コンテンツマーケティングを推進するために人工知能を信頼する必要がありますか？

朝食の前に、FacebookとLinkedInのニュースフィードでその日の概要を確認します。 シャワーを浴びていると、今夜は長距離のフライトがあることを知って、Netflixのおすすめの映画で「ダウンロード」を押しました。 シリアルを狼狽させながら、来週の友達の誕生日プレゼントを買うために一度クリックします。 私のiPhoneは、54マイル離れた場所でその早い会議を行いたい場合は、今すぐ出発する必要があることを通知します。 車に乗り込むと、音声アクティベーションを使用してお気に入りのSpotifyプレイリストを再生します。AppleMapsから、今朝駅まで車で5分かかると言われました。

市場で実証可能な価値の実際の例では、AIが「ほぼ実装されている」ことを意味すると皮肉を込めて冗談を言うことはできなくなりました。

私たちは皆、コミュニケーションだけでなく意思決定のためにも、日常生活の中でテクノロジーに依存するように条件付けられています。 NicholasCarrがTheShallowsに書いているように、テクノロジーとのこの深まり続けるインターフェースは、情報を異なる方法で処理するために私たちの脳を再配線しています。 お客様も同じです。

人気のある消費者向けアプリは、高度な予測テクノロジーの無意識の大量採用につながっています。 それでも…コグニティブプロセスを無数の消費者向けアプリやツールにアウトソーシングすることが増えていますが、企業はこの新しいレベルの顧客の期待に目覚めたばかりです。 この偏った採用は、私たちが今や車に組み込まれた衝突回避システムを信頼して私たちの命を守ることを考えると最も明白ですが、それでも、マシンがマーケティングプログラムで次に何を書くべきか、またはどの顧客が新しいものを受け取るべきかを推奨できるかどうか疑問です製品の提供。

私たちは人工知能が車を安全に運転することを信頼していますが、マーケティング戦略を推奨していません。

不都合な真実

過去10年間で、マーケティングオートメーションは、マーケティングプログラムにパーソナライズと効率をもたらすことを約束することにより、10億ドル規模の業界に成長しました。 自動化されたリード育成、リードスコアリング、および重要な見込み客活動へのトリガーされた応答のサイレンコールは、B2B組織にとって魅力的であることが証明されています。 2014年までに少なくとも5億ドルを売り上げた企業のうち、マーケティングオートメーションを採用しました（RaabAssociates）。

ただし、第1世代のマーケティング自動化に関する不便な真実は、実際には自動化されていないということです。 これは、拡張性を実現できる素晴らしい中央ワークフローツールですが、セットアップ、統合、管理、および最適化するためのリソースが必要です。 実際、多くのB2B組織では、「獣に餌をやる」というフレーズは、マーケティングオートメーションのリソース需要を説明する方法としてマーケティング用語に受け入れられています。 最も基本的には、ルールクリープの問題があります。 キャンペーンを設定するときに、「Aが発生した場合は、Bを実行する」または「個人がこの特性を持っている場合は、セグメント4に配置する」というビジネスルールを定義します。 これらは最初は簡単ですが、複雑で多様な購入者の旅を減らすには常に不十分です。 そのため、キャンペーンをより的を絞ったものにするために、ルールを追加します。 そして、結果を測定するたびに、より多くのルールを作成する必要があります。 一部の企業クライアントは、マーケティング自動化のこれらの手動要素に年間500,000ドルを費やしていると見積もっています。これは、継続的なコンテンツ作成への重要かつ重要な投資を無視しています。

マーケティングの自動化は世界を約束しますが、実際に行うことはコンテンツマーケティングの実行を自動化することですが、意思決定は非現実的な手作業のままです。 マーケターに強力なワークフローと洞察さえ提供しますが、それらの洞察に大規模に対応する自動化された方法を提供することはできません。 基本的に、これらのシステムのコンテンツはばかげています。 システムは、コンテンツが何であるか、誰がそれを読むべきかを理解していません。 これに対処する方法を検討している人々を追跡するために、Forresterは最近、「コンテンツインテリジェンス」と呼ばれる新しい研究テーマを開始しました。これは、「人工知能テクノロジーを使用して、コンテンツに固有の品質を理解およびキャプチャする」と定義されています。 マーケティングテクノロジーアナリストのDavidRaab氏は、「何かを与える必要があります。マーケターは最善の決定を下そうとするのをやめるか、ルールに頼るのをやめます」と述べています。

期待ギャップ

絶え間なく高まる顧客の期待に直面して、主要なマーケターはAIベースのツールに投資しています。これは、個人のオンライン行動から「学習」してコンテンツをより効果的に推奨するパーソナライズツールから、全体の微細なパターンを検出できるツールまで、あらゆるものを網羅するカテゴリです。大量の消費者データセットと将来の行動を予測します。 これらは、マーケティングにおけるAIの潜在的なアプリケーションの増加するリストの中で最も興味深いもののいくつかです。

• コンテンツ戦略–次に作成するコンテンツを推奨する
• キャンペーン戦略–提供するコミュニケーションのシーケンスを推奨する
• パーソナライズ–行動に基づいて各顧客に適切なコンテンツを推奨する
• セグメンテーション–行動または意図に基づいて顧客をクラスタリングする
• コピーの自動化–件名と説明を自動的に生成
• リードまたはアカウントの優先順位付け–クローズする可能性によるリードまたはアカウントのランク付け
• 販売戦略–販売に使用する適切な製品/サービスの提供とコンテンツを推奨する
• 販売意向–適切な製品の提供、取引サイズ、および終了日を予測する
• リターゲッティング-リターゲット広告ユニット内右のコンテンツを推薦

主要なマーケティングスイートはまだAI製品を完全に展開または製品化していないため、AIを採用するには、通常、ポイントソリューションとデータセットを組み合わせる必要があります。

実際、マーケターはクラス最高のポイントソリューションから独自のテクノロジースタックを組み合わせることが増えており、ベンダーの機能ではなく顧客のニーズに基づいてテクノロジーを構築できるようになっています。 特に複雑な顧客環境（たとえば、購入サイクルが長いハイタッチリレーションシップセールス）では、AIの適用により、顧客の期待と実際の経験との間のギャップを埋め始めることが約束されます。 AIは規模を解決する（そしてそれに依存する）ため、これはグローバルビジネスに最も関係があります。

IHSMarkitのマーケティング担当シニアディレクターであるByronO'Dellにとって、マーケティングの自動化ではなく予測機械学習を採用することは、規模の課題を克服することでした。 「大規模なマーケティングの関連性を実現することは困難ですが、予測機械学習はこれを達成するための道を私たちに与えています。」と彼は説明します。

当初、ほとんどのマーケターは、パーソナライズと予測リードスコアリングという2つの主要なユースケースを検討しています。 パーソナライズでは、特にコンテンツが大規模に作成され、分類が不十分な場合に、進化する顧客のニーズにコンテンツを一致させる必要があります。 予測リードスコアリングは、関心のあるアカウントを特定するシグナルを特定または発見することが困難な、新しいセールス会話に対する飽くなき欲求によって推進されます。

インサイト主導のビジネス

これらの新しいアプローチは根本的な課題に対処します。購入プロセスが変化し、購入者はますます権限を与えられ、情報を与えられ、つながりを持ちますが、企業は主にいつもと同じ方法で販売しています。 コンテンツを使用して引き付け、関与し、変換することはソリューションの一部ですが、主要なマーケターもコンテンツを使用して顧客を理解しています。

ますます競争が激化する世界では、新しいデジタルファーストの競合他社が成長するにつれて、バイヤーを理解していないビジネスは急速に市場シェアを失います。 ディスラプターは顧客に執着します。 彼らは、優れたシームレスな顧客体験を提供することに重点を置いています。 それらは、時代遅れのテクノロジーと厳格なプロセスによって妨げられていません。 彼らは、より深い顧客理解を得て行動することが競争上の優位性を構築することを高く評価しています。

Forrester Researchは、「インサイト主導型ビジネス」と呼ばれるものに関する一連の証拠を構築しています。 これらのビジネスの定義の1つは、顧客を理解するポイントと次の応答を提供するポイントの間に摩擦がないということです。 完全に自動化されたフィードバックループがあります。 Forresterがこのカテゴリーで定義するビジネスのコホート（顧客の理解と経験に基づいて革新する急成長中の企業）は、既存企業にとって本当に恐ろしいものになるはずです。

マーケティングAIは、価値を提供する構造化されていないリアルタイムの顧客とのやり取りを約束します。 現在のルールベースのシステムは、単に拡張することも、マーケティングチームが関連性を提供するために必要な時間内に手動プロセスを完了することもできません。

成功要因

AIベースのアプローチに投資する企業が増えるにつれ、成功するプロジェクト間の共通点が明らかになりつつあります。

• エグゼクティブスポンサーシップ–何度も、全体的なコンセプトに対する明確なエグゼクティブスポンサーシップがリストのトップに上がります。 中堅マーケターはポイントソリューションの購入に成功する可能性がありますが、大規模な組織では、適切なデータセットを開き、全体的なビジネス価値を高めるには、最終的には、より自動化されたアプローチを支持するエグゼクティブスポンサーが必要になります。
• 明確な結果–初期のイノベーターは、既知の目的なしに信頼を飛躍させる必要がありました。 しかし、ベンダーの状況が成熟し、クライアントの例が文書化されるにつれて、すべてのプロジェクトは、価値のある測定可能なビジネス成果にリンクされた目標を持つことができ、また持つべきです。
• 利用可能なデータセット–ほとんどの専門家は、大きなデータセットを使用する平凡なアルゴリズムが、小さなデータセットを使用する優れたアルゴリズムよりも常に優れていることに同意します。 利用可能なオプションを掘り下げ、可能なことをクリーンアップし、新しいデータソースを統合し、テストを実行して結果を確認します。
• チーム構成– AIシステムの目的は手動タスクを削減することですが、テクノロジーは、その価値を理解するチームおよびビジネスプロセスに適合する必要があります。 技術的でないビジネスユーザーにサービスを提供する機会が増えていますが、それまでの間、チームがデータを理解し、アルゴリズムによるアプローチの長所と短所を把握するのに十分な技術を備えていることを確認することが重要です。 おそらくもっと重要なことは、彼らは謙虚で学びたがり、データ駆動型（つまり、活動を結果にリンクすることをいとわない）でなければなりません。
• ベンダーの選択–社内で構築したり、特注のアプリケーションに代理店を使用したりする場合がありますが、ベンダーからの市場のオプションのメニューはますます強力になっています。 適切なベンダーを選択するには、データセットについて質問し、複数の競合するデモまたはトライアルを試して、システムが事前にトレーニングされているか、それを実行する必要があるかを理解するようにプッシュします。

予測企業

予測企業への移行には、顧客を理解するためのイデオロギー的かつ実践的な再献身が必要です。 人工知能によってもたらされる競争上の優位性は、アルゴリズムや最終的なアプリケーションに基づくのではなく、顧客をより深く理解し、その瞬間にその洞察に基づいて行動することに基づいています。

明らかな障害は、もっぱら組織中心です。政治、技術的な障害、リソースの制約、そしてここで発明されていない症候群です。 しかし、フラットな世界では、質の高いシームレスな顧客体験に焦点を当てた破壊的な新規参入者がいるため、唯一の持続可能な選択肢は、競争に先んじて投資することです。

使い古されたウェイン・グレツキーの引用をひねるには、市場がどこに向かっているのかではなく、どこに向かっているのかをスケートする時が来ました。 皮肉なことに、この場合、本能を推測したり信頼したりする必要はありません。 顧客はすでに引っ越しました。 顧客として、私はFacebookに触発されたコンテンツフィードを期待しており、その結果、プライバシーのトレードオフが生じます。 アマゾンのような推奨事項が役立つことを期待しています。 そして、グーグルのように、私が尋ねる前に、あなたが私のニーズを予測し、助けを提供することを期待しています。 インテリジェントで予測的な企業をもたらします。

初めの考え

予測マーケティングへの最初の進出は、大規模な顧客管理およびCRMシステムのファーストパーティプロファイルデータにフックされました。 常にクリーンなデータであるとは限りませんが、良いスタートです。 より深く、より防御可能なアプローチは、根本的に難しい問題に取り組みます。構造化されていない顧客データを実用的な洞察に変えることです。

ダークデータと呼ばれることが多い非構造化データは、企業内ではほとんど使用されていませんが、収集されたすべてのデータの88％を占めています（IBMResearch）。 Idioでは、ダークデータへのアプローチを「あなたはあなたが読んだものです」という論文で要約しています。 私たちが意味するのは、あなたが消費するコンテンツはあなたの興味を非常に示しており、あなたの意図を非常に予測しているということです。 AI対応ツールは、この暗いデータ（基本的には、顧客がコンテンツにどのように関与し、行動するか）を分析して、顧客の興味や意図を予測し、エクスペリエンスをパーソナライズします。

このプロジェクトチェックリストを使用して、予測マーケティングへのベンチャーを支援することを検討してください。

• AIベースのアプローチのエグゼクティブスポンサーシップはありますか？
• いくつかのビジネス成果を定義しましたか？
• それらの結果を達成するための緊急性と明確な時間枠はありますか？
• モデル化するデータセットはありますか？
• 私のチームはプロジェクトに参加しましたか？
• ビルドと購入の決定を評価しましたか？
• ベンダーの短いリストを作成しましたか？
• 彼らのシステムは事前にトレーニングされていますか、それとも長いトレーニングプロセスがありますか？

重要な用語の定義

AIと予測マーケティングのメリットを真に活用し始めているので、すべての人が同じ定義に基づいていることが重要です。 簡単な入門書は次のとおりです。

• 人工知能（AI）は、人間が行うとインテリジェントと見なされることを行う機械を構築する科学です。
• 機械学習はAIのサブセットであり、コンピューターが明示的にプログラムされていなくても学習できるようにします。 一般的な機械学習のユースケースは、最適化（時間の経過とともに、設定された目標を達成するための最適なオプションを選択する）、識別（画像またはテキストから意味を抽出する）、異常検出（標準外で発生するイベントを分離する）、およびセグメンテーション（クラスタリング）です。推測または既知の特性に基づく）。
• コンテンツインテリジェンスは、コンテンツ管理へのAIの適用であり、特に、ターゲティングを改善し、パフォーマンスを測定するためのコンテンツの理解と分類です。
• 予測マーケティングとは、AIをマーケティングに適用することです。通常は、見込み客を特定し、興味のあるものを予測し、次善のコンテンツや製品情報を推奨します。

結論

このAIの理解と開始方法に関するいくつかのヒントを踏まえて、「ほぼ実装済み」をAIの現実に変えて、エンタープライズマーケティングを改善し、顧客を真に理解して接続するときが来ました。

この記事のバージョンは、もともとチーフコンテンツオフィサーの6月号に掲載されました。 サインアップして、隔月刊の印刷雑誌の無料購読を受け取ります。

Joseph Kalinowski / Content MarketingInstituteによる表紙画像