İçerik Pazarlamanızı Güçlendirmek İçin Yapay Zekaya Güvenmelisiniz?

Kahvaltıdan önce, günün kısa bir özeti için Facebook ve LinkedIn haber akışlarıma bakıyorum. Duşa atlarken, bu akşam uzun bir uçuşum olduğunu bilerek Netflix'te önerilen bir filmi "indir" e basıyorum. Mısır gevreğimden kurtulurken, önümüzdeki hafta bir arkadaşımın doğum günü hediyesi almak için bir kez tıklıyorum. İPhone'um, o erken buluşmayı 87 km uzakta yapmak istiyorsam şimdi ayrılmam gerektiğini söylüyor. Ve arabama bindiğimde, en sevdiğim Spotify çalma listesini çalmak için sesle etkinleştirmeyi kullanıyorum ve Apple Haritalar, bu sabah tren istasyonuna gitmenin beş dakika süreceğini bildirdi.

Pazardaki kanıtlanabilir değerin gerçek örnekleriyle, artık yapay zekanın "neredeyse tamamlandı" anlamına geldiği konusunda alaycı bir şaka yapamayız.

Hepimiz sadece iletişim için değil, aynı zamanda karar almak için de günlük hayatımızda teknolojiye güvenmeye şartlandırılıyoruz. Nicholas Carr'ın The Shallows'ta yazdığı gibi, teknolojiyle sürekli derinleşen bu arayüz beynimizi bilgiyi farklı şekilde işlemek için yeniden yapılandırıyor. Müşterilerimiz için de aynıdır.

Popüler tüketici uygulamaları, gelişmiş, öngörücü teknolojinin bilinçsizce kitlesel olarak benimsenmesine yol açtı. Ve yine de… bilişsel süreçlerimizi sayısız tüketici uygulama ve aracına giderek daha fazla dış kaynak sağlarken, kuruluş bu yeni müşteri beklentisi düzeyine ancak şimdi uyanmaktadır. Bu orantısız benimseme, hayatlarımızı korumak için artık bir arabanın yerleşik çarpışmadan kaçınma sistemine güvendiğimizi, ancak yine de bir makinenin bir pazarlama programında ne yazacağını veya hangi müşterinin yeni bir ürün alması gerektiğini sorguladığımızı düşündüğümüzde en net şekilde anlaşılır ürün teklifi.

Otomobillerimizi güvenli bir şekilde kullanmak için yapay zekaya güveniyoruz, ancak pazarlama stratejisi önermiyoruz.

Uygunsuz Gerçek

Son 10 yılda pazarlama otomasyonu, pazarlama programlarına kişiselleştirme ve verimlilik getirme sözü vererek milyar dolarlık bir endüstri haline geldi. Otomatik müşteri adayı beslemenin siren çağrısı, müşteri adayı puanlama ve kritik potansiyel etkinliklere tetiklenen yanıtlar, B2B organizasyonları için karşı konulamaz hale geldi: Pazarlama otomasyonuna sahip şirket, 2011'in başlarında olduğundan yaklaşık 11 kat daha fazlaydı (Sirius Kararları) ve% 60 En az 500 milyon dolar ciro yapan şirketlerin içinde pazarlama otomasyonu 2014 yılına kadar benimsendi (Raab Associates).

Bununla birlikte, birinci nesil pazarlama otomasyonuyla ilgili rahatsız edici gerçek, gerçekten otomatikleştirilmemiş olmasıdır. Ölçeklendirmeyi başarabilen harika bir merkezi iş akışı aracıdır, ancak kurmak, entegre etmek, yönetmek ve optimize etmek için kaynak gerektirir. Nitekim, birçok B2B organizasyonunda, pazarlama otomasyonunun kaynak taleplerini tanımlamanın bir yolu olarak "canavarı besle" ifadesi pazarlama tabirine kabul edilmiştir. En temelde kural sürünmesi sorunu var. Kampanyaları oluştururken, iş kurallarını tanımlarsınız: "A olursa, B yapın" veya "Birey bu özelliğe sahipse, onları 4. segmente yerleştirin." Bunlarla başlamak basit olabilir, ancak karmaşık ve çeşitli alıcı yolculuklarında her zaman yetersiz bir azalma olur. Yani, kampanyayı daha hedefli hale getirmek için daha fazla kural eklersiniz. Ve sonuçları her ölçtüğünüzde, sonuç, daha fazla kuralın yazılması gerektiğidir. Kurumsal müşterilerimizden bazıları, pazarlama otomasyonunun bu manuel unsurları için yılda 500.000 $ harcadıklarını tahmin ediyor - ve bu, devam eden içerik oluşturmaya yönelik hayati ve önemli yatırımı göz ardı ediyor.

Pazarlama otomasyonu dünyaya vaat ederken, aslında yaptığı şey, içerik pazarlamasının yürütülmesini otomatikleştirmek iken, karar verme pratik olmayan manuel bir çaba olarak kalır. Pazarlamacılara güçlü bir iş akışı ve hatta içgörüler sunar, ancak geniş ölçekte bu içgörülere göre hareket etmenin otomatik bir yolunu sağlayamaz. Temelde, bu sistemlerdeki içerik aptaldır; sistem içeriğin ne hakkında olduğunu ve kimin okuması gerektiğini anlamıyor. Forrester, bunu nasıl ele alacağına bakanların izini sürmek için kısa süre önce "içerik zekası" adını verdiği yeni bir araştırma teması başlattı ve bunu "herhangi bir içeriğin doğasında var olan nitelikleri anlamak ve yakalamak için yapay zeka teknolojilerinin kullanımı" olarak tanımladı. Pazarlama teknolojisi analisti David Raab'ın dediği gibi, "Bir şey vermeli: Ya pazarlamacılar en iyi kararları vermeyi bırakırlar ya da kurallara güvenmeyi bırakırlar."

Beklenti boşluğu

Sürekli artan müşteri beklentileri karşısında, önde gelen pazarlamacılar, bireylerin çevrimiçi davranışlarından içeriği daha etkili bir şekilde önermeye kadar "öğrenen" kişiselleştirme araçlarından en küçük kalıpları tespit edebilen araçlara kadar her şeyi kapsayan bir kategori olan AI tabanlı araçlara yatırım yapıyor. büyük tüketici veri setleri ve gelecekteki davranışları tahmin etme. Bunlar, pazarlamada yapay zeka için artan potansiyel uygulamalar listesinde en ilginç olanlardan bazıları:

• İçerik stratejisi - daha sonra hangi içeriğin oluşturulacağını önerme
• Kampanya stratejisi - hangi iletişim sırasının sunulacağını önerme
• Kişiselleştirme - davranışa göre her müşteri için doğru içeriği önermek
• Segmentasyon - müşterileri davranışa veya amaca göre kümeleme
• Kopyalama otomasyonu - otomatik olarak konu satırları ve açıklamalar üretir
• Müşteri adayı veya hesap önceliklendirme - potansiyel müşterileri veya hesapları kapanma olasılıklarına göre sıralama
• Satış stratejisi - satışta kullanılacak doğru ürün / hizmet teklifini ve içeriğini önermek
• Satış amacı - doğru ürün teklifini, anlaşma boyutunu ve kapanış tarihini tahmin etme
• Yeniden hedefleme - yeniden hedeflenen reklam birimleri içinde doğru içeriği önerme

Büyük pazarlama paketleri, yapay zeka tekliflerini henüz tam olarak dağıtmadığından veya üretmediğinden, yapay zekayı benimsemek genellikle nokta çözümleri ve veri kümelerinin bir karışımını gerektirir.

Gerçekten de, pazarlamacılar, sınıfının en iyisi nokta çözümlerinden kendi teknoloji yığınlarını giderek daha fazla bir araya getirerek, teknolojinin satıcı özelliklerinden ziyade müşteri ihtiyaçlarına göre inşa edilmesini sağlıyor. Özellikle karmaşık müşteri ortamlarında - örneğin, uzun satın alma döngülerine sahip yüksek temaslı ilişki satışlarında - AI uygulaması, müşteri beklentisi ile gerçek deneyim arasındaki boşluğu doldurmaya başlama sözü veriyor. Yapay zeka ölçeği çözdüğü (ve buna dayandığı) için bu, küresel işletmeler için en uygun olanıdır.

IHS Markit'te kıdemli pazarlama müdürü olan Byron O'Dell için, pazarlama otomasyonu yerine tahmine dayalı makine öğrenimini kullanmak, ölçeğin zorluklarının üstesinden gelmekle ilgiliydi. "Pazarlama alaka düzeyini geniş ölçekte sağlamak zordur, ancak tahmine dayalı makine öğrenimi bize bunu başarmamız için bir yol sunuyor" diye açıklıyor.

Başlangıçta, çoğu pazarlamacı iki temel kullanım durumunu değerlendiriyor: kişiselleştirme ve tahmini müşteri adayı puanlama. Kişiselleştirme, özellikle içerik geniş ölçekte üretildiğinde ve genellikle yetersiz sınıflandırıldığında, içeriğin gelişen müşteri ihtiyacıyla eşleştirilmesini gerektirir. Tahmine dayalı müşteri adayı puanlaması, ilgilenen bir hesabı tanımlayan sinyallerin tanımlanmasının veya açığa çıkarılmasının zor olduğu yeni satış konuşmaları için doyumsuz arzu tarafından yönlendirilir.

İçgörülere dayalı iş

Bu yeni yaklaşımlar temel bir zorluğa hitap ediyor: Alıcının gittikçe güçlenmesi, bilgilenmesi ve bağlanması ile satın alma süreci değişti, ancak işletmeler büyük ölçüde her zaman sahip oldukları şekilde satış yapıyorlar. İçeriği çekmek, etkileşim kurmak ve dönüştürmek için kullanmak çözümün bir parçasıdır, ancak önde gelen pazarlamacılar müşteriyi anlamak için içeriği de kullanıyor.

Giderek daha rekabetçi hale gelen bir dünyada, alıcılarını anlamayan herhangi bir işletme, yeni dijitale öncelik veren rakipler büyüdükçe pazar payını hızla kaybedecektir. Bozucular müşterileri hakkında takıntılıdır; mükemmel ve kusursuz bir müşteri deneyimi sunmaya odaklanırlar; modası geçmiş teknoloji ve katı süreçler tarafından engellenmezler. Daha derin müşteri anlayışını kazanmanın ve buna göre hareket etmenin rekabet avantajı yarattığını takdir ediyorlar.

Forrester Research, "içgörülere dayalı işletmeler" dediği şey etrafında bir kanıtlar bütünü oluşturuyor. Bu işlerin bir tanımı, müşteriyi anlama noktası ile bir sonraki yanıtı verme noktası arasında hiçbir sürtüşme olmamasıdır. Tamamen otomatik bir geri bildirim döngüsü var. Forrester'ın bu kategoride tanımladığı işletme grubu - müşteri anlayışına ve deneyimine dayalı yenilikler yapan hızlı büyüyen şirketler - yerleşikler için gerçekten dehşet verici olmalıdır.

Pazarlama AI, değer sağlayan yapılandırılmamış, gerçek zamanlı müşteri etkileşimleri vaat ediyor. Mevcut kural tabanlı sistemler basitçe ölçeklenemez veya pazarlama ekipleri alaka düzeyini sağlamak için gereken sürede manuel bir süreci tamamlayamaz.

Başarı faktörleri

Yapay zeka tabanlı yaklaşımlara yatırım yapan işletmelerin sayısı arttıkça, başarılı projeler arasındaki ortak noktalar daha net hale geliyor.

• Yönetici sponsorluğu - Zaman zaman, genel konsept için net yönetici sponsorluğu listenin en üstüne yükselir. Orta düzey pazarlamacılar başarılı bir şekilde nokta çözümleri satın alabilirken, daha büyük kuruluşlar bunun doğru veri setlerini açıp genel iş değerini artıracağını keşfedecek ve sonunda daha otomatik bir yaklaşımı desteklemek için bir yönetici sponsora ihtiyaç duyacaklar.
• Tanımlanan sonuçlar - İlk yenilikçiler, bilinen bir hedef olmadan inanç sıçramaları yapmak zorunda kaldı. Ancak satıcı ortamı olgunlaştıkça ve müşteri örnekleri belgelendikçe, her projenin değerli ve ölçülebilir iş çıktılarıyla bağlantılı hedefleri olabilir ve olmalıdır.
• Mevcut veri kümesi - Çoğu uzman, büyük bir veri kümesine sahip vasat bir algoritmanın her zaman küçük bir veri kümesiyle harika bir algoritmanın önüne geçtiğini kabul eder. Mevcut seçenekleri araştırın, yapabileceklerinizi temizleyin, yeni veri kaynaklarını entegre edin ve sonuçları görmek için testler yapın.
• Ekip bileşimi - AI sistemlerinin amacı manuel görevleri azaltmak olsa da, teknolojinin yine de değerini anlayan bir ekibe ve iş sürecine uyması gerekiyor. Giderek artan bir şekilde, teknik olmayan iş kullanıcılarına hizmet verilmektedir, ancak bu arada, ekibin verileri anladığından ve algoritmik bir yaklaşımın güçlü ve eksik yönlerini kavrayacak kadar teknik olduğundan emin olmak önemlidir. Belki daha da önemlisi, alçakgönüllü ve öğrenmeye istekli ve veriye dayalı (yani, aktiviteyi sonuçlarla ilişkilendirmeye istekli) olmalıdırlar.
• Satıcı seçimi - Kurum içinde inşa etme veya ısmarlama bir uygulama için bir ajans kullanma durumu söz konusu olsa da, satıcılardan gelen piyasadaki seçeneklerin menüsü giderek daha sağlam hale geliyor. Doğru tedarikçiyi seçmek için, veri seti hakkında soru sorun, çok sayıda rekabetçi demo veya denemeyi deneyin ve sistemin önceden eğitilmiş mi yoksa bunu yapmanızı gerektirip gerektirmediğini anlamak için itin.

Tahmine dayalı işletme

Öngörücü girişime doğru bir geçiş, müşteriyi anlamak için ideolojik ve pratik bir yeniden adama gerektirir. Yapay zekanın sağladığı rekabet avantajı, algoritmaya veya nihai uygulamaya değil, müşteriyi daha derinlemesine anlamaya ve o anda bu anlayışa göre hareket etmeye dayanır.

Bariz engeller yalnızca organizasyon merkezlidir: siyaset, teknik engeller, kaynak kısıtlamaları ve burada icat edilmemiş sendromu. Yine de, kaliteli ve kusursuz bir müşteri deneyimine odaklanan yıkıcı yeni girişlerin olduğu düz bir dünyada, sürdürülebilir tek seçenek rekabetin önünde yatırım yapmaktır.

Fazla kullanılan Wayne Gretsky alıntısını çarpıtmak için, piyasanın gittiği yere değil, nereye gittiğine kayma zamanı. İroni şu ki, bu durumda, tahmin etmenize veya içgüdülerinize güvenmenize gerek yok. Müşteri zaten taşındı. Bir müşteri olarak, sonuçta gizlilik ödünleşimiyle birlikte Facebook'tan ilham alan bir içerik akışı bekliyorum. Amazon benzeri önerilerin yararlı olmasını bekliyorum. Ve bir la Google, ben sormadan önce ihtiyaçlarımı tahmin etmenizi ve yardım teklif etmenizi bekliyorum. Akıllı ve tahmine dayalı işletmeyi hayata geçirin.

Başlangıçtaki düşünceler

Tahmine dayalı pazarlamaya yönelik ilk girişimler, büyük müşteri yönetimi ve CRM sistemlerinde birinci taraf profil verilerine bağlanmıştır. Her zaman temiz veri değildir, ancak iyi bir başlangıçtır. Daha derin ve savunulabilir yaklaşımlar, temelde daha zor bir sorunun üstesinden gelir: yapılandırılmamış müşteri verilerini eyleme dönüştürülebilir içgörüye dönüştürmek.

Genellikle karanlık veri olarak adlandırılan yapılandırılmamış veriler, kuruluş içinde büyük ölçüde kullanılmaz, ancak toplanan tüm verilerin% 88'ini oluşturur (IBM Research). Idio'da karanlık verilere yaklaşımımızı "Okuduğun sensin" teziyle özetliyoruz. Demek istediğimiz, tükettiğiniz içeriğin büyük ölçüde ilgi alanlarınızın göstergesi olduğu ve niyetinizi büyük ölçüde öngördüğüdür. Yapay zeka destekli araçlar, ilgi alanlarını ve niyetlerini tahmin etmek ve deneyimlerini kişiselleştirmek için bu karanlık verileri - esasen müşterilerinizin içeriğinizle nasıl etkileşim kurup davrandıklarını - analiz eder.

Tahmine dayalı pazarlama alanındaki girişiminize yardımcı olması için bu proje kontrol listesini kullanmayı düşünün:

• Yapay zeka tabanlı bir yaklaşım için yönetici sponsorluğum var mı?
• Birkaç iş sonucu tanımladım mı?
• Bu sonuçlara ulaşmak için aciliyet ve net bir zaman çerçevesi var mı?
• Modellemek için bir veri seti var mı?
• Ekibim projeyi satın aldı mı?
• Yap-satın al kararını değerlendirdim mi?
• Satıcıların kısa bir listesini oluşturdum mu?
• Sistemleri önceden eğitilmiş mi yoksa uzun bir eğitim süreci var mı?

Anahtar terimlerin tanımları

Yapay zekanın ve tahmine dayalı pazarlamanın faydalarını gerçekten kullanmaya başladıkça, herkesin aynı tanımlara sahip olması önemlidir. İşte kısa bir başlangıç:

• Yapay zeka (AI) , bir insan tarafından yapılırsa akıllı sayılacak şeyler yapan makineler inşa etme bilimidir.
• Makine öğrenimi , bilgisayarların açıkça programlanmadan öğrenmesini sağlayan yapay zekanın alt kümesidir. Yaygın makine öğrenimi kullanım örnekleri optimizasyon (belirli bir hedefe ulaşmak için zamanla en iyi seçeneği seçme), tanımlama (görüntülerden veya metinden anlam çıkarma), anormallik algılama (normun dışında gerçekleşen bir olayı izole etme) ve segmentasyondur (kümeleme çıkarılan veya bilinen özelliklere göre).
• İçerik zekası , yapay zekanın içerik yönetimine uygulanmasıdır, en önemlisi hedeflemeyi iyileştirmek ve performansı ölçmek için içeriğin anlaşılması ve sınıflandırılmasıdır.
• Tahmine dayalı pazarlama , genellikle potansiyel müşterileri belirlemek, neyle ilgilenebileceklerini tahmin etmek ve bir sonraki en iyi içerik veya ürün bilgisini önermek için AI'nın pazarlamaya uygulanmasıdır.

Sonuç

Bu yapay zeka anlayışı ve nasıl başlayacağınıza dair bazı ipuçları ile, kurumsal pazarlamanızı iyileştirmek ve müşterilerinizi gerçekten anlamak ve onlarla bağlantı kurmak için "neredeyse uygulanmış" bir yapay zeka gerçekliğine dönüştürme zamanınız geldi.

Bu makalenin bir versiyonu ilk olarak İçerik Sorumlusu'nun Haziran sayısında yayınlandı. İki ayda bir yayınlanan basılı dergimize ücretsiz aboneliğinizi almak için kaydolun.

Kapak resmi Joseph Kalinowski / Content Marketing Institute