Машинное обучение (МО) может превратить беспорядочное скопление больших массивов информации в кладезь ценной информации. Многие предприятия уже научились зарабатывать на этом деньги. Портал Techopedia рассказывает о том, в каких областях МО и искусственный интеллект (ИИ) помогают раскрывать ценность данных.

Большие данные всегда рассматривались как чрезвычайно ценный ресурс, который может предоставить организациям действенную информацию, которая повысит их деловые возможности. Большие данные можно сравнить с сырой нефтью: если для того, чтобы превратить последнюю в ценный продукт, требуется перегонка, то данные могут раскрыть свою ценность, будучи «переваренными» ИИ и МО. Ценные бизнес-данные могут принести организации пользу на многих направлениях, начиная с повышения эффективности операций и заканчивая генерированием новых потоков доходов. Вице-президент по инновациям в области платежей Mercator Advisory Group Тим Слоун поясняет: «Монетизация данных — это прохождение ваших данных через новые каналы».

Продажа третьим сторонам обезличенных данных о клиентах

Организация может извлечь выгоду, продавая данные о клиентах либо в виде обезличенных данных (т. е. лишенных какой-либо конфиденциальной информации), либо синтезированных данных (модифицированные данные, которые лишают третью сторону возможности отследить их источник, но при этом сохраняют свою статистическую ценность) сторонним компаниям как аналитические продукты. Приобретая агрегированные и предварительно обработанные данные, третья сторона рассчитывает, что они хранят ценные сведения в неочевидной форме, и, таким образом, могут стать источником нового потока доходов.

Например, торговому центру может потребоваться информация о том, какой тип еды предпочитают энтузиасты видеоигр, что позволит быстро разместить конкретный киоск быстрого питания в той же зоне, что и игровые магазины. В то же время телекоммуникационная компания может рассчитывать на дополнительный источник дохода, выставляя на продажу данные клиентов с привязкой к геолокации. Они могут представлять интерес для компаний, которые занимаются планировкой более эффективных технологических решений для «умного» города.

Повышение эффективности маркетинга

Чтобы обеспечить себе постоянный приток клиентов, компания должна ставить перед собой цели — выходить на новые рынки, экспериментировать с продуктами, заключать выгодные сделки и т. д. Собственно, именно для этого существует маркетинг и его применение — одна из самых дорогих статей расходов в бюджете любого современного предприятия. МО может использоваться для анализа большого количества маркетинговых данных: исходя из индивидуальных предпочтений пользователя, оно может рекомендовать ему видео или интересующие его статьи (это увеличит время его нахождения на веб-сайте или платформе, и, соответственно, позволит последним увеличить рекламные поступления) или привлечь внимание потенциальных клиентов. МО позволяет прогнозировать популярность контента с помощью анализа тональности текста (Sentiment analysis), что помогает упростить его типизацию.

Улучшенное профилирование пользователей

Чем больше компания знает о клиентах, тем ей проще отследить их поведение и создать встречное предложение. Извлечение полезной информации из пользовательских данных — основа анализа больших данных, и МО может поднять его на новый уровень. С его помощью можно применять модели прогнозирования оттока клиентов, что требуется для анализа их поведения. В итоге предприятие сможет определить, какие группы клиентов в скором времени намереваются прекратить использовать тот или иной продукт.

Обладание такого рода информацией позволяет предотвратить их отток (например, с помощью полностью автоматизированных платформ CRM) и сэкономить значительные средства, поскольку стоимость приобретения клиента (customer acquisition cost) в пять раз превышает стоимость удержания клиента (customer retention cost). Не менее значимыми являются модели жизненного цикла клиента (Customer lifetime value, CLTV) — пропуская через них данные, фирма может очертить круг пользователей, которые проявляют готовность к приобретению ее продуктов. Изучив пользовательские привычки, она сможет сосредоточить свои усилия только на лояльных клиентах и поднять показатели доходности.

ИИ как советчик и консультант

Для выполнения самых сложных задач компаниям часто приходится полагаться на опыт своих возрастных и наиболее квалифицированных сотрудников. Последние — критически важный актив организации, чьи знания и опыт очень сложно передать молодому поколению. Тем не менее, некоторые компании прибегли к помощи ИИ — он перелопачивает бесчисленные страницы документации (руководства пользователей, корреспонденцию о повседневных операциях и отчеты), написанные опытными сотрудниками и в том числе теми, которые уже вышли на заслуженный отдых.

Затем эта информация «скармливается» «умным» цифровым помощникам, которые могут в режиме реального времени предоставлять новым сотрудникам полезные данные, подбирать материал для производственных целей или подсказывать соответствующие решения на местах. ИИ повышает продуктивность труда — он берет на себя второстепенные задачи, поэтому сотрудники могут сконцентрироваться на выполнении основной работы.

Аналитические платформы самообслуживания

Данные можно превратить в монетизируемый актив, даже если компания не владеет ими или не генерирует их. Организации прибегают к этой сложной бизнес-модели, чтобы выудить из своих стратегических данных полезную информацию, воспользовавшись облачными аналитическими платформами самообслуживания (Self-Service Analytics, SSA). В эти платформы заложены базовые ИИ-алгоритмы, которые агрегируют, обогащают и анализируют данные для таких целей, как повышение качества и снижение стоимости имплантов, модулирование работы сложных систем, сетей, электростанций и т. д. Сочетая возможности МО с сенсорными датчиками, SSA могут прогнозировать и самостоятельно устранять сбои, сокращая время простоев до 40%, а также автоматизировать выполнение рабочих задач.

МО — борец с мошенническими данными

Собственная маркетинговая команда — дорогое удовольствие, поэтому чтобы нащупать новые идеи или привлечь клиентов, небольшим компаниям приходится полагаться на сторонних поставщиков. К сожалению, деятельность некоторых маркетинговых компаний — откровенное мошенничество. Чтобы фиктивно завысить число клиентов, такие фирмы оперируют в соцсетях подставными аккаунтами «клиентов» (вместе с ложными отзывами и комментариями в комплекте), а также прибегают к помощи ботов, чтобы создать видимость активности (боты постоянно загружают приложения, программное обеспечение и мобильные/онлайновые игры, генерируя количество просмотров). Тем не менее, боты не только никогда не будут платить за какие-либо услуги, но их также можно спутать с реальными людьми. Несмотря на то, что боты наводнили сеть, МО поможет их легко обнаружить.

Выводы

Сегодня 68% компаний применяют МО и ИИ для улучшения операционной деятельности. Причина — они раскрыли потенциал алгоритмического управления данными. Современный цифровой мир генерирует данные в астрономических масштабах, и есть только одно средство, которое поможет понять их ценность и монетизировать — это МО.