Jak deep learning pomaga w tworzeniu reklam?

Phrasee to założona w 2015 roku przez Parry’ego Malma firma, która zajmuje się marketingiem. Jej podejście jest jednak nietypowe, ponieważ opiera się na podkategorii uczenia maszynowego znanej jako deep learning.
Jak deep learning pomaga w tworzeniu reklam?

Z okazji czarnego piątku, który kojarzy się z okazjami wyprzedażowymi, firma Dixons Carphone zamierzała stworzyć slogan reklamowy przyciągający potencjalnych klientów. Poproszeni o pomoc copywriterzy nie ustawali w wysiłkach, aby stworzyć udane hasło. Nadesłano dziesiątki propozycji, a każda z nich zawierała frazę czarny piątek. To nie zadowalało szefa działu marketingu, Saula Lopesa.

Czytaj też: Sztuczna inteligencja będzie w stanie wyobrazić sobie rzeczy, których nigdy nie widziała

Przełom nastąpił, kiedy do akcji wkroczyła sztuczna inteligencja, która stworzyła zwycięskiego kandydata: The time is now. Pokazało to, że oprogramowanie komputerowe jest w stanie zaoferować nowe, świeższe spojrzenie na daną sprawę. Za przełomem stała w tym przypadku wspomniana już firma Phrasee, która korzysta z tak zwanego głębokiego uczenia (ang. deep learning).

Deep learning stanowi podkategorię uczenia maszynowego

Działając na rzecz firmy Rapp, algorytmy wykorzystywane przez Phrasee analizują miliony e-maili, które zostały wysłane w ciągu ostatnich lat. Ich treść jest następnie “cięta” i składana w nowe wiadomości. Wsparcia oprogramowaniu udzielają też ludzie, w postaci ekspertów od pisania, technologii oraz mediów społecznościowych.

Czytaj też: Dwunożny robot i uczenie maszynowe, czyli jak Cassie przebiegł rekordowe 5 km

Phrasee tworzy więc modele, które są w stanie dostosować się do wymagań klienta, generując slogany, wiadomości czy komunikaty odpowiednie dla grupy docelowej. I choć mogłoby się wydawać, że pozycja copywriterów na rynku jest zagrożona ze względu na rozwój tego typu technologii, to Lopes jest odmiennego zdania. Według niego ludzcy specjaliści nadal są potrzebni, ponieważ muszą nadzorować cały proces. Nasz mózg ma jednak pewne ograniczenia, przez co nie jest w stanie analizować tysięcy opcji jednocześnie – dla maszyn nie stanowi to problemu. Lopes nie widzi więc przyszłości jako starcia sztucznej inteligencji z człowiekiem – w jego wizji będzie to wzajemnie uzupełniająca się współpraca.