Являясь крупнейшей в мире компанией по производству напитков, Coca-Cola ежедневно поставляет более 1,9 миллиарда напитков под более чем 500 брендами, включая Diet Coke, Coke Zero, Fanta, Sprite, Dasani, Powerade, Schweppes и Minute Maid.
Большие данные и искусственный интеллект (ИИ) лежат в основе всего, что делает бизнес, - глобальный директор по цифровым инновациям Грег Чемберс сказал: «Искусственный интеллект - это основа всего, что мы делаем. Мы создаем интеллектуальный опыт. Искусственный интеллект - это ядро, на котором основан этот опыт».
Какую проблему помогает решить искусственный интеллект?
Маркетинг безалкогольных напитков по всему миру - это не «дело, подходящее для всех». Продукция Coca-Cola продается более чем в 200 странах мира.
На каждом из этих рынков существуют местные различия в отношении вкусов, содержания сахара и калорий, маркетинговых предпочтений и конкурентов, с которыми сталкивается бренд.
Это означает, что для того, чтобы оставаться на вершине игры на каждой территории, она должна собирать и анализировать огромные объемы данных из разрозненных источников, чтобы определить, какие из ее 500 брендов, скорее всего, будут хорошо приняты. Вкус их самых известных брендов будет даже отличаться от страны к стране, и понять эти местные предпочтения - чрезвычайно сложная задача.
Как искусственный интеллект используется на практике?
Coca-Cola ежедневно продает большое количество своих напитков через торговые автоматы. На более новых машинах клиент, как правило, будет взаимодействовать через сенсорный дисплей, что позволит ему выбрать продукт, который он хочет, и даже настроить его с помощью «шотов» разных вкусов. Компания начала оснащать эти машины алгоритмами искусственного интеллекта, позволяющими им продвигать напитки и вкусы, которые, скорее всего, будут хорошо приняты в определенных местах, где они установлены.
Торговые автоматы могут даже менять свое «настроение» в зависимости от того, где они расположены: автоматы в торговом центре отображают красочный веселый образ, автоматы в тренажерном зале больше сосредоточены на достижении результатов, а автоматы в больнице кажется более функциональным.
Coca-Cola также использует ИИ для анализа социальных сетей и понимания того, где, когда и как ее клиенты предпочитают потреблять ее продукты, а также какие продукты популярны в конкретных местах. Поскольку более 90% потребителей принимают решения о покупке на основе контента в социальных сетях, понимание того, как миллиарды клиентов обсуждают и взаимодействуют с брендом на таких платформах, как Facebook, Twitter и Instagram, имеет важное значение для его маркетинговой стратегии. Для этого Coca-Cola проанализировала взаимодействие с более чем 120 000 единиц социального контента, чтобы понять демографию и поведение своих клиентов и тех, кто обсуждает продукты.
Другое применение ИИ заключалось в обеспечении подтверждения покупки для программ лояльности и вознаграждения компании. Когда клиентов попросили вручную ввести 14-значные коды продуктов, напечатанные на крышках от бутылок, на веб-сайтах и в приложениях, чтобы подтвердить свои покупки, спрос был по понятным причинам низким из-за громоздкого характера операции.
Чтобы побудить больше клиентов участвовать в этих схемах, Coca-Cola разработала технологию распознавания изображений, которая позволяет подтверждать покупки с помощью одного снимка со смартфона.
Какие технологии, инструменты и данные использовались?
Coca-Cola собирает данные о местных предпочтениях в напитках через интерфейсы своих торговых автоматов с сенсорным экраном - только в Японии их установлено более 1 миллиона.
Чтобы понять, как ее продукты обсуждаются и распространяются в социальных сетях, компания создала 37 «социальных центров» для сбора данных и их анализа для получения информации с помощью платформы Salesforce. Цель состоит в том, чтобы создать больше контента, который доказал свою эффективность в создании положительного взаимодействия. В прошлом процесс создания этого контента выполнялся людьми; однако компания активно занимается разработкой автоматизированных систем, которые будут создавать рекламу и социальный контент на основе социальных данных.
Он также использует технологию распознавания изображений для нацеливания на пользователей, которые делятся фотографиями в социальных сетях, делая вывод, что они могут быть потенциальными клиентами. В качестве одного из примеров этой стратегии в действии компания Coca-Cola нацелила рекламу своего бренда чая со льдом Gold Peak на тех, кто размещал изображения, предполагающие, что они наслаждаются чаем со льдом, или на которых алгоритмы распознавания изображений обнаружили логотипы конкурирующих брендов. Как только алгоритмы определили, что определенные люди, вероятно, являются поклонниками чая со льдом и активными пользователями социальных сетей, которые делились изображениями со своими друзьями, компания поняла, что таргетинг рекламы на этих пользователей, вероятно, будет эффективным использованием их доходов от рекламы.
Для подтверждения покупки стандартной технологии распознавания изображений оказалось недостаточно для считывания точечной матричной печати с низким разрешением, используемой для штамповки кодов продуктов на упаковке. Итак, Coca-Cola работала над разработкой собственного решения для распознавания изображений с использованием технологии TensorFlow от Google. При этом использовались сверточные нейронные сети, чтобы обеспечить машинное распознавание кодов, которые часто могли выглядеть по-разному в зависимости от того, когда и где они были напечатаны.
Каковы были результаты?
Анализ данных с торговых автоматов с помощью алгоритмов искусственного интеллекта позволяет Coca-Cola более точно понять, как меняются покупательские привычки миллиардов ее клиентов по всему миру.
Он использует это для информирования о решениях о новых продуктах - например, решение о запуске Cherry Sprite в качестве продукта в бутылках в Соединенных Штатах было принято, потому что данные показали, что это, вероятно, будет выигрышной инициативой.
Анализ компьютерного зрения и обработка сообщений в социальных сетях на естественном языке, а также основанный на глубоком обучении анализ показателей социальной активности позволяют Coca-Cola производить социальную рекламу, которая с большей вероятностью найдет отклик у клиентов и увеличит продажи свою продукцию.
Применение TensorFlow для создания сверточных нейронных сетей позволило сканерам распознавать коды продуктов по простой фотографии, повышая вовлеченность клиентов в различные программы лояльности Coca-Cola по всему миру.
Ключевые проблемы, уроки и выводы
- Если вы продаете сотни различных продуктов в разных странах, восприятие и поведение клиентов могут сильно различаться от рынка к рынку. Понимание этих различий помогает адаптировать конкретные сообщения для разных рынков, а не полагаться на универсальный подход
- Когда вы имеете дело с глобальными брендами, пользовательские данные из социальных сетей или сгенерированные с помощью ваших собственных систем (например, торговых автоматов) огромны и беспорядочны. ИИ обеспечивает жизнеспособный метод структурирования этих данных и извлечения информации
- Технологии компьютерного зрения, такие как инструменты распознавания изображений, могут анализировать миллионы изображений в социальных сетях, чтобы помочь бренду понять, когда, как и кому нравятся его продукты
- Помимо принятия маркетинговых решений, бренды, полностью инвестировавшие в ИИ, начинают использовать его для разработки новых продуктов и услуг
Это отредактированный отрывок из книги «Искусственный интеллект на практике: как 50 успешных компаний использовали ИИ и машинное обучение для решения проблем», написанной Бернардом Марром и Мэттом Уордом (опубликовано Wiley, апрель 2019 г.)
Об авторах: Бернард Марр - основатель и генеральный директор Bernard Marr & Co, а также всемирно известный бизнес-автор, футуролог, основной докладчик и стратегический советник компаний и правительства. Он является одним из самых уважаемых в мире голосов и признанным экспертом в таких темах, как искусственный интеллект и большие данные. Марр консультирует многие из самых известных в мире организаций по вопросам стратегии, цифровой трансформации и эффективности бизнеса. Он является автором книг «Большие данные на практике: как 45 успешных компаний использовали аналитику больших данных для достижения экстраординарных результатов» и «Большие данные: использование умных больших данных, аналитики и метрик для принятия лучших решений и повышения производительности», опубликованных совместно с Wiley.
Matt Ward - руководитель исследовательской группы Bernard Marr & Co. Мэтт имеет опыт журналистских расследований и последние несколько лет тесно сотрудничал с Бернардом Марром в области новейших технологий.. Мэтт - эксперт и опытный писатель в области бизнес-технологий и искусственного интеллекта, где он работал с такими компаниями, как IBM, Intel, Citibank и NASA.