Czy powinieneś ufać sztucznej inteligencji, aby napędzać marketing treści?

Przed śniadaniem sprawdzam wiadomości na Facebooku i LinkedIn, aby uzyskać krótkie podsumowanie dnia. Skacząc pod prysznic, klikam „pobierz” polecanego filmu na Netflix, wiedząc, że wieczorem mam długi lot. Łapiąc płatki, klikam raz, żeby kupić prezent urodzinowy przyjaciela w przyszłym tygodniu. Mój iPhone dzwoni, aby powiedzieć mi, że muszę teraz wyjść, jeśli chcę odbyć to wczesne spotkanie w odległości 54 mil. Kiedy wsiadam do samochodu, używam aktywacji głosowej, aby odtwarzać moją ulubioną playlistę Spotify, a Apple Maps informuje mnie, że dziś rano dojazd na stację kolejową zajmie pięć minut.

Mając prawdziwe przykłady widocznej wartości na rynku, nie możemy już sarkastycznie żartować, że sztuczna inteligencja oznacza „prawie wdrożona”.

Wszyscy jesteśmy uwarunkowani, aby polegać na technologii w naszym codziennym życiu, nie tylko w komunikacji, ale także przy podejmowaniu decyzji. Ten pogłębiający się interfejs z technologią zmienia nasze mózgi, aby przetwarzały informacje w inny sposób, jak pisze Nicholas Carr w The Shallows. Tak samo jest z naszymi klientami.

Popularne aplikacje konsumenckie doprowadziły do ​​nieświadomego masowego przyjęcia zaawansowanej, predykcyjnej technologii. A jednak… chociaż w coraz większym stopniu przenosimy nasze procesy poznawcze na zewnątrz do niezliczonych aplikacji i narzędzi konsumenckich, przedsiębiorstwo dopiero teraz budzi się na nowy poziom oczekiwań klientów. To chybione przyjęcie jest najbardziej oczywiste, gdy weźmiemy pod uwagę, że teraz ufamy wbudowanemu w samochód systemowi unikania kolizji w celu ochrony naszego życia, ale nadal zastanawiamy się, czy maszyna może zalecić, co dalej napisać w programie marketingowym, lub który klient powinien otrzymać nowy Oferta produktów.

Ufamy, że sztuczna inteligencja bezpiecznie jeździ naszymi samochodami, ale nie polecamy strategii marketingowej.

Niewygodna prawda

W ciągu ostatnich 10 lat automatyzacja marketingu przekształciła się w branżę wartą miliardy dolarów, obiecując personalizację i efektywność programów marketingowych. Syrena wezwania zautomatyzowanego pielęgnowania potencjalnych klientów, oceniania potencjalnych klientów i wyzwalania odpowiedzi na krytyczne działania związane z potencjalnymi klientami okazała się nieodparta dla organizacji B2B: w 2014 r. Było prawie 11 razy więcej firm z automatyzacją marketingu niż na początku 2011 r. (SiriusDecisions), a 60% firm, które osiągną wartość co najmniej 500 mln USD przyjęły automatyzację marketingu do 2014 r. (Raab Associates).

Jednak niewygodna prawda o automatyzacji marketingu pierwszej generacji polega na tym, że nie jest ona tak naprawdę zautomatyzowana. Jest to fantastyczne narzędzie do centralnego przepływu pracy, które może osiągnąć dużą skalę, ale wymaga zasobów do konfiguracji, integracji, zarządzania i optymalizacji. Rzeczywiście, w wielu organizacjach B2B wyrażenie „nakarm bestię” zostało przyjęte w żargonie marketingowym jako sposób opisania zapotrzebowania na zasoby w automatyzacji marketingu. Przede wszystkim występuje problem pełzania reguł. Podczas konfigurowania kampanii definiujesz reguły biznesowe: „Jeśli zdarzy się A, zrób B” lub „Jeśli dana osoba ma tę cechę, umieść ją w segmencie 4”. Mogą być one proste na początek, ale zawsze stanowią niewystarczającą redukcję złożonych i zróżnicowanych podróży nabywcy. Dlatego dodajesz więcej reguł, aby kampania była lepiej ukierunkowana. Za każdym razem, gdy mierzysz wyniki, rezultat jest taki, że trzeba napisać więcej reguł. Niektórzy z naszych klientów korporacyjnych szacują, że wydają 500 000 USD rocznie na te ręczne elementy automatyzacji marketingu - pomijając istotne i znaczące inwestycje w ciągłe tworzenie treści.

Automatyzacja marketingu obiecuje świat, ale tak naprawdę automatyzuje realizację content marketingu, podczas gdy podejmowanie decyzji pozostaje niepraktycznie ręcznym wysiłkiem. Oferuje marketerom skuteczny przepływ pracy, a nawet spostrzeżenia, ale nie zapewnia zautomatyzowanego sposobu działania na podstawie tych spostrzeżeń na dużą skalę. Zasadniczo zawartość tych systemów jest głupia; system nie rozumie, o czym jest treść i kto powinien ją przeczytać. Aby śledzić tych, którzy szukają sposobów rozwiązania tego problemu, firma Forrester rozpoczęła niedawno nowy temat badawczy, który nazywa „inteligencją treści”, który definiuje jako „wykorzystanie technologii sztucznej inteligencji do zrozumienia i uchwycenia cech właściwych każdej treści”. Jak mówi analityk ds. Technologii marketingowych, David Raab: „Coś musi dać: albo marketerzy przestają podejmować najlepsze decyzje, albo przestają polegać na regułach”.

Luka oczekiwań

W obliczu nieustannie rosnących oczekiwań klientów wiodący marketerzy inwestują w narzędzia oparte na sztucznej inteligencji - kategorię, która obejmuje wszystko, od narzędzi do personalizacji, które „uczą się” na podstawie zachowań osób w Internecie, aby skuteczniej polecać treści, po narzędzia, które mogą wykrywać drobne wzorce w ogromne zbiory danych konsumenckich i przewidywanie przyszłych zachowań. Oto niektóre z najciekawszych z rosnącej listy potencjalnych zastosowań sztucznej inteligencji w marketingu:

• Strategia treści - rekomendowanie kolejnych treści do stworzenia
• Strategia kampanii - zalecanie sekwencji komunikatów do dostarczenia
• Personalizacja - rekomendowanie odpowiednich treści dla każdego klienta na podstawie zachowań
• Segmentacja - grupowanie klientów na podstawie zachowania lub zamiaru
• Automatyzacja kopiowania - automatyczne generowanie tematów i opisów
• Priorytetyzacja potencjalnych klientów lub kont - klasyfikowanie potencjalnych klientów lub kont według prawdopodobieństwa ich zamknięcia
• Strategia sprzedaży - rekomendowanie odpowiedniej oferty produktów / usług oraz treści do wykorzystania w sprzedaży
• Zamiar sprzedaży - przewidywanie odpowiedniej oferty produktów, wielkości transakcji i daty zamknięcia
• Retargeting - rekomendowanie właściwych treści w retargetowanych jednostkach reklamowych

Ponieważ główne pakiety marketingowe nie wdrożyły jeszcze w pełni ani nie wyprodukowały swojej oferty sztucznej inteligencji, przyjęcie sztucznej inteligencji zwykle wymaga połączenia rozwiązań punktowych i zestawów danych.

W rzeczywistości marketerzy coraz częściej łączą własne stosy technologii z najlepszych w swojej klasie rozwiązań punktowych, umożliwiając budowanie technologii w oparciu o potrzeby klientów, a nie funkcje dostawcy. Zwłaszcza w złożonych środowiskach klientów - na przykład w przypadku sprzedaży opartej na relacjach z dużym kontaktem z długimi cyklami zakupów - zastosowanie sztucznej inteligencji może zacząć wypełniać lukę między oczekiwaniami klientów a rzeczywistymi doświadczeniami. Jest to najbardziej istotne w globalnych biznesach, ponieważ sztuczna inteligencja działa na skalę (i opiera się na niej).

Dla Byrona O'Della, starszego dyrektora marketingu w IHS Markit, zastosowanie predykcyjnego uczenia maszynowego zamiast automatyzacji marketingu oznacza pokonywanie wyzwań związanych ze skalą. Wyjaśnia, że ​​„zapewnienie trafności marketingowej na dużą skalę jest wyzwaniem, ale predykcyjne uczenie maszynowe daje nam ścieżkę do osiągnięcia tego”.

Początkowo większość marketerów rozważa dwa kluczowe przypadki użycia: personalizację i predykcyjną ocenę potencjalnych klientów. Personalizacja wiąże się z dopasowywaniem treści do zmieniających się potrzeb klientów, zwłaszcza gdy treści są tworzone na dużą skalę i często słabo sklasyfikowane. Przewidywalna ocena potencjalnych klientów jest napędzana nienasyconą chęcią prowadzenia nowych rozmów handlowych, w przypadku których sygnały identyfikujące zainteresowane konto są trudne do zidentyfikowania lub odkrycia.

Biznes oparty na wiedzy

Te nowe podejścia stanowią odpowiedź na fundamentalne wyzwanie: proces kupowania uległ zmianie, a kupujący jest coraz bardziej uprawniony, poinformowany i połączony, ale przedsiębiorstwa w dużej mierze sprzedają w taki sam sposób, jak zawsze. Korzystanie z treści w celu przyciągnięcia, zaangażowania i konwersji jest częścią rozwiązania, ale wiodący marketerzy używają również treści do zrozumienia klienta.

W coraz bardziej konkurencyjnym świecie każda firma, która nie rozumie swoich nabywców, szybko straci udział w rynku w miarę rozwoju nowych, cyfrowych konkurentów. Osoby zakłócające mają obsesję na punkcie swoich klientów; koncentrują się na zapewnieniu doskonałej i bezproblemowej obsługi klienta; nie są obciążone przestarzałą technologią i sztywnymi procesami. Doceniają, że zdobywanie i działanie w oparciu o głębsze zrozumienie klienta buduje przewagę konkurencyjną.

Firma Forrester Research gromadzi materiał dowodowy dotyczący tego, co nazywa „biznesami opartymi na wiedzy”. Jedną z definicji tych firm jest to, że nie ma sprzeczności między punktem zrozumienia klienta a momentem udzielenia następnej odpowiedzi. Istnieje pętla sprzężenia zwrotnego, która jest całkowicie zautomatyzowana. Kohorta firm, które Forrester definiuje w tej kategorii - szybko rozwijające się firmy wprowadzające innowacje w oparciu o zrozumienie i doświadczenie klientów - powinna być naprawdę przerażająca dla obecnych firm.

Marketing AI obiecuje nieustrukturyzowane interakcje z klientami w czasie rzeczywistym, które zapewniają wartość. Obecne systemy oparte na regułach po prostu nie są w stanie skalować, a zespoły marketingowe nie mogą ukończyć procesu ręcznego w czasie wymaganym do zapewnienia trafności.

Czynniki sukcesu

Ponieważ coraz więcej firm inwestuje w podejścia oparte na sztucznej inteligencji, podobieństwa między udanymi projektami stają się coraz wyraźniejsze.

• Sponsoring wykonawczy - raz po raz jasne sponsoring wykonawczy dla całej koncepcji zajmuje pierwsze miejsce na liście. Podczas gdy średniozaawansowani marketerzy mogą z powodzeniem kupować rozwiązania punktowe, większe organizacje odkryją, że aby otworzyć odpowiednie zestawy danych i zwiększyć ogólną wartość biznesową, ostatecznie potrzebują sponsora wykonawczego, który poprze bardziej zautomatyzowane podejście.
• Zdefiniowane wyniki - pierwsi innowatorzy musieli dokonać skoku wiary bez znanego celu. Jednak wraz z dojrzewaniem dostawców i udokumentowaniem przykładów klientów każdy projekt może i powinien mieć cele powiązane z wartościowymi i mierzalnymi wynikami biznesowymi.
• Dostępny zestaw danych - większość ekspertów zgodziłaby się, że przeciętny algorytm z dużym zestawem danych zawsze ma przewagę nad świetnym algorytmem z małym zestawem danych. Zapoznaj się z dostępnymi opcjami, wyczyść to, co możesz, zintegruj nowe źródła danych i uruchom testy, aby zobaczyć wyniki.
• Skład zespołu - chociaż celem systemów AI jest ograniczenie zadań wykonywanych ręcznie, technologia nadal musi być dopasowana do zespołu i procesu biznesowego, który rozumie jej wartość. Coraz częściej obsługiwani są nietechniczni użytkownicy biznesowi, ale w międzyczasie ważne jest, aby zespół rozumiał dane i był wystarczająco techniczny, aby uchwycić mocne i wady algorytmicznego podejścia. Co ważniejsze, muszą być pokorni i chętni do nauki, a także kierowani danymi (tj. Chcą łączyć aktywność z wynikami).
• Wybór dostawcy - chociaż istnieje argumentacja za budowaniem własnej aplikacji lub korzystaniem z agencji w celu wykonania niestandardowej aplikacji, lista opcji dostępnych na rynku od dostawców jest coraz bardziej rozbudowana. Aby wybrać odpowiedniego dostawcę, zapytaj o zestaw danych, wypróbuj wiele konkurencyjnych wersji demonstracyjnych lub próbnych i spróbuj zrozumieć, czy system jest wstępnie przeszkolony, czy też wymaga tego od Ciebie.

Przedsiębiorstwo predykcyjne

Przejście w kierunku przedsiębiorstwa predykcyjnego wymaga ideologicznego i praktycznego ponownego poświęcenia się zrozumieniu klienta. Przewaga konkurencyjna, jaką daje sztuczna inteligencja, nie opiera się na algorytmie czy ewentualnym zastosowaniu, ale raczej na dogłębnym zrozumieniu klienta i działaniu na jego podstawie w danym momencie.

Oczywiste przeszkody są wyłącznie zorientowane na organizację: polityka, techniczne blokady drogowe, ograniczenia zasobów i syndrom nie-wynalezionego tutaj. Jednak w płaskim świecie, w którym nowi nowi gracze koncentrują się na jakości i bezproblemowej obsłudze klienta, jedyną zrównoważoną opcją jest inwestowanie przed konkurencją.

Aby przekręcić nadużywany cytat Wayne'a Gretsky'ego, czas jechać tam, gdzie zmierza rynek, a nie tam, gdzie był. Ironia polega na tym, że w tym przypadku nie musisz zgadywać ani polegać na instynkcie. Klient już się przeprowadził. Jako klient oczekuję źródła treści inspirowanego Facebookiem, z wynikającym z tego kompromisem w zakresie prywatności. Oczekuję, że rekomendacje podobne do Amazon będą przydatne. A la Google oczekuję, że przewidziesz moje potrzeby i zaoferujesz pomoc, zanim poproszę. Postaw na inteligentne i przewidywalne przedsiębiorstwo.

Myśli na początku

Początkowe wyprawy do marketingu predykcyjnego połączyły się z własnymi danymi profilowymi w dużych systemach zarządzania klientami i CRM. Nie zawsze są to czyste dane, ale to dobry początek. Głębsze i łatwiejsze do obrony podejścia rozwiązują zasadniczo trudniejszy problem: przekształcanie nieustrukturyzowanych danych klientów w praktyczny wgląd.

Dane nieustrukturyzowane, często nazywane ciemnymi danymi, są w dużej mierze niewykorzystywane w przedsiębiorstwie, ale stanowią 88% wszystkich zebranych danych (badania IBM). W Idio podsumowujemy nasze podejście do ciemnych danych za pomocą tezy: „Jesteś tym, co czytasz”. Chodzi nam o to, że treści, które konsumujesz, w wysokim stopniu odzwierciedlają Twoje zainteresowania i w wysokim stopniu przewidują Twoje zamiary. Narzędzia z obsługą sztucznej inteligencji analizują te ciemne dane - zasadniczo to, jak Twoi klienci angażują się i zachowują z Twoimi treściami - aby przewidzieć ich zainteresowania i zamiary oraz spersonalizować ich doświadczenia.

Rozważ skorzystanie z tej listy kontrolnej projektu, aby pomóc swojemu przedsięwzięciu w marketingu predykcyjnym:

• Czy mam sponsoring wykonawczy na podejście oparte na sztucznej inteligencji?
• Czy zdefiniowałem kilka wyników biznesowych?
• Czy istnieje pilna potrzeba i jasne ramy czasowe na osiągnięcie tych wyników?
• Czy istnieje zestaw danych do modelowania?
• Czy mój zespół przyłączył się do projektu?
• Czy oceniłem decyzję dotyczącą budowania a kupowania?
• Czy utworzyłem krótką listę dostawców?
• Czy ich systemy są wstępnie przeszkolone, czy też trwa długotrwały proces szkolenia?

Definicje kluczowych terminów

Kiedy zaczynasz naprawdę korzystać z zalet sztucznej inteligencji i marketingu predykcyjnego, ważne jest, aby wszyscy byli ugruntowani w tych samych definicjach. Oto krótkie wprowadzenie:

• Sztuczna inteligencja (AI) to nauka o budowaniu maszyn, które robią rzeczy, które byłyby uważane za inteligentne, gdyby robił je człowiek.
• Uczenie maszynowe to podzbiór sztucznej inteligencji, który umożliwia komputerom uczenie się bez konieczności bezpośredniego programowania. Typowe przypadki użycia uczenia maszynowego to optymalizacja (z czasem wybieranie najlepszej opcji do osiągnięcia wyznaczonego celu), identyfikacja (wydobywanie znaczenia z obrazów lub tekstu), wykrywanie anomalii (izolowanie zdarzenia, które występuje poza normą) i segmentacja (grupowanie na podstawie wywnioskowanych lub znanych cech).
• Inteligencja treści to zastosowanie sztucznej inteligencji do zarządzania treścią, w szczególności zrozumienia i klasyfikacji treści w celu poprawy kierowania i pomiaru wydajności.
• Marketing predykcyjny to zastosowanie sztucznej inteligencji w marketingu, zwykle do identyfikacji potencjalnych klientów, przewidywania, czym mogą być zainteresowani, i rekomendowania następnej najlepszej treści lub informacji o produkcie.

Wniosek

Dzięki temu zrozumieniu sztucznej inteligencji i kilku wskazówkom, jak zacząć, nadszedł czas, aby zamienić „prawie zaimplementowaną” sztuczną inteligencję w rzeczywistość, aby ulepszyć marketing przedsiębiorstwa oraz naprawdę zrozumieć i nawiązać kontakt z klientami.

Wersja tego artykułu pierwotnie ukazała się w czerwcowym numerze Chief Content Officer. Zarejestruj się, aby otrzymać bezpłatną subskrypcję naszego dwumiesięcznika drukowanego.

Zdjęcie na okładce: Joseph Kalinowski / Content Marketing Institute