Sollten Sie künstlicher Intelligenz vertrauen, um Ihr Content-Marketing voranzutreiben?

Vor dem Frühstück überprüfe ich meine Facebook- und LinkedIn-Newsfeeds, um eine kurze Zusammenfassung des Tages zu erhalten. Während ich unter die Dusche springe, drücke ich auf "Download" eines empfohlenen Films auf Netflix, da ich weiß, dass ich heute Abend einen langen Flug habe. Während ich mein Müsli schlürfe, klicke ich einmal, um nächste Woche ein Geschenk zum Geburtstag eines Freundes zu kaufen. Mein iPhone pingt, um mir mitzuteilen, dass ich jetzt gehen muss, wenn ich dieses frühe Treffen in 54 Meilen Entfernung machen möchte. Und wenn ich in mein Auto steige, verwende ich die Sprachaktivierung, um meine Lieblings-Spotify-Wiedergabeliste abzuspielen. Apple Maps teilt mir mit, dass die Fahrt zum Bahnhof heute Morgen fünf Minuten dauern wird.

Mit echten Beispielen für nachweisbaren Wert auf dem Markt können wir nicht länger sarkastisch scherzen, dass KI „fast umgesetzt“ bedeutet.

Wir alle sind darauf konditioniert, uns in unserem täglichen Leben auf Technologie zu verlassen, nicht nur für die Kommunikation, sondern auch für die Entscheidungsfindung. Diese immer tiefer werdende Schnittstelle zur Technologie verdrahtet unser Gehirn neu, um Informationen anders zu verarbeiten, wie Nicholas Carr in The Shallows schreibt. So ist es auch mit unseren Kunden.

Beliebte Consumer-Apps haben zu einer unbewussten Masseneinführung fortschrittlicher, vorausschauender Technologien geführt. Und doch… während wir unsere kognitiven Prozesse zunehmend an unzählige Consumer-Apps und -Tools auslagern, erwacht das Unternehmen erst jetzt zu dieser neuen Ebene der Kundenerwartung. Diese einseitige Annahme wird am deutlichsten, wenn wir bedenken, dass wir jetzt dem eingebauten Kollisionsvermeidungssystem eines Autos vertrauen, um unser Leben zu schützen, und uns dennoch fragen, ob eine Maschine empfehlen kann, was als nächstes in ein Marketingprogramm geschrieben werden soll oder welcher Kunde ein neues erhalten soll Produktangebot.

Wir vertrauen auf künstliche Intelligenz, um unsere Autos sicher zu fahren, empfehlen jedoch keine Marketingstrategie.

Unbequeme Wahrheit

In den letzten 10 Jahren hat sich die Marketingautomatisierung zu einer Milliarden-Dollar-Branche entwickelt, indem sie versprochen hat, Marketingprogrammen Personalisierung und Effizienz zu verleihen. Der Sirenenruf der automatisierten Lead-Pflege, Lead-Bewertung und ausgelösten Reaktionen auf kritische potenzielle Aktivitäten hat sich für B2B-Unternehmen als unwiderstehlich erwiesen: 2014 gab es fast elfmal mehr Unternehmen mit Marketing-Automatisierung als Anfang 2011 (SiriusDecisions) und 60% von Unternehmen, die bis 2014 einen Umsatz von mindestens 500 Millionen US-Dollar umgesetzt haben (Raab Associates).

Die unbequeme Wahrheit über die Marketingautomatisierung der ersten Generation ist jedoch, dass sie nicht wirklich automatisiert ist. Es ist ein fantastisches zentrales Workflow-Tool, mit dem Skalierbarkeit erreicht werden kann, für dessen Einrichtung, Integration, Verwaltung und Optimierung jedoch Ressourcen erforderlich sind. In der Tat wurde in vielen B2B-Organisationen der Ausdruck „Feed the Beast“ in die Marketing-Sprache aufgenommen, um den Ressourcenbedarf der Marketing-Automatisierung zu beschreiben. Grundsätzlich gibt es das Problem des Regelkriechens. Beim Einrichten von Kampagnen definieren Sie Geschäftsregeln: "Wenn A passiert, dann tun Sie B" oder "Wenn die Person diese Eigenschaft hat, fügen Sie sie in Segment 4 ein." Dies kann zunächst einfach sein, ist jedoch immer eine unzureichende Reduzierung komplexer und vielfältiger Käuferreisen. Sie fügen also weitere Regeln hinzu, um die Kampagne zielgerichteter zu gestalten. Und jedes Mal, wenn Sie Ergebnisse messen, müssen mehr Regeln geschrieben werden. Einige unserer Unternehmenskunden schätzen, dass sie 500.000 US-Dollar pro Jahr für diese manuellen Elemente der Marketingautomatisierung ausgeben - und das ohne Berücksichtigung der entscheidenden und bedeutenden Investition in die fortlaufende Erstellung von Inhalten.

Während die Marketingautomatisierung der Welt verspricht, automatisiert sie tatsächlich die Ausführung des Content-Marketings, während die Entscheidungsfindung eine unpraktische manuelle Anstrengung bleibt. Es bietet Marketingfachleuten einen starken Workflow und sogar Einblicke, bietet jedoch keine automatisierte Möglichkeit, auf diese Erkenntnisse in großem Maßstab zu reagieren. Grundsätzlich ist der Inhalt in diesen Systemen dumm; Das System versteht nicht, worum es bei den Inhalten geht und wer sie lesen soll. Um diejenigen zu verfolgen, die sich damit befassen, hat Forrester kürzlich ein neues Forschungsthema gestartet, das als "Content Intelligence" bezeichnet wird und als "Einsatz künstlicher Intelligenz zum Verständnis und zur Erfassung der Eigenschaften von Inhalten" definiert wird. Der Marketing-Technologie-Analyst David Raab sagt: „Es muss etwas geben: Entweder hören Vermarkter auf, die besten Entscheidungen zu treffen, oder sie verlassen sich nicht mehr auf Regeln.“

Erwartungslücke

Angesichts der unaufhaltsam steigenden Kundenerwartungen investieren führende Vermarkter in AI-basierte Tools - eine Kategorie, die alles umfasst, von Personalisierungstools, die aus dem Online-Verhalten von Personen „lernen“, um Inhalte effektiver zu empfehlen, bis hin zu Tools, die kleinste Muster erkennen können massive Verbraucherdatensätze und Vorhersage des zukünftigen Verhaltens. Dies sind einige der interessantesten auf der wachsenden Liste potenzieller Anwendungen für KI im Marketing:

• Inhaltsstrategie - Empfehlung, welche Inhalte als Nächstes erstellt werden sollen
• Kampagnenstrategie - Empfehlung, welche Kommunikationssequenz bereitgestellt werden soll
• Personalisierung - Empfehlung des richtigen Inhalts für jeden Kunden basierend auf dem Verhalten
• Segmentierung - Clustering von Kunden basierend auf Verhalten oder Absicht
• Kopierautomatisierung - Generiert automatisch Betreffzeilen und Beschreibungen
• Lead- oder Account-Priorisierung - Ranking von Leads oder Accounts nach ihrer Wahrscheinlichkeit, geschlossen zu werden
• Vertriebsstrategie - Empfehlung des richtigen Produkt- / Serviceangebots und der richtigen Inhalte für den Vertrieb
• Verkaufsabsicht - Vorhersage des richtigen Produktangebots, der richtigen Geschäftsgröße und des richtigen Abschlussdatums
• Retargeting - Empfehlung des richtigen Inhalts in Retarget-Anzeigenblöcken

Da die großen Marketing-Suiten ihre KI-Angebote noch nicht vollständig bereitgestellt oder produziert haben, erfordert die Einführung von KI normalerweise eine Mischung aus Punktlösungen und Datensätzen.

In der Tat setzen Vermarkter zunehmend ihre eigenen Technologie-Stacks aus erstklassigen Punktlösungen zusammen, sodass die Technologie eher auf Kundenbedürfnisse als auf Anbieterfunktionen zugeschnitten werden kann. Insbesondere in komplexen Kundenumgebungen - zum Beispiel bei Verkäufen von High-Touch-Beziehungen mit langen Kaufzyklen - verspricht die Anwendung von KI, die Lücke zwischen Kundenerwartung und tatsächlicher Erfahrung zu schließen. Dies ist in globalen Unternehmen am relevantesten, da AI nach Skaleneffekten sucht (und sich auf diese stützt).

Für Byron O'Dell, Senior Director Marketing bei IHS Markit, ging es bei der Verwendung von vorausschauendem maschinellem Lernen anstelle von Marketingautomatisierung darum, die Herausforderungen der Skalierung zu bewältigen. Er erklärt: „Es ist eine Herausforderung, Marketingrelevanz in großem Maßstab zu ermöglichen, aber vorausschauendes maschinelles Lernen gibt uns einen Weg, dies zu erreichen.“

Anfänglich betrachten die meisten Vermarkter zwei wichtige Anwendungsfälle: Personalisierung und prädiktives Lead-Scoring. Bei der Personalisierung müssen Inhalte an die sich ändernden Kundenbedürfnisse angepasst werden, insbesondere wenn Inhalte in großem Maßstab erstellt und häufig schlecht klassifiziert werden. Die prädiktive Lead-Bewertung basiert auf dem unstillbaren Wunsch nach neuen Verkaufsgesprächen, bei denen die Signale, die ein interessiertes Konto identifizieren, schwer zu identifizieren oder aufzudecken sind.

Insights-getriebenes Geschäft

Diese neuen Ansätze stellen sich einer grundlegenden Herausforderung: Der Kaufprozess hat sich geändert, und der Käufer wird zunehmend befähigt, informiert und vernetzt, aber Unternehmen verkaufen größtenteils auf die gleiche Weise, wie sie es immer getan haben. Die Verwendung von Inhalten zum Anziehen, Einbeziehen und Konvertieren ist Teil der Lösung, aber führende Vermarkter verwenden auch Inhalte, um den Kunden zu verstehen.

In einer zunehmend wettbewerbsorientierten Welt wird jedes Unternehmen, das seine Käufer nicht versteht, schnell Marktanteile verlieren, wenn neue Digital-First-Wettbewerber wachsen. Disruptoren sind besessen von ihren Kunden; Sie konzentrieren sich darauf, ein hervorragendes und nahtloses Kundenerlebnis zu bieten. Sie sind nicht durch veraltete Technologie und starre Prozesse belastet. Sie wissen zu schätzen, dass ein tieferes Kundenverständnis einen Wettbewerbsvorteil schafft.

Forrester Research baut eine Reihe von Beweisen auf, die sich auf „einsichtsorientierte Unternehmen“ beziehen. Eine Definition dieser Unternehmen ist, dass sie keine Reibung zwischen dem Verständnis des Kunden und dem Bereitstellen der nächsten Antwort haben. Es gibt eine Rückkopplungsschleife, die vollständig automatisiert ist. Die von Forrester in dieser Kategorie definierte Unternehmenskohorte - schnell wachsende Unternehmen, die auf der Grundlage des Kundenverständnisses und der Kundenerfahrung innovieren - sollte für etablierte Unternehmen wirklich furchterregend sein.

Marketing AI verspricht unstrukturierte Kundeninteraktionen in Echtzeit, die Wert liefern. Aktuelle regelbasierte Systeme können weder skalieren noch Marketingteams einen manuellen Prozess in der Zeit abschließen, die erforderlich ist, um Relevanz zu liefern.

Erfolgsfaktoren

Da immer mehr Unternehmen in AI-basierte Ansätze investieren, werden die Gemeinsamkeiten zwischen erfolgreichen Projekten immer deutlicher.

• Executive Sponsoring - Immer wieder steht das klare Executive Sponsoring für das Gesamtkonzept ganz oben auf der Liste. Während mittelständische Vermarkter möglicherweise erfolgreich Punktlösungen kaufen, werden größere Unternehmen feststellen, dass sie, um die richtigen Datensätze zu öffnen und den Gesamtgeschäftswert zu steigern, letztendlich einen Executive Sponsor benötigen, um einen automatisierteren Ansatz zu fördern.
• Definierte Ergebnisse - Frühe Innovatoren mussten ohne bekanntes Ziel Glaubenssprünge machen. Mit zunehmender Reife der Anbieterlandschaft und der Dokumentation von Kundenbeispielen kann und sollte jedes Projekt Ziele haben, die mit geschätzten und messbaren Geschäftsergebnissen verknüpft sind.
• Verfügbarer Datensatz - Die meisten Experten würden zustimmen, dass ein mittelmäßiger Algorithmus mit einem großen Datensatz immer einen großen Algorithmus mit einem kleinen Datensatz übertrifft. Informieren Sie sich über die verfügbaren Optionen, bereinigen Sie, was Sie können, integrieren Sie neue Datenquellen und führen Sie Tests durch, um Ergebnisse zu sehen.
• Teamzusammensetzung - Obwohl das Ziel von KI-Systemen darin besteht, manuelle Aufgaben zu reduzieren, muss die Technologie dennoch in ein Team und einen Geschäftsprozess passen, die ihren Wert verstehen. Zunehmend werden nicht-technische Geschäftsanwender bedient. In der Zwischenzeit ist es jedoch wichtig sicherzustellen, dass das Team die Daten versteht und technisch genug ist, um die Stärken und Mängel eines algorithmischen Ansatzes zu erfassen. Vielleicht noch wichtiger ist, dass sie bescheiden und lernbegierig und datengesteuert sein müssen (dh bereit sind, Aktivitäten mit Ergebnissen zu verknüpfen).
• Lieferantenauswahl - Obwohl es Gründe gibt, intern zu bauen oder eine Agentur für eine maßgeschneiderte Anwendung zu verwenden, wird das Menü der Optionen auf dem Markt von Anbietern zunehmend robuster. Um den richtigen Anbieter auszuwählen, fragen Sie nach dem Datensatz, probieren Sie mehrere wettbewerbsfähige Demos oder Testversionen aus und versuchen Sie zu verstehen, ob das System vorab geschult ist oder ob Sie dies tun müssen.

Vorausschauendes Unternehmen

Eine Verlagerung in Richtung eines vorausschauenden Unternehmens erfordert eine ideologische und praktische Neuorientierung, um den Kunden zu verstehen. Der Wettbewerbsvorteil der künstlichen Intelligenz beruht nicht auf dem Algorithmus oder der möglichen Anwendung, sondern darauf, den Kunden genauer zu verstehen - und auf diese Erkenntnisse im Moment zu reagieren.

Die offensichtlichen Hindernisse sind ausschließlich organisationsorientiert: Politik, technische Hindernisse, Ressourcenbeschränkungen und das hier nicht erfundene Syndrom. In einer flachen Welt mit disruptiven Neueinsteigern, die sich auf Qualität und nahtloses Kundenerlebnis konzentrieren, besteht die einzige nachhaltige Option darin, vor der Konkurrenz zu investieren.

Um das überstrapazierte Zitat von Wayne Gretsky zu verdrehen, ist es Zeit, dorthin zu laufen, wo der Markt hingeht, nicht dorthin, wo er war. Die Ironie ist, dass Sie in diesem Fall nicht raten oder sich auf den Instinkt verlassen müssen. Der Kunde ist bereits umgezogen. Als Kunde erwarte ich einen von Facebook inspirierten Content-Feed mit dem daraus resultierenden Kompromiss zum Datenschutz. Ich erwarte, dass Amazon-ähnliche Empfehlungen nützlich sind. Und a la Google erwarte ich, dass Sie meine Bedürfnisse antizipieren und Hilfe anbieten, bevor ich Sie frage. Bringen Sie das intelligente und vorausschauende Unternehmen mit.

Gedanken am Anfang

Erste Versuche mit Predictive Marketing haben sich in die Profildaten von Erstanbietern in großen Kundenmanagement- und CRM-Systemen eingebunden. Es sind nicht immer saubere Daten, aber es ist ein guter Anfang. Die tieferen und verteidigungsfähigeren Ansätze befassen sich mit einem grundlegend schwierigeren Problem: unstrukturierte Kundendaten in umsetzbare Erkenntnisse umzuwandeln.

Unstrukturierte Daten, oft als dunkle Daten bezeichnet, werden im Unternehmen weitgehend nicht verwendet, machen jedoch 88% aller gesammelten Daten aus (IBM Research). Bei Idio fassen wir unsere Herangehensweise an dunkle Daten mit der These zusammen: „Sie sind das, was Sie lesen.“ Was wir damit meinen, ist, dass der Inhalt, den Sie konsumieren, in hohem Maße auf Ihre Interessen hinweist und Ihre Absicht in hohem Maße vorhersagt. KI-fähige Tools analysieren diese dunklen Daten - im Wesentlichen wie Ihre Kunden mit Ihren Inhalten interagieren und sich verhalten -, um ihre Interessen und Absichten vorherzusagen und ihre Erfahrungen zu personalisieren.

Verwenden Sie diese Projekt-Checkliste, um Ihr Unternehmen beim Predictive Marketing zu unterstützen:

• Habe ich Executive Sponsoring für einen AI-basierten Ansatz?
• Habe ich mehrere Geschäftsergebnisse definiert?
• Gibt es eine Dringlichkeit und einen klaren Zeitrahmen, um diese Ergebnisse zu erzielen?
• Gibt es einen zu modellierenden Datensatz?
• Hat sich mein Team für das Projekt entschieden?
• Habe ich die Kaufentscheidung bewertet?
• Habe ich eine kurze Liste von Anbietern erstellt?
• Sind ihre Systeme vorab geschult oder gibt es einen langwierigen Schulungsprozess?

Definitionen der Schlüsselbegriffe

Wenn Sie beginnen, die Vorteile von KI und vorausschauendem Marketing wirklich zu nutzen, ist es wichtig, dass alle mit denselben Definitionen geerdet sind. Hier ist eine kurze Einführung:

• Künstliche Intelligenz (KI) ist die Wissenschaft, Maschinen zu bauen, die Dinge tun, die von einem Menschen als intelligent angesehen werden.
• Maschinelles Lernen ist die Teilmenge der KI, mit der Computer lernen können, ohne explizit programmiert zu werden. Häufige Anwendungsfälle für maschinelles Lernen sind Optimierung (Auswahl der besten Option zur Erreichung eines festgelegten Ziels im Laufe der Zeit), Identifizierung (Extrahieren von Bedeutung aus Bildern oder Text), Erkennung von Anomalien (Isolieren eines Ereignisses, das außerhalb der Norm auftritt) und Segmentierung (Clustering) basierend auf abgeleiteten oder bekannten Merkmalen).
• Content Intelligence ist die Anwendung von KI auf das Content Management, insbesondere das Verständnis und die Klassifizierung von Inhalten, um das Targeting zu verbessern und die Leistung zu messen.
• Predictive Marketing ist die Anwendung von KI auf das Marketing, in der Regel um potenzielle Kunden zu identifizieren, vorherzusagen, woran sie interessiert sein könnten, und um die nächstbesten Inhalte oder Produktinformationen zu empfehlen.

Fazit

Mit diesem Verständnis der KI und einigen Tipps für den Einstieg ist es an der Zeit, „fast implementiert“ in eine KI-Realität zu verwandeln, um Ihr Unternehmensmarketing zu verbessern und Ihre Kunden wirklich zu verstehen und mit ihnen in Kontakt zu treten.

Eine Version dieses Artikels erschien ursprünglich in der Juni-Ausgabe des Chief Content Officer. Melden Sie sich an, um Ihr kostenloses Abonnement für unser zweimonatliches Printmagazin zu erhalten.

Titelbild von Joseph Kalinowski / Content Marketing Institute