Rokt mParticle: агенты в маркетинге должны объяснять свои рекомендации

Как сообщает Rokt mParticle, специалисты по маркетингу при поиске сигнала о покупке нередко находят несколько похожих по названию событий — например, «purchase», «checkout success» и «checkout completion» — и не могут сразу понять, какое из них соответствует нужному поведению. Корпоративные каталоги данных часто неполны, реализации меняются, а названия событий накапливаются со временем.

Обычно автономность ИИ-агентов подают как главную цель, но непосредственная возможность — использовать их как стратегических партнёров для устранения неоднозначности в корпоративных данных. Однако рекомендация агента заслуживает доверия ровно настолько, насколько убедительны её основания. Маркетологам нужна ясная картина: какие сигналы поддерживают рекомендацию, как давно они наблюдались, какова возможная аудитория и какие компромиссы за этим стоят. Проверка этих оснований даёт контекст для оценки рекомендации, применения делового суждения и принятия, уточнения или отмены предложенного действия.

Разрыв между целью и нужными данными

В идеале маркетолог начинает с ясной бизнес-цели — например, стимулировать дорогие покупки, работать с вероятными конвертерами или возвращать уходящих клиентов. На практике исторические процессы построения аудиторий часто заставляли идти обратным путём: отталкиваться от событий, которые оказались доступны в схеме данных, а не от чистой бизнес-задачи. Чтобы перевести цель в аудиторию, нужно знать, какие события и атрибуты существуют, что они означают и достаточно ли они надёжны для использования.

Это сложнее, чем кажется. Помимо простого обнаружения, маркетологам нужно понимать, как ведёт себя каждое событие-кандидат: как часто оно срабатывает, когда наблюдалось в последний раз, откуда приходит и какой сигнал лучше всего соответствует определению завершённой покупки в бизнесе.

Объём сам по себе не решает вопрос. Событие «purchase» с высоким объёмом может срабатывать до подтверждения оплаты, а «checkout success» с меньшим объёмом — точнее представлять завершённые заказы. Подходящий сигнал зависит и от того, что показывают данные, и от бизнес-результата, которого добивается маркетолог.

В итоге маркетологи часто переиспользуют события, которые уже знают. Ценные данные могут оставаться нетронутыми, потому что их поиск и интерпретация требуют времени или технической поддержки.

Агент может сделать этот процесс доступнее. Начиная с широкой цели, он помогает маркетологу исследовать доступные данные и сузить запрос до наиболее подходящего сигнала, делая контекст доступным для проверки. Агент выполняет работу по навигации в среде данных, а маркетолог привносит бизнес-контекст. Результат — более быстрое создание аудитории и более ясная основа для проверки: маркетолог видит, на чём держится рекомендация, прежде чем действовать.

Решения должны приниматься совместно

Такая прозрачность создаёт совместный рабочий процесс. Агент рекомендует подход и показывает доказательства и компромиссы, а маркетолог привносит бизнес-контекст, необходимый для решения, соответствует ли это цели кампании, клиентской стратегии и приоритетам бизнеса.

Это не означает раскрытия каждого сигнала, который рассмотрел агент, или каждого шага его рассуждений. Цель — показать доказательства, неопределённость и компромиссы, которые могут существенно повлиять на решение маркетолога.

Это особенно важно при балансе между охватом и ожидаемой эффективностью. Модель может показать, как разные пороги аудитории повлияют на охват и прогнозируемую конверсию, но маркетолог должен решить, какой компромисс разумен для бизнеса.

Агенты и интерфейсы решают разные задачи

Проверка и отмена должны происходить где-то, и обычно это интерфейс. Расцвет разговорных агентов не делает его ненужным, а даёт ему более конкретную работу.

Агент хорошо подходит для исследования, интерпретации и приведения маркетолога к сильной стартовой точке. Визуальный интерфейс часто лучше для точных последующих настроек — например, смещения порога для обмена охвата на прогнозируемую конверсию. Агент делает компромисс понятным, интерфейс даёт маркетологу прямой способ на него повлиять.

Сильнейшие агентные продукты позволят маркетологам естественно переключаться между разговором и прямыми элементами управления в зависимости от задачи.

От более простых решений к лучшей эффективности

В Rokt mParticle этот подход реализуется через mParticle Agent, который позволяет создавать аудитории и исследовать данные на естественном языке. Агент представляет предложение на проверку; ничего не сохраняется, пока маркетолог явно не подтвердит, а последующее подключение и активация происходят отдельно. Он опирается на документацию mParticle и доступный контекст платформы, так что маркетолог может выяснить, что, по-видимому, означает событие, как оно ведёт себя в имеющемся контексте платформы, и получить рекомендацию там же, где строит аудиторию, — снижая потребность в заявках и неформальных знаниях.

Автономность сама по себе — неверный критерий для агентного маркетинга. Лучший критерий — способен ли агент превратить неоднозначные данные в рекомендацию с доказательствами, показать значимый контекст и компромиссы и упростить следующее решение маркетолога. Агент делает исследование и синтез, маркетолог привносит деловое суждение. Именно этот баланс делает агентный маркетинг по-настоящему полезным.