콘텐츠 마케팅을 주도하기 위해 인공 지능을 신뢰해야합니까?

아침 식사 전에 페이스 북과 링크드 인 뉴스 피드에서 오늘의 빠른 시놉시스를 확인합니다. 샤워를하다가 넷플릭스의 추천 영화에서“다운로드”를 눌렀는데, 오늘 저녁에 긴 비행이 있다는 것을 알았습니다. 시리얼을 샅샅이 뒤지다가 다음 주에 친구 생일 선물을 사러 한 번 클릭합니다. 내 iPhone에서 54 마일 떨어진 곳에서 조기 회의를하려면 지금 나가야한다고 핑합니다. 그리고 차에 탈 때 음성 활성화 기능을 사용하여 좋아하는 Spotify 재생 목록을 재생하면 Apple Maps에서 오늘 아침 기차역까지 차로 5 분 정도 걸릴 것이라고 알려줍니다.

시장에서 입증 가능한 가치의 실제 사례를 통해 우리는 더 이상 AI가 "거의 구현"을 의미한다고 비꼬는 농담을 할 수 없습니다.

우리 모두는 의사 소통뿐만 아니라 의사 결정을 위해 일상 생활에서 기술에 의존해야합니다. Nicholas Carr가 The Shallows에 글을 썼 듯이 기술과의 이처럼 심화되는 인터페이스는 정보를 다르게 처리하도록 우리의 두뇌를 재배치하고 있습니다. 고객도 마찬가지입니다.

인기있는 소비자 앱으로 인해 첨단 예측 기술이 무의식적으로 대량 채택되었습니다. 그러나… 점점 더 많은 소비자 앱과 도구에 대한인지 프로세스를 아웃소싱하고 있지만 기업은 이제이 새로운 수준의 고객 기대에 깨어나고 있습니다. 이러한 편향된 채택은 우리가 이제 우리의 생명을 보호하기 위해 자동차에 내장 된 충돌 방지 시스템을 신뢰한다고 생각할 때 가장 분명하지만, 기계가 마케팅 프로그램에서 다음에 쓸 내용을 추천 할 수 있는지 또는 어떤 고객이 새로운 제품 제공.

우리는 인공 지능이 자동차를 안전하게 운전하기 위해 신뢰하지만 마케팅 전략을 권장하지는 않습니다.

불편한 진실

지난 10 년 동안 마케팅 자동화는 마케팅 프로그램에 개인화와 효율성을 제공하겠다고 약속함으로써 10 억 달러 규모의 산업으로 성장했습니다. 자동화 된 리드 육성, 리드 스코어링 및 중요한 잠재 고객 활동에 대한 트리거 응답에 대한 사이렌 호출은 B2B 조직에서 거부 할 수없는 것으로 입증되었습니다. 2014 년 마케팅 자동화를 사용하는 회사는 2011 년 초 (SiriusDecisions)보다 거의 11 배 더 많았으며 60 %는 60 %였습니다. 최소 5 억 달러를 넘기는 기업 중 2014 년까지 마케팅 자동화를 채택했습니다 (Raab Associates).

그러나 1 세대 마케팅 자동화에 대한 불편한 사실은 실제로 자동화되지 않았다는 것입니다. 확장 성을 달성 할 수있는 환상적인 중앙 워크 플로 도구이지만 설정, 통합, 관리 및 최적화하려면 리소스가 필요합니다. 실제로 많은 B2B 조직에서 마케팅 자동화의 리소스 요구를 설명하는 방법으로 "야수에게 먹이주기"라는 문구가 마케팅 용어로 채택되었습니다. 가장 근본적으로 규칙 크리프 문제가 있습니다. 캠페인을 설정할 때 비즈니스 규칙을 정의합니다. "A가 발생하면 B를 수행합니다"또는 "개인이이 특성을 가지고 있으면 세그먼트 4에 넣습니다." 시작하기는 간단 할 수 있지만 항상 복잡하고 다양한 구매자 여정을 적절하게 줄이지 않습니다. 따라서 더 많은 규칙을 추가하여 캠페인을 더욱 타겟팅합니다. 결과를 측정 할 때마다 더 많은 규칙을 작성해야합니다. 일부 기업 고객은 마케팅 자동화의 수동 요소에 연간 $ 500,000를 지출하고 있으며, 이는 지속적인 콘텐츠 제작에 대한 중요하고 중요한 투자를 무시하는 것입니다.

마케팅 자동화는 세상을 약속하지만 실제로는 콘텐츠 마케팅 실행을 자동화하는 반면 의사 결정은 비현실적으로 수작업으로 남아 있습니다. 마케터에게 강력한 워크 플로와 통찰력을 제공하지만 이러한 통찰력에 따라 대규모로 행동 할 수있는 자동화 된 방법을 제공하지 못합니다. 기본적으로 이러한 시스템의 콘텐츠는 멍청합니다. 시스템은 내용이 무엇인지, 누가 읽어야하는지 이해하지 못합니다. 이 문제를 해결하는 방법을 찾는 사람들을 추적하기 위해 Forrester는 최근 "컨텐츠 인텔리전스"라고하는 새로운 연구 주제를 시작했습니다.이를 "인공 지능 기술을 사용하여 모든 콘텐츠에 내재 된 품질을 이해하고 포착하는 것"으로 정의합니다. 마케팅 기술 분석가 David Raab은 "뭔가 주어야합니다. 마케팅 담당자가 최선의 결정을 내리는 것을 중단하거나 규칙에 의존하지 않습니다."라고 말합니다.

기대 차이

끊임없이 증가하는 고객 기대에 직면하여 선도적 인 마케터들은 AI 기반 도구에 투자하고 있습니다. 이는 개인의 온라인 행동에서 "학습"하여 콘텐츠를보다 효과적으로 추천하는 개인화 도구부터 미세한 패턴을 감지 할 수있는 도구까지 모든 것을 포함하는 범주입니다. 방대한 소비자 데이터 세트와 미래의 행동을 예측합니다. 다음은 마케팅에서 AI를위한 잠재적 인 응용 프로그램의 증가하는 목록에서 가장 흥미로운 것입니다.

• 콘텐츠 전략 – 다음에 만들 콘텐츠 추천
• 캠페인 전략 – 전달할 커뮤니케이션 순서 권장
• 개인화 – 행동에 따라 각 고객에게 적합한 콘텐츠 추천
• 세분화 – 행동 또는 의도에 따라 고객 클러스터링
• 복사 자동화 – 자동으로 제목 줄 및 설명 생성
• 리드 또는 계정 우선 순위 – 마감 가능성에 따라 리드 또는 계정 순위 지정
• 영업 전략 – 영업 에 사용할 올바른 제품 / 서비스 제공 및 콘텐츠 추천
• 판매 의도 – 올바른 제품 제공, 거래 규모 및 마감 날짜 예측
• 리 타겟팅 – 리 타겟팅 된 광고 단위 내에서 올바른 콘텐츠 추천

주요 마케팅 제품군은 아직 AI 제품을 완전히 배포하거나 생산하지 않았기 때문에 AI를 채택하려면 일반적으로 포인트 솔루션과 데이터 세트가 혼합되어 있어야합니다.

실제로 마케터는 동급 최강의 포인트 솔루션에서 자체 기술 스택을 결합하여 공급 업체 기능이 아닌 고객 요구를 기반으로 기술을 구축 할 수 있습니다. 특히 복잡한 고객 환경 (예 : 구매주기가 긴 하이 터치 관계 판매)에서 AI 애플리케이션은 고객 기대와 실제 경험 사이의 격차를 해소하기 시작합니다. AI가 규모를 해결하고 이에 의존하기 때문에 이는 글로벌 비즈니스에서 가장 적절합니다.

IHS Markit의 마케팅 담당 선임 이사 인 Byron O'Dell에게 마케팅 자동화 대신 예측 머신 러닝을 사용하는 것은 규모의 문제를 극복하는 것이 었습니다. 그는 "대규모 마케팅 관련성을 활성화하는 것은 어렵지만 예측 기계 학습은이를 달성 할 수있는 길을 제공하고 있습니다."라고 설명합니다.

처음에 대부분의 마케터는 개인화와 예측 리드 스코어링이라는 두 가지 주요 사용 사례를 고려하고 있습니다. 개인화는 특히 콘텐츠가 대규모로 생산되고 종종 잘못 분류되는 경우 진화하는 고객 요구에 맞는 콘텐츠를 수반합니다. 예측 리드 스코어링은 관심있는 계정을 식별하는 신호를 식별하거나 발견하기 어려운 새로운 판매 대화에 대한 끊임없는 욕구에 의해 주도됩니다.

통찰력 중심 비즈니스

이러한 새로운 접근 방식은 근본적인 문제를 해결합니다. 구매자의 권한, 정보 및 연결이 점차 증가함에 따라 구매 프로세스가 변경되었지만 기업은 대부분 항상 그랬던 것과 같은 방식으로 판매하고 있습니다. 콘텐츠를 사용하여 유치, 참여 및 전환하는 것도 솔루션의 일부이지만 선도적 인 마케팅 담당자도 콘텐츠를 사용하여 고객을 이해하고 있습니다.

점점 더 경쟁이 치열 해지는 세상에서 구매자를 이해하지 못하는 모든 비즈니스는 새로운 디지털 우선 경쟁자가 성장함에 따라 시장 점유율을 빠르게 잃을 것입니다. Disruptor는 고객에 집착합니다. 그들은 훌륭하고 원활한 고객 경험을 제공하는 데 중점을 둡니다. 구식 기술과 엄격한 프로세스로 인해 방해받지 않습니다. 그들은 더 깊은 고객 이해를 얻고 그에 따라 행동함으로써 경쟁 우위를 구축한다는 점을 높이 평가합니다.

Forrester Research는 "인사이트 기반 비즈니스"라고 부르는 것에 대한 증거를 구축하고 있습니다. 이러한 비즈니스의 한 가지 정의는 고객을 이해하는 지점과 다음 응답을 제공하는 지점 사이에 마찰이 없다는 것입니다. 완전히 자동화 된 피드백 루프가 있습니다. Forrester가이 범주에서 정의한 비즈니스 집단 (고객의 이해와 경험을 기반으로 혁신하는 빠르게 성장하는 기업)은 기존 기업들에게 진정으로 두려운 일이어야합니다.

마케팅 AI는 가치를 제공하는 구조화되지 않은 실시간 고객 상호 작용을 약속합니다. 현재의 규칙 기반 시스템은 단순히 확장 할 수 없으며 관련성을 제공하는 데 필요한 시간 내에 마케팅 팀이 수동 프로세스를 완료 할 수도 없습니다.

성공 요인

점점 더 많은 기업이 AI 기반 접근 방식에 투자함에 따라 성공적인 프로젝트 간의 공통점이 분명 해지고 있습니다.

• 경영진 후원 – 전체 개념에 대한 명확한 경영진 후원이 목록의 맨 위로 올라갑니다. 중간 수준의 마케터는 포인트 솔루션을 성공적으로 구매할 수 있지만, 대규모 조직은 올바른 데이터 세트를 열고 전반적인 비즈니스 가치를 창출하기 위해 궁극적으로 더 자동화 된 접근 방식을 옹호하기 위해 경영진 후원자가 필요하다는 것을 알게 될 것입니다.
• 정의 된 결과 – 초기 혁신가는 알려진 목표없이 믿음의 도약을해야했습니다. 그러나 공급 업체 환경이 성숙하고 고객 사례가 문서화됨에 따라 모든 프로젝트는 가치 있고 측정 가능한 비즈니스 결과에 연결된 목표를 가질 수 있고 가져야합니다.
• 사용 가능한 데이터 세트 – 대부분의 전문가는 큰 데이터 세트를 사용하는 평범한 알고리즘이 항상 작은 데이터 세트를 사용하는 훌륭한 알고리즘보다 우선한다는 데 동의합니다. 사용 가능한 옵션을 파헤 치고, 가능한 것을 정리하고, 새로운 데이터 소스를 통합하고, 테스트를 실행하여 결과를 확인하십시오.
• 팀 구성 – AI 시스템의 목표는 수작업을 줄이는 것이지만 기술은 여전히 ​​그 가치를 이해하는 팀 및 비즈니스 프로세스에 적합해야합니다. 점점 더 비 기술적 인 비즈니스 사용자가 서비스를 받고 있지만 그 동안 팀이 데이터를 이해하고 알고리즘 접근 방식의 강점과 단점을 파악할 수있을만큼 충분히 기술적인지 확인하는 것이 중요합니다. 아마도 더 중요한 것은, 그들은 겸손하고 배우기를 열망하고 데이터 중심적이어야합니다 (즉, 활동을 결과와 연결하려는 의지).
• 공급 업체 선택 – 사내에서 구축하거나 맞춤형 애플리케이션을 위해 대행사를 이용하는 경우가 있지만 공급 업체의 시장 옵션 메뉴는 점점 더 강력 해지고 있습니다. 올바른 공급 업체를 선택하려면 데이터 세트에 대해 질문하고 여러 경쟁 데모 또는 평가판을 시도한 다음 시스템이 사전 교육을 받았는지 아니면 수행해야하는지 이해하도록 촉구하십시오.

예측 기업

예측 기업으로 전환하려면 고객을 이해하기위한 이데올로기적이고 실용적인 재 헌신이 필요합니다. 인공 지능이 제공하는 경쟁 우위는 알고리즘이나 최종 응용 프로그램에 기반을 두지 않고 고객을 더 깊이 이해하고 그 통찰력에 따라 즉시 행동하는 데 있습니다.

명백한 장애물은 오로지 조직 중심적입니다 : 정치, 기술적 인 장애물, 자원 제약, 여기서 발명되지 않은 신드롬. 그러나 품질과 원활한 고객 경험에 초점을 맞춘 파괴적인 신규 진입자들이있는 평평한 세상에서 유일한 지속 가능한 옵션은 경쟁에 앞서 투자하는 것입니다.

과도하게 사용 된 Wayne Gretsky의 인용문을 왜곡하려면 시장이 있었던 곳이 아니라 시장이가는 곳으로 스케이트를 타야 할 때입니다. 아이러니 한 점은이 경우 본능을 추측하거나 의지 할 필요가 없다는 것입니다. 고객은 이미 이사했습니다. 고객으로서 저는 결과적으로 프라이버시를 절충하는 Facebook에서 영감을받은 콘텐츠 피드를 기대합니다. Amazon과 같은 권장 사항이 유용 할 것으로 기대합니다. 그리고 Google에서 요청하기 전에 제 요구 사항을 예상하고 도움을 제공하시기 바랍니다. 지능적이고 예측 가능한 기업을 구현하십시오.

시작에 대한 생각

예측 마케팅에 대한 초기 진출은 대규모 고객 관리 및 CRM 시스템의 자사 프로필 데이터에 연결되었습니다. 항상 깨끗한 데이터는 아니지만 좋은 시작입니다. 더 깊고 방어 가능한 접근 방식은 구조화되지 않은 고객 데이터를 실행 가능한 통찰력으로 바꾸는 근본적으로 더 어려운 문제를 해결합니다.

종종 다크 데이터라고하는 비정형 데이터는 기업 내에서 거의 사용되지 않지만 수집 된 모든 데이터의 88 %를 차지합니다 (IBM Research). Idio에서는“당신은 당신이 읽는 것입니다.”라는 주제로 다크 데이터에 대한 접근 방식을 요약합니다. 우리가 의미하는 것은 귀하가 소비하는 콘텐츠가 귀하의 관심사를 매우 나타내며 귀하의 의도를 매우 예측한다는 것입니다. AI 지원 도구는이 다크 데이터 (기본적으로 고객이 콘텐츠에 참여하고 행동하는 방식)를 분석하여 관심사와 의도를 예측하고 경험을 개인화합니다.

이 프로젝트 체크리스트를 사용하여 예측 마케팅에 참여하는 데 도움이됩니다.

• AI 기반 접근 방식에 대한 경영진 후원이 있습니까?
• 몇 가지 비즈니스 결과를 정의 했습니까?
• 이러한 결과를 달성하기 위해 긴급하고 명확한 시간 프레임이 있습니까?
• 모델링 할 데이터 세트가 있습니까?
• 우리 팀이 프로젝트를 인수 했습니까?
• 빌드 대 구매 결정을 평가 했습니까?
• 짧은 공급 업체 목록을 만들었습니까?
• 시스템이 사전 교육을 받았습니까? 아니면 긴 교육 프로세스가 있습니까?

주요 용어의 정의

AI 및 예측 마케팅의 이점을 진정으로 사용하기 시작함에 따라 모든 사람이 동일한 정의를 기반으로하는 것이 중요합니다. 다음은 간단한 입문서입니다.

• 인공 지능 (AI) 은 인간이 수행하면 지능적으로 간주되는 일을하는 기계를 만드는 과학입니다.
• 기계 학습 은 컴퓨터가 명시 적으로 프로그래밍되지 않고도 학습 할 수 있도록하는 AI의 하위 집합입니다. 일반적인 기계 학습 사용 사례는 최적화 (시간이 지남에 따라 설정된 목표를 달성하기위한 최상의 옵션 선택), 식별 (이미지 또는 텍스트에서 의미 추출), 이상 감지 (표준 외부에서 발생하는 이벤트 격리) 및 세분화 (클러스터링)입니다. 추론되거나 알려진 특성에 따라).
• 콘텐츠 인텔리전스 는 AI를 콘텐츠 관리에 적용하는 것으로, 특히 타겟팅을 개선하고 성능을 측정하기위한 콘텐츠의 이해 및 분류입니다.
• 예측 마케팅 은 AI를 마케팅에 적용하는 것으로, 일반적으로 잠재 고객을 식별하고 관심을 가질 수있는 내용을 예측하고 차선책의 콘텐츠 또는 제품 정보를 추천합니다.

결론

AI에 대한 이러한 이해와 시작하는 방법에 대한 몇 가지 팁을 바탕으로 기업 마케팅을 개선하고 고객을 진정으로 이해하고 연결하기 위해 "거의 구현"을 AI 현실로 전환 할 때입니다.

이 기사의 버전은 원래 CIO 6 월호에 실 렸습니다. 격월로 인쇄되는 잡지를 무료로 구독하려면 등록하십시오.

표지 이미지 : Joseph Kalinowski / Content Marketing Institute