Искусственный интеллект в прогнозировании покупательского поведения: точность до 90%

Да, ИИ может достаточно точно прогнозировать потребительские тренды и покупательское поведение — сообщается о точности от 70% до 90% в зависимости от модели и контекста. Однако эффективность сильно зависит от качества данных, выбора модели и конкретной задачи прогнозирования.

Ключевые выводы из последних исследований и отраслевых отчётов:

• Высокая точность достижима, но варьируется в зависимости от метода. Исследование 2025 года, опубликованное в PMC, сравнивало четыре модели машинного обучения (SVM, XGBoost, CatBoost, BPANN) и показало, что методы градиентного бустинга и нейронных сетей особенно эффективны для прогнозирования потребительского поведения в целях точного маркетинга . Отраслевые приложения демонстрируют точность прогнозирования трендов на следующий квартал на уровне 70–80% .

• LLM могут сравниться или превзойти точность человеческих опросов. Исследователи из ETH Zürich и Университета Мангейма показали, что большие языковые модели могут предсказывать, что люди купят, с точностью примерно 90% от уровня человеческих опросов, используя 9 300 реальных ответов без проведения ни одного нового опроса . Это свидетельствует о том, что синтетическое моделирование потребителей становится реальностью.

• Генеративный ИИ быстро внедряется реальными покупателями. Опрос потребителей Capgemini 2025 года (12 000 респондентов) показал, что почти каждый четвёртый потребитель использовал генеративный ИИ для шопинга, а 68% готовы действовать по его рекомендациям. Среди поколения Z 55% уже совершали покупки по рекомендации инструментов генеративного ИИ . BCG сообщила, что использование GenAI для шопинга выросло на 35% в период с февраля по ноябрь 2025 года .