Issuu

MARKETI MARKETING V KYBERV

KYBERVEKU

MARKETING V KYBERVĚKU

KYBERNETICKÉ PRINCIPY A NÁSTROJE K ZAMYŠLENÍ MARKETÉRŮ I ZÁKAZNÍKŮ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ – FAKULTA PODNIKATELSKÁ

ISBN 978-80-214-6374-5

2.2

2.5.6

3.2.5

3.3.1

3.3.3

3.3.4

3.3.5

3.4.4

3.5.2

3.5.3

Seznam obrázků

Obr. 1: Konceptuální schéma managementu zákaznických řešení (zdroj: Chlebovský, 2017) .....................................................................................

Obr. 2: Hospodářský cyklus (zdroj: w4t.cz) ......................................................... 29

Obr. 3: Cyklus tržní životnosti produktu (upraveno z strategyzer.com) .............. 31

Obr. 4: Cyklus životnosti produktu (upraveno z odpovednaspotreba.cz) ...........

Obr. 5: Pyramida ICT infrastruktury respektující interní potřeby společnosti (zdroj: upraveno z (Gudănescu & Nicolau, 2010)) ...................................

Obr. 6: Optimální provázanost informačních systémů pro podporu rozhodování ve společnosti (zdroj: autor) ..................................................................... 34

Obr. 7: Typická architektura IS ve výrobních společnostech (zdroj: upraveno z (Videcka, 2016)) ..................................................................................... 34

Obr. 8: Příklad sběru dat (zdroj: autor) ................................................................ 40

Obr. 9: Hesla v předzahrádce domku v Clevelandu, Ohio (foto: autor) ................ 50

Obr. 10: Využití nástrojů strojového čtení textu z fotografie a překladu (foto: autor, nástroje Google Translator s využitím funkce Lens (vlevo) a DeepL (vpravo)) ......................................................................................

Obr. 11: Value Proposition Canvas model (upraveno z (Johnson, 2012)) ...........

Obr. 12: Průmysl 4.0 – základní model (upraveno z PwC, Industry 4.0: Building the digital enterprise) ...............................................................................

Obr. 13: Technologie výroby obuvi na míru s využitím 3D tisku (zdroj: Adam Savage, youtube.com) ..............................................................................

Obr. 14: U-křivka míry přidané hodnoty v rámci hodnototvorného řetězce (zdroj: (Mudambi, 2008)) .....................................................................................

Obr. 15: Víceramenná sestava osvětlení chirurgického sálu propojená s diagnostickými technologiemi (zdroj: brandon-medical.com) ............ 67

Obr. 16: Technologický nákres stroje pro výrobu cigaret připravený jako součást patentové přihlášky (zdroj: vynález-patent.cz) ........................................

Obr. 17: Vývoj systémů hromadné výroby (zdroj: převzato z (Kusiak, 2022)) ..... 75

Obr. 18: Automatizovaný dopravní prostředek AGV pohybující se po vyznačené trase (zdroj: howtorobot.com) .................................................................. 78

Obr. 19: Doručovací autonomní roboti v ulicích Tallinu (zdroj: autor) .................. 78

Obr. 20: Doručovací autonomní dron UPS Flight Forward (zdroj: UPS) ............... 79

Obr. 21: Základní schéma komunikace (upraveno z strategyzer.com) ............... 91

Obr. 22: Exponenciálnost technologického vývoje a odhady budoucnosti (upraveno z waitbutwhy.com) .................................................................. 105

Seznam tabulek

Tab. 1: Porovnání modelů zákaznické orientace prodeje a tržní orientace podniku (zdroj: autor) ...............................................................................

Tab. 2: Přehled dostupných statistik využívání jednotlivých typů IS (zdroj: autor) 35

Tab. 3: Přehled údajů, které o provozu automobilu a uživateli sleduje automobilka Tesla (zdroj: tesla.com) .......................................................

Slovník pojmů

Big data (Velká data): Obrovské množství dat shromažďovaných z různých zdrojů (např. sociální média, webové stránky, prodejní data), která lze využít k lepšímu pochopení zákazníků, jejich potřeb a chování. Často jsou spojována s charakteristikami jako objem (Volume), rychlost (Velocity), rozmanitost (Variety), pravdivost (Veracity) a hodnota (Value).

Cirkulární ekonomika: Ekonomický model zaměřený na minimalizaci odpadu a maximální využití zdrojů prostřednictvím opakovaného použití produktů, recyklace materiálů a designu pro udržitelnost.

Cloud computing: Model poskytování IT zdrojů (např. úložiště, výpočetní výkon, aplikace) přes internet. Běžným příkladem jsou e-mailové služby nebo cloudová úložiště pro fotografie. Mezi výzvy patří bezpečnost, dostupnost a latence.

Crowd computing: Využití sdíleného výpočetního výkonu osobních počítačů propojených do sítě pro koordinovanou práci, často pro modelování a simulace náročných úloh.

Digitalizace: Proces transformace informací, vztahů a komunikace do digitální formy. Zahrnuje neustálé rozšiřování digitálního obsahu a digitalizaci společenských interakcí. V kontextu digitální transformace může jít o dílčí změny, např. digitalizaci jednotlivých procesů.

Digitální dvojče (Digital Twin): Virtuální replika fyzického produktu, systému nebo procesu, která se využívá pro analýzu, simulaci a optimalizaci v reálném čase.

Digitální transformace: Komplexní projekt digitalizace směřující ke změně byznys modelu podniku, který nezahrnuje jen průmysl, ale celkovou změnu fungování organizací pod vlivem digitálních technologií.

Exponenciálnost: Princip vycházející z Moorova zákona, popisující rychlý, exponenciální růst technologických kapacit, jako je výpočetní výkon nebo energetická efektivita (zdvojnásobení každých cca 18 měsíců až 2 roky).

Finanční technologie (FinTech): Propojení financí a technologií, zahrnující inovace jako mobilní platby, peer-to-peer půjčky, crowdfunding, kryptoměny a blockchain.

Generativní umělá inteligence: Typ umělé inteligence schopné vytvářet nový originální obsah, jako je text, obrázky nebo hudba. Příkladem jsou nástroje ChatGPT nebo Bard.

Internet věcí (IoT): Síť fyzických zařízení, vozidel, domácích spotřebičů a dalších předmětů vybavených senzory, softwarem a konektivitou, které jim umožňují sbírat a vyměňovat si data.

Kombinatorika: Princip umožňující výrazné urychlení a zefektivnění inovací prostřednictvím rekombinace již existujících prvků a nápadů, podpořený digitalizací a exponenciálním růstem technologických možností.

Kybernetika: Věda zabývající se řízením a přenosem informací a komunikací v systémech. V knize je chápána ze dvou pohledů: obecné kybernetiky (řízení a komunikace obecně) a technické kybernetiky (řízení a komunikace ve strojích a technologiích).

Marketing: Komplexní proces řízení zaměřený na poznání, předvídání, ovlivňování a uspokojování potřeb a přání zákazníka efektivním způsobem, který zajišťuje splnění cílů organizace. Zahrnuje všechny prvky marketingového mixu.

Mikrotransakce: Malé platby, často realizované v online hrách nebo aplikacích, za účelem nákupu dodatečného obsahu, funkcí nebo virtuálních předmětů.

Procesní digitalizace: Automatizace marketingových (a jiných) procesů pomocí technologií, jako jsou CRM systémy, platformy pro automatizaci marketingu nebo umělá inteligence, s cílem ušetřit čas a zvýšit efektivitu.

Průmysl 4.0 / Průmysl 5.0: Koncepty označující současné fáze průmyslové revoluce charakterizované masivním nasazením digitálních technologií, automatizace, umělé inteligence a propojených systémů ve výrobě a dalších odvětvích.

Rozšířená realita (AR) a Virtuální realita (VR): Technologie, které umožňují prolnutí reálného světa s digitálními prvky (AR) nebo úplné ponoření do digitálně vytvořeného prostředí (VR). Využívají se pro vylepšení zákaznické zkušenosti, vývoj produktů a další aplikace.

Sociální média: Online platformy a nástroje, které uživatelům umožňují vytvářet, sdílet a vyměňovat si informace, nápady a obsah. Hrají významnou roli v komunikaci, ale přinášejí i výzvy spojené s kontrolou obsahu a identitou.

Strojové učení: Oblast umělé inteligence, která se zabývá vývojem algoritmů umožňujících počítačovým systémům učit se z dat bez explicitního programování. V marketingu se využívá např. pro optimalizaci kampaní, personalizaci nabídek nebo predikci chování zákazníků.

MARKETI ARKETING

V KYBERV BERVEKU

O ČEM TO JE A JAK TO ČÍST

1.1 Jak a O čem Žijeme v neuvěřitelně rychlé době, ve které mnozí nestačíme vnímat veškerý vývoj technologií a nástrojů, které má celá moderní civilizace k dispozici. Tento vývoj s sebou navíc nese propojování a vzájemné ovlivňování dříve zcela oddělených oblastí lidské činnosti, což často, minimálně na první pohled, ještě více komplikuje vnímání a porozumění problematice.

Rozvoj moderních technologií napříč mnoha obory, zrychlující se globální sdílení všech myslitelných a dostupných zdrojů a informačně-komunikační dostupnost v reálném čase společně vedly k vytvoření a rozvoji informační společnosti sdružující neomezené množství globálních vesnic. V takovémto prostředí propojeném mnohonásobnými multioborovými vazbami není vůbec jednoduché se správně orientovat a při vysoké dynamice vývoje zajistit optimální rozhodování ať už v pracovních, nebo osobních záležitostech.

Rychlý technologický rozvoj, který v současnosti probíhá – hovoří se v této souvislosti o Průmyslu 4.0, někdy už o 5. průmyslové revoluci nebo v obecnějším duchu o procesu digitální transformace, která samozřejmě nezahrnuje jen průmysl –, je charakterizován třemi základními principy (Brynjolfsson & McAfee, 2015):

Exponenciálnost

Digitalizace

Kombinatorika

Exponenciálnost rozvoje vychází z tzv. Moorova zákona, což je empirické pravidlo, které v roce 1965 vyslovil zakladatel firmy Intel Gordon Moore. Původní znění bylo: „Počet tranzistorů, které mohou být umístěny na integrovaný obvod, se při zachování stejné ceny zhruba každých 18 měsíců zdvojnásobí.“ Takovýto růst se nazývá exponenciální. Složitost dnešních procesorů se poměřuje především počtem tranzistorů v nich zapojených. Rychlost růstu počtu tranzistorů na plošné jednotce se časem zpomalila a nyní se jejich počet zdvojnásobuje přibližně jednou za dva roky. I tak je ale zákon považován za velmi přesný odhad technologického a ekonomického vývoje. Mnozí vědci věří, že zůstane v platnosti i v následujících dvou desetiletích. S přihlédnutím k mírnému přeformulování tohoto zákona, kdy místo počtu tranzistorů budeme sledovat výkon nebo energetickou efektivitu, platí pořád s tempem zdvojnásobení výkonu/efektivity každých 18 měsíců. Každých 18 měsíců je tak k dispozici technologická kapacita naprosto nesrovnatelná s předchozím stavem (Brynjolfsson & McAfee, 2015). V tomto kontextu je potřeba dodat, že globální ekonomický vývoj exponenciálnost technologického vývoje zdaleka nekopíruje. Jednak prochází svými standardními cykly a jednak samozřejmě platí, že ne všechny sektory ekonomiky jsou na srovnatelné úrovni, pokud jde o využívání ICT technologií (Hutcheson, 2009).

Digitalizace znamená jednak neustálé rozšiřování dostupného informačního obsahu v digitální formě (jde především o exponenciální nárůst dostupné úložné

kapacity pro digitální data. Není proto problém ukládat do datových úložišť nejen veškerý vznikající informační obsah, ale i nově digitalizované starší obsahy) a rovněž digitalizaci vztahů a komunikace ve společnosti. Rychlost této změny byla krásně patrná v průběhu roku 2020, kdy jsme byli celosvětově donuceni naše vztahy digitalizovat. Je samozřejmě otázkou, zda výše uvedené změny vyvolané reakcí na pandemii budou mít trvalé následky a komunikace jak na úrovni spotřebitelů, tak na úrovni podnikové zůstane z velké části digitalizována. Očekáváme, že tato změna zůstane a trend digitalizace bude narůstat i v budoucnu. Časté téma science fiction a alternativního digitálního světa, kde lze žít v online prostoru, je zřejmé v několika knihách, seriálech, filmech či lze sledovat náznaky v reálném vytvoření paralelního digitálního světa – Metavesmír (Zítko, 2021).

Obrovskou výhodou digitálního obsahu je snadnost jeho následného sdílení. Jakoukoliv další vytvořenou kopii lze vyrobit v podstatě zadarmo, její kvalita je naprosto totožná s kvalitou originálu a v internetem propojeném světě je sdílení kopií okamžité a rovněž se zanedbatelnými náklady.

Kombinatorika umožňuje výrazné urychlení a zefektivnění inovací. V současnosti je poměrně běžný empirický přístup k definování cíle inovací – ne v duchu přinést něco nového, ale spíše rekombinace věcí, které již existují.

Tento přístup by bez podpory dvou předchozích principů byl velmi pracný a časově náročný, ale s využitím masivní digitalizace (a z ní plynoucí možnosti levného a velmi rychlého sdílení digitálního obsahu) a exponenciálnosti (a z ní plynoucího rychlého rozšiřování dostupného digitálního úložného prostoru a výpočetní kapacity) se kombinatorní přístup k inovacím stává velmi efektivním.

I z těchto předpokladů generovaných dobou, ve které žijeme, je zřejmý stále silnější vliv kybernetiky do jednotlivých oblastí života společnosti, a to nejen obecné kybernetiky ve smyslu vědy zaměřené na řízení a přenos informací, ale rovněž technické kybernetiky, která se specificky zaměřuje na řízení a komunikaci ve strojích a dalších technologiích. Nezpochybnitelný je samozřejmě i vliv kybernetiky na marketing.

Co všechno tyto tři základní principy postupně umožnily, si ukážeme na dvou následujících případech. Prvním je online jazykový překladač. Všichni si pamatujeme, že ještě před několika lety šlo spíše o překladový slovník než pokročilý překladač textu. Zvláště překlad komplexnějších textů byl často téměř nesrozumitelný a bylo obtížné odhalit i jeho základní význam. Dnes je všechno jinak, a především mezi hlavními světovými jazyky překladače fungují výborně. Umožňuje to pokročilá kontextová analýza a práce s vyhledáváním analogických textů v různých jazycích.

Jako testovací příklad byl zvolen následující citát z Malého prince: „Zamilovala se do svých květů, a ne do svých kořenů a na podzim nevěděla, co dělat.“

Ve francouzském originálu citát zní:

„Elle est tombée amoureuse de ses fleurs et non de ses racines, et à l‘automne, elle ne savait pas quoi faire.“

A např. v italštině následovně:

„Si innamorò dei suoi fiori e non delle sue radici, e in autunno non sapeva cosa fare.“

Při křížovém porovnání vzájemných překladů tohoto citátu mezi jednotlivými jazyky překvapí, jak přesné překlady získáme. Nejvíce asi překvapí fakt, že i v překladu z italštiny, ve které není z citátu patrný jazykový rod, je použit správně rod ženský. Jinými slovy, překladače díky kontextovému vyhledávání odhalí, že uživatel zřejmě požaduje překlad citátu z Malého prince, a automaticky do překladu vloží odpovídající pasáž textu knihy v požadovaném jazyce. Celá operace trvá několik milisekund. Něco takového by nebylo možné bez neustále exponenciálně rostoucího dostupného výpočetního výkonu, bez kombinatoriky a bez dostupnosti digitalizovaných textů Malého prince v různých jazycích.

Druhý příklad jde v automatické práci s textem ještě o krok dál – k jeho tvorbě. V poslední době se doslova roztrhl pytel s chatboty umělé inteligence (AI). Začalo to nástrojem ChatGPT (nejdříve verze 3.0, pak 3.5 a aktuálně 4.0), následně se objevily další (např. Bard, dnes Gemini). Jak neuvěřitelný pokrok tyto modely za posledních několik let udělaly, dobře ilustruje následující srovnání. První text byl vygenerován v roce 2021 nástrojem writesonic.com, který v té době využíval platformu chatGPT 3.0 a byl dostupný pouze v angličtině. Zadaným tématem pro generaci textu bylo „machine learning and big data in marketing“ a jako základ pro generování textu byl využit odstaveček z následující kapitoly této knihy přeložený do angličtiny. Nástroj na tomto základě nabídl několik zpřesnění tématu a čtyřbodovou obsahovou osnovu (obojí šlo případně dále upravit). Na takto připraveném základu pak během 90 sekund vygeneroval následující strukturovaný text:

„How Machine Learning and Big Data Use are Changing the Future of Marketing

It is not easy to extract anything useful from such vagueness and difficult-to-grasp huge data volumes, but large IT companies that focus on this issue have gradually developed and are further developing the relevant analytical tools. Well-designed advanced big data analysis enables better overview, decision-making, and process automation not only in marketing. Before big data analyzes were used more, most of the data about customers and business partners were stored in structured databases that do not allow full unstructured content analysis. This was finally allowed by NoSQL technology.

What is Machine Learning?

Machine learning is computer science related to the methods of getting pattern from given set of data. A machine learning algorithm uses analytical algorithms to predict a particular pattern or result from the given set of input data. Take, for example, Google.com search engine. It is able to predict not just the contents of a search result, but also how to present the results in the display and to give preference to certain types of results in search results. These prediction algorithms are called artificial neural networks. What are Big Data? According to popular definition, big data refers to a set of data collected over a longer period of time. According to

ISO 9001-2008, an organization using big data shall have no less than 5 GB of data per day. This is no more achievable now.

How Big Data and Machine Learning are Changing Marketing

As opposed to email marketing that focused on mass contact, social media marketing seeks target-specific user groups. Big data helps with better understanding user’s preferences, likes, dislikes, previous activities and even previous transactions, thereby significantly improving the ROI. This method not only improves effectiveness but also efficiency of business operations as well. Customers are also now able to choose products and services according to their preferences, thus supporting the need for targeted and personalized marketing. This is another practical use for big data that helps in product development. Big Data and the Future of Marketing Unstructured data, including word documents, spreadsheets, web browsing history, etc., is a source of value for marketers.

The Future of Marketing

Today big data has become an essential part of marketing teams’ activities. And it may one day become an indispensable part of marketers’ brains.

Conclusion

There is a growing demand for big data analysis from marketing organizations. The skills and abilities required for data analysis are constantly evolving, with an increasing variety of tools, methods, and approaches. Although there is no panacea, the implementation of the right kind of analytical tools can help the modern marketing organizations address the variety of challenges that confront them.“

Překvapivě dobrý text. Není to něco, co by stroj vymyslel sám. Zase jde o využití těch tří základních principů – využití dostupného výpočetních výkonu a vytvoření vhodné kombinace z digitálně dostupného obsahu. Pro zajímavost byl vytvořený text zkontrolován antiplagiátorským systémem; nepřekvapivě, systém nenašel žádné významné shody s již existujícími publikovanými texty.

A jak rychlý je vývoj? Pro srovnání byl podobný dotaz zadán chatbotu Gemini v roce 2024. Tentokrát bez problému rovnou v češtině a výsledek je následující:

Kybernetika v moderním marketingu

V posledních letech se kybernetika stále více uplatňuje v marketingu. Kybernetika je věda o řízení a regulaci systémů, a proto je v marketingu vhodná pro řešení komplexních problémů, jako je segmentace trhu, optimalizace kampaní nebo personalizace nabídky.

Big data

Big data představují obrovské množství dat, která jsou shromažďována z různých zdrojů, jako jsou sociální média, webové stránky nebo prodejní data. Tato data lze využít k lepšímu pochopení zákazníků, jejich potřeb a chování. Na základě big dat lze například segmentovat trh do menších skupin s podobnými vlastnostmi a potřebami. To umožňuje marketérům vytvořit personalizovanější marketingové kampaně, které jsou relevantnější a efektivnější.

Marketing v kybervěku