Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
243
О. И. Ларина,
кандидат экономических наук, доцент, доцент,
Государственный университет управления
Е. Д. Коневцева,
студент,
Государственный университет управления
СОВРЕМЕННАЯ ЦИФРОВАЯ ТРАНСФОРМАЦИЯ МАРКЕТИНГА
И ВЛИЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА ПРОЦЕСС
ПЕРСОНАЛИЗАЦИИ МАРКЕТИНГОВЫХ ПРЕДЛОЖЕНИЙ
Аннотация.
Цель данной научной статьи – исследовать влияние искусствен-
ного интеллекта (ИИ) на персонализацию маркетинговых предложений в рамках
современной цифровой трансформации, а также выявить перспективы развития
правового регулирования этого процесса. Актуальность темы обусловлена необ-
ходимостью адаптации действий компаний к ожиданиям клиентов, предоставля-
ющих индивидуальный опыт взаимодействия на основе современных цифровых
технологий. Рассмотрены современные тенденции цифровой трансформации мар-
кетинга и роль персонализации. Исследованы возможности ИИ для автоматиза-
ции процессов персонализации, включая анализ больших данных о клиентах и оп-
тимизацию взаимодействия. Проанализированы этические и правовые проблемы
применения ИИ в маркетинге, включая прозрачность работающих алгоритмов
и защиту персональных данных. Результаты исследования подтверждают значи-
тельное улучшение уровня персонализации при помощи адекватной настройки
технологий ИИ, и соответственно, повышение лояльности клиентов.
Ключевые слова:
цифровые технологии, искусственный интеллект, персо-
нализация, маркетинговые предложения, цифровая трансформация, машинное об-
учение, клиентское поведение, эффективность персонализации
MODERN DIGITAL TRANSFORMATION OF MARKETING
AND THE INFLUENCE OF ARTIFICIAL INTELLIGENCE
ON THE PROCESS OF PERSONALIZATION OF MARKETING OFFERS
Abstract.
The purpose of this scientific article is to investigate the influence
of artificial intelligence (AI) on the personalization of marketing offers within
the framework of modern digital transformation, as well as to identify prospects for
the development of legal regulation of this process. The relevance of the topic is due
to the need to adapt the actions of companies to the expectations of customers who
provide an individual experience of interaction based on modern digital technologies.
The article discusses the current trends of digital transformation of marketing and
the role of personalization. The possibilities of AI for automation of personalization
processes, including analysis of big data about customers and optimization of interaction,
are investigated. The authors analyzed the ethical and legal problems of using AI in
marketing, including the transparency of working algorithms and the protection
of personal data. The results of the study confirm a significant improvement in the level
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
244
of personalization with the help of adequate customization of AI technologies, and,
accordingly, an increase in customer loyalty.
Keywords
:
digital technologies, artificial intelligence, personalization, marketing
proposals, digital transformation, machine learning, customer behavior, personalization
effectiveness
Введение.
В эпоху цифровой трансформации маркетинга персонализация
на основе технологий искусственного интеллекта (далее – ИИ) становится одной
из ключевых тенденций. Персонализация подразумевает индивидуальный подход
к каждому клиенту с учетом его предпочтений. На данный момент персонализа-
ция маркетинга с применением ИИ – важнейший тренд в повышении качества
обслуживания клиентов. Благодаря возможностям автоматизированной обработки
данных и машинного обучения, ИИ способен существенно повысить эффектив-
ность персонализации. Уже сейчас многие компании адаптируют свои сервисы
под особенности целевой аудитории.
Особую актуальность персонализация на основе ИИ имеет для российского
финансового рынка. Ключевые игроки, такие как Сбербанк, ВТБ и Тинькофф, ак-
тивно применяют интеллектуальные технологии в маркетинге для повышения ло-
яльности клиентов, при этом остается открытым вопрос правового регулирования
сферы защиты персональных данных в России, что требует поиска работающих
инструментов. В статье анализируются тенденции применения ИИ для персона-
лизации маркетинга на примере конкретных технологий. Также затронуты право-
вые и этические аспекты использования ИИ в маркетинге.
Современные тенденции персонализации в рамках цифровой трансфор-
мации маркетинга
В традиционном подходе продаж и маркетинга, компании основывались на
ручных процессах и проверенных методологиях, полагаясь на интуицию специа-
листов для достижения своих целей. Однако такой подход ограничивал анализ це-
левой аудитории, возможность персонализации и согласованность в деятельности
между отделами.
Персонализация маркетинга традиционными методами имела ряд ограниче-
ний, обусловленных следующими факторами:
– опора на ручные процессы и интуицию специалистов вместо использова-
ния автоматизированных систем для анализа данных и разработки стратегий;
– отсутствие широкого сбора и глубокого изучения информации о предпочте-
ниях и поведении целевой аудитории;
– фрагментированность подходов к маркетингу между различными отделами
компании.
В результате традиционные подходы приводили к следующим проблемам:
– невозможность точной сегментации и определения целевой аудитории из-
за недостатка глубоких знаний о клиентах;
– ограниченные возможности для создания персонализированных маркетин-
говых предложений;
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
245
– низкая согласованность действий в маркетинге вследствие разобщенности
отделов в компании.
Развитие технологий ИИ открывает новые возможности для эффективной
персонализации маркетинга. Благодаря анализу больших данных и машинному
обучению, ИИ значительно повысил результативность процессов персонализации
по сравнению с ограниченными возможностями человека. Рациональное сочета-
ние интеллектуальных технологий и человеческого интеллекта способствует реа-
лизации клиентоцентрического подхода.
В настоящее время можно выделить несколько перспективных направлений
применения ИИ для персонализации в маркетинге:
1) использование алгоритмов ИИ и машинного обучения для анализа боль-
ших данных о потребителях и создания точных профилей целевой аудитории. ИИ
позволяет автоматизировать сегментацию клиентской базы и разработку персона-
лизированных маркетинговых предложений;
2) применение голосовых помощников и чат-ботов на основе ИИ для персо-
нализированного диалога с потребителями в различных каналах коммуникации;
3) использование технологий интернета вещей и геолокации для сбора дан-
ных о поведении клиентов в режиме реального времени и отправки персональных
предложений в нужный момент;
4) генерация динамического персонализированного контента на веб-сай-
тах и в мобильных приложениях на основе интересов и действий конкретных
пользователей;
5) создание индивидуального пути клиента с использованием омниканальных
коммуникаций и релевантного контента на всех этапах взаимодействия с брендом;
6) внедрение инструментов автоматизации для масштабирования персонали-
зации маркетинга на большие аудитории;
7) применение технологий дополненной реальности для создания персона-
лизированного потребительского опыта.
ИИ открывает новые перспективы для повышения релевантности маркетин-
говых коммуникаций и улучшения клиентского опыта на основе персональных
данных и предпочтений аудитории взамен традиционным подходам, которые были
сравнительно менее эффективнее.
Рост значимости персонализации в маркетинге
Рост значимости персонализации в маркетинге обусловлен повышением
количества контента и рекламных предложений в медиасфере, и повышением
клиентских ожиданий. Одним из ключевых преимуществ использования ИИ для
персонализации является создание максимально релевантной для каждого потре-
бителя рекламы. Такая целевая реклама воспринимается положительно и прино-
сит лучшие результаты.
Еще одним важным аспектом является анализ онлайн-поведения поль-
зователей для создания персональных маркетинговых предложений. Этот
подход, известный как онлайн-поведенческая реклама, становится все более
распространенным.
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
246
Конкретные примеры использования ИИ для персонализации включают:
– рекомендательные системы, предлагающие пользователям персонально по-
добранный контент и товары на основе их предыдущей активности;
– таргетированную рекламу, где ИИ анализирует данные о пользователях
и показывает наиболее подходящим людям рекламу товаров и услуг;
– чат-боты и виртуальные помощники, использующие ИИ для персонализи-
рованного диалога с каждым клиентом;
– автоматизацию маркетинга и продаж, когда ИИ генерирует персональные
предложения и взаимодействует с клиентами в индивидуальном режиме.
Рис. 1. Влияние ИИ на персонализацию в маркетинге
Источник
: составлено авторами.
Развитие технологий искусственного интеллекта оказывает значительное
влияние на процессы персонализации в современном маркетинге. Как видно из
представленной выше схемы (рис. 1), такие инструменты ИИ, как обработка есте-
ственного языка, компьютерное зрение, машинное обучение и анализ больших
данных, позволяют реализовывать высокоточную персонализацию маркетинга.
На основе этих технологий создаются рекомендательные системы, таргетирован-
ная реклама, персональные чат-боты и другие инструменты для индивидуального
взаимодействия с клиентами. Анализируя данные о клиентах, ИИ выявляет их
предпочтения и интересы, что приводит к повышению конверсий продаж, росту
вовлеченности аудитории и укреплению долгосрочных отношений с клиентами.
ИИ становится ключевым драйвером персонализации маркетинга.
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
247
Примеры использования ИИ для маркетинга в российских банках
Развитие технологий искусственного интеллекта (ИИ) способствует росту
персонализации маркетинговых стратегий ведущими российскими компаниями.
Анализ больших данных о предпочтениях и поведении клиентов позволяет алго-
ритмам ИИ сегментировать аудиторию и формировать индивидуальные ценност-
ные предложения для каждого потребителя. Данные становятся «новой валютой»,
то есть активами, имеющими ценность. Около 67 % пользователей готовы делить-
ся с банками своими персональными данными в обмен на выгодные индивидуаль-
ные предложения [12].
Одним из лидеров в использовании ИИ для маркетинга является Сбербанк.
Банк активно применяет технологии для глубокого анализа данных о клиентах
и создания персонализированных рекомендаций финансовых продуктов и ус-
луг. СберБанк использует комплексные исследования качества сервиса и методы
CX- и UX-исследований, включая карты клиентского пути (CJM), для оптимиза-
ции клиентского опыта. Они также активно применяют Data Driven-подход, ос-
нованный на больших данных, и искусственный интеллект для прогнозирования
взаимодействия с клиентами, включая места покупок и оплаты услуг. Целью яв-
ляется предоставление клиентам наиболее релевантных и персонализированных
предложений и ответов на возможные вопросы, предвосхищая их ожидания [11].
Также используются виртуальные помощники на базе ИИ для повышения каче-
ства обслуживания. Сбербанк интегрировал искусственный интеллект в свое мо-
бильное приложение, чтобы предоставить персонализированное обслуживание
пользователям. Новая система анализирует потребности и текущий профиль кли-
ента, предлагая релевантные продукты и услуги. Основное обновление состоит
в применении нейронной сети, которая проводит анализ более чем 1000 параме-
тров предпочтений клиента. В результате на главной странице приложения бу-
дут отображаться карточки с функциями, которыми пользователь наиболее часто
пользуется. Это позволит более точно предоставлять услуги, соответствующие
потребностям каждого клиента. Сейчас Банк активно развивает отечественный
аналог ChatGPT от OpenAi – Gigachat. GigaChat – мультимодальная модель, кото-
рую Сбер анонсировал в конце апреля 2023 года. Она может отвечать на вопросы,
вести диалог, писать код, придумывать планы презентаций, сочинять стихи, пи-
сать школьные эссе и выполнять другие текстовые задачи.
ВТБ совместно с рекламными агентствами внедрил инструменты гиперсег-
ментации на основе ИИ, что позволило точнее позиционировать банковские про-
дукты для различных групп клиентов. ВТБ использует искусственный интеллект
в большинстве процессов, в том числе при формировании предложений и приня-
тии решений по кредитам, в голосовых помощниках, работе кол-центра, чат-ботах,
в маркетинговых задачах. В настоящее время чат-бот в официальном приложении
банка забирает 80 % всей нагрузки без привлечения человека [2]. В рамках со-
вместного проекта между ВТБ и «Ростелекома», названного «Платформа больших
данных», объединены участники из различных областей. С целью получения не-
обходимой обезличенной информации, сотрудники проекта планируют обращать-
ся к партнерам за разнообразными данными. Ключевым фактором для успешной
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
248
реализации проекта станет пересечение данных, бизнес-интересов и предпочте-
ний клиентов в одной точке, что позволит создать инновационный сервис, дей-
ствующий как надежный помощник для пользователей [6].
Тинькофф Банк также применяет технологии ИИ для автоматизации мар-
кетинга и анализа поведения клиентов с целью формирования индивидуальных
предложений финансовых услуг. Один из примеров – запуск голосового помощ-
ника «Олег». «Олег» предоставляет быстрые и эффективные ответы на вопро-
сы клиентов и в будущем сможет предугадывать их потребности [12]. С 2020 г.
Тинькофф Банк стал активно применять ИИ для персонализации маркетинговых
предложений. Основные исследования сосредоточены на трех направлениях: ком-
пьютерное зрение, обработка естественного языка и обучение с подкреплением
для автоматизации принятия решений. Графовые нейронные сети используются
для улучшения рекомендаций, а также применяются методы учета времени для
повышения качества предложений в мобильном приложении. Это позволяет пред-
лагать пользователям индивидуальные категории кэшбэка и персонализирован-
ные предложения от партнеров [4].
Таким образом, искусственный интеллект неумолимо проникает во все сфе-
ры маркетинга, запуская по-настоящему революционные процессы. Те компании,
которые сумеют в полной мере овладеть возможностями ИИ, обретут колоссаль-
ные конкурентные преимущества и вырвутся далеко вперед.
Возможности искусственного интеллекта для персонализации
маркетинга
Искусственный интеллект кардинально меняет подходы к маркетингу и от-
крывает принципиально новые возможности для выстраивания эффективных
стратегий продвижения. С внедрением ИИ стали развиваться следующие направ-
ления маркетинга:
предиктивная аналитика – способность на основе обработки больших дан-
ных предсказывать будущие действия клиентов и выявлять закономерности. ИИ
может проанализировать огромные массивы исторической информации о поведе-
нии потребителей – от данных о покупках до демографии и особенностей пользо-
вания веб-сайтами;
персонализация – использование данных о предпочтениях конкретного кли-
ента для создания уникального предложения автоматически;
решение рутинных задач: автоматизация email-рассылок, управление ре-
кламными кампаниями, оптимизация бюджетов. Еще одно перспективное направ-
ление – использование нейросетей для создания маркетингового контента и дру-
гих графических объектов.
Одной из практических возможностей ИИ является создание генерирован-
ной контекстной рекламы. Например, в Яндекс.Директ есть функция настройки
параметров посетителей, которая позволяет адаптировать рекламные обращения
к каждому пользователю. Это позволяет обращаться к клиентам по имени, исполь-
зовать их атрибуты, такие как пол, возраст, интересы, предпочтения устройств
и другие данные. Таким образом, можно сегментировать пользователей, настра-
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
249
ивать ретаргетинг, предлагать персонализированные акции и скидки, напоминать
о днях рождения и предлагать соответствующие товары [10].
Становится очевидным, что все организации будут в дальнейшем стремить-
ся упростить свои бизнес-процессы через внедрение и применение технологий
ИИ. Возможности, предоставляемые ИИ для персонализации, являются достаточ-
но обширными, и в перспективе оптимизация персонализации достигнет столь
высокого уровня, что все продукты, представленные потребителю в виртуальном
пространстве, будут оптимизированы персонально и с максимальной точностью,
учитывая его индивидуальные предпочтения и потребности.
Анализ больших данных о потребителях
Анализ больших данных предоставляет новые возможности для разработ-
ки эффективных маркетинговых стратегий в современных реалиях. Благодаря
прогрессу в сфере сбора и обработки информации компании получили доступ
к обширным массивам разнообразных сведений о поведении и предпочтениях по-
требителей. Для аккумуляции данных применяется широкий набор источников.
Традиционные методы включают опросы, фокус-группы, анализ демографии.
Современные технологии открыли доступ к огромным объемам сведений: произ-
водится сбор данных из социальных сетей, мобильных приложений, веб-аналити-
ки, геолокации.
Эти данные могут включать:
– демографические характеристики: способствуют пониманию наиболее ак-
тивных групп потребителей и возможных предпочтений, связанных с определен-
ными демографическими категориями;
– поведенческие данные: способствуют пониманию взаимодействия потре-
бителей с брендом и их предпочтений;
– психографические данные: помогают определить мотивации и предпочте-
ния потребителей, а также их стиль жизни и потребления;
– социальные данные: способствуют пониманию влияния социальных сетей
на поведение и предпочтения потребителей;
– географические данные: могут определить наиболее перспективные реги-
оны или города для бизнеса, а также влияние местных факторов на поведение
потребителей;
– отзывы и обратная связь: данные, полученные от потребителей в виде от-
зывов, комментариев, оценок и обратной связи, могут предоставить ценную ин-
формацию о восприятии продуктов или услуг, а также о возможных улучшениях.
Эффективный анализ больших данных опирается на применение передовых
технологических решений, каждое из которых обладает своими особенностями.
В приведенной ниже табл. 1 представлен обзор ключевых технологий для рабо-
ты с большими данными, наиболее широко используемыми в настоящее время.
Такая систематизированная информация дает полезный обзор текущего состоя-
ния и возможностей передовых технологий аналитики больших данных, помогая
специалистам выбрать оптимальные инструменты для решения стоящих задач.
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
250
Таблица 1
Ключевые инструменты и технологии для обработки больших данных (Big Data):
анализ, преимущества и ограничения [5, 9]
Технология
Определение
Преимущества
Область
применения
Недостатки
Hadoop
Распределенная
файловая система
и фреймворк для
обработки больших
данных
Масштабируе-
мость, отказоу-
стойчивость, низ-
кая стоимость
Хранение и анализ
неструктурирован-
ных данных
Высокая сложность,
требует квалифици-
рованных кадров
Spark
Фреймворк для высо-
копроизводительной
обработки больших
данных в оператив-
ной памяти
Высокая ско-
рость, удобные
инструменты для
SQL и машинно-
го обучения
Обработка и анализ
структурированных
и неструктурирован-
ных данных
Требует оптимиза-
ции для эффектив-
ности
Машинное
обучение
Методы автоматиче-
ского построения ана-
литических моделей
на основе данных
Возможность
глубокого анали-
за и прогнозиро-
вания
Прогнозная анали-
тика, классифика-
ция, кластеризация
данных
Требует больших
вычислительных ре-
сурсов и качествен-
ных данных
Data mining
Обнаружение скры-
тых закономерностей
и знаний в данных
Выявление нео-
чевидных трен-
дов и паттернов
Поиск закономерно-
стей в разнородных
данных
Риск переобучения
и получения случай-
ных паттернов
Аналитика
в реальном
времени
Анализ данных по
мере поступления
Оперативное реа-
гирование и при-
нятие решений
Анализ потоков
данных из разных
источников
Требует сложной
инфраструктуры
и высокой произво-
дительности
Краудсор-
синг
Распределенная
обработка данных
с участием множества
узлов
Масштабируе-
мость, снижение
стоимости
Ручная обработка
и аннотирование
больших объемов
данных
Сложная коорди-
нация, контроль
качества
Блокчейн
Распределенная не-
изменяемая цепочка
блоков данных
Прозрачность,
безопасность,
целостность
данных
Хранение критиче-
ски важных данных,
финансовые опера-
ции
Ограниченная про-
изводительность,
высокая стоимость
Визуализа-
ция данных
Графическое пред-
ставление больших
данных
Наглядность,
интерактивный
анализ
Визуализация стати-
стики, построение
дашбордов
Требует хорошо
структурированных
данных
Облачные
вычисления
Предоставление
вычислительных
ресурсов как услуги
из облака
Гибкость, мас-
штабируемость,
доступность
Хранение, обработ-
ка, анализ больших
данных
Зависимость от про-
вайдера, проблемы
безопасности
SQL
Язык для работы
с данными в реляци-
онных базах
Декларативный,
структурирован-
ный, широкая
поддержка
Хранение и извлече-
ние структурирован-
ных данных
Не подходит для не-
структурированных
или полуструктури-
рованных данных
NoSQL
Нереляционные базы
данных
Гибкость, мас-
штабируемость,
высокая произво-
дительность
Хранение неструкту-
рированных и полу-
структурированных
данных
Отсутствие стан-
дартов, сложность
поддержки целост-
ности
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
251
Таким образом, рассмотренные в табл. 1 технологии анализа больших дан-
ных представляют собой мощный и разнообразный инструментарий для реше-
ния самого широкого спектра аналитических задач. Грамотный выбор техноло-
гической платформы позволяет компаниям эффективно извлекать ценные знания
из растущих массивов информации о клиентах, рынках и бизнес-процессах. При
этом стоит отметить, что большие данные (Big Data) необходимы именно для того,
чтобы проанализировать все значимые факторы и принять верное решение. С по-
мощью технологий Big Data можно строить модели-симуляции, чтобы протести-
ровать то или иное решение, идею или продукт перед внедрением [5].
Комбинирование разных инструментов анализа в рамках общей стратегии
работы с данными открывает широкие возможности для получения конкурентных
преимуществ и построения устойчивых взаимовыгодных отношений с клиентами
на основе глубокого понимания их потребностей.
Автоматизация разработки персонализированных предложений
Автоматизация разработки персонализированных предложений с использо-
ванием ИИ и анализа больших данных открывает новые возможности для бизнеса
в плане повышения лояльности и удовлетворенности клиентов. Персонализация
рекомендаций и предложений на основе анализа больших данных о поведении
и интересах клиентов является одним из ключевых применений ИИ в маркетинге.
Использование методов машинного обучения позволяет выявлять скрытые зако-
номерности в данных и на их основе формировать индивидуальные рекомендации
товаров и услуг, максимально соответствующих предпочтениям конкретных кли-
ентов. Анализ больших данных о клиентах с применением методов машинного
обучения позволяет выявлять неочевидные закономерности в поведении аудито-
рии и на этой основе создавать действительно ценные для клиента персонализи-
рованные предложения.
Другим важным подходом является создание единого омниканального про-
филя клиента на основе данных из различных источников – колл-центров, тер-
миналов самообслуживания, веб-сайтов, мобильных приложений. Это позволяет
формировать персонализированные предложения с учетом всей истории взаимо-
действия клиента с компанией через различные каналы.
Применение технологий ИИ также помогает автоматизировать и улучшить
процесс обслуживания клиентов. Интеллектуальные помощники на базе обработ-
ки естественного языка способны оперативно и точно отвечать на запросы клиен-
тов, предоставляя персонализированные рекомендации, такие технологии актив-
но используются в чат-ботах.
Комплексное применение методов ИИ и анализа больших данных открывает
новые возможности для повышения лояльности клиентов за счет предоставления
им персонализированного сервиса и релевантных предложений по всем каналам
взаимодействия с брендом. Успешные кейсы внедрения таких технологий уже
встречаются в российских компаниях, таких как Сбер, Тинькофф, ВТБ, Яндекс
и других, что подтверждают их эффективность и перспективность.
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
252
Оптимизация клиентского пути
Современные технологии кардинально изменили клиентский путь и спосо-
бы взаимодействия компаний с потребителями. Компании могут предлагать ка-
ждому клиенту персональные рекомендации исходя из его предпочтений, инте-
ресов и предыдущего поведения. Для большей наглядности возьмем условную
компанию-экосистему
N
, включающую банковские, логистические, развлекатель-
ные и другие сервисы. Интегрированная инфраструктура позволяет собирать раз-
носторонние данные о клиентах и на их основе формировать высокорелевантные
персональные предложения. Рассмотрим подробнее, как выглядит клиентский
путь внутри экосистемы
N
(табл. 2).
Таблица 2
Поэтапный путь, наглядно демонстрирующий процессы персонализации клиента
условной компании-экосистемы
N
Этап сбора и обработки
персональных данных
Описание
Регистрация клиента
в приложении
Клиент регистрируется в приложении компании
N
, предоставляя свои
базовые персональные данные, такие как имя, электронная почта и номер
телефона
Сбор данных о поведении
клиента
Приложение отслеживает активность клиента внутри экосистемы бренда
N
. Это включает в себя его предпочтения, поиск и просмотр товаров/услуг,
совершение покупок, заказы такси, доставку еды и цветов, что создает
цифровый след клиента
Сбор данных
о платежеспособности
клиента
Данные о платежной истории клиента, его платежеспособности
и кредитной истории также собираются для определения его финансовой
способности
Сбор демографических
данных
Дополнительные демографические данные могут быть получены с по-
мощью анкет или опросов, например, возраст, пол, место проживания,
интересы и предпочтения клиента
Сегментация и анализ
данных
Данные проходят через процесс сегментации и анализа с использованием
технологий искусственного интеллекта и обработки больших данных
(
AI/ML
)
Персонализация
предложений
На основе анализа данных формируются персонализированные предло-
жения и рекламные кампании для каждого клиента в разных сервисах
компании
N
Использование
компьютерного зрения
и Data
Технологии компьютерного зрения используются для анализа поведения
клиентов и предпочтений через изображения, например, распознавание
продуктов на фото. Технологии Data также применяются для анализа
огромных объемов данных
Автоматическое
уточнение предложений
AI/ML
используются для автоматического уточнения предложений
в реальном времени на основе действий и интересов клиента, например,
предложение вариантов такси или рекомендации в маркетплейсе
Кросс-платформенные
предложения
На основе созданного профиля клиента, персонализированные
предложения представляются через различные сервисы компании
N
, такие
как банковские услуги, доставка еды, цветов, интернет-маркетплейс и т. д.
Персонализация рекламы
Используя данные о предпочтениях и интересах клиента, рекламные
материалы отображаются в соответствии с его индивидуальными
потребностями, повышая эффективность рекламных кампаний
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
253
Этап сбора и обработки
персональных данных
Описание
Кросс-продажи
На основе информации о покупках клиента в разных сервисах компании
N
,
система предлагает персонализированные предложения о дополнительных
услугах и продуктах, удовлетворяющих его потребностям
Готовый
персонализированный
продукт
В результате сбора и обработки данных с использованием новейших
технологий ИИ, компания N предоставляет клиентам уникальный,
персонализированный опыт
Таким образом, из табл. 2 следует, что комплексный подход к анализу данных
о клиентах и их взаимодействию с брендом позволяет выстраивать идеальный
индивидуальный клиентский путь. Компании, уделяющие приоритетное внима-
ние оптимизации того процесса, смогут добиться высокой лояльности аудитории
и долгосрочных конкурентных преимуществ на рынке.
Правовые и этические проблемы применения ИИ для персонализации
маркетинга
Применение технологий ИИ для персонализации маркетинга открывает зна-
чительные возможности для повышения эффективности взаимодействия с клиен-
тами. Однако наряду с преимуществами это порождает и новые правовые и этиче-
ские вызовы, которые необходимо учитывать:
1) конфиденциальность и защита данных. Использование ИИ требует сбора
и анализа больших объемов личной информации о потребителях. Это порождает
серьезные опасения относительно конфиденциальности данных и возможных зло-
употреблений. Компаниям необходимо строго соблюдать законодательство о за-
щите персональных данных и предоставлять пользователям прозрачный контроль
над тем, как используется их информация. В этой связи актуальным представля-
ется новый законопроект, который обсуждался на форуме «Армия-2023», разраба-
тываемый в Госдуме РФ, о создании обезличенных баз данных для нужд обучения
нейросетей искусственного интеллекта. Данная законодательная инициатива при-
звана сформировать правовые условия для безопасного использования больших
объемов данных в целях развития технологий ИИ при сохранении конфиденци-
альности субъектов этих данных. Успешное правовое регулирование этого вопро-
са будет способствовать развитию ИИ в маркетинге и других сферах [3];
2) этические аспекты. Персонализированный маркетинг на основе ИИ мо-
жет восприниматься потребителями как чрезмерное вторжение в частную жизнь.
Компаниям важно соблюдать баланс между эффективностью персонализации
и уважением к автономии и достоинству клиентов [13];
3) ответственность и безопасность. Применение ИИ сопряжено с потенци-
альными кибер–рисками. Компании должны обеспечивать надежную защиту дан-
ных клиентов и нести юридическую ответственность за любые инциденты, свя-
занные с использованием ИИ [8];
4. недискриминация. Алгоритмы ИИ могут непреднамеренно приводить
к дискриминации отдельных социальных групп [1]. Необходимо тщательно тести-
Окончание табл. 2
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
254
ровать системы ИИ на предмет возможных предвзятостей и гарантировать равный
доступ всех потребителей к маркетинговым предложениям;
5. прозрачность и контроль со стороны потребителей. Потребители долж-
ны четко понимать, как используются их данные, и иметь возможность контроли-
ровать это. Компании обязаны предоставлять прозрачную информацию о своих
практиках персонализации на основе ИИ [7].
Таким образом, внедрение ИИ в маркетинг требует тщательного учета це-
лого ряда правовых и этических аспектов. Компаниям необходимо выстраивать
свои практики персонализации таким образом, чтобы соблюдать права потре-
бителей, обеспечивать безопасность данных и избегать потенциальных нега-
тивных последствий использования технологий ИИ. Ответственный и этичный
подход к внедрению ИИ в маркетинг имеет важное и принципиальное значение.
Проведенное исследование позволило выявить ключевые тенденции в области
персонализированного маркетинга и роль искусственного интеллекта в данных
процессах. Результаты исследования подтверждают, что технологии искусствен-
ного интеллекта являются важнейшим драйвером персонализации современного
маркетинга. Их использование позволяет повысить релевантность взаимодей-
ствия с клиентами, конверсию продаж и лояльность аудитории. Вместе с тем
применение ИИ сопряжено с рядом правовых и этических рисков, которые необ-
ходимо учитывать.
Список литературы
1. Amazon отказался от ИИ-алгоритма для найма сотрудников. Он дискрими-
нировал женщин. URL: https://incrussia.ru/news/ii-diskriminiroval-zhenshhin/
2. ВТБ – не столько фабрика ИИ, сколько наука и практика, как целое. URL:
https://ib-bank.ru/bisjournal/post/1691
3. Законопроект про обезличенные данные для машинного обучения могут
принять осенью. URL:https://tass.ru/ekonomika/18538475
4. Как работает отдел исследований искусственного интеллекта в «Тинькофф».
URL:
https://vc.ru/tinkoff/566973-kak-rabotaet-otdel-issledovaniy-iskusstven-
nogo-intellekta-v-tinkoff-JapBI1rcC-JapBI1EeK
5. Клейменова Л., Зуйкова А. Что такое Big Data и почему их называют «но-
вой нефтью». URL: https://trends.rbc.ru
6. Костоева В. От безопасности к персонализации: куда ведет технологиче-
ская трансформация ВТБ. URL: https://www.forbes.ru
7. Казанцев Д. А. Проблемы и перспективы регулирования отношений в рам-
ках сделки, совершенной с участием искусственного интеллекта // Journal of Digital
Technologies and Law. 2023. Т. 1, № 2. С. 438-463. EDN JYQAZW.
8. Лаптев В. А. Понятие искусственного интеллекта и юридическая ответ-
ственность за его работу // Право. Журнал Высшей школы экономики. 2019. № 2.
С. 79-102, 94-95.
9. Макаров А., Зуйкова А. Что такое Big Data и как они устроены. URL: https://
practicum.yandex.ru/blog/chto-takoe-big-data/
Мультидисциплинарные (неюридические) аспекты цифровой трансформации
Multidisciplinary (Non-Legal) Aspects оf Digital Transformation
255
10. Персонализация объявлений в Яндекс.Директе. URL: https://www.
adclients.ru/blog/personalizatsiya-obyavleniy-v-yandexdirekte.html
11. Персонализация и искусственный интеллект: Сбер поделился идеями.
URL: https://bdg.by/personalizaciya-i-iskusstvennyy-intellekt-sber-podelilsya-ideyami
12. «Олег, где деньги?» – как голосовые помощники и другие технологии
меняют наше взаимодействие с банком. URL: https://redmadrobot.ru/dizajn-1/
oleg-gde-dengi-kak-ii-golosovye-pomoshhniki-giperpersonalizacziya-i-drugie-teh-
nologii-menyayut-nashe-vzaimodejstvie-s-bankom
13. Тимохович А. Н., Булычева О. С. Технологии персонализации маркетин-
говых коммуникаций брендов при помощи искусственного интеллекта. Цифровая
социология // Digital Sociology. 2020. № 3(4). С. 19-24.
О. И. Ларина,
кандидат экономических наук, доцент,
Государственный университет управления
Н. В. Морыженкова,
кандидат экономических наук,
Государственный университет управления
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В БАНКАХ И ПРАВО ПОТРЕБИТЕЛЯ
НА ИНДИВИДУАЛЬНОЕ ОБСЛУЖИВАНИЕ
Аннотация.
На сегодняшний день рынок искусственного интеллекта актив-
но растет и развивается, предлагая новые возможности в сфере обслуживания
банковских клиентов. Результаты опроса показали, что подавляющее большин-
ство потребителей готовы к взаимодействию с технологиями искусственного ин-
теллекта в банковской сфере, однако до сих пор предпочитают иметь возможность
взаимодействия с сотрудником-человеком. Внедрение технологий искусственного
интеллекта в банковской сфере снова поднимает вопросы безопасности и конфи-
денциальности данных клиентов, а также вызывает дискуссию о правосубъектно-
сти «электронного лица».
Ключевые слова:
искусственный интеллект, клиентский сервис, права по-
требителя, некорректное цифровое проникновение, защита персональных данных,
конфиденциальность данных, правосубъектность искусственного интеллекта
ARTIFICIAL INTELLIGENCE IN BANKS AND THE CONSUMER’S RIGHT
TO INDIVIDUAL SERVICE
Abstract.
Today, the artificial intelligence market is actively growing and devel-
oping, offering new opportunities in the field of servicing banking customers. The sur-
vey results showed that most consumers are ready to interact with artificial intelligence
technologies in the banking sector, but still prefer to be able to interact with a human
employee. The introduction of artificial intelligence technologies in the banking sector
again raises issues of security and confidentiality of customer data, and also raises a dis-
cussion about the legal personality of the “electronic person”.
