ИИ в контент-маркетинге: эти 23 направления рассказывают историю

Маркетологи, будьте благодарны, что ваша работа сложнее, чем игра в го.

Хотя люди добились больших успехов в области искусственного интеллекта, прикладной ИИ дал нам только более умные инструменты и помощников с ограниченной функциональностью. Как размышляет Ноам Хомский в этом интервью журналу Scientific American, «даже задачи, с которыми младенцы справляются почти рефлекторно, выходят далеко за рамки возможностей современного ИИ». Так что маловероятно, что в ближайшее время вы будете работать на повелителя ИИ.

Джон Маккарти впервые ввел термин «ИИ» в 1956 году на премьере научной конференции по этому вопросу. С тех пор он превратился в обширную и сложную тему, которая находит применение во все большем числе приложений.

Скорее всего, вы столкнулись с ИИ, даже не подозревая об этом. Если вы когда-либо использовали SIRI, посещали Facebook или совершали покупки на Amazon, искусственный интеллект всегда был рядом, чтобы помочь вам в путешествии.

В этом посте мы рассмотрим более двух десятков направлений искусственного интеллекта, чтобы понять его влияние на маркетологов, а также примеры того, как он применяется к контенту.

Искусственное творчество

Искусственное творчество — это попытка уловить творческий потенциал человеческого уровня в рамках алгоритма. Некоторые утверждают, что ИИ вообще не креативен и что лучшее, на что он способен, — это имитировать человеческое творчество. Несмотря на это, творчество ИИ в настоящее время используется различными низкоуровневыми способами среди популярных онлайн-изданий.

Креативность искусственного интеллекта изначально была замечена в отчетах о доходах и насыщенных данными историях о спорте и результатах выборов. Этот тип письма следует строго структурированной формуле с простым повествованием, что делает его идеальной ситуацией для использования ИИ. В этом контексте ИИ дополняет усилия создателей контента, позволяя им сосредоточить свое время на более ценном контенте.

Thomson Reuters начала использовать искусственный интеллект для автоматизации публикации отчетов о доходах еще в 2006 году. Другие известные издания, творчески использующие ИИ, включают Associated Press, Forbes, ProPublica и The Los Angeles Times. Тенденция к использованию ИИ в маркетинге продолжает усиливаться, поскольку за последние 18 месяцев было выпущено множество инструментов для написания ИИ.

Автоматизированное планирование и планирование

На самом высоком уровне эта ветвь искусственного интеллекта занимается превращением стратегий в реальность. Однако реальные приложения, как правило, менее абстрактны и более конкретны в своем подходе к решению повседневных задач.

ИИ отлично справляется с быстрым анализом огромных объемов данных, что является значительным преимуществом для маркетологов. Интеллектуальное программное обеспечение может быстро преобразовать большие объемы информации в полезную информацию.

Самым значительным преимуществом для контент-маркетологов является то, что они больше не увязают в анализе. То, что раньше занимало часы, если не дни, теперь можно сделать за считанные минуты. Это оставляет больше времени для важных действий, таких как критическое мышление и принятие решений.

MarketMuse использует искусственный интеллект для создания контент-стратегий, которые могут конкурировать в определенных тематических категориях. Он использует тематическое моделирование для выявления релевантных тем, для которых может потребоваться дополнительный контент или оптимизация существующих страниц.

Tailor Social, инструмент управления социальными сетями, использует искусственный интеллект, чтобы планировать публикации в социальных сетях. Он недавно вышел из бета-версии.

Автоматизированное мышление

Автоматизированное мышление стремится понять различные аспекты мышления и однажды может привести к «извлечению эстетических свойств, настроений и даже эмоций» из контента.

Но мы еще не там, на самом деле, мы далеки от этого. Но когда этот день наступит, мы увидим еще более мощные инструменты, которые проникнут в глубины контента, куда у маркетологов нет ни времени, ни желания рисковать.

Автоматизация

Автоматизация существует намного дольше, чем искусственный интеллект, но ИИ помог создать более разумные и лучшие способы повышения эффективности. Достижения в этой области позволили автоматизировать задачи, которые ранее были прерогативой человека. В результате вид работы, которую выполняют производители контента, меняется.

Возьмем, к примеру, процесс веб-дизайна, который обычно включает в себя множество дисциплин, включая дизайн и создание контента. Grid — это система веб-дизайна на базе искусственного интеллекта, которая создает веб-сайты на основе предоставленного вами контента.

Компьютерное зрение/распознавание объектов

Цифровая обработка изображений используется в ряде областей, включая распознавание образов, классификацию и извлечение признаков. На практическом уровне компьютерное зрение ИИ упрощает управление цифровыми активами. Одним из примеров является MavSocial, использующий технологию распознавания изображений от Miro.

Remove.bg использует сложную технологию искусственного интеллекта для обнаружения слоев переднего плана и отделения их от фона. Сложный процесс, который обычно требует часа или более с использованием Photoshop, теперь занимает всего пять минут.

Еще один способ, которым может помочь эта технология, — это автоматическая модерация контента. Clarifai предоставляет возможность модерировать и фильтровать конфиденциальную информацию с вашей платформы без вмешательства человека.

Управление знаниями

Girard & Girard в Online Journal of Applied Knowledge Management (PDF) заявляют, что «управление знаниями — это процесс управления созданием, обменом и использованием организационной информации и знаний». Как ветвь искусственного интеллекта, он охватывает различные аспекты, такие как интеллектуальный анализ концепций, интеллектуальный анализ данных, интеллектуальный анализ текста, извлечение информации и представление знаний. Именно в этих конкретных приложениях мы уже находим преимущества для контент-маркетологов.

Концепция майнинга

Интеллектуальный анализ концепций происходит из извлечения концепций из артефактов, таких как веб-страница или запись в блоге. Например, Aylien предлагает API с конечной точкой извлечения понятий, чтобы найти, какие темы упоминаются в фрагменте текста.

Будучи API, большинство маркетологов не могут воспользоваться им. Однако разработчики программного обеспечения могут включить этот API в свое собственное программное обеспечение для использования в сфере контент-маркетинга.

Вернитесь к разделу об искусственном творчестве, чтобы узнать, как его можно использовать на благо маркетологов.

Сбор данных

Интеллектуальный анализ данных направлен на обнаружение закономерностей в больших наборах данных. С точки зрения контент-маркетинга эта ветвь ИИ может помочь определить лучший контент для представления в нужное время на пути покупателя.

Анализируя расходы держателей карт, American Express может предлагать индивидуальные предложения, которые привлекают и удерживают клиентов. Затем он использует этот целевой маркетинг, чтобы подобрать продавцам подходящих клиентов, то есть тех, кто склонен тратить больше, чем средний потребитель.

British Airways использует свои активы данных для уникальной идентификации каждого клиента и персонализации их маркетинговых рассылок по электронной почте и других коммуникаций с клиентами.

Интеллектуальный анализ текста

Интеллектуальный анализ текста — это тип интеллектуального анализа данных, явно ориентированный на извлечение информации из текста с использованием распознавания образов и других подходов с помощью обработки естественного языка (NLP). Расширенные средства проверки грамматики, такие как Grammarly, являются одним из типов инструментов, созданных на основе этой технологии. Несомненно, маркетологи оценят преимущества!

На более продвинутом уровне платформа Acrolinx предлагает механизм лингвистической аналитики, который определяет стиль, грамматику, терминологию и тон авторов, чтобы весь ваш контент оставался фирменным. Это решает серьезную проблему, с которой сталкиваются все создатели корпоративного контента; поддержание согласованности контента и отражения бренда независимо от создателя контента.

Процесс майнинга

Анализ данных журнала событий для выявления тенденций и закономерностей называется анализом процессов. Livejourney применил это для отслеживания пути клиента в режиме реального времени. Отслеживая все точки соприкосновения с клиентом и анализируя пути с точки зрения клиента, вы можете устранить любую неэффективность и повысить удовлетворенность клиентов.

Фильтрация спама в электронной почте

Борьба со спамом с помощью спама. Rescam — это почтовый бот с искусственным интеллектом, который отвечает на мошеннические электронные письма. Чат-бот использует одну из своих человеческих личностей, чтобы продолжить разговор с потенциальным мошенником. Трата времени на бота дает мошенникам меньше времени на преследование реальных жертв. На сегодняшний день Rescam потратил впустую более пяти лет времени мошенников.

Извлечение информации

Эта ветвь ИИ часто фокусируется на обработке текста на человеческом языке с использованием НЛП. Реальные приложения варьируются от относительно простых, таких как автоматическое извлечение текста из электронных писем (Parseur), до более сложных задач обобщения документа (frase). Непосредственным вариантом использования этой технологии будет предоставление автоматических текстовых сводок для ежедневных новых обзоров или для использования при курировании контента.

Семантическая сеть

Семантическая сеть — это термин, придуманный Тимом Бернерсом-Ли, изобретателем всемирной паутины, еще в 2001 году (pdf). Идея состоит в том, что все данные в Интернете, контент, ссылки и транзакции могут быть проанализированы машиной. Но концепция изо всех сил пытается набрать обороты. Хотя количество сайтов, использующих семантическую веб-разметку, продолжает расти, они все еще в меньшинстве.

Одним из наиболее заметных применений семантической веб-технологии является BBS, которая использовала ее для поддержки всего своего веб-сайта чемпионата мира по футболу в 2010 году. Другие важные области применения семантической веб-технологии включают Time Inc., Elsevier и Библиотеку Конгресса.

Однако форматирование контента для семантической паутины гораздо сложнее, чем текущие процессы. Дополнительные время и расходы могут объяснить его медленное внедрение среди маркетологов.

Машинное обучение

Машинное обучение — это область искусственного интеллекта, которая заставляет компьютеры «учиться» на данных, не будучи запрограммированными для этой задачи. Механизмы рекомендаций, подобные тем, которые используются в Curata, Scoop.it и Zeta, представляют машинное обучение в действии.

Преимущество таких систем заключается в том, что рекомендации улучшаются со временем, поскольку система узнает, что представляет собой хорошее предложение. Однако у маркетологов может не хватить терпения дождаться этих улучшений!

Persado использует «язык, сгенерированный искусственным интеллектом, для тем электронных писем и платной рекламы в социальных сетях», оптимизированный для конверсий. Думайте об этом как об автоматическом тестировании конверсий.

Вам не нужно быть специалистом по оптимизации коэффициента конверсии или регулярно проводить тесты. ИИ, стоящий за программным обеспечением, берет на себя всю эту работу, постоянно обучаясь и предоставляя маркетологам лучший выбор.

Представьте, что вы предлагаете рекомендации в реальном времени с контентом, персонализированным для каждого пользователя. LiftIgniter использует машинное обучение для достижения этой цели. Он постоянно учится и оптимизируется в зависимости от поставленной вами цели.

Машинное обучение может сделать больше, чем просто помочь дать соответствующие рекомендации. Его можно даже использовать для создания или, точнее, курирования контента.

IBM Watson помог создать трейлер голливудского триллера/фильма ужасов.

Во-первых, его научили определять пугающие сцены и ужасающую музыку, а также анализировать композицию киносцен, чтобы определить, что делает их пугающими. Затем он посмотрел полнометражную версию фильма и выбрал десять моментов, которые были бы лучшими претендентами на роль в трейлере.

Реальная задача редактирования была предоставлена ​​человеческой изобретательности. Вот результат:

Глубокое обучение

Глубокое обучение — это аспект машинного обучения, основанный на представлении данных вместо использования алгоритмов для конкретных задач. Он применялся в различных областях, включая обработку естественного языка, машинный перевод и компьютерное зрение.

На конференции разработчиков игр 2018 года NVIDIA продемонстрировала «недавнее исследование способов использования сетей глубокого обучения для создания реалистичной человеческой анимации» и то, как они применяли глубокое обучение для синтеза текстур.

В более практичном приложении Envision использует искусственный интеллект, чтобы помочь маркетологам выбрать лучшую миниатюру видео, сегмент или картинку. Он также использует глубокое обучение для автоматического поиска и добавления лучших хэштегов для ваших сообщений в Instagram.

Обработка естественного языка

Для маркетологов, работающих с текстовым контентом, обработка естественного языка является важной областью искусственного интеллекта. Эта ветвь ИИ связана с тем, чтобы компьютеры могли понимать язык.

Существенными проблемами в этой области являются распознавание речи, понимание естественного языка и генерация естественного языка. Тем не менее, достигнут значительный прогресс, о чем свидетельствует распространение чат-ботов, машинный перевод и использование пользовательского интерфейса на естественном языке, такого как SIRI.

Вот несколько интересных примеров на заметку.

Нарративная наука автоматизирует персонализацию в масштабе, используя генерацию естественного языка для автоматического создания описаний и обеспечения персонализированного общения.

Conversica полагается на искусственный интеллект, чтобы развивать входящих клиентов до тех пор, пока их интерес не изменится на намерение купить. В частности, они используют искусственный интеллект для интерпретации ответов по электронной почте, отправляя уникальные и естественно звучащие ответы в качестве последующих действий.

Чат-боты

Чат-боты повсюду! Обычно они используются для квалификации потенциальных клиентов или в качестве системы доставки контента.

Два основных типа чат-ботов — это те, которые понимают ограниченные команды, и те, которые используют обработку естественного языка.

Чат-боты с ограниченным командным типом полезны, когда варианты задач ограничены, и вы можете направлять взаимодействие по очень четко определенным путям. Чат-боты НЛП позволяют вести больше диалогов.

Платформы для чат-ботов, такие как Flow XO, устраняют необходимость в навыках кодирования, но их реализация все еще может быть сложной по нескольким причинам:

• Маркетологи должны знать задачи, которые хотят выполнить их посетители.
• Им нужно глубокое понимание пути, пройденного их аудиторией.
• Тип контента, используемый в этом контексте, может быть радикально разным.
• Им может не хватать богатой контентной стратегии.

Идентификация языка

Идентификация языка является важным компонентом машинного перевода и обработки естественного языка. Хотя это не оказывает прямого влияния на маркетологов, контент-стратеги, работающие на корпоративном уровне, часто сталкиваются с проблемами языкового перевода и его влиянием на контент.

Google AI глубоко вовлечен во все, что связано с технологиями естественного языка, включая идентификацию языка. Возможно, вы сталкивались с этим при посещении страницы на иностранном языке.

Для контент-стратегов с нулевым бюджетом на перевод это может быть спасением.

Пользовательский интерфейс на естественном языке

Прототипы пользовательских интерфейсов на естественном языке впервые появились в конце 1960-х годов и лишь недавно стали популярными. Если вы когда-либо использовали SIRI или Amazon Echo, вы уже знакомы с интерфейсом на естественном языке.

Для контент-маркетологов это потенциально меняет то, как мы думаем и создаем контент. Поисковые системы по-прежнему основаны на ключевых словах, а создатели контента часто создают длинные фрагменты контента в надежде получить хороший рейтинг по многим ключевым словам.

Но использование интерфейса на естественном языке, особенно управляемого голосом, создает новый контекст. Пользователи ищут целенаправленные ответы на конкретные вопросы, для чего манифест из 10 000 слов не подходит. Хотя мы наблюдаем тенденцию к более расширенному контенту, эта тенденция может вскоре измениться.

Понимание естественного языка

Понимание естественного языка - это подтема обработки естественного языка, восходящая к 1964 году, когда была опубликована докторская диссертация Дэниела Боброва. диссертация. Существует большой интерес к пониманию естественного языка из-за его актуальности для крупномасштабного анализа контента, ответов на вопросы и категоризации текста.

Приложения реального мира, по крайней мере, для использования в маркетинге, требуют довольно сложных возможностей понимания, чтобы понять концепции в документе. OneSpot — одна из таких компаний, которая использует комбинацию машинного обучения и естественного языка для обработки контента, потребляемого посетителями сайта, и предоставления индивидуального контента в масштабе.

Машинный перевод

Еще одним направлением обработки естественного языка является машинный перевод. Если вы когда-либо пользовались переводчиком Google, вы немного познакомились с машинным переводом.

По мере того, как точность перевода продолжает расти, растут и возможности для перевода в сфере B2B и на потребительском рынке.

Контент-стратеги, работающие в глобальных корпорациях, используют машинный перевод для экономичного перевода контента в любом масштабе. Сферы бизнеса, такие как технологии, финансы, юриспруденция, здравоохранение и т. д., имеют свои нюансы и термины, поэтому машинный перевод для конкретной предметной области был предпочтительным путем.

Тем не менее, многодоменный машинный перевод, подобный тому, который предлагает Kantan, начинает набирать силу.

Вопрос Ответ

Ответы на вопросы — это подмножество обработки естественного языка, которая проектирует системы для автоматического ответа на вопросы, заданные на человеческом языке. Система ответов на вопросы на естественном языке START претендует на звание «первой в мире системы ответов на вопросы в Интернете, которая находится в режиме онлайн и постоянно работает с декабря 1993 года».

Знаете ли вы, что Facebook обучает ИИ отвечать на вопросы? Они учат ИИ анализировать изображения и отвечать на вопросы, заданные об этих изображениях. Прямо сейчас ИИ может дать только простые ответы. Но идея состоит в том, чтобы позволить ему предлагать более сложные ответы, как это сделал бы человек.

Семантический перевод

Семантика — это раздел лингвистики, занимающийся интерпретацией значения слов и их структуры. Семантический перевод направлен на сохранение смысла документа при переводе на другой язык.

Контент-стратеги, работающие в глобальном бизнесе, сталкиваются с проблемой управления контентом на нескольких языках. Использование семантического перевода может помочь повысить эффективность перевода и снизить риск неправильной интерпретации. PROMT — один из примеров приложения, включающего семантическую информацию.

Будущее искусственного интеллекта в контент-маркетинге

Илон Маск может бояться апокалипсиса ИИ, но, судя по тому, что я видел, мы все еще пытаемся создать жизнеспособные приложения для многих областей искусственного интеллекта. Тем не менее, мы начинаем видеть более умное программное обеспечение, ограниченное в возможностях, которое существенно улучшает нашу жизнь.

Один из примеров — рекомендательные механизмы гигантских компаний, таких как Netflix и Amazon. Теперь вы можете привнести эту изощренность на свой собственный сайт с помощью такого программного обеспечения, как Bibblio. В отличие от простого подхода, предоставляемого многими приложениями «похожих постов», его алгоритм на основе искусственного интеллекта предлагает семантически релевантные предложения контента.

Если вы не управляете большим сайтом, такое программное обеспечение может не иметь большого успеха. Тем не менее, область искусственного интеллекта делает реальные измеримые шаги, которые влияют на маркетологов прямо сейчас, сегодня. Просто не ждите, что ИИ выполнит вашу работу за вас в ближайшее время.

Вектор изображения функции, разработанный Freepik