Еволюція нейромереж та їхня роль у маркетингу

Автор(и)

  • К.А. Погорелова Cхідноукраїнський національний університет імені Володимира Даля, м. Київ

DOI:

https://doi.org/10.33216/1998-7927-2024-286-6-92-103

Ключові слова:

нейромережі, еволюція, алгоритмічні моделі, генеративні моделі, поведінкові моделі, купівельні рішення, персоналізований маркетинг, передбачувальний маркетинг, автономні маркетингові системи

Анотація

Досліджено еволюцію нейромереж та їхню роль у сучасному маркетингу. Розглянуто історичний розвиток нейромереж — від перших теоретичних моделей У. Маккалока та В. Піттса до сучасних мультимодальних систем. Стисло висвітлено розвиток теоретичних засад побудови нейромереж. Показано, як нейромережі трансформували маркетингові підходи: від аналізу транзакційних даних у 1990-х на ранніх етапах розвитку нейромереж, впровадження персоналізованих рекомендаційних систем та автоматизованих платформ управління контентом (2000–2010) до мультимодальних нейромереж сучасності, які у перспективі дозволять перейти до повної персоналізації та автономних маркетингових систем. Окрему увагу приділено сучасним генеративним моделям, які створюють рекламні тексти, зображення та відеоконтент, а також системам передбачувального маркетингу, що прогнозують поведінку клієнтів у реальному часі. Розкрито вплив нейромереж на персоналізацію комунікацій, автоматизацію маркетингових процесів та прийняття рішень. Проаналізовано впровадження таких систем на прикладі світових брендів, а також стисло описано сучасні розробки у галузі штучного інтелекту. Показано, що нейромережі стають не лише інструментом, а й автономним агентом маркетингових процесів, відкриваючи еру випереджувального, персоналізованого маркетингу. Показано, що нейромережі у маркетингу еволюціонують від допоміжного інструменту до статусу автономного агенту маркетингових процесів. Визначено ключові виклики сучасного маркетингу, пов’язані з використанням нейромереж: конфіденційність даних, етичність алгоритмів, баланс між автоматизацією та людською креативністю. Висвітлено, що використання нейромереж у маркетингу починалося для виконання окремих завдань, але має тенденцію еволюціонувати до комплексної взаємодії з споживачем, яка буде дозволяти персоналізувати маркетинг та передбачати його поведінкові реакції. Обґрунтовано, що подальший розвиток нейромережевих технологій веде до формування нової парадигми маркетингу, у якій штучний інтелект не просто аналізує дані та автоматизує процеси, а стає повноправним учасником маркетингової діяльності, здатним самостійно приймати рішення та адаптуватися до змін ринкового середовища.

Посилання

1. McCulloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics. 1943. Vol. 5(4). P. 115–133.

2. Anderson J.A., Rosenfeld E. Talking Nets: An Oral History of Neural Networks. Cambridge : MIT Press, 2000. 448 p.

3. Lindstrom M. Buyology: Truth and Lies About Why We Buy. New York : Crown Business, 2008. 256 p.

4. Литовченко І.Л., Пилипчук В.П. Інтернет-маркетинг : навчальний посібник. Київ : Центр учбової літератури, 2008. 184 с.

5. Кононик О.П., Кононик Н.О. Нейронні мережі і генетичні алгоритми: монографія. Вінниця : ВНТУ, 2008. 470 с.

6. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge : MIT Press, 2016. 800 p.

7. Kroese D.P., Brereton T. Artificial Neural Networks and Structural Equation Modeling. Singapore : Springer, 2019. 300 p.

8. Kingsnorth S. Digital Marketing Strategy: An Integrated Approach to Online Marketing. London : Kogan Page, 2019. 384 p.

9. Kotler P., Kartajaya H., Setiawan I. Marketing 5.0: Technology for Humanity. Hoboken : Wiley, 2021. 272 p.

10. Lanham M. Evolutionary Deep Learning: Genetic Algorithms and Neural Networks. New York : Manning Publications, 2022. 384 p.

11. Лядський І.К. Маркетинг 6.0 — як сподобатися Siri? Маркетингове забезпечення продуктового ринку : матеріали XVI Міжнар. наук.-практ. конф., м. Полтава, травень 2024 р. Полтава : ПДАУ, 2024. С. 26-28.

12. Rumelhart D.E., Hinton G.E., Williams R.J. Learning representations by back-propagating errors. Nature. 1986. Vol. 323(6088). P. 533-536. DOI: 10.1038/323533a0.

13. Lippmann R.P. An Introduction to Computing with Neural Nets. IEEE ASSP Magazine. 1987. Vol. 4(2). P. 4-22. DOI: 10.1109/MASSP.1987.1165576.

14. Mayer-Schönberger V., Cukier K. Big Data: A Revolution That Will Transform How We Live, Work, and Think. Boston : Houghton Mifflin Harcourt, 2013. 242 p.

15. Evenson A., Henke N. The Age of Analytics: Competing in a Data-driven World. McKinsey Quarterly. 2016. URL: https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the-age-of-analytics-competing-in-a-data-driven-world (дата звернення: 11.12.2024).

16. Deaton J. How Facebook's AI Ads Learn to Match Your Emotions. Harvard Business Review. 2017. URL: https://hbr.org/2017/11/how-facebooks-ai-ads-learn-to-match-your-emotions (дата звернення: 13.11.2024).

17. eMarketer. US Programmatic Ad Spending Forecast 2018. URL: https://www.emarketer.com (дата звернення: 13.11.2024).

18. Juniper Research. Chatbots to Drive $8bn in Cost Savings Annually by 2022. URL: https://www.juniperresearch.com/resources/infographics/chatbots-to-drive-8bn-in-cost-savings-annually (дата звернення: 13.12.2024).

19. McKinsey & Company. The State of AI in 2022. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022 (дата звернення: 13.12.2024).

20. OpenAI. GPT-3: Language Models are Few-Shot Learners. URL: https://arxiv.org/abs/2005.14165 (дата звернення: 13.12.2024).

21. Gartner. Predicts 2024: Future of Marketing. URL: https://www.gartner.com/en/insights/marketing (дата звернення: 13.11.2024).

22. Deloitte Insights. Predictive Marketing Systems and the Next Era of Customer Loyalty. URL: https://www2.deloitte.com/insights/us/en.html (дата звернення: 13.12.2024).

23. OpenAI. GPT-4 Technical Report. URL: https://openai.com/research/gpt-4 (дата звернення: 13.11.2024).

##submission.downloads##

Опубліковано

2025-01-10