Если вы посмотрите на производителей ПК, вы заметите, что они обычно используют два пути создания продуктов, пишет на портале Datanami Роб Эндерле, президент и главный аналитик Enderle Group.

Самый популярный из них — это создание широкого ассортимента продуктов, даже если они не могут позволить себе хорошо продвигать ни один из них, в надежде, что потенциальные клиенты найдут один из этих многочисленных продуктов идеальным. По другому пути в основном идет Apple, которая выпускает гораздо более ограниченную линейку продуктов, но использует маркетинг, чтобы убедить покупателей в том, что те немногие продукты, которые она выпускает, идеально им подходят.

Рассматривая финансовые результаты обоих подходов, можно заметить странность в том, что подход Apple, безусловно, самый прибыльный, но в то же время наименее используемый другими компаниями. Во многом это объясняется тем, что технологическими компаниями руководят инженеры. Инженеры создают продукты, но не разбираются в маркетинге. Стив Джобс не был инженером. Он умел манипулировать, и это сделало его одним из самых влиятельных маркетологов своего поколения. Это основа нынешнего успеха Apple.

Но можно ли усовершенствовать оба подхода с помощью искусственного интеллекта? Какой из них будет лучше и приведет к увеличению продаж, рентабельности и более высокой рыночной оценке?

Бессистемный подход, улучшенный с помощью ИИ

Я некоторое время работал в области конкурентного анализа. Здесь принято использовать опросы и фокус-группы, чтобы определить, какими должны быть будущие продукты, которые будут привлекательны для покупателей. Однако, как я узнал, изучая подход GM к конкурентному анализу, с этим подходом связана большая проблема.

Еще в 1960-х GM и Ford были обеспокоены японскими автомобилями, поэтому они обе взяли эти автомобили и проанализировали их вплоть до винтиков. Результатом этого анализа стали модели Pinto и Vega, которые в то время широко критиковались за неконкурентоспособность. Что случилось?

Потребовалось пять лет, чтобы провести анализ и создать автомобили, используя эту первоначальную конкурентную оценку в качестве шаблона. Но за эти пять лет японские автомобили значительно продвинулись вперед, так что, когда появились Pinto и Vega, хотя они и были лучше японских автомобилей 1960-х, они были не более конкурентоспособны, чем те японские автомобили, которые появились в 1970-х.

Чтобы избежать этого, нужно было бы экстраполировать результаты этого первоначального анализа, оценивая темпы совершенствования, предвидеть развитие технологий будущего, а затем установить гораздо более высокую планку, ориентированную на мир будущего.

Правильно обученный ИИ мог бы в этом помочь, поскольку он может объединять различные источники информации, выявлять тенденции и, возможно, проецировать эти тенденции на будущее. Кроме того, технология 3D-печати позволяет значительно сократить время, необходимое для создания прототипов новых дизайнов, а Nvidia Omniverse может создавать симуляции, которые показывают, как этот дизайн будет выглядеть на фоне предполагаемых будущих конкурентов.

Кроме того, ИИ может повысить эффективность производства и сократить время, необходимое для перепрофилирования производственной линии, потенциально сокращая время, необходимое для разработки и создания нового продукта, чтобы результат был ближе к моменту проведения анализа.

Таким образом, ИИ может быть использован для установления более реалистичной планки, сокращения времени, необходимого для создания прототипа с использованием 3D-печати, а также для запуска производственной линии, предназначенной для нового продукта.

Тем не менее, поскольку существует так много переменных, наша способность предсказывать, каким должен быть будущий продукт, будет увеличена лишь незначительно, что приведет к существенному риску того, что вы ошибетесь в своих предположениях.

Целевой подход

Целевой подход переворачивает этот процесс. Вы не проводите фокус-группы или опросы, вы просто смотрите на продукты, которые хорошо продаются, прогнозируете, что, по вашему мнению, люди захотят купить в будущем, а затем создаете результат, который дополняете достаточным количеством маркетинговых средств для формирования спроса, чтобы привлечь людей к этой более ограниченной линейке.

ИИ уже способен обходиться без раскадровок и создавать мощный фото- и видеоконтент, который клиенты могут оценить на предмет эффективности. Можно создать ИИ-персон, которые смогут оценить сценарии или контент, созданный с помощью ИИ, чтобы определить, какой из них наиболее привлекательный.

Конечно, вместо того, чтобы создавать набор различных продуктов на основе ответов ИИ, вы по-прежнему можете использовать ИИ в рамках бессистемного подхода для создания продукта, который будет легче продвигать на рынок. Однако вы можете попросить ИИ помочь вам выбрать наиболее вероятную конфигурацию из множества потенциальных ИИ-персон покупателей и использовать описанный выше подход к созданию рекламы для привлечения клиентов к определенному вами продукту.

Вы даже можете воспользоваться такими сервисами, как Indiegogo, чтобы убедиться, что ваши первоначальные концепции эффективно воздействуют на вашу аудиторию, а затем переработать продукт и сообщения, чтобы оптимизировать результат.

Это гораздо более простой подход. Как продемонстрировала Apple, маркетинг сопряжен с большим риском ошибок, но в то же время потенциально является наиболее прибыльным способом продвижения продукта, поскольку так гораздо меньше шансов, что вам придется распродавать или избавляться от большого количества непроданных продуктов, если некоторые из них не понравятся людям.

Кроме того, разработать маркетинговую программу быстрее и проще, чем разработать продукт, поэтому такой подход позволяет вам быстрее реагировать на меняющуюся динамику рынка и возникающие новые конкурентные угрозы.

Заключение

Из двух подходов, используемых технологическими компаниями, наиболее распространенный бессистемный подход по-прежнему остается наименее эффективным и наименее прибыльным. Целевой подход имеет преимущества с точки зрения как затрат, так и сроков благодаря своей меньшей сложности. ИИ может улучшить оба процесса, но окажет большее влияние на целевой подход, поскольку изменить маркетинговую стратегию гораздо проще, чем модифицировать продуктовую линейку. Однако отсутствие в технологических компаниях опыта и авторитета в области маркетинга по-прежнему делает этот подход нецелесообразным, даже несмотря на его бóльшую продуктивность. Таким образом, я ожидаю, что ИИ окажет незначительное влияние на политику компаний по выходу на рынок, но как только Apple начнет использовать ИИ внутри компании, ее прибыльность и успехи ее нынешних продуктов поблекнут перед лицом ее будущих результатов.

Наконец, одна из серьезных проблем, которую нам предстоит решить в связи с ИИ, заключается в том, что люди злоупотребляют этой технологией. Вместо того, чтобы использовать ее для принятия более обоснованных решений, они будут использовать ее для подтверждения уже принятых решений, которые могут оказаться совсем не хорошими. Устранить эту последнюю проблему проблематично, поскольку это противоречит существующей практике инжиниринговых компаний. Однако если это не исправить, ИИ может на самом деле усугубить ситуацию, ускорив создание продуктов, которые плохо продаются, что приведет к бóльшим затратам, чем более медленный вывод на рынок альтернативного продукта, управляемый человеком.

Опять же, это указывает на необходимость использования ИИ для повышения качества принимаемых решений, прежде чем вы начнете использовать его для ускорения выполнения задач, в противном случае вы просто будете быстрее принимать неверные решения, а это, как правило, ничем хорошим не заканчивается.