Μελέτη της RTB House αποκαλύπτει ότι οι αλγόριθμοι self–learning είναι περισσότερο επιτυχημένοι σε σχέση με τον άνθρωπο κατά την στόχευση της αγοραστικής συμπεριφοράς
Η προσέγγιση που βασίζεται στην τεχνητή νοημοσύνη προσέφερε καλύτερα ποσοστά μετατροπής έως και 35%
Η RTB House, η διεθνής τεχνολογική εταιρεία που παρέχει λύσεις retargeting χρησιμοποιώντας τεχνολογία αιχμής, στην προσπάθεια να κατανοήσει το κατά πόσο η τεχνολογία μπορεί να ξεπεράσει τον άνθρωπο, πραγματοποίησε ένα συγκριτικό τεστ μεταξύ των banner που έχουν κατασκευαστεί από τον άνθρωπο σε σχέση με όσα έχουν δημιουργηθεί μέσω της τεχνητής νοημοσύνης. Θέλοντας να διασαφηνίσει κατά πόσο η διαίσθηση εμποδίζει την επιτυχία της online διαφήμισης και εάν η τεχνητή νοημοσύνη μπορεί να έχει καλύτερα αποτελέσματα, η εταιρεία πρόσφατα ανέλυσε μαζικά σύνολα δεδομένων.
Η μελέτη διεξήχθη λαμβάνοντας υπόψη τον τρόπο αντίδρασης των χρηστών σε δύο διαφημιστικά banners, από τα οποία το ένα είχε επιλεγεί από marketer (άνθρωπο), από ένα πακέτο banners που στο παρελθόν είχαν υψηλή απόδοση και το δεύτερο είχε επιλεγεί από αλγόριθμους self-learning (deep learning). Τα πρώτα αποτελέσματα έδειξαν ότι η τεχνητή νοημοσύνη μπορεί να αναγνωρίσει, να μάθει πρότυπα και να προβλέψει ατομικές αγοραστικές συμπεριφορές καλύτερα από ότι ένας άνθρωπος.
Αρχικά, η RTB House επέλεξε ένα υποσύνολο από banners τα οποία είχαν αποδώσει πιο αποτελεσματικά click-through rate (CTRs: η σχέση μεταξύ του αριθμού των κλικ σε μία διαφήμιση)σε προηγούμενες εκστρατείες που «έτρεχε» η εταιρεία σε Τουρκία, Ρωσία και Ολλανδία. Παράλληλα, η εταιρεία διεξήγαγε εκστρατείες με δημιουργικά τα οποία είχαν επιλεγεί απευθείας από αλγόριθμους deep learning (η πιο υποσχόμενη υποκατηγορία έρευνας που ασχολείται με την τεχνητή νοημοσύνη) και με δημιουργικά που είχαν επιλεγεί από marketers. Μετά από μία εβδομάδα δοκιμών αποδείχθηκε ότι οι χρήστες κλίκαραν περισσότερο και προχώρησαν σε αγορά αφού είχαν δει διαφημιστικά banners από self-learning αλγόριθμους.
Ως αποτέλεσμα, οι καμπάνιες που χρησιμοποιούσαν banners από deep learning αλγόριθμους είχαν πολύ καλύτερη απόδοση από ότι τα δημιουργικά που χρησιμοποιούνταν στο παρελθόν και θεωρούνταν πιο αποτελεσματικά. Πιο συγκεκριμένα, η προσέγγιση που ήταν βασισμένη στην τεχνητή νοημοσύνη είχε ως αποτέλεσμα 35% καλύτερo convertion rate (CR), κατά μέσο όρο 7% καλύτερα ποσοστά click–through rate (CTR) και έως και 28% μεγαλύτερη επισκεψιμότητα.
Ο Αλέξανδρος Ρήγας, CEO της impruvo, αποκλειστικός αντιπρόσωπος της RTB House στην Ελλάδα, εξηγεί ότι τα δεδομένα παρουσιάζουν σχεδόν όλα όσα πρέπει να ξέρουμε για τους πελάτες μας. «Η ανθρώπινη διαίσθηση απλά δεν μπορεί να συναγωνιστεί με τις νέες λύσεις που προσφέρει η τεχνητή νοημοσύνη, ειδικότερα όταν πρόκειται να παρθούν αποφάσεις σε σύντομο χρονικό διάστημα για τη δημιουργία και την παρουσίαση online banners. Σε κλάσματα δευτερολέπτου, υπάρχει η δυνατότητα μέσω της τεχνητής νοημοσύνης να τμηματοποιηθούν οι πελάτες, να δημιουργηθούν ακριβείς, στοχευμένες διαφημίσεις για κάθε δυνητικό πελάτη και να κατανοηθεί η αλλαγή στην συμπεριφορά του πελάτη σε πραγματικό χρόνο. Εκτός από αυτά, η τεχνητή νοημοσύνη εξαλείφει σφάλματα τα οποία θα μπορούσε να προκαλέσει ο άνθρωπος, τα οποία πιθανά προέκυπταν από προσωπικές συμπεριφορές ή βασίζονταν σε παλιές πληροφορίες. Οι marketers θα πρέπει να εμπιστευτούν την τεχνητή νοημοσύνη προκειμένου να αξιοποιήσουν στο έπακρο τις ταχύτατες και εξαιρετικά εξατομικευμένες διαφημιστικές δραστηριότητες – και χρειάζονται μόνο λίγες εκστρατείες για να δουν και έμπρακτα τα αποτελέσματα.»
