Devriez-vous faire confiance à l'intelligence artificielle pour stimuler votre marketing de contenu?

Avant le petit-déjeuner, je consulte mes fils d'actualité Facebook et LinkedIn pour un bref résumé de la journée. Alors que je saute dans la douche, je clique sur «télécharger» sur un film recommandé sur Netflix, sachant que j'ai un long vol ce soir. Tout en avalant mes céréales, je clique une fois pour acheter un cadeau pour l'anniversaire d'un ami la semaine prochaine. Mon iPhone fait un bip pour me dire que je dois partir maintenant si je veux faire cette réunion anticipée à 54 miles de distance. Et en montant dans ma voiture, j'utilise l'activation vocale pour lire ma liste de lecture Spotify préférée, et Apple Maps m'informe qu'il faudra cinq minutes pour se rendre à la gare ce matin.

Avec de vrais exemples de valeur démontrable sur le marché, nous ne pouvons plus plaisanter sarcastiquement sur le fait que l'IA signifie «presque implémentée».

Nous sommes tous conditionnés à compter sur la technologie dans notre vie quotidienne, non seulement pour la communication, mais aussi pour la prise de décision. Cette interface toujours plus approfondie avec la technologie recâblera notre cerveau pour traiter l'information différemment, comme l'écrit Nicholas Carr dans The Shallows. C'est la même chose avec nos clients.

Les applications grand public populaires ont conduit à l'adoption massive inconsciente de technologies prédictives avancées. Et pourtant… alors que nous externalisons de plus en plus nos processus cognitifs vers une myriade d'applications et d'outils grand public, l'entreprise ne fait que prendre conscience de ce nouveau niveau d'attente des clients. Cette adoption déséquilibrée est plus claire lorsque nous considérons que nous faisons maintenant confiance au système intégré d'évitement de collision d'une voiture pour protéger nos vies, mais nous nous demandons toujours si une machine peut recommander ce qu'il faut écrire ensuite dans un programme de marketing ou quel client devrait recevoir un nouveau offre de produits.

Nous faisons confiance à l'intelligence artificielle pour conduire nos voitures en toute sécurité, mais pas pour recommander une stratégie marketing.

Vérité qui dérange

Au cours des 10 dernières années, l'automatisation du marketing est devenue une industrie d'un milliard de dollars en promettant d'apporter personnalisation et efficacité aux programmes de marketing. L'appel de sirène de la gestion automatisée des prospects, de la notation des prospects et des réponses déclenchées aux activités critiques des prospects s'est avéré irrésistible pour les organisations B2B: il y avait près de 11 fois plus d'entreprises avec l'automatisation du marketing en 2014 qu'au début de 2011 (SiriusDecisions), et 60% des entreprises qui réalisent au moins 500 millions de dollars ont adopté l'automatisation du marketing d'ici 2014 (Raab Associates).

Cependant, la vérité qui dérange à propos de l'automatisation du marketing de première génération est qu'elle n'est pas vraiment automatisée. C'est un fantastique outil de flux de travail central qui peut atteindre une échelle, mais il nécessite des ressources pour configurer, intégrer, gérer et optimiser. En effet, dans de nombreuses organisations B2B, l'expression «nourrir la bête» a été acceptée dans le jargon marketing comme un moyen de décrire les besoins en ressources de l'automatisation du marketing. Plus fondamentalement, il y a la question du dérèglement des règles. Lorsque vous configurez des campagnes, vous définissez des règles de gestion: "Si A se produit, alors faites B" ou "Si l'individu possède cette caractéristique, placez-les dans le segment 4." Celles-ci peuvent être simples au départ, mais constituent toujours une réduction insuffisante des parcours d'achat complexes et variés. Ainsi, vous ajoutez plus de règles pour rendre la campagne plus ciblée. Et chaque fois que vous mesurez les résultats, le résultat est que davantage de règles doivent être écrites. Certaines de nos entreprises clientes estiment dépenser 500 000 $ par an sur ces éléments manuels de l'automatisation du marketing - et cela ne tient pas compte de l'investissement vital et important dans la création de contenu continue.

Alors que l'automatisation du marketing promet le monde, elle automatise en réalité l'exécution du marketing de contenu, tandis que la prise de décision reste un effort peu pratique. Il offre aux spécialistes du marketing un flux de travail solide et même des informations, mais ne parvient pas à fournir un moyen automatisé d'agir sur ces informations à grande échelle. Fondamentalement, le contenu de ces systèmes est stupide; le système ne comprend pas en quoi consiste le contenu et qui devrait le lire. Pour suivre ceux qui cherchent à résoudre ce problème, Forrester a récemment lancé un nouveau thème de recherche qu'il appelle «l'intelligence de contenu», qu'il définit comme «l'utilisation de technologies d'intelligence artificielle pour comprendre et capturer les qualités inhérentes à tout contenu». Comme le dit l'analyste de la technologie marketing David Raab, «quelque chose doit donner: soit les spécialistes du marketing arrêtent d'essayer de prendre les meilleures décisions, soit ils arrêtent de se fier aux règles.»

Écart d'attentes

Face aux attentes sans cesse croissantes des clients, les principaux spécialistes du marketing investissent dans des outils basés sur l'IA - une catégorie qui englobe tout, des outils de personnalisation qui «apprennent» du comportement en ligne des individus pour recommander du contenu plus efficacement, aux outils capables de détecter des modèles infimes énormes ensembles de données sur les consommateurs et prédire le comportement futur. Voici quelques-unes des applications les plus intéressantes de la liste croissante des applications potentielles de l'IA en marketing:

• Stratégie de contenu - recommander le contenu à créer ensuite
• Stratégie de campagne - recommander la séquence de communications à livrer
• Personnalisation - recommander le bon contenu pour chaque client en fonction du comportement
• Segmentation - regrouper les clients en fonction du comportement ou de l'intention
• Automatisation de la copie - génération automatique de lignes d'objet et de descriptions
• Hiérarchisation des prospects ou des comptes - classer les prospects ou les comptes en fonction de leur probabilité de fermeture
• Stratégie de vente - recommander la bonne offre de produits / services et le bon contenu à utiliser dans les ventes
• Intention de vente - prédire l'offre de produits, la taille de la transaction et la date de clôture appropriées
• Reciblage - recommander le bon contenu dans des blocs d'annonces reciblés

Étant donné que les principales suites marketing n'ont pas encore déployé ou produit pleinement leurs offres d'IA, l'adoption de l'IA nécessite généralement un mélange de solutions ponctuelles et d'ensembles de données.

En effet, les spécialistes du marketing assemblent de plus en plus leurs propres piles technologiques à partir des meilleures solutions ponctuelles, permettant à la technologie d'être construite autour des besoins des clients plutôt que des fonctionnalités des fournisseurs. Surtout dans les environnements clients complexes - par exemple, les ventes relationnelles avec de longs cycles d'achat - l'application de l'IA promet de commencer à combler le fossé entre les attentes des clients et l'expérience réelle. Ceci est plus pertinent dans les entreprises mondiales, car l'IA résout (et repose sur) l'échelle.

Pour Byron O'Dell, directeur principal du marketing chez IHS Markit, utiliser l'apprentissage automatique prédictif plutôt que l'automatisation du marketing a consisté à surmonter les défis d'échelle. Il explique: «Permettre la pertinence du marketing à grande échelle est un défi, mais l'apprentissage automatique prédictif nous donne un chemin pour y parvenir.»

Au départ, la plupart des spécialistes du marketing envisagent deux cas d'utilisation clés: la personnalisation et la notation prédictive des leads. La personnalisation implique de faire correspondre le contenu à l'évolution des besoins des clients, en particulier lorsque le contenu est produit à grande échelle et souvent mal classé. La notation prédictive des prospects est motivée par le désir insatiable de nouvelles conversations de vente, où les signaux qui identifient un compte intéressé sont difficiles à identifier ou à découvrir.

Entreprise axée sur les connaissances

Ces nouvelles approches relèvent un défi fondamental: le processus d'achat a changé, l'acheteur étant de plus en plus habilité, informé et connecté, mais les entreprises vendent largement de la même manière qu'elles l'ont toujours fait. Utiliser le contenu pour attirer, engager et convertir fait partie de la solution, mais les principaux spécialistes du marketing utilisent également le contenu pour comprendre le client.

Dans un monde de plus en plus concurrentiel, toute entreprise qui ne comprend pas ses acheteurs perdra rapidement des parts de marché à mesure que de nouveaux concurrents numériques se développent. Les perturbateurs sont obsédés par leur client; ils se concentrent sur la fourniture d'une expérience client superbe et transparente; ils ne sont pas encombrés par une technologie obsolète et des processus rigides. Ils apprécient que le fait d'acquérir et d'agir sur une meilleure compréhension des clients crée un avantage concurrentiel.

Forrester Research élabore un corpus de preuves autour de ce qu'il appelle des «entreprises axées sur les insights». Une définition de ces entreprises est qu'elles n'ont aucune friction entre le point de compréhension du client et le point de fournir la prochaine réponse. Il existe une boucle de rétroaction entièrement automatisée. La cohorte d'entreprises que Forrester définit dans cette catégorie - les entreprises à croissance rapide innovant sur la base de la compréhension et de l'expérience client - devrait être vraiment terrifiante pour les opérateurs historiques.

Marketing AI promet des interactions client non structurées et en temps réel qui apportent de la valeur. Les systèmes actuels basés sur des règles ne peuvent tout simplement pas évoluer et les équipes marketing ne peuvent pas terminer un processus manuel dans le temps nécessaire pour fournir de la pertinence.

Facteurs de succès

Alors qu'un nombre croissant d'entreprises investissent dans des approches basées sur l'IA, les points communs entre les projets réussis deviennent plus clairs.

• Parrainage exécutif - À maintes reprises, un parrainage exécutif clair pour le concept global se hisse en tête de liste. Alors que les spécialistes du marketing de niveau intermédiaire peuvent acheter avec succès des solutions ponctuelles, les grandes organisations constateront que pour ouvrir les bons ensembles de données et générer une valeur commerciale globale, elles ont finalement besoin d'un sponsor exécutif pour défendre une approche plus automatisée.
• Résultats définis - Les premiers innovateurs ont dû faire des sauts de foi sans objectif connu. Mais à mesure que le paysage des fournisseurs mûrit et que les exemples de clients sont documentés, chaque projet peut et doit avoir des objectifs liés à des résultats commerciaux valorisés et mesurables.
• Ensemble de données disponible - La plupart des experts conviendraient qu'un algorithme médiocre avec un grand ensemble de données l'emporte toujours sur un excellent algorithme avec un petit ensemble de données. Explorez les options disponibles, nettoyez ce que vous pouvez, intégrez de nouvelles sources de données et exécutez des tests pour voir les résultats.
• Composition de l'équipe - Bien que l'objectif des systèmes d'IA soit de réduire les tâches manuelles, la technologie doit encore s'intégrer dans une équipe et un processus métier qui comprennent sa valeur. De plus en plus, les utilisateurs métier non techniques sont servis, mais pour le moment, il est important de s'assurer que l'équipe comprend les données et est suffisamment technique pour saisir les forces et les lacunes d'une approche algorithmique. Peut-être plus important encore, ils doivent être humbles et désireux d'apprendre, et axés sur les données (c'est-à-dire disposés à lier l'activité aux résultats).
• Sélection des fournisseurs - Bien qu'il existe un cas pour la construction en interne ou l'utilisation d'une agence pour une application sur mesure, le menu d'options sur le marché des fournisseurs est de plus en plus robuste. Pour choisir le bon fournisseur, renseignez-vous sur l'ensemble de données, essayez plusieurs démonstrations ou essais concurrentiels et essayez de comprendre si le système est pré-formé ou si vous devez le faire.

Entreprise prédictive

Un virage vers l'entreprise prédictive nécessite une réengagement idéologique et pratique pour comprendre le client. L'avantage concurrentiel offert par l'intelligence artificielle ne repose pas sur l'algorithme ou sur l'application éventuelle, mais plutôt sur la compréhension du client plus en profondeur - et sur cette vision du moment.

Les obstacles évidents sont exclusivement centrés sur l'organisation: politique, obstacles techniques, contraintes de ressources et syndrome du non-inventé ici. Pourtant, dans un monde plat, avec de nouveaux entrants perturbateurs axés sur une expérience client de qualité et transparente, la seule option durable est d'investir avant la concurrence.

Pour déformer la citation surutilisée de Wayne Gretsky, il est temps de savoir où va le marché, pas où il a été. L'ironie est que dans ce cas, vous n'avez pas besoin de deviner ou de vous fier à votre instinct. Le client a déjà déménagé. En tant que client, j'attends un flux de contenu inspiré de Facebook, avec le compromis de confidentialité qui en résulte. Je m'attends à ce que les recommandations de type Amazon soient utiles. Et, à la Google, j'attends de vous que vous anticipiez mes besoins et que vous offriez de l'aide avant de demander. Créez une entreprise intelligente et prédictive.

Réflexions sur le début

Les premières incursions dans le marketing prédictif ont été intégrées aux données de profil de première partie dans les grands systèmes de gestion des clients et de CRM. Ce ne sont pas toujours des données propres, mais c'est un bon début. Les approches plus profondes et plus défendables s'attaquent à un problème fondamentalement plus difficile: transformer les données client non structurées en informations exploitables.

Les données non structurées, souvent appelées dark data, sont en grande partie inutilisées au sein de l'entreprise, mais représentent 88% de toutes les données collectées (IBM Research). Chez Idio, nous résumons notre approche des données sombres avec la thèse «Vous êtes ce que vous lisez». Ce que nous voulons dire, c'est que le contenu que vous consommez est hautement indicatif de vos intérêts et hautement prédictif de votre intention. Les outils activés par l'IA analysent ces données sombres - essentiellement la façon dont vos clients interagissent et se comportent avec votre contenu - pour prédire leurs intérêts et leurs intentions, et personnaliser leur expérience.

Pensez à utiliser cette liste de contrôle de projet pour aider votre entreprise dans le marketing prédictif:

• Ai-je un parrainage exécutif pour une approche basée sur l'IA?
• Ai-je défini plusieurs résultats commerciaux?
• Existe-t-il une urgence et un calendrier précis pour atteindre ces résultats?
• Existe-t-il un ensemble de données à modéliser?
• Mon équipe a-t-elle adhéré au projet?
• Ai-je évalué la décision de construire contre acheter?
• Ai-je créé une courte liste de fournisseurs?
• Leurs systèmes sont-ils pré-formés ou y a-t-il un long processus de formation?

Définitions des termes clés

Alors que vous commencez à vraiment utiliser les avantages de l'IA et du marketing prédictif, il est important que tout le monde soit fondé sur les mêmes définitions. Voici un bref aperçu:

• L'intelligence artificielle (IA) est la science de la construction de machines qui font des choses qui seraient considérées comme intelligentes si elles étaient faites par un humain.
• L'apprentissage automatique est le sous-ensemble de l'IA qui permet aux ordinateurs d'apprendre sans être explicitement programmés. Les cas d'utilisation courants de l'apprentissage automatique sont l'optimisation (au fil du temps, choisir la meilleure option pour atteindre un objectif défini), l'identification (extraire du sens des images ou du texte), la détection d'anomalies (isoler un événement qui se produit en dehors de la norme) et la segmentation (clustering sur la base de caractéristiques inférées ou connues).
• L'intelligence de contenu est l'application de l'IA à la gestion de contenu, notamment la compréhension et la classification du contenu pour améliorer le ciblage et mesurer les performances.
• Le marketing prédictif est l'application de l'IA au marketing, généralement pour identifier les prospects, prédire ce qui pourrait les intéresser et recommander le meilleur contenu ou information produit suivant.

Conclusion

Avec cette compréhension de l'IA et quelques conseils sur la façon de commencer, il est temps de transformer «presque implémenté» en réalité d'IA pour améliorer le marketing de votre entreprise et vraiment comprendre et vous connecter avec vos clients.

Une version de cet article a été initialement publiée dans le numéro de juin de Chief Content Officer. Inscrivez-vous pour recevoir votre abonnement gratuit à notre magazine imprimé bimensuel.

Image de couverture par Joseph Kalinowski / Content Marketing Institute