Недопоняли клиента. Как ИИ находит скрытые предпочтения покупателей и увеличивает точность прогнозов на 15%
Представьте, что вы маркетолог и уверены, что ваши клиенты делятся на три чётких сегмента: «эконом», «лояльные» и «качественные». Вы готовите для каждой группы свои рекламные кампании и скидки. А потом оказывается, что 40% ваших «экономов» на самом деле в определённых ситуациях ведут себя как «лояльные», а каждый пятый «качественник» клюёт на яркую акцию.
Традиционные маркетинговые модели часто работают именно так — они помещают людей в жёсткие рамки. Новое исследование «Как потребители на самом деле выбирают?» использует модель «Смеси экспертов» (Mixture of Experts, MoE) — мощный инструмент ИИ, который показывает, что поведение покупателей гораздо сложнее и интереснее.
Мы изучили это исследование и послушали разбор в подкасте «Nerd Alert», чтобы простыми словами объяснить, как ИИ переворачивает представление о потребителях.
В чём проблема старых моделей?
Традиционные модели, такие как мультиноминальный логит, исходят из того, что все потребители одинаково реагируют на цену или бренд. Более продвинутые модели, как скрытый класс, делят аудиторию на сегменты, но делают это раз и навсегда. Это как сортировать яблоки только по цвету, игнорируя их размер и вкус.
Человек — не робот. Сегодня он покупает премиум-бренд, потому что получил премию, а завтра ищет самую дешёвую пасту, потому что вышел за рамки бюджета. Статические модели этого не улавливают.
Как работает «Смесь экспертов»? Зоопарк покупателей.
Модель «Смеси экспертов» — это как умный менеджер по продукту, который нанял нескольких узких специалистов-«экспертов» для работы с разными типами клиентов.
- Ценовой эксперт понимает тех, кто ищет самую низкую цену.
- Эксперт по брендам работает с лояльными клиентами, которые не переключаются на конкурентов.
- Эксперт по акциям знает, как зацепить тех, кто покупает только по скидке.
- Эксперт по фичам разбирается в клиентах, которым важны характеристики, а не цена.
Но главная магия — не в самих экспертах, а в «распределителе» (gating function). Это алгоритм, который в реальном времени смотрит на поведение каждого покупателя и решает: «Сейчас этот клиент на 70% ведёт себя как "эконом", но на 30% — как "лояльный"».
В подкасте это сравнили с зоопарком: покупатели — это разные животные, но одно и то же животное может в разное время вести себя по-разному. Модель MoE это признаёт и позволяет работать с такой динамикой.
Что обнаружил ИИ? 4 реальных сегмента и их пороги.
Проанализировав данные о покупках, модель выявила четыре ключевых сегмента и их точные «болевые точки»:
- Чувствительные к цене (35,2%): Имеют самую высокую эластичность (-2,35). Повышение цены на 1% снижает вероятность покупки на 2,35%. Ключевой рычаг — цена.
- Лояльные к бренду (25,4%): Их почти не волнует цена (эластичность -0,75). Главное — имя бренда. Можно смело применять премиум-ценообразование.
- Ориентированные на акции (20,1%): Реагируют на скидки, но здесь есть пороговый эффект. Скидка в 5-10% почти не работает, а вот 20% — это магическая цифра, после которой вероятность покупки резко взлетает.
- Ориентированные на функции (19,3%): Смотрят на качество, состав, технологичность. Цена для них второстепенна.
Результаты: Точность и деньги
- Точность прогноза: Модель «Смеси экспертов» предсказала выбор потребителей с точностью 78,9%. Это на 12-15% точнее, чем традиционные модели (MNL, Mixed Logit).
- Скорость: Несмотря на сложность, MoE обучилась на 40% быстрее, чем продвинутая модель Mixed Logit, что делает её применимой для больших данных.
- Гибкость: Модель динамически подстраивается под изменения в поведении, не требуя постоянного переопределения сегментов вручную.
Что делать маркетологу? Выводы для бизнеса
- Перестаньте говорить со всеми одинаково. Универсальная скидка 10% — это деньги на ветер для лояльных сегментов и слишком мало для акционных.
- Используйте пороговые значения. Для «акционных» покупателей не мелочитесь — скидка должна быть существенной (тот самый порог в 20%), чтобы сработать.
- Доверьте сегментацию ИИ. Только машинное обучение может уловить динамическую природу потребителей, которые не являются «чистыми» представителями одного сегмента.
- Фокусируйтесь на правильных рычагах. Для одних — цена, для других — уникальное торговое предложение, для третьих — программа лояльности.
ИИ-модели вроде «Смеси экспертов» — это не просто сложная математика для учёных. Это практический инструмент, который показывает, что ваш клиент не статичен. Он — живой, сложный и меняющийся. Признание этой сложности — ключ к персонализации, которая действительно работает, увеличивает конверсию и предотвращает отток клиентов.
Как говорится в подкасте, не кормите травоядных мясом, а хищников — сеном. Определите, кто есть кто в вашем зоопарке, и кормите их правильной едой.
Ресурсы: Vallarino, D. (2025). How Do Consumers Really Choose? Exposing Hidden Preferences with the Mixture of Experts Model. arXiv preprint arXiv:2503.05800.