайнером без привлечения ИИ); студентам следовало оценить каждый из них по шкале семантического дифференциала [22] и выразить степень согласия с утверждениями «Я бы купил этот товар» и «Эта реклама для меня».
По результатам исследования получены следующие результаты:
- рекламные макеты, созданные нейросетью, в целом оценивались лучше, чем созданные дизайнером (даже когда респонденты не знали историю их происхождения), характеризовались респондентами как более современные, стильные и интересные;
- опрошенные практически всегда отличали рекламу, созданную нейросетью (75% в среднем) от рекламы, созданной человеком (25 % в среднем);
- зависимости между желанием респондента приобрести товар и происхождением рекламы не выявлено; здесь действовал принцип актуальности: если респондент товарной категорией не пользовался или не планировал приобретать/пользоваться (например, юноши не проявляли никакого интереса к косметическим средствам, покупка недвижимости показалась студентам неактуальной в силу неспособности к ее приобретению на момент опроса), то и реклама казалась ему неактуальной;
- образы в рекламе, сгенерированной нейросетью, даже если были не очень понятны респондентам, оценивались ими как более интересные и современные (без привязки к происхождению макета);
- если опрошенные были уверены, что перед ними сгенерированная нейросетью реклама, они ставили ей более высокие оценки, считая «приятной», «интересной», «красивой» и «современной», однако по критерию «уникальность» она была оценена на 2,5 балла по пятибалльной шкале.
Интересно, что реклама, созданная нейросетью, оценена как «более понятная» и «более качественная» студентами, обучающимися в сфере информационных технологий, причем по всем рекламным макетам.
Таким образом, выдвинутая гипотеза о том, что потребители более благосклонно относятся к рекламе, сгенерированной нейросетью, подтверждена. Отчасти это происходит потому, что она воспринимается как нечто новое, интересное, передовое; студенты, в большинстве своем считающие себя людьми современными и следующие за модой, положительно воспринимают технологические инновации и, соответственно, рекламу, созданную на их основе. Думается, что в будущем, когда большинство рекламных сообщений будет сгенерировано ИИ, этот тренд уйдет; возможно даже, что трендом станет реклама, созданная исключительно человеком.
Заключение
Внедрение ИИ и, в частности, нейросетей в рекламную деятельность хозяйствующих субъектов меняет классическую схему их взаимодействия в рекламном процессе. Технический прогресс дал маркетологам и рекламистам действенный инструмент для оптимизации создания контента, повышения его креативности и предоставления персонализированного опыта; генеративный искусственный интеллект изменил шаблоны взаимодействия рекламодателей и рекламопроизводителей со своей целевой аудиторией, создал предпосылки для возникновения новых профессий в рекламном бизнесе и модернизации уже существующих (например, нейрокопирайтер, Al-маркетолог, UI/UX-дизайнер, промпт-дизайнер, ИИ-креатор, компьютерный лингвист и т.д.), и одновременно -для отказа от некоторых из них (таргетолога, контекстолога, СЕО-оптимизатора и др.). У рекламодателей появилась возможность корректировки рекламных программ без привлечения сторонних компаний-консультантов: так, с помощью раздела Google Ads (Google) можно самостоятельно реализовать функцию генерации рекламных сообщений сразу в браузере, что позволяет заменить многие внутренние команды по ИИ в рекламе.
Нейросети сегодня уже могут понимать, какие истории рассказывать, какие эмоции передавать и как объединить их в высокоэффективную цифровую коммуникацию с потребителем, оказывающую систематическое воздействие по всем каналам в каждой точке контакта с ним. Учет их особенностей, возможностей и недостатков поможет деятелям рынка выбрать оптимальный вариант для использования. В настоящее время интерес к рекламным продуктам, созданным нейросетями или даже частично с их помощью, имеет устойчивый характер, что в целом делает такой продукт более конкурентоспособным.
Источники:
1. Обухов А.А. Нейросетевой анализ и математическое моделирование социальных процессов // Известия высших учебных заведений. Северо-Кавказский регион. Общественные науки. 2019. №2 (202). С. 18-22.
2. Дзялошинский И.М. Когнитивные процессы человека и искусственный интеллект в контексте цифровой цивилизации: монография / И.М. Дзялошинский М.: Ай Пи Ар Медиа, 2022. 583 с.
3. Бойченко И.С. Модели правового регулирования нейросетей // Образование и право. 2019. №1. С. 235-237.
4. Лаптев В.А. Понятие искусственного интеллекта и юридическая ответственность за его работу // Право. Журнал Высшей школы экономики. 2019. №2. С. 79-102.
5. Куренова Д.Г., Польщиков М. Алгокогнитивная культура: сущность и возможные последствия // Коммуникационные процессы: теория и практика. Сборник материалов XVIII Международной научно-практической очно-заочной конференции. 2023. С. 125-132.
6. Карелов С. Алгокогнитивная культура. Новый этап эволюции Homo sapiens. URL: https://dzen.ru/media/the_world_is_not_easy/algokognitivnaia-kultura-6058772f49cb274f85029553 (дата обращения: 21.11.2023 г.).
7. Попова А.В. Вопросы знаниевого или информационного концепта искусственного интеллекта: философский взгляд на проблему // Проблемы современного образования. 2022. № 2. С. 9-20.
8. Старостин В.С. Трансформация маркетинговых технологий в эпоху машинного интеллекта // Вестник университета. 2018. №1. С. 28-34.
9. Калькова Н.Н. Особенности применения технологии нейронной сети в маркетинге // Научные труды SWorld. 2015. Т. 12. № 2 (39). С. 62-66.
10. Лобанова А.В., Бежитская Е.А. О применении искусственной нейронной сети глубинного обучения в задаче интернет-маркетинга // Актуальные проблемы авиации и космонавтики. 2021. С. 530-532.
11. Багиев Г.Л., Яненко М.Б., Яненко М.Е. К вопросу формирования и совершенствования цифровой платформы организации и управления маркетинговой деятельностью фирмы: проблемы и задачи // Проблемы современной экономики. 2017. №2 (62). С. 127-132.
12. Чубаров Н.А. Эффективное применение нейронных сетей в рекламе и дизайне // Актуальные вопросы устойчивого развития современного общества и экономики. 2023. С. 33-36.
13. Мильгизин И.Э., Баева Л.В. К вопросу о креативности в нейросетях искусственного интеллекта // Философские проблемы информационных технологий и киберпростран-ства. 2017. №. 1 (13). С. 62-71.
14. Евстафьев В.А., Тюков М.А. Генеративные нейронные сети в рекламе // Стратегические коммуникации: теория и практика. Сборник материалов XXVII Всероссийской научно-методической конференции заведующих кафедрами маркетинга, рекламы, связей с общественностью и смежных направлений. Москва, 2023. С. 18-25.
15. Линь Б.Т.Т., Ломакин H.H. Персептрон для прогнозирования рынка рекламы в России // Шаг в будущее: искусственный интеллект и цифровая экономика. 2017. С. 109-115.
16. Азарнова Т.В. и др. Применение нейросетевых механизмов для прогнозирования успешности маркетологов в различных видах деятельности на рынке труда // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2017. №. 3. С. 78-87.
17. Куренова Д.Г., Фицурина М.С. Потребительский предвыбор как новое звено в модели покупательского поведения // Проблемы и перспективы формирования маркетинговых стратегий в условиях нестабильных рынков. Материалы IV Международной научно-практической конференции. Краснодар, 2019. С. 105-110.
18. Щепакин М.Б., Михайлова В.М., Куренова Д.Г., Кривошеева Е.В. Исследования и прогнозирование в рекламе и маркетинге. Краснодар: ФГБОУ ВО «КубГТУ», 2021. 368 с.
19. Большое исследование: реальная текущая практика применения агентствами нейросетей // Площадка для диджитал-тендеров WORKSPACE. URL: https://workspace.rublog/the-real-c^rent-practice-of^ing-neural-networks-by-agencies/ (дата обращения: 02.12.2023).
20. Куренова Д.Г., Шабаева Е.М. Перспективы развития online-ритейла в России // Поиск новых резервов экономического роста России в условиях трансформации мировой экономики. Материалы международной научно-практической конференции. 2017. С. 32-39.
21. The state of GenAI chatbots in marketing // BOTCO.AI. URL: https://botco.ai/wp-content/uploads/Botco.ai_The-State-of-GenAI-Chatbots-in-Marketing_-Digital-Report_V4.pdf (дата обращения: 05.12.2023).
22. Михайлова В.М., Куренова Д.Г., Кривошеева Е.В. Опыт использования метода семантического дифференциала при оценке качества обслуживания потребителей // Практический маркетинг. 2017. № 6 (244). С. 24-31.
