Anže Hribar iz družbe iPROM pred SMK opozarja, da se veliko podjetij UI loteva brez jasnih ciljev in pričakuje takojšnje rezultate. “V praksi pa je učinkovitost UI zelo odvisna od kakovosti podatkov, pravilne vpeljave in finega izpopolnjevanja.”

Če vzamemo isto količino podatkov: koliko časa okvirno prihranimo, če si pri analizi pomagamo z UI?

Časovni prihranki so lahko velikanski, saj UI omogoča, da analize, ki bi prej trajale dneve ali tedne, opravimo v nekaj urah ali celo minutah. Seveda je vse odvisno od kakovosti podatkov, kompleksnosti analize in ravni avtomatizacije. Denimo, pri segmentaciji kupcev ali napovedovanju prodaje lahko UI hitro obdela velike količine podatkov in zazna vzorce, ki bi jih s klasičnimi metodami odkrivali precej dlje. Glavna prednost pa ni le hitrost, ampak tudi sposobnost zaznavanja korelacij in anomalij, ki bi jih človek lahko spregledal.

Koliko ga že uporabljate v podjetju iPROM, kakšne so vaše izkušnje z UI na področju analitike?

UI je nepogrešljiv del sodobne marketinške analitike in ga v podjetju iPROM že leta redno uporabljamo na številnih področjih, od optimizacije marketinških kampanj, iskanja vzorcev za ciljanje v okviru iPROM Private DMP (iPROM Private DMP uporablja UI za napovedovanje nakupnih namer uporabnikov, op. a.), naprednih analiz vedenjskih vzorcev in tudi tehničnega razvoja produktov, kot je modul za iskanje vzorcev, ki nakazujejo na različne zlorabe.

Največji premik opažamo pri obdelavi surovih podatkov, kjer UI omogoča hitrejše čiščenje in identifikacijo pomembnih vzorcev. Prav tako je v veliko pomoč pri razumevanju potrošniških poti, saj lahko združujemo in obdelujemo podatke iz različnih virov. Ustanovitelj in partner družbe iPROM Simon Cetin v okviru laboratorija Retoba med drugim razvija UI-model za analizo diskusij med uporabniki in pogovornimi vmesniki, razvitimi na velikih jezikovnih modelih. Analiza teh diskusij z uporabo UI omogoča izjemen uvid v potrebe in želje trga ter s tem izboljšave starih in razvoj novih izdelkov ali storitev. Tomaž Tomšič, vodja iPROM Labs, razvija prototip analitičnega modela, s katerim se z UI s podatkovnimi skladišči in podatki, zbranimi v njih, preprosto pogovarja vsak, ne glede na raven znanja.

Naše izkušnje kažejo, da UI zelo pospešuje izvedbo in izboljša natančnost analitike, a hkrati zahteva jasno definirane cilje in razumevanje konteksta, v katerem se uporablja. V tem pogledu je izjemnega pomena sprotno fino izpopolnjevanje analitičnega modela UI, ki ga zgradimo in uporabljamo, saj lahko le s tem dolgoročno pridemo do zanesljivih, avtonomnih in resnično uporabnih analitičnih orodij, ki jih poganja UI.

Kljub rabi UI, koliko mora biti še človeškega dejavnika, da se ne dogajajo napake? V kateri fazi procesa mora biti človek še vedno dejaven?

Analitika, ki temelji na generativnem UI, pomeni močno orodje za končne uporabnike, vendar brez človeškega dejavnika (še) ne more delovati optimalno. Še vedno je najpomembnejša človeška presoja, predvsem pri izhodnih informacijah, saj UI sam od sebe ne ve, kaj je za podjetje pomembno. Prav tako sta pomembni struktura in kakovost podatkov, saj slabi ali napačno strukturirani podatki lahko vodijo do napačnih sklepov. UI lahko identificira vzorce, vendar pa sta njihova razlaga in umeščanje v poslovni kontekst še vedno nalogi človeka in tu smo znova pri sprotnem finem izpopolnjevanju, to delo pa je naloga izkušenega analitika.

Najboljše rezultate danes še vedno ponuja kombinacija UI in človeške presoje, s katero človek izpopolnjuje namensko definiran analitični model UI. UI prinese hitrost in širino analize, človek pa dodaja kontekst in interpretacijo, s katero UI-model sproti izpopolnjuje v smeri čedalje bolj suverenega, samostojnega dela. Vsi analitični modeli UI, ki jih danes snujemo, potrebujejo (predvsem v začetni fazi) fino izpopolnjevanje, ki ga izvaja prav človek. V podjetju iPROM imamo najboljše rezultate, ko za ta proces skrbijo naši analitiki z znanji prompt inženiringa in dobrim razumevanjem poslovnega procesa.

Kam gre prihodnost rabe UI v analitiki, marketingu?

Prihodnost UI v marketingu bo prinesla še večjo avtomatizacijo in personalizacijo. Algoritmi bodo čedalje bolj sposobni napovedovati vedenje kupcev in v realnem času ustvarjati marketinške vsebine, prilagojene posameznikom. Prav tako bo UI imel glavno vlogo pri analizi nestrukturiranih podatkov, kot so slike, video in govor, kar bo še bolj poglobilo razumevanje uporabniške izkušnje, tako v fizičnem kot digitalnem svetu. Ob tem pa se bodo morala podjetja seveda prilagajati regulativam na področju zasebnosti in etične rabe podatkov. Transparentnost in odgovorno upravljanje UI bosta glavni konkurenčni in razlikovalni prednosti. UI bo analitiko in uporabno vrednost podatkov prenesel na širši krog zaposlenih in jim omogočil boljše odločanje.

Kje so glavni izzivi sedanjosti, kje izzivi prihodnosti?

Trenutno se podjetja največkrat spoprijemajo z izzivi pri integraciji UI z uveljavljenimi sistemi, saj številni še vedno uporabljajo zastarele podatkovne baze in orodja, ki niso prilagojena UI-rešitvam. Drug velik izziv je kakovost podatkov, saj so UI-algoritmi le tako dobri, kot so dobri podatki, s katerimi jih hranimo. Poleg tega se številna podjetja spopadajo s pomanjkanjem znanja in usposobljenega kadra, ki bi znal optimalno izkoristiti potencial UI. Ne smemo zanemariti tudi, da so nekatera podjetja vezana na uveljavljena sistemska orodja in ponudnike zalednih sistemov, ki so zaradi neagilnosti v luči bliskovitega razvoja prej ovira kot pomoč. Smo v obdobju »learning by doing« (uči se tako, da delaš), tako kot je bilo to na začetkih rabe interneta za namene marketinga in oglaševanja. Toda tiste, ki v to jabolko grizejo danes in preizkušajo, jutri brez dvoma čaka svetla prihodnost.

Katere so glavne napake, ki jih delajo podjetja, ko vpeljujejo UI v svoje (marketinške) procese, odločitve?

Veliko podjetij se UI loteva brez jasnih ciljev in pričakuje takojšnje rezultate. V praksi pa je učinkovitost UI zelo odvisna od kakovosti podatkov, pravilne vpeljave in finega izpopolnjevanja. Če se UI trenira na pristranskih ali nepopolnih podatkih, lahko rezultati vodijo v napačne odločitve. Če ne nadzorujemo izhodnih podatkov in modelov ne izpopolnjujemo sproti, ne bodo pravilno delovali. Prav tako številna podjetja delajo napako, ko UI obravnavajo kot samostojen sistem, brez ustreznega človeškega nadzora, in pričakujejo, da bo ta rešil problem. Avtomatizacija mora biti podprta s strokovnim znanjem, saj UI sam po sebi ne more razumeti širšega poslovnega konteksta. Spet smo pri »fine tunningu«, finem izpopolnjevanju.

Če bi morali dati nasvet podjetjem, ki razmišljajo o vpeljavi UI v svoj proces marketinške analitike – kaj bi jim svetovali?

Podjetja, ki razmišljajo o uvajanju UI v svojo marketinško analitiko, morajo najprej čim bolj jasno definirati, kaj želijo doseči. UI ni univerzalna rešitev, temveč močno orodje, ki deluje, če je usmerjeno k specifičnim ciljem in ima jasno nalogo. Najpomembneje je, da poskrbijo za kakovostne podatke, saj so slabi ali nepopolni podatki največja ovira pri učinkoviti uporabi UI, zato je gradnja svojega lastnega podatkovnega skladišča lahko v veliko pomoč. Ne pričakujte, da boste nekaj integrirali in bo to brez finega izpopolnjevanja delovalo. Vodstvo podjetij naj definira proračun za eksperimentiranje z UI, in to brez prevelikih pričakovanj ali prevelikih pritiskov na ekipe. Danes gre predvsem za proces učenja. Nihče še ne ve vsega in dovolite temu čas.

Špela Mikuš, Finance