Драматическое ускорение работ с помощью нейронок — Пост 2
Недавно обсуждал с Сашей Чижовым, как нейросети упрощают, ускоряют и масштабируют работу в агентствах.
Если коротко — примерно никак. Скорее они рождают новые задачи и предъявляют новые требования, но особого влияния на производительность труда не оказывают. По крайней мере пока.
Это если свою работу делать хорошо. Если пробовать халтурить, то велик соблазн закинуть в любимый ChatGPT запрос вида «А расскажи ка мне, милок, как себя ведёт аудитория мамочек в возрасте 21-35 из крупных городов российских и что их нынче тревожит, мне для стратегии надо».
Проблема в том, что нейронка ответит на этот вопрос и очень убедительно пришлёт список болей, напридумывает горы контекста и расскажет много интересного. Часть хайпующих-нейро-маркетологов даже называют такой анализ реально работающим и эффективным, грозясь заменить всех остальных одной нейросетью.
Ответ на вопрос получен, можно поколдовать с промптами и попробовать собрать источники, исследования, если работать в условном perplexity. Но анализ аудитории нейросеть не сделает. Это будет просто ускорение выдумывания стереотипного поведения, которым занимаются специалисты, в глаза не видящих свою аудиторию.
Нейросеть не анализирует аудиторию — она предсказывает, как выглядел бы текст, если бы кто-то анализировал такую аудиторию.
Это имитация экспертной речи. Она вполне успешно может помочь стратегу построить стартовые гипотезы, особенно с незнакомой специфической ЦА, но не может заменить наблюдение, интервью и количественные данные.
К примеру, я прошу ChatGPT проанализировать для стратегии мою целевую аудиторию мам из Санкт-Петербурга, у которых дети в возрасте 3-6 лет.
Что произойдёт дальше? Фраза разбивается на токены — кусочки текста, не всегда совпадающие со словами.
["мамы", " Санкт", "-", "Петербурга", ",", " дети", " 3", "–", "6", " лет"]
У каждого токена есть вектор — набор чисел, который описывает его контекстные связи с миллиардами других токенов.
Модель не знает, кто такие «мамы» или где находится «Петербург» — она знает, что эти токены часто соседствуют с токенами вроде дети, забота, декрет, садик, северный город, культура, холод.
Каждое слово активирует своё «облако ассоциаций»:
мамы → забота, усталость, воспитание, вина, советы, лайфхаки.
дети 3 – 6 → развитие, садик, игры, логопед, подготовка к школе.
Санкт-Петербург → городской образ жизни, локальные сообщества, климат, досуг, культурная насыщенность.
Модель начинает предсказывать следующее слово, ориентируясь на то, что с наибольшей вероятностью следует после предыдущих токенов в контексте подобного запроса. Чувствуете? Весь такой анализ — это набор самых вероятных слов, которые следуют друг за другом.
• после «мамы» часто идёт «с детьми»,
• после «дети 3 – 6 лет» часто идут «развитие», «садик», «лайфхаки».
В итоге получается не работа с реальными людьми, наблюдение или просто подборка исследований (хоть и такой вариант можно сделать), а обобщение частоты популярности слов в текстах.
Если вас устраивает такое качество, вы можете сэкономить кучу времени. Но потом вы споткнётся о первый же вопрос «откуда вы взяли эти данные?» Вряд ли клиенту понравится ответ, что тексты придумала нейросеть, а он за такую стратегию должен заплатить вам сотни тысяч рублей.
Нам нужны реальные данные, а не выдуманные. Не важно кем: нейросетью, ассистентом стратега или самим стратегом. Это всё равно останется набором стереотипов, клише и «нам так кажется, главное убедить клиента».
Другой разговор: загрузить в нейросеть анкеты, данные опросов или целевых исследований и попросить сделать выжимку, выводы или найти закономерности. С этим нейросети справляются отлично и очень сильно экономят время.
Что ещё могут ускорить нейронки в тендере и стратегии? Визуализацию примеров и идей. Это круто, просто раньше, когда не было времени или ресурса, мы использовали референсы, сейчас можем нагенерить релевантных примеров. Времени может уйти даже больше. А вот если ты этого не делаешь, появится вопросик.
Недавно обсуждал с Сашей Чижовым, как нейросети упрощают, ускоряют и масштабируют работу в агентствах.
Если коротко — примерно никак. Скорее они рождают новые задачи и предъявляют новые требования, но особого влияния на производительность труда не оказывают. По крайней мере пока.
Это если свою работу делать хорошо. Если пробовать халтурить, то велик соблазн закинуть в любимый ChatGPT запрос вида «А расскажи ка мне, милок, как себя ведёт аудитория мамочек в возрасте 21-35 из крупных городов российских и что их нынче тревожит, мне для стратегии надо».
Проблема в том, что нейронка ответит на этот вопрос и очень убедительно пришлёт список болей, напридумывает горы контекста и расскажет много интересного. Часть хайпующих-нейро-маркетологов даже называют такой анализ реально работающим и эффективным, грозясь заменить всех остальных одной нейросетью.
Ответ на вопрос получен, можно поколдовать с промптами и попробовать собрать источники, исследования, если работать в условном perplexity. Но анализ аудитории нейросеть не сделает. Это будет просто ускорение выдумывания стереотипного поведения, которым занимаются специалисты, в глаза не видящих свою аудиторию.
Нейросеть не анализирует аудиторию — она предсказывает, как выглядел бы текст, если бы кто-то анализировал такую аудиторию.
Это имитация экспертной речи. Она вполне успешно может помочь стратегу построить стартовые гипотезы, особенно с незнакомой специфической ЦА, но не может заменить наблюдение, интервью и количественные данные.
К примеру, я прошу ChatGPT проанализировать для стратегии мою целевую аудиторию мам из Санкт-Петербурга, у которых дети в возрасте 3-6 лет.
Что произойдёт дальше? Фраза разбивается на токены — кусочки текста, не всегда совпадающие со словами.
["мамы", " Санкт", "-", "Петербурга", ",", " дети", " 3", "–", "6", " лет"]
У каждого токена есть вектор — набор чисел, который описывает его контекстные связи с миллиардами других токенов.
Модель не знает, кто такие «мамы» или где находится «Петербург» — она знает, что эти токены часто соседствуют с токенами вроде дети, забота, декрет, садик, северный город, культура, холод.
Каждое слово активирует своё «облако ассоциаций»:
мамы → забота, усталость, воспитание, вина, советы, лайфхаки.
дети 3 – 6 → развитие, садик, игры, логопед, подготовка к школе.
Санкт-Петербург → городской образ жизни, локальные сообщества, климат, досуг, культурная насыщенность.
Модель начинает предсказывать следующее слово, ориентируясь на то, что с наибольшей вероятностью следует после предыдущих токенов в контексте подобного запроса. Чувствуете? Весь такой анализ — это набор самых вероятных слов, которые следуют друг за другом.
• после «мамы» часто идёт «с детьми»,
• после «дети 3 – 6 лет» часто идут «развитие», «садик», «лайфхаки».
В итоге получается не работа с реальными людьми, наблюдение или просто подборка исследований (хоть и такой вариант можно сделать), а обобщение частоты популярности слов в текстах.
Если вас устраивает такое качество, вы можете сэкономить кучу времени. Но потом вы споткнётся о первый же вопрос «откуда вы взяли эти данные?» Вряд ли клиенту понравится ответ, что тексты придумала нейросеть, а он за такую стратегию должен заплатить вам сотни тысяч рублей.
Нам нужны реальные данные, а не выдуманные. Не важно кем: нейросетью, ассистентом стратега или самим стратегом. Это всё равно останется набором стереотипов, клише и «нам так кажется, главное убедить клиента».
Другой разговор: загрузить в нейросеть анкеты, данные опросов или целевых исследований и попросить сделать выжимку, выводы или найти закономерности. С этим нейросети справляются отлично и очень сильно экономят время.
Что ещё могут ускорить нейронки в тендере и стратегии? Визуализацию примеров и идей. Это круто, просто раньше, когда не было времени или ресурса, мы использовали референсы, сейчас можем нагенерить релевантных примеров. Времени может уйти даже больше. А вот если ты этого не делаешь, появится вопросик.