4 Области применения Искусственного Интеллекта — Обслуживание клиентов, маркетинг и продажи
Аннотация
В этой главе вы узнаете, как Искусственный Интеллект может поддерживать прогнозирование и профилирование лидов для выявления похожих аудиторий. Также будут обсуждаться возможности разработки индивидуализированных рекомендаций и медиапланов на основе ИИ. Релевантным вариантом использования Искусственного Интеллекта является разговорная коммерция — переход от голосового ввода к только голосовому управлению. Мы также можем использовать системы ИИ для анализа настроений и создания и распространения контента. Выявление фальшивых аккаунтов и фальшивых новостей является большой проблемой для процессов ИИ.
4.1 Сектор услуг: От простых чат-ботов до цифровых персональных помощников
4.1.1 Матрица ожиданий клиентов и компаний
Приложения на основе ИИ могут использоваться различными способами в секторе услуг. Развитые и развивающиеся страны все больше движутся в направлении экономики услуг, что сопровождается серьезными вызовами для Искусственного Интеллекта. Прежде чем осветить, где Искусственный Интеллект может оптимизировать предоставление услуг, необходимо взглянуть на ожидания клиентов и компаний. Матрица ожиданий клиентов и компаний является идеальным инструментом для этой цели. Анализ, изначально сфокусированный на диалогах, теперь более широко сфокусирован на клиентоориентированных процессах. Это позволяет систематически определять степень, в которой такие процессы способствуют удовлетворению ожиданий вашей компании и/или клиентов (ср. рис. 4.1).
В области устранения ожидания компаний и клиентов совпадают (ср. рис. 4.1). Такие процессы и обсуждения приводят только к затратам и
Рисунок 4.1 Матрица ожиданий клиентов и компаний. Источник: Адаптировано из Price and Jaffe (2008)
не нужны клиентам. Их можно удалить из списка услуг. В области автоматизации ожидания компаний и клиентов расходятся: в то время как компания хотела бы избежать таких процессов, клиенты хотят и ожидают их в виде консультаций, поддержки и т.д. Чтобы найти здесь баланс интересов, вы можете положиться на автоматизацию (например, через чат-ботов) или на предложения самообслуживания. Это означает, что на постоянно повторяющиеся вопросы можно отвечать экономически эффективно. Кроме того, могут быть предоставлены персональные рекомендации с поддержкой ИИ.
В области упрощения интересы также расходятся и приводят к расхождению ожиданий. В то время как компания видит здесь возможности для создания ценности (например, путем получения разрешений на электронную почту или путем внедрения процедур регистрации, последующих звонков, запросов на оценку), клиент раздражен в худшем случае! Упрощение и улучшение процессов здесь необходимы (ср. рис. 4.1). В области рычага существует соответствие ожиданий. Здесь необходимо инвестировать в базовые процессы, чтобы использовать существующий потенциал. Диалоги, создающие ценность, могут быть достигнуты путем предоставления оператору колл-центра — в реальном времени — оптимальных следующих лучших предложений, а также других рекомендаций, которые были определены при поддержке ИИ как релевантные для клиента. Это может устойчиво улучшить качество обслуживания клиентов. Рычаг также может включать совместную разработку решений, которые могут привести к повышению лояльности клиентов.
107
Ящик памяти
Матрица ожиданий клиентов и компаний предоставляет вам важную ориентировочную основу для определения правильных приоритетов автоматизации с помощью Искусственного Интеллекта — и для учета ожиданий клиентов!
4.1.2 Анализ голоса и чат-боты в секторе услуг
Обслуживание клиентов предлагает захватывающую область применения для Искусственного Интеллекта. Здесь приложения ИИ могут раскрыть свою разрушительную мощь и заменить многие традиционные решения и процессы. Таким образом, цифровизация клиентского пути может быть продвинута вперед с помощью Искусственного Интеллекта. При этом можно выделить различные этапы развития. Они варьируются от идентификации голоса и анализа голоса до коммуникации с поддержкой ИИ через простой чат-бот и цифровые персональные помощники, которые — как смартфоны сегодня — становятся незаменимыми менеджерами многих повседневных задач. Тенденция направлена к автоматизированному обслуживанию клиентов.
Приложения ИИ, основанные на обширных базах данных клиентов, могут помочь улучшить клиентский опыт, предоставляя агентам сервисных центров соответствующие данные о клиентах и информацию об индивидуализированных предложениях для поддержки коммуникации, создающей ценность. Это может улучшить качество контакта с сервисным центром.
Голосовая идентификация (распознавание речи) различает две области применения. С одной стороны, она включает обработку естественного языка, уже упомянутую в разделе 1.3.1 (NLP; основная задача "Что сказано?"). С другой стороны, речь идет о распознавании говорящего ("Кто говорит?"). Основное внимание уделяется идентификации человека на основе характеристик голоса. Процесс, также известный как верификация говорящего или аутентификация говорящего, имеет большое значение для идентификации клиентов при выполнении процессов, связанных с безопасностью, или важных транзакций (например, банковских операций по телефону). Распознавание говорящего также важно для простых голосовых заказов — например, через цифрового персонального помощника.
Пища для размышлений
Если бы в Alexa было распознавание говорящего, следующий пример никогда бы не существовал. Все началось безвредно: девочка в США заказала кукольный домик и килограммы печенья у Alexa. Она быстро научилась, как мама и папа используют Alexa в качестве помощника по покупкам. Лавина началась, когда ведущий новостей на американском телеканале сообщил об этом случае и произнес роковую фразу: "Мне нравится эта маленькая девочка, как она говорит: 'Alexa заказала мне кукольный домик'" (Kaltschmidt, 2017).
Поскольку Alexa установлена во многих американских домах рядом с (часто непрерывно работающим) телевизором, многие устройства Alexa услышали эту команду — и выполнили ее! В станцию поступило большое количество жалоб, потому что Alexa запустила процессы покупки — только, казалось бы, не по запросу. Потому что Alexa услышала — почти правильно — из фразы "Alexa заказала мне кукольный домик" команду активации "Alexa" и восприняла команду "кукольный домик ordered". Тот факт, что Alexa — на данный момент — еще не освоила тонкости индивидуального
темпы прощаются. Можно предположить, что миллионы пользователей также не освоили эти темпы!
Чтобы предотвратить такие эффекты, существуют внутренние решения Alexa: опция покупки по умолчанию включена на Amazon Echo, но ее можно отключить. В качестве альтернативы можно сохранить PIN-код для подтверждения каждой покупки. Правила безопасности существуют, но кто их всегда использует последовательно?
Пища для размышлений
Давайте отправимся в другое путешествие мысли. Грузовик с большими динамиками едет по улице. Из этих динамиков постоянно звучит команда "Alexa, открой дверь". Что произойдет, когда Alexa станет членом семьи во все большем количестве домохозяйств?
Чтобы включить распознавание говорящего для заказов, но особенно для команд открытия дверей, могут быть созданы так называемые голосовые отпечатки. Соответствующие системы используют феномен, согласно которому каждый голос уникален. Причины различий в акустических паттернах связаны с анатомией (например, размером и формой шеи и рта), а также с приобретенными поведенческими паттернами (например, высотой голоса и артикуляцией, часто связанной с диалектами). Эти особенности представлены звуковым спектрограммой. Спектрограмма представляет частоту звука по вертикальной оси во времени по горизонтальной оси. Это основа голосового отпечатка — и гораздо более элегантная, чем сканер радужной оболочки глаза, который мы обычно видим в шпионских фильмах — и работает с глазами, которые больше не находятся на своем естественном месте!
Распознавание говорящего обычно происходит в два этапа: регистрация и верификация. На этапе регистрации голос говорящего записывается для создания голосового отпечатка. На этапе верификации новый голосовой отпечаток сравнивается с ранее записанным. Остается только гадать, как работает такой голосовой отпечаток после визита к стоматологу (с анестезией) или в случае острого простудного заболевания!
Было бы интересно узнать, удалось ли избежать следующего использования Alexa с помощью распознавания говорящего. Что произошло? Попугай Рокко из Блюбери, Англия, вызвал сенсацию: он заказывал разные вещи на Amazon через Alexa, имитируя голос своего хозяина. Рокко — серый попугай, обладающий интеллектом пятилетнего ребенка. Этот вид попугаев может повторять слова почти в точности. Так что Рокко быстро понял, как управлять Alexa. После активации попугай заказал брокколи, изюм, арбузы, мороженое и даже лампочки и воздушного змея. Рокко также включил Alexa для музыкального развлечения и хотел музыку, под которую он потом танцевал (ср. Hesterberg, 2018).
Как пользователи, мы должны поэтому подумать о различных механизмах, которые помогают предотвратить такое неправомерное использование и атаки с помощью так называемой социальной инженерии. Социальная инженерия — это термин, используемый для описания межличностного влияния, которое осуществляется с целью вызвать определенные поведенческие паттерны у другого человека. Это может быть передача конфиденциальной информации (например, паролей) или подстрекательство к транзакциям, вредным для пострадавшего (например, покупки или переводы). Так называемые социальные инженеры шпионят за личным окружением жертвы, чтобы затем представиться людям из этой области как некий человек X или Y (ключевое слово "трюк с внуком"). Социальные инженеры — на основе украденной информации — часто также
проникают во внешние ИТ-системы. Это так называемый социальный хакинг. Это может быть предотвращено или по крайней мере затруднено, если используется мощное распознавание говорящего. Но мы должны помнить, что сегодня люди часто фальсифицируют речевые паттерны — например, в видео (ср. разд. 8.2).
Ящик памяти
Если мы хотим внедрить цифровых персональных помощников в качестве интерфейса в наши клиентские коммуникации, нам необходимо интегрировать распознавание говорящего, чтобы предотвратить неправомерное использование интерфейса. "Распознавание речи" без "распознавания говорящего" уже недостаточно.
Что дальше? Распознавание голоса становится новым распознаванием лиц!
Анализ голоса также может использоваться для получения дополнительной информации о говорящем. Тональность говорящего может быть проанализирована, чтобы вывести эмоциональную ситуацию и, таким образом, срочность вопроса ("Как это сказано?"). В случае критических собеседников, которые определены анализом голоса в колл-центре, звонок может быть перенаправлен особо квалифицированным сотрудникам. Немецкая компания Precire Technologies разработала продвинутую систему ИИ для анализа голоса, которая может измерять 42 параметра личности (ср. Precire, 2019). В Talanx Service, страховой компании, эта система используется в дополнение к другим методам при отборе персонала для руководства и последующих уровней управления. Она также используется в высшем руководстве для дальнейшего развития собственных сотрудников компании. Как это делается? Программа Precire анализирует, как люди говорят — тихо или быстро, с паузами или без, с акцентом или скорее без акцента и т.д. (ср. Rövekamp, 2018).
Для этого участники должны рассказать программе о проекте, последнем отпуске или о каком-то определенном дне. Менее важно, что сказано, но важно, как это сказано. Это включает запись того, какие слова используются, как быстро они произносятся и как они произносятся. Этот разговор должен длиться 10–15 минут. На основе этих необработанных данных алгоритм Precire измеряет 42 параметра личности. Речь идет об устойчивости (в смысле умственного сопротивления), оптимизме, любопытстве и влиянии. В Talanx Service эти результаты тестов дополняют общую картину кандидата — т.е. резюме и другие впечатления, полученные в ходе личных интервью и/или центра оценки (ср. Rövekamp, 2018).
Для развития собственной команды компания Precire разрабатывает индивидуальные предложения по обучению, которые можно вызывать в виде практических занятий на обучающей платформе. Precire CommPass определяет личные ресурсы и области развития. Коммуникативный эффект можно улучшить предложениями, основанными на этом. Здесь проводится различие между ожидаемыми профилями продаж, обслуживания и менеджмента. В одном примере с помощью Precire (2019) удалось выявить следующие способы действий для профиля продаж:
• 70% целеориентированность
• 70% ответственность
• 69% поддерживающий
• 69% капитализирующий
• 61% эмоционально открытый
• 55% информативный
• 53% сбалансированный
• 43% осторожный
Алгоритм Precire также используется для анализа клиентских разговоров. Язык может быть проанализирован для определения эмоций, личности и языковой компетенции собеседников. Мотивы и установки, которые иначе остались бы скрытыми, могут стать видимыми. В идеале, можно обойтись без последующего опроса клиента после телефонного разговора, потому что анализ голоса уже показывает, что клиент удовлетворен результатом разговора (ср. Precire, 2019).
Измерение удовлетворенности клиентов на основе ИИ является идеальным дополнением к широко используемому показателю Net Promoter Score (NPS). Это мощная и столь же простая в использовании концепция для определения степени эмоциональной привязанности и доверия клиентов к вашему бизнесу. По сути, NPS определяется простым вопросом: какой процент ваших клиентов порекомендует вашу компанию (нетто)? Основная концепция NPS описана на рис. 4.2.
Для определения Net Promoter Score задается один вопрос: "Насколько вероятно, что вы порекомендуете эту компанию, эту услугу, этот продукт, этот бренд другу или коллеге?". Ответы могут быть даны по шкале от "0" ("совсем не вероятно") до "10" ("очень вероятно").
Промоутеры (фанаты) компании или бренда — это только те, кто присваивает значение "9" или "10". Детракторы (критики) — это те, кто присваивает значения от "0" до "6". Индифферентные (пассивные) — это те, кто присваивает значение "7" или "8". При расчете чистого значения рекомендаций процент детракторов вычитается из процента промоутеров. Группа индифферентных не учитывается. Следовательно, формула расчета NPS выглядит следующим образом:
Рисунок 4.2 Базовая концепция Net Promoter Score (Рисунок авторов)
NPS = промоутеры (в %) - детракторы (в %)
В лучшем случае значение NPS может быть "100%", если все клиенты присвоили значение "9" или "10". В худшем случае результат "-100%", если все клиенты присвоили значения от "0" до "6" (ср. Reichheld, 2003). Идеально, если ваши клиенты должны обосновать свое решение в текстовом поле после присвоения баллов. По комментариям вы получаете важную дополнительную информацию для выявления факторов покупки, а также причин ухода и для вывода действий на их основе.
Ящик памяти
Net Promoter Score — это простой и быстрый в установке инструмент для определения уверенности, измеряемой степенью готовности к рекомендациям. Таким образом, измерение удовлетворенности клиентов на основе ИИ может быть оптимально дополнено. Используя текстовый анализ с поддержкой ИИ, вы можете дополнительно оценить множество 100, 1000 или 10 000 свободных текстовых комментариев.
Чат-боты уже играют особенно важную роль в обслуживании клиентов (ср. также разд. 1.3.1). В последние годы они прошли быстрое развитие. Вначале существовал чистый текстовый интерфейс (TTT). Здесь пользователю приходилось вводить свой вопрос и т.д. в текстовое поле — и ответ также представлялся в текстовой форме в текстовом поле вывода. Между тем, многие чат-боты эволюционировали в полностью разговорный интерфейс, который поддерживает диалог на разговорном языке. Никакой экран, клавиатура или мышь не требуется. Ввод и вывод происходят через голосовой диалог.
Если вы подведете итог текущих и будущих задач текстовых чат-ботов (TTT), то получится следующая картина:
• Чат-боты для оптимизации коммуникации, инициированной клиентом
Этот тип чат-бота помогает пользователям более эффективно решать повседневные онлайн-задачи. Это позволяет решать проблемы без необходимости просматривать FAQ в течение долгого времени. Кроме того, юридические консультации, новый модный наряд, поездка по разумной цене или простой рецепт жареных яиц можно найти быстро и без объездов по десяткам веб-сайтов.
Мантра: Найди, не ищи!
Экспертная система юридической консультации Ailira из Австралии предоставляет своим клиентам соответствующую информацию. Система использует Искусственный Интеллект для предоставления бесплатной информации по широкому кругу юридических вопросов, вызванной обработкой естественного языка. Сюда входят такие темы, как реструктуризация компаний, завещания и наследство
суды. Кроме того, становится видно, сколько пользователей выразили себя положительно, отрицательно или нейтрально. Чтобы быть в курсе событий, алгоритм ежедневно, ежечасно, ежеминутно обновляется, и алгоритм с поддержкой ИИ просматривает отзывы о продуктах каждую ночь, чтобы автоматически определять важные аспекты (ср. Otto, 2017).
4.2.4 Динамическое ценообразование
Алгоритмы ИИ также все чаще используются для динамического ценообразования. Одним из важнейших факторов, влияющих на прибыльность компании, остается ценообразование (ср. Simon, 2013). Поэтому неудивительно, что приложения ИИ также проникли в эту область маркетинга и продаж. Wise Athena (2019) — интеллектуальный агент ИИ, который поддерживает поставщиков потребительских товаров в определении решений о ценообразовании и акциях дилеров.
Чтобы этого добиться, Wise Athena автоматически выбирает данные, которые лучше всего описывают поведение своих продуктов по отношению друг к другу. Для этого строится модель, которая также учитывает эффекты каннибализации в собственном ассортименте компании и перекрестную эластичность цены продуктов компании. Перекрестная эластичность цены (спроса) определяет процентное изменение количества товара, пользующегося спросом, которое происходит в результате однопроцентного изменения цены другого товара. В отличие от эластичности цены, важно, чтобы перекрестная эластичность цены была между двумя разными товарами.
За счет регулярного обучения точность прогнозов продаж может быть повышена до 94% в отдельных случаях. Несмотря на чрезвычайно большое количество возможных комбинаций цен, система ИИ может определить комбинацию цен, которая оптимизирует продажи или маржу. Такая оптимизированная стратегия ценообразования позволила пользователям Wise Athena увеличить свою маржу на 3-12% в год (ср. Durah, 2018).
Ценообразование на основе ИИ поднимает интересный вопрос: Может ли произойти так, что алгоритмы ценообразования, которые учитывают все релевантные цены конкурентов (возможно, также определенные системами ИИ), поведение потребительского спроса и другие контекстные переменные в своих решениях, приведут к ценовым соглашениям, основанным на ИИ, которые будут эквивалентны картелю? В результате, как и в картеле, прибыль компаний возрастет, а клиенты будут платить более высокую цену, чем раньше, за те же услуги. Следовательно, произойдет сговор. Термин "сговор" означает "тайное соглашение" и описывает несанкционированное сотрудничество нескольких участников в ущерб третьим лицам.
Следующий вопрос: Могут ли такие ценовые соглашения на основе ИИ возникнуть, даже если используемые алгоритмы не были ориентированы на такую процедуру? Будут ли алгоритмы развиваться независимо — ориентированные на цель оптимизации предпринимательской прибыли — таким образом, что сговор неизбежно произойдет? Кто будет виновен в этом случае по Закону против ограничений конкуренции? Изначальный программист или система ИИ, которая не может быть виновной в юридическом смысле? Эти вопросы поднимаются Комиссией по контролю (2018) в своем отчете "Алгоритмы и сговор". В то же время дается рекомендация о том, как поступать с этими разработками. Комиссия по монополиям рекомендует усилить
наблюдение за рынком с помощью отраслевых исследований антимонопольных органов. Информация о сговоре с целью завышения цен сначала направляется ассоциациям по защите прав потребителей. По этой причине рекомендуется предоставить этим ассоциациям право инициировать проведение отраслевых исследований антимонопольных органов. Если есть конкретные признаки использования алгоритмов ценообразования для сговора, могут быть приняты дальнейшие шаги (ср. Monopolies Commission, 2019).
Ученые считают риск сговора систем ИИ низким. Причины этого в том, что среда динамично меняется, поскольку на рынок выходят новые игроки, вводятся новые правила игры, участники преследуют разные цели (помимо оптимизации прибыли, например, привлечение новых клиентов, защита от конкурентов), поэтому алгоритмы могут больше не соответствовать новой ситуации. Следовательно, достичь стабильного равновесия для всех участников было бы трудно. По этой причине алгоритмические картели в настоящее время не предвидятся (ср. также ведущих Hennes & Schwalbe, 2018, с. 18).
Пища для размышлений
К сожалению, если алгоритмические картели действительно возникнут, программа помилования, используемая сегодня для раскрытия картелей, не будет применяться. Если только нам не удастся передать алгоритмам ценности так, чтобы алгоритмы сами показывали себя при сговоре — и тогда им нужно будет его избегать!
4.2.5 Создание контента
Создание контента — еще одна важная область применения ИИ в корпоративной коммуникации. Речь идет об автоматическом создании текстов. Искусственный Интеллект проникает в области, которые до сих пор обслуживались журналистами, под термином робот-журналистика. Специальные алгоритмы ИИ способны писать независимые материалы на основе цифровой информации, доступной в Интернете или где-либо еще. Уже сегодня автоматически генерируются отчеты о спортивных событиях или погоде. Это также относится к кратким новостям из финансового мира (например, отчет о развитии цен на фондовом рынке). Также могут автоматически создаваться информационная графика и таблицы для таких текстов. Здесь получатель обычно не может больше распознать, что эти сообщения были созданы автоматически. В других случаях Искусственный Интеллект поддерживает работу журналистов, предоставляя им квалифицированный поиск и обработку информации, не заменяя полностью эти задачи. Преимущество (частичной) автоматизации заключается в ее скорости (информация в реальном времени) и экономической эффективности соответствующих систем.
Информационное агентство The Associated Press (AP), базирующееся в Нью-Йорке, использует распознавание речи для автоматического преобразования больших объемов необработанных данных в публикуемые отчеты. Эти необработанные данные поступают от листинговых компаний, которые ежеквартально публикуют свои результаты. Задача AP — использовать эти данные как можно быстрее и точнее, чтобы определить релевантные финансовые показатели для создания информативных отчетов для инвесторов. В прошлом нужно было преодолеть две проблемы: AP могла производить только 300 таких отчетов в квартал из-за
ограниченных человеческих ресурсов. Многие тысячи потенциально столь же интересных историй оставались ненаписанными. Кроме того, создание таких рутинных отчетов занимало много важного времени у репортеров, которое нельзя было использовать для более требовательных задач (ср. Automated Insights, 2019).
Для достижения этой цели Associated Press использует платформу Wordsmith от Automated Insights для автоматизации этих процессов. Платформа использует распознавание речи для автоматического преобразования необработанных данных в публикуемые отчеты AP. Для этого был настроен движок генерации языка, чтобы писать в стиле AP. Сегодня AP может генерировать 4400 ежеквартальных финансовых отчетов — вместо 300 вручную созданных отчетов, как раньше. Важно гарантировать, что эти отчеты будут такими же точными, как ожидают читатели от любой статьи, написанной AP. Помимо пояснений в конце статьи, нет никаких доказательств того, что они были написаны алгоритмом (ср. Automated Insights, 2019).
После обширного тестирования было определено, что вероятность ошибок при автоматическом создании даже снизилась по сравнению с ручной разработкой. В общей сложности около 20% времени на подготовку квартальных отчетов удалось сэкономить. Есть планы расширить робото-журналистику на другие области, такие как спортивные репортажи или отчеты о развитии уровня безработицы (ср. Automated Insights, 2019).
Такие разработки повлияют не только на области работы журналистов, но и на всех, кто генерирует "контент" для самых разнообразных каналов или отвечает за контент-маркетинг. Из-за увеличения выпуска контента потребность в сторителлинге непрерывно растет для большинства компаний (ср. о контент-маркетинге Kreutzer & Land, 2017, с. 157–190; Hilker, 2017). Это покажет, могут ли системы с поддержкой ИИ обрабатывать только данные и факты в user-oriented манере (как в случае финансовых отчетов и спортивных репортажей), или они могут также — более или менее независимо — рассказывать захватывающие истории, которые захватывают читателей и способствуют развитию навыков компаний.
Для предотвращения растущего перенасыщения пользователей контентом (ключевое слово контент-шок) все более необходимо готовить контент, ориентированный на целевую группу или даже на конкретного человека. Почти неисчерпаемый источник информации, который может использоваться для генерации контента, — это свободно доступная информация, которую люди предоставляют о себе (например, через социальные сети). Ретаргетинг в онлайн-маркетинге и индивидуализированные рекомендации (например, на Amazon) являются первыми "простыми" предшественниками для этого, которые действуют с некоторой статистикой, но в значительной степени без Искусственного Интеллекта. Большие скачки в развитии генерации контента еще впереди.
Компания Acrolinx, спин-офф Немецкого исследовательского центра по Искусственному Интеллекту (DFKI), вносит интересный вклад в поддержку создания человеческого контента. Компания управляет SaaS-платформой для оптимизации создания письменного контента. Для этой цели Acrolinx использует движок ИИ, который анализирует язык по стилю, тону и выбору слов, включая термины бренда и техническую терминологию, на нескольких языках на фоне специфических целей компании. Большинство компаний обращаются к разным целевым группам, у которых есть специфические информационные потребности. Это необходимо учитывать в коммуникации, не пренебрегая
ценности бренда. Кроме того, важно предоставить "правильную" информацию для пути клиента в соответствующих контактных точках (ср. Acrolinx, 2019).
Для достижения этих целей Acrolinx предлагает два варианта. С одной стороны, инструкции в реальном времени могут быть даны авторам во время процесса написания, чтобы сделать контент более четким и последовательным для соответствующей целевой группы. С другой стороны, оценка контента с поддержкой ИИ может быть проведена на основе заранее определенных целей. Это позволяет быстро и надежно выявлять проблемный контент — в всей корпоративной коммуникации. Acrolinx предоставляет сложный компонент аналитики, который позволяет компаниям оценивать свои данные в соответствии с типом контента и целевой группой в определенном временном интервале. Некоторые компании коррелируют результаты этих анализов с данными о производительности, чтобы определить, какой контент работает хорошо и насколько хорошо (ср. рис. 4.15; Acrolinx, 2019).
Еще одной проблемой для контент-маркетинга является автоматическое предоставление сгенерированного контента в каналах, релевантных для пользователей. Сегодня это мессенджер-платформы, такие как Facebook Messenger, Snapchat, WhatsApp и WeChat. Во многих случаях пользователи больше не перемещаются в публичном цифровом пространстве, но в более или менее закрытых группах пользователей. Чтобы найти признание и быть услышанным там, контент должен быть воспроизведен еще более индивидуально, чтобы добиться "доступа" через релевантность. Поэтому, помимо создания контента с поддержкой ИИ, используется распространение контента с поддержкой ИИ, чтобы — надеюсь — захватывающий контент действительно достигал целевых лиц (ср. Eck, 2018, с. 164).
Интересная область работы для создания контента — автоматическое преобразование текста в видеоконтент. Здесь новостные видео автоматически генерируются на основе текстов. Информационные агентства, такие как Bloomberg, NBC, Reuters и The Weather Channel, уже используют эту технологию. Интегрированный сервис-провайдер Wibbitz (2019, ср. рис. 4.16) поразительно подчеркивает, что генерация видеоконтента из текста — на основе собственных решений — больше не является колдовством: "Используйте ИИ для сокращения производственных ресурсов и максимизации ROI видео: наша технология автоматического преобразования текста в видео ускоряет создание видео черновиков для вашей истории за считанные секунды" (Wibbitz, 2019).
Приложение технологии видео-в-видео показало IBM на Уимблдонском теннисном турнире 2018 года, где IBM Watson определил самые захватывающие моменты игр для автоматического создания дашборда и видео с яркими моментами (ср. Tan, 2018). Такой контент затем может быть воспроизведен через различные каналы социальных сетей.
В этих областях создания и распространения контента ожидается сокращение числа сотрудников в ближайшие несколько лет в результате возрастающей интеллектуальной автоматизации.
4.2.6 Распознавание изображений
Множество захватывающих маркетинговых приложений связано с распознаванием лиц, представленным в разделе 1.3.2. На основе фотографии лица могут быть получены дополнительные характеристики человека (ср. рис. 4.17). Особенно возраст (43 года!) заставил автора почувствовать себя очень польщенным, когда он посетил Sensetime в Пекине в 2018 году! После этого анализа были представлены рекламные баннеры для косметических продуктов. Соответствующий поставщик был спонсором этого приложения.
Еще одна игривая реализация технологии ИИ была продемонстрирована Sensetime в Пекине с помощью забавных приемов в рекламе. С помощью жестового управления продукты могут быть вставлены в реальное изображение в подходящем месте во время разработки для McDonald's — в реальном времени. Для других забавных приложений нет никаких ограничений. Так, на рис. 4.18 (слева) могут динамически генерироваться сердца с помощью жестового управления, а на рис. 4.18 (справа) можно валять дурака. Это контент, который вызывает энтузиазм у пользователей Snapchat & Co. Такие, казалось бы, абсурдные приложения не следует недооценивать по их масштабу. Именно эти игривые времяпровождения дают поколению цифровых аборигенов доступ к всеобъемлющей цифровой жизни с Искусственным Интеллектом — часто незамеченным. Многие лица, принимающие решения в бизнесе и политике, выросли без цифровых точек контакта. При этом они рискуют принимать решения, которые
игнорируют реальность новых потребительских групп. Поэтому игривое обсуждение таких приложений не только развлекает, но и поучительно!
Ящик памяти
Различные забавные приложения разрушают барьеры для Искусственного Интеллекта. Вам следует проверить, может ли это быть интересной областью деятельности для вашей компании.
Amazon (2019) предлагает Amazon Rekognition, платформу для анализа изображений и видео для заинтересованных пользователей. Для использования этой платформы необходимо подготовить только изображение или видео для Recognition API (интерфейса для программистов приложений). Для этого содержимое должно быть сохранено в Amazon S3, веб-сервисе облачных вычислений Amazon. Затем могут быть распознаны объекты, люди, тексты, сцены и/или действия.
Amazon Rekognition также может использоваться для анализа лиц и распознавания лиц на изображениях и видео. Это позволяет распознавать, анализировать и сравнивать лица для самых разных приложений. Спектр использования варьируется от верификации пользователей до подсчета людей в общественных местах, чтобы учитывать ограничения пропускной способности площадей и помещений для мероприятий. Чтобы использовать функциональность Amazon Rekognition, предоставленный API распознавания должен быть интегрирован в соответствующее приложение. Это не требует специальных знаний в области машинного обучения. Как и другие системы ИИ, используемое распознавание изображений непрерывно обучается на новых данных для повышения способности распознавать объекты (например, велосипеды, телефоны, автомобили, здания), сцены (например, парковки, пляжи, торговые центры, города) и действия (например, "доставка посылки" или "футбольный матч" для видео). Кроме того, точность распознавания должна быть улучшена. В зависимости от объема Amazon Rekognition предлагает пакетный анализ и анализ в реальном времени. Оплата за эти услуги основана на количестве проанализированных изображений или на длительности видео, а также на размере собственного репозитория, предоставленного для распознавания изображений, т.е. каталога с изображениями лиц (ср. Amazon, 2019).
Кроме того, Amazon Rekognition также предлагает уже описанные функции анализа лиц. Это позволяет определять такие характеристики, как настроение, возраст,
открытые/закрытые глаза, очки, бороды и т. д. на загруженных изображениях и видео. В случае видео вы также можете зафиксировать, как эти свойства меняются со временем. Чувства, такие как счастье, грусть или удивление, также могут быть распознаны на изображениях лиц. Особый интерес представляет возможность анализа изображений в реальном времени (например, из магазинов) и определения доминирующих эмоциональных атрибутов (ср. рис. 4.19). Их можно непрерывно отправлять в соответствующие отделения (ср. Amazon, 2019).
Видео также можно использовать для определения движений с целью анализа паттернов движения в торговых центрах или движений после футбольного матча. Еще одна интересная функция — идентификация небезопасного контента. Amazon Rekognition может идентифицировать потенциально небезопасный и неприемлемый контент на изображениях и видео. Используя индивидуально определенные метки, можно определить, какое содержимое разрешено, а какое нет.
Особым видом идентификации является распознавание личностей. Система может использоваться для идентификации известных людей на видео и в библиотеках изображений. Выявленные таким образом вклады могут использоваться для конкретных маркетинговых приложений. Также возможно распознавание текста на изображениях. Это включает названия улиц и городов, надписи, названия продуктов и номерные знаки (ср. Amazon, 2019).
Amazon Rekognition Video может использоваться для создания приложений, которые помогают найти разыскиваемых людей в видеоконтенте в социальных сетях. Лица могут быть сравнены с базой данных пропавших без вести или разыскиваемых лиц, предоставленной пользователем, с целью ускорения спасательных или поисковых действий путем положительного распознавания (ср. рис. 4.20; Amazon, 2019).
Ящик памяти
Для полноты картины следует отметить, что для всех этих приложений распознавания лиц необходимо учитывать соответствующие законы о защите данных соответствующих стран.
4.2.7 Выявление подделок
Выявление подделок — важная область Искусственного Интеллекта. По сути, речь идет о выявлении ложных сообщений среди правильных сообщений в различных онлайн-источниках. При разработке таких алгоритмов ИИ наиболее сложной задачей часто является сбор обучающих данных. В конце концов, информация о том, какие сообщения "правильные", а какие "неправильные", должна быть доступна — и это перед лицом бесконечно всеобъемлющего потока информации, который постоянно генерирует новый контент. Это может привести к тому, что контент, который был неверным вчера, будет верным сегодня. "Неверный" может проявляться несколькими способами:
• Вклады могут быть явно неверными в смысле неправдивости.
• Вклады могут представлять правильный результат, но содержать (некоторые) неверные интерпретации.
• Вклады могут маскироваться под "псевдонаучные", т.е. содержать научную ссылку, которая фактически отсутствует (например, в нерепрезентативном опросе).
• Вклады могут быть замаскированы под новости, предложения и/или рекомендации компании.
• Вклады могут быть сфальсифицированы из-за про-домовского эффекта (пояснение см. в разд. 2.4).
• Вклады могут выражать иронически или саркастически противоположное тому, что на самом деле имеется в виду.
• Вклады могут содержать цитаты из других источников, с которыми автор согласен — или не согласен.
• Вклады могут быть искажены вне контекста и, таким образом, передавать совершенно иное содержание, чем изначально подразумевалось отправителем.
Пища для размышлений
События избирательной кампании в США и голосования по Brexit только что показали, насколько значимо открытие тенденциозных и/или ложных новостей. Текущие наблюдения за тем, как отдельные группы стремятся к целенаправленной дезинформации широких слоев населения и тем самым ослаблению западных демократий, также подчеркивают актуальность этой важной области.
Тот факт, что человеческий глаз по-прежнему незаменим в этих задачах, показывают новые наемные сотрудники Facebook, Google и Co. В сервисных центрах соответствующие сотрудники имеют задачу проверять контент, который не может быть четко оценен, прежде чем он будет заблокирован или выпущен.
Одна из задач, которая должна быть освоена, — это идентификация фальшивых аккаунтов, которые утвердились в социальных сетях. Такие фальшивые аккаунты также называются "сок-паппет" (sock puppet). Этот термин основан на чревовещателе с марионеткой, который также притворяется кем-то другим. Фальшивые аккаунты относятся к (дополнительным) учетным записям пользователей, с помощью которых преследуются различные цели. Использование для защиты своей конфиденциальности законно. Но они также могут использоваться для представления мнений в сообществе с несколькими голосами — для искажения настроения. Фальшивые аккаунты также используются для подрыва правил сообщества и намеренного провоцирования или нарушения диалогов.
Между тем, регулярно сообщается, что Facebook или Twitter снова выявили и закрыли сотни таких фальшивых аккаунтов. Можно предположить, что одновременно откроется столько же новых фальшивых аккаунтов из так называемых "фабрик троллей". В онлайн-среде тролль — это человек, который посредством своего общения прежде всего хочет эмоционально спровоцировать другую дискуссию
участники, препятствуют общению в Интернете деструктивным образом и/или распространяют тенденциозные материалы. Помимо социальных сетей, эти тролли особенно активны в дискуссионных группах, блогах и чатах. Эти пропагандисты также пытаются размещать свои "вклады" в вики, чтобы манипулировать общественным восприятием и мнением. Здесь фальсифицируются обзоры видео и других материалов в социальных сетях. В то же время предпринимаются попытки придать своим публикациям большую видимость. Для этого людей или чат-ботов можно поощрять к комментированию или распространению конкретных публикаций. Таким образом, предполагаемая популярность сообщения может быть драматически сфальсифицирована.
Выявление и исключение этих "черных овец" со стороны операторов платформ не является тривиальной задачей. Если критерии установлены слишком "жестко", аккаунты "невовлеченных" также закрываются — возможно, потому что они повторили ложные сообщения, чтобы привлечь внимание к проблеме. Если критерии слишком "размыты", многие "черные овцы" остаются незамеченными. Искусственный Интеллект может внести значительный вклад в распознавание закономерностей, указывающих на манипулятивные боты и публикации. Соответствующими триггерами могут быть время и частота публикаций, ориентация на конкретную целевую аудиторию, доминирующее содержание и его тональность.
Пища для размышлений
По мере развития Искусственного Интеллекта в области выявления поддельных новостей, его использование для генерации поддельных новостей также будет улучшаться.
Раннее выявление ложной информации может быть релевантным для самых разных областей компании. Прежде всего, следует подумать об области маркетинга, которая должна быстро распознавать тенденциозные (ложные) представления. Управление рисками, исследования и разработки, продажи и даже управление человеческими ресурсами также могут получить выгоду от раннего выявления. Компании подвергаются атакам следующими способами, которые не лишены пересечений (ср. Grothe, 2018, с. 207, 211):
• Распространение репутационно-вредного контента через компанию, ее представителей и/или ее предложения
• Отвлечение потенциальных клиентов путем дезинформации об качестве продуктов и/или услуг
• Ухудшение имиджа работодателя из-за ложных отзывов сотрудников, которые там никогда не работали.
Сбор и, в частности, консолидированная оценка и интерпретация полученной информации представляет собой серьезную проблему для компаний. Вам следует проверить, является ли установка концепции ньюсрума хорошим решением для вашей компании (ср. рис. 4.21). Эта концепция, в которой — аналогично процедуре в редакциях газет и теле/радиостанций — все текущие новости о предложениях, брендах, стратегиях и компании в целом сходятся в центральной точке, чтобы иметь возможность быстро и последовательно реагировать. На этом месте содержимое коммуникации в социальных сетях, из центра обслуживания клиентов, вместе с результатами веб-мониторинга, может быть объединено и проанализировано в связи с другими вызовами рынка. После этого также необходимо проактивно определять центральные темы и координировать каналы и конкретный контент, релевантный для их обработки по всей компании. Это обеспечивает представление о рынках на 360°, что часто требуется.
Ниже показаны общие эффекты, которые могут быть достигнуты в маркетинге и продажах за счет использования Искусственного Интеллекта в ближайшие годы. Эти результаты основаны на уже упомянутом анализе McKinsey более 400 вариантов использования, связанных с ИИ, в различных компаниях (ср. McKinsey, 2018, с. 21). Следующие значения дают представление о дополнительной добавленной стоимости, которая может быть достигнута в различных областях маркетинга и продаж:
• Управление обслуживанием клиентов: 400–800 млрд долл. США
• Следующий продукт для покупки (индивидуализированные рекомендации по покупке): 300–500 млрд долл. США
• Ценовые и рекламные кампании: 300–500 млрд долл. США
• Привлечение потенциальных клиентов: 100–300 млрд долл. США
• Предотвращение ухода клиентов: 100–200 млрд долл. США
• Управление каналами: 100–200 млрд долл. США
• Разработка продукта/циклы разработки продукта: 200 млрд долл. США.
Даже до управления цепочкой поставок и производства, это самые высокие потенциалы создания стоимости, определенные в ходе анализа. Нет необходимости доверять отдельным цифрам в деталях. Важно признать потенциал использования ИИ в маркетинге и продажах, чтобы начать свой собственный путь ИИ (ср. разд. 10.3).
Резюме
• Прогнозирование и профилирование лидов является важной областью применения Искусственного Интеллекта для более экономичного привлечения клиентов.
• Это включает идентификацию похожих аудиторий при привлечении новых клиентов.
• Качество предиктивной аналитики может быть улучшено на основе результатов, полученных с помощью ИИ.
• Разработка индивидуализированных рекомендаций (ключевое слово: рекомендательная система) может способствовать увеличению ценности для клиентов.
• Медиапланирование может поддерживаться или реализовываться с помощью платформ ИИ.
• Оценка важной информации об окружающей среде с помощью ИИ делает возможным контекстный маркетинг.
• Приложения ИИ поддерживают развитие разговорной коммерции.
• Тенденция, которую следует учитывать в долгосрочной перспективе, — это уже не voice first, а voice only!
• Системы ИИ могут поддерживать веб- и социальный мониторинг, анализируя тональность публикаций с помощью анализа настроений.
• Внедрение динамического ценообразования может контролироваться процессами ИИ.
• Как создание контента, так и распространение контента уже обрабатываются системами ИИ.
• Оценка изображений и видео открывает ряд интересных возможностей для приложений.
• Выявление фальшивых аккаунтов и фальшивых новостей представляет собой серьезную проблему для процессов ИИ.
• Концепция ньюсрума представляет собой возможность для целостной обработки и контроля потоков данных, связанных с компанией.
Библиография
1-800-Flowers. (2019). Доверьте нам доставить ваш самый счастливый день рождения. https://www.1800flowers.com/. Доступ 4 февраля 2019.
Acrolinx. (2019). Acrolinx aligns your content to your strategy so you actually reach your goals. https://www.acrolinx.com/. Доступ 7 мая 2019.
Adobe. (2019). Adobe Sensei stellt künstliche Intelligenz in den Mittelpunkt herausragender Kundenerlebnisse. https://www.adobe.com/de/sensei.html. Доступ 12 мая 2019.
Ailira. (2019). Artificially intelligent legal information research assistant. www.ailira.com. Доступ 29 апреля 2019.
Amazon. (2019). Amazon Rekognition. https://aws.amazon.com/de/rekognition/?sc_channel=PS &sc_campaign=acquisition_DE&sc_publisher=google&sc_medium=german_rekognition_nb& sc_content=recognition_p&sc_detail=bilderkennung&sc_category=rekognition&sc_segment= 229378778616&sc_matchtype=p&sc_country=DE&s_kwcid=AL!4422!3!229378778616!p!! g!!bilderkennung&ef_id=W3q6TgAAAF7rhANC:20180823095552:s. Доступ 27 марта 2019.
Amazon Alexa. (2019). Entdecke die Möglichkeiten, Alexa Skills Kit. https://developer.amazon. com/de/alexa-skills-kit/learn. Доступ 5 апреля 2019.
Automated Insights. (2019). AP. https://automatedinsights.com/customer-stories/associated-press/. Доступ 21 апреля 2019.
Beuth, P. (2016). Twitter-Nutzer machen Chatbot zur Rassistin. https://www.zeit.de/digital/ internet/2016–03/microsoft-tay-chatbot-twitter-rassistisch. Доступ 19 апреля 2019.
Bloom, C. (2017). Разговорная коммерция: The future has arrived. https://www.yotpo.com/ blog/conversational-commerce/. Доступ 21 января 2019.
Bradford, A. (2018). 7 Things you need to know about Facebook portal. https://www.cnet.com/ how-to/things-to-know-about-facebook-portal/. Доступ 19 апреля 2019.
Bünte, C. (2018). Künstliche Intelligenz – Die Zukunft des Marketing, Ein praktischer Leitfaden für Marketing-Manager, Висбаден.
ChatShopper. (2019). Hi, my name is Emma. https://chatshopper.com. Доступ 19 апреля 2019.
Chen, Y. (2017). How media agency Maxus is testing artificial intelligence. https://digiday.com/ marketing/media-agency-maxus-testing-artificial-intelligence/. Доступ 21 апреля 2019.
Daimler. (2017). Neue Mercedes me connect Dienste: Das vernetzte Auto wird zum persönlichen Begleiter. https://media.daimler.com/marsMediaSite/de/instance/ko/Neue-Mercedes-me connect-Dienste-Das-vernetzte-Auto-wird-zum-persoenlichen-Begleiter.xhtml?oid=29168443. Доступ 19 апреля 2019.
Dawar, N., & Bendle, N. (2018). Marketing in the age of Alexa. In Harvard Business Review, май–июнь 2018, с. 80–86.
Daxenberger, J., Eger, S., Habernal, I., Stab, C., & Gurevych, I. (2017). Что такое сущность утверждения? Идентификация утверждений в различных областях. В Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (EMNLP). (с. 2055–2066).
Durah, D. (2018). ИИ для любой цены: Как искусственный интеллект переосмысливает ценообразование. https:// medium.com/sap-io/an-ai-for-every-price-how-artificial-intelligence-is-rethinking-pricing 70988e1546f6. Доступ 21 апреля 2019.
Eck, K. (2018). Die Bot-Revolution verändert das Content Marketing – Algorithmen und AI zur Generierung und Verteilung von Content. В P. Gentsch. (ред.), Künstliche Intelligenz für Sales, Marketing und Service, Mit AI und Bots zu einem Algorithmic Business – Konzepte, Technologien und Best Practices (с. 158–173). Висбаден.
Equals3. (2019). Люси. http://www.equals3.ai/howdoeslucywork. Доступ 21 апреля 2019.
EyeQuant. (2019a). Make better digital decisions. https://www.eyequant.com/. Доступ 21 апреля 2019.
EyeQant. (2019b). Как Epson улучшил свои страницы категорий с EyeQuant. https://www. eyequant.com. Доступ 21 апреля 2019.
Gentsch, P. (2018). Künstliche Intelligenz für Sales, Marketing und Service, Mit AI und Bots zu einem Algorithmic Business – Konzepte, Technologien und Best Practices, Висбаден.
Grothe, M. (2018). Corporate Security: Social Listening und die Digitalisierung der Desinformation – durch Algorithmen systematisch unknown Unknowns entdecken. В P. Gentsch. (ред.), Künstliche Intelligenz für Sales, Marketing und Service, Mit AI und Bots zu einem Algorithmic Business – Konzepte, Technologien und Best Practices (с. 207–220). Висбаден.
Hennes, D., & Schwalbe, U. (2018). Kartellbildung durch lernende Algorithmen. В Frankfurter Allgemeine Zeitung (с. 18). 13 июля 2018.
Hesterberg, C. (2018). Online-Shopping bei Amazon dank Alexa, Frecher Papagei bestellt sich Obst per Sprachassistent. https://www.general-anzeiger-bonn.de/news/panorama/Frecher Papagei-bestellt-sich-Obst-per-Sprachassistent-article4003734-amp.html. Доступ 12 апреля 2019.
Hilker, C. (2017). Контент-маркетинг на практике, Ein Leitfaden – Strategie, Konzepte und Praxisbeispiele für B2B- und B2C-Unternehmen, Висбаден.
Kaltschmidt, T. (2017). Amazon Echo: Nachrichtensprecher löst Massenbestellung aus. https:// www.heise.de/newsticker/meldung/Amazon-Echo-Nachrichtensprecher-loest Massenbestellung-aus-3591039.html. Доступ 12 апреля 2019.
Kayak. (2019). KAYAK-Reisesuche über Facebook Messenger. https://www.kayak.de/news/ kayak-facebook-messenger/. Доступ 19 апреля 2019.
KLM. (2019). Flight Information. https://social.klm.com/flightinfo/messenger/. Доступ 20 апреля 2019.
Kontrollkommission. (2018). Алгоритмы и Коллusion. https://www.monopolkommission.de/ index.php/de/beitraege/216-xxii-algorithmen. Доступ 12 мая 2019.
Kreutzer, R. (2009). Praxisorientiertes Dialog-Marketing, Konzepte – Instrumente – Fallbeispiele, Висбаден.
Kreutzer, R. (2016). Kundenbeziehungsmanagement im digitalen Zeitalter, Konzepte – Erfolgs факторен – Handlungсидей, Штутгарт.
Kreutzer, R. (2017a). Praxisorientiertes Marketing, Grundlagen, Instrumente, Fallbeispiele, 5. Aufl., Висбаден.
Kreutzer, R. (2017b). Ansätze zur (Kunden-)Wert-Ermittlung im Online-Zeitalter. В S. Helm, B. Гюнтер & А. Эггерт (ред.), Kundenwert, Grundlagen – Innovative Konzepte – Praktische Umsetzungen (с. 499–520). Висбаден.
Kreutzer, R. (2018). Praxisorientiertes Online-Marketing, Konzepte – InstrumenteChecklisten, 3-е изд., Висбаден.
Kreutzer, R. (2019). Toolbox for marketing and management, creative concepts, analysis and forecasting tools. Висбаден.
Kreutzer, R., & Land, K. H. (2017). Digitale Markenführung, Digital Branding im Zeitalter des digitalen Darwinismus, Висбаден.
Lauth, L. (2016). Der Newsroom im Unternehmen: Facts aus einer ausgezeichneten Masterarbeit. https://www.mcschindler.com/2016/03/13/der-newsroom-im-unternehmen-facts-aus-einer ausgezeichneten-masterarbeit/. Доступ 21 апреля 2019.
McKinsey. (2018). Notes from the AI frontier, insights from hundreds of use cases, Сан-Франциско.
Monopolies Commission. (2019). Algorithmen. https://www.monopolkommission.de/de/. Доступ 21 апреля 2019.
Novi. (2019). Hey, ich bin Novi. https://novi.funk.net/. Доступ 19 апреля 2019.
Opelt, M. (2018). AI im E-Commerce – Wie otto.de seine Prozesse mit Verfahren der Künstlichen Intelligenz optimiert, Keynote at the AI Masters Congress, Берлин. 25 января 2018.
Otto. (2017). Künstliche Intelligenz: OTTO revolutioniert Produktbewertungen. https://www.otto. de/unternehmen/de/newsroom/news/2017/kuenstliche-Intelligenz-Produktbewertung.php. Доступ 21 апреля 2019.
Pathak, S. (2017). Who needs media planners when a tireless robot named Albert can do the job? https://digiday.com/marketing/needs-media-planners-tireless-robot-named-albert-can-job/ . Доступ 21 апреля 2019.
Price, B., & Jaffe, D. (2008). The best service is no service: How to liberate your customers from customer service, keep them happy, and control costs. Сан-Франциско.
Precire. (2019). Sprachanalyse. https://www.precire.com/de/. Доступ 12 апреля 2019.
PWC. (2017) Zu welchen Zwecken sollten Social Bots Ihrer Meinung nach eingesetzt werden dürfen? https://de-statista-com.ezproxy.hwr-berlin.de/statistik/daten/studie/741778/umfrage/ akzeptierte-einsatzfelder-von-social-bots/. Доступ 13 апреля 2019.
Reddy, T. (2017). How chatbots can help reduce customer service costs by 30%: IBM. https:// www.ibm.com/blogs/watson/2017/10/how-chatbots-reduce-customer-service-costs-by-30- percent/. Доступ 19 апреля 2019.
Reichheld, F. F. (2003). The number one you need to grow. In Harvard Business Review, 12/2003, с. 47–54.
Rövekamp, M. (2018). Künstliche Intelligenz “Der Algorithmus kann 42 Dimensionen einer Persönlichkeit messen”. https://www.tagesspiegel.de/wirtschaft/kuenstliche-intelligenz-der algorithmus-kann-42-dimensionen-einer-persoenlichkeit-messen/22756300.html. Доступ 30 апреля 2019.
Schneider, G. (2019). Wie sich Alexa & Co in deutschen Autos breit machen. https://www. horizont.net/tech/nachrichten/sprachassistenten-wie-sich-alexa–co-in-deutschen-autos-breit machen-174356?crefresh=1. Доступ 23 апреля 2019.
Schwabe, S. (2018). Die Zukunft der Media Planung – AI als Game Changer. В P. Gentsch (ред.), Künstliche Intelligenz für Sales, Marketing und Service, Mit AI und Bots zu einem Algorithmic Business – Konzepte, Technologien und Best Practices. (с. 150–158). Висбаден.
Simon, H. (2013). Preiseinheiten, 2-е изд., Франкфурт.
Snaptravel. (2019). Hotel deals over messaging. https://www.snaptravel.com/. Доступ 19 апреля 2019.
Stab, C., & Daxenberger, J. (2018). ArgumenText – Автоматический анализ потребительских аргументов: Клиенты лучше понимают ArgumenText, Keynote at the 13th scientific interdisziplinary congress for dialog marketing, Hamburg, 26 сентября 2018.
Statista. (2018a). Разговорная коммерция. https://de-statista-com.ezproxy.hwr-berlin.de/ statistik/studie/id/41378/dokument/conversational-commerce-statista-dossier/. Доступ 28 августа 2018.
Statista. (2018b). Künstliche Intelligenz. https://de-statista-com.ezproxy.hwr-berlin.de/statistik/ studie/id/38585/dokument/kuenstliche-intelligenz-statista-dossier/. Доступ 29 августа 2018.
Statista. (2018c). Wenig Echo in Deutschland, Statista Global Consumer Survey 2018. https:// infographic.statista.com/normal/infografik_12884_smart_speaker_besitz_in_deutschland_und_ den_usa_n.jpg. Доступ 28 апреля 2019.
Tan, E. (2018). IBM’s Watson will speed-edit Wimbledon videos by recognising player emotions. https://www.campaignlive.co.uk/article/ibms-watson-will-speed-edit-wimbledon-videos recognising-player-emotions/1485998. Доступ 3 мая 2019.
Wibbitz. (2019). Make video production quick and easy for anyone on your team. https://www. wibbitz.com/. Доступ 21 апреля 2019.
Wilde, T. (2018). Customer Engagement mit Chatbots und Collaborativen Bots: Vorgehen, Chancen und Risiken zum Einsatz von Bots in Service und Marketing. В P. Gentsch (ред.), Künstliche Intelligenz für Sales, Marketing und Service, Mit AI und Bots zu einem Algorithmic Business – Konzepte, Technologien und Best Practices. (с. 138–149). Висбаден.
Wise Athena. (2019). Get the right prices every promotional cycle using artificial intelligence. http://wiseathena.com/. Доступ 21 апреля 2019.
Wittenhorst, T. (2018). Alexa hört dich husten: Amazon erhält Patent auf Werbeangebote für Kranke. https://www.heise.de/newsticker/meldung/Alexa-hoert-dich-husten-Amazon-erhaelt Patent-auf-Werbeangebote-fuer-Kranke-4190512.html. Доступ 19 апреля 2018.
Valinsky, J. (2019). Amazon reportedly employs thousands of people to listen to your Alexa conversations. https://edition.cnn.com/2019/04/11/tech/amazon-alexa-listening/index.html. Доступ 23 апреля 2019.
YouGov. (2018). Umfrage zur Bereitschaft zur Kommunikation mit Chatbots in Deutschland 2018. https://de-statista-com.ezproxy.hwr-berlin.de/statistik/daten/studie/872922/umfrage/ bereitschaft-zur-kommunikation-mit-chatbots-in-deutschland/. Доступ 19 апреля 2019.
YouTube. (2018). Google duplex makes actual phone call in human voice to fix Salon appointment. https://www.youtube.com/watch?v=yv_8dx7g-WA). Доступ 30 августа 2018.
Другие статьи по этой теме:
- 601 пример внедрения ИИ на производствах и преприятиях
- ИИ в корпоративном секторе
- Пособие по разработке стратегии ИИ