Директор по развитию 
Weborama Russia Дарья Серова рассмотрела Semantic AI с точки зрения того, какие задачи этот подход помогает решить рекламодателям, а также рассказала, как текстовые данные помогают охватить узкую аудиторию и сформировать поведенческие паттерны.
Одна из самых сложных и революционных задач, которую ставят перед искусственным интеллектом, — это научиться говорить, слушать, распознавать и понимать человеческий язык. Понимание значений слов, смысла предложений, определение контекста используемых фраз, выявление связей между словами и словосочетаниями — наиболее амбициозные задачи, для решения которых существует отдельное направление искусственного интеллекта — Semantic AI.
Этот подход является пересечением между технологиями обработки естественного языка (Natural Language Processing), семантических связей (Semantic Graph) и машинного обучения. Проще говоря, Semantic AI — форма ИИ, находящаяся на стыке математики, лингвистики и IT.
Семантический искусственный интеллект — это больше, чем «еще один алгоритм машинного обучения»: это сплав различных типов ИИ, включая как классические алгоритмы, так и глубокие нейронные сети. Все это направлено главным образом на то, чтобы «машина» смогла извлекать смысл из человеческого языка, распознавать определенные понятия и темы и принимать решения на основе полученной информации.
Поскольку фразы человека зачастую не структурированы, обработка естественного языка представляет собой непростую задачу. Одно и то же слово может иметь множество значений, а оно зачастую определено окружающим его контекстом. Встречая в тексте слово «apple», чтобы понять, о чем идет речь — о бренде или о фруктах, требуется проанализировать контекст, выявить общие темы и заранее выстроить связи между разными словами.
Уже сегодня существует множество как невероятных, так и уже достаточно повседневных примеров того, как семантический анализ с применением ИИ создает голосовых помощников, чат-ботов, системы машинного перевода, роботов-операторов call-центров, систем распознавания живой речи, выявления спама, предиктивного ввода текста
Новые знания о целевой аудитории
Потребители связаны большим объёмом текстовых данных — это статьи, онлайн-комментарии и другие тексты, которые они читают в интернете. Анализ того, в какой контент и насколько глубоко вовлечены пользователи, позволяет выявлять инсайты о том, какие темы входят в круг интересов целевой аудитории бренда. Все полученные знания можно использовать для улучшения креативной и коммуникационной стратегии.
Глобальная компания-производитель пива ставила задачу разобраться, чем интересуются потребители в сети в контексте линейки безалкогольной продукции компании, а также темы безалкогольного пива в целом. Основной интерес в том, как интернет-аудитория относится к продукции бренда и какие у нее предпочтения. Для выполнения этой задачи был собран большой корпус текстовых данных, связанных с тематикой пивной продукции: веб-сайты, статьи, отзывы и комментарии на сайтах и в ряде соцсетей.
По результатам анализа всего массива этих данных было выявлено несколько ключевых тем, сгруппированных в виде кластеров с соответствующим набором слов внутри. Наиболее интересным и ценным инсайтом оказался факт, что безалкогольное пиво — популярный напиток среди тех, кто ведёт активный образ жизни. Тема безалкогольного пива была представлена в положительном ключе во многих публикациях и комментариях спортивного контекста. Оказалось, что многие потребители считают, что безалкогольное пиво может сочетаться с фитнесом и его можно пить как до, так и после тренировки. В частности, анализ текстов определил, что безалкогольным пивом активно интересуется аудитория, которая занимается баскетболом.
Эти инсайты, полученные при помощи семантического анализа, способствовали тому, что бренд адаптировал свою рекламную кампанию безалкогольного пива под такие интересы, как «Фитнес» и «Баскетбол».
Узнаём больше об окружении бренда
Помимо выявления знаний о собственной аудитории, маркетологам важно видеть территорию своего бренда — с какими смежными или конкурирующими брендами потребитель проводит параллели.
С точки зрения анализа текстовых данных, Semantic AI работает над выявлением наиболее обсуждаемых тем и тональности высказываний, а также уточняет контекст упоминания продукции бренда. Всё это позволяет выделить сильные и слабые стороны бренда, товары- комплементы и субституты, и шире — конкурентное окружение бренда. Итогом анализа текстовых данных становится бренд-карта и ряд рекомендаций для коммуникаций с целевой аудиторией.
Крупная российская сеть по продаже бытовой техники и электроники поставила задачу исследовать её окружение по ключевым характеристикам и определить её значимые преимущества для покупателя. Анализ данных определил положительные особенности бренда — выгодные и частые акции по отдельным направлениям товаров. Кроме этого, были выявлены ключевые характеристики конкурентов в регионах, за которые их хвалят или ругают потребители. В итоге на основе полученных инсайтов ритейлер решил пересмотреть свою коммуникационную стратегию в регионах с учётом особенностей восприятия компании и её основного конкурента.
Коммуникация с аудиторией на основе анализа текстовых данных
Анализируя огромный корпус текстовых данных, доступный в интернете, можно сформировать своеобразные поведенческие паттерны, с помощью которых может быть описана и собрана аудитория.
Контент, который потребляют пользователи в сети, не только раскрывает общие темы по интересам к сферам «авто», «красота», «бизнес», «путешествия» и прочим, но и способен выявлять более узкие характеристики потребителей.
Это необходимо, когда перед рекламодателем стоит задача построить коммуникацию со специфической аудиторией. С помощью анализа текстовых данных можно сформировать таксономию узконаправленных слов и словосочетаний, характеризующих заданный сегмент аудитории бренда.
Так, для таргетинга на узкий сегмент молодых мам с ребенком до 1 года актуальны темы первого прикорма и соответствующих ему названий продуктов, отдельных товаров для новорожденных
Примером работы с семантикой в целях маркетинговых коммуникаций является кейс PepsiCo, реализованный для бренда Lay’s «Из печи». С помощью инструмента Weborama MoonFish для бренда была сформирована уникальная таксономия из слов и словосочетаний, характеризующих аудиторию с интересом к теме снеков для последующего запуска рекламной кампании.
Современные подходы работы с текстовыми данными открывают рекламодателям новые возможности для решения задач клиентской аналитики, совершенствования коммуникационной стратегии, а также в персонализированных коммуникациях с потребителями. При наличии у рекламодателей инструментов для работы с собственной аудиторией, как DMP, такой подход предоставляет дополнительные возможности для пересечения сегментов, построения микросегментов и их активации в медийном пространстве.
Оценивая возможности подхода Semantic AI, не стоит забывать о важности общей стратегии по работе с данными в компании. Работа с данными — это не разовая инициатива, а постоянный процесс, требующий внимания, в котором семантический анализ является важной частью data-стратегии.
