您是否应该信任人工智能来推动内容营销?

已发表: 2020-12-22

人工智慧驱动内容营销 早餐前,我查看了我的Facebook和LinkedIn新闻源,以快速了解当天的情况。 当我冲凉时,因为知道今晚有一段漫长的飞行,我在Netflix推荐的电影上点击了“下载”。 狼吞虎咽地吃麦片时,我点击了一下,就在下周买了一个朋友的生日礼物。 我的iPhone ping告诉我,如果我想在54英里外的那段较早开会,我需要现在离开。 当我上车时,我会使用语音激活功能播放我最喜欢的Spotify播放列表,Apple Maps通知我,今天早上开车需要五分钟才能到达火车站。

有了市场上可证明价值的真实例子,我们再也不能嘲笑AI意味着“几乎已实现”。

我们所有人都有条件在日常生活中依靠技术,不仅用于交流,还用于决策。 正如尼古拉斯·卡尔(Nicholas Carr)在《浅滩》(The Shallows)中所写的那样,这种与技术不断加深的接口正在重新引导我们的大脑以不同的方式处理信息。 我们的客户也是如此。

@roughtype表示,带有技术的日益深入的界面正在重新引导我们的大脑以不同的方式处理信息。 点击鸣叫

流行的消费类应用导致无意识地大规模采用了先进的预测技术。 但是……虽然我们越来越多地将认知过程外包给无数的消费者应用程序和工具,但企业直到现在才意识到这种新的客户期望水平。 当我们认为我们现在信任汽车的内置防撞系统以保护我们的生命,却仍然质疑机器是否可以建议在营销计划中接下来写什么或应该向哪些客户推荐新产品时,这种不平衡的采用方式最为明显。产品报价。

我们相信人工智能可以安全地驾驶汽车,但不建议营销策略。

@andjdavies说,我们相信人工智能可以驱动我们的汽车,但不推荐市场营销策略。 点击鸣叫
涉及的相关内容:
认知内容营销:通往(人为)智能未来的道路

难以忽视的真相

在过去的十年中,营销自动化已通过承诺为营销计划带来个性化和效率,已发展成为一个价值十亿美元的行业。 对于B2B组织而言,自动化的潜在客户培育,潜在客户评分和触发对关键潜在客户活动的反应的警报已被证明无法抗拒:2014年,拥有营销自动化功能的公司比2011年初多了近11倍(SiriusDecisions),而60%到2014年,至少有5亿美元的公司采用了行销自动化(Raab Associates)。

但是,第一代营销自动化的不便之处在于它并不是真正的自动化。 它是一个出色的中央工作流工具,可以实现扩展,但需要资源来设置,集成,管理和优化。 实际上,在许多B2B组织中,短语“喂食野兽”已被市场称为“描述野兽自动化的资源需求”。 最根本的是,存在规则蔓延的问题。 设置广告系列时,您将定义业务规则:“如果发生A,则执行B”或“如果个人具有此特征,则将其置于第4段”。 这些可能一开始就很简单,但始终不足以减少复杂多样的买方旅程。 因此,您添加了更多规则以使广告系列更具针对性。 每次测量结果时,结果就是需要编写更多规则。 我们的一些企业客户估计,他们每年在营销自动化的这些手动元素上花费500,000美元-这忽略了对正在进行的内容创作的重要而重大的投资。

尽管行销自动化向世界承诺,但它实际上所做的是使内容行销自动化,而决策仍然是不切实际的手动工作。 它为营销人员提供了强大的工作流程,甚至提供了见解,但未能提供一种自动化的方法来对这些见解进行大规模处理。 从根本上说,这些系统中的内容是愚蠢的。 系统不了解内容的内容以及应由谁阅读。 为了跟踪那些寻求解决方案的人们,Forrester最近启动了一个名为“内容智能”的新研究主题,该主题定义为“使用人工智能技术来理解和捕捉任何内容固有的质量。” 正如营销技术分析师David Raab所说:“必须付出一些努力:要么营销人员停止尝试做出最佳决策,要么停止依赖规则。”

第一代营销自动化可自动执行; 决策仍需人工。 @andjdavies点击鸣叫

期望差距

面对不断增长的客户期望,领先的营销人员正在投资基于AI的工具-这一类别涵盖了从个性化工具(可以从个人的在线行为中“学习”到更有效地推荐内容)到可以检测到各种微小模式的工具等所有内容大量的消费者数据集并预测未来的行为。 这些是AI在市场营销中潜在应用的不断增加中最有趣的一些:

  • 内容策略–建议下一步要创建什么内容
  • 广告活动策略-建议要传达的通讯顺序
  • 个性化–根据行为为每个客户推荐合适的内容
  • 细分–根据行为或意图对客户进行聚类
  • 复制自动化–自动生成主题行和描述
  • 潜在客户或客户的优先级排序–根据潜在客户关闭的可能性对潜在客户或客户进行排名
  • 销售策略–推荐适合在销售中使用的产品/服务和内容
  • 销售意图–预测合适的产品,交易规模和截止日期
  • 重新定位–在重新定位的广告单元中推荐正确的内容

由于主要的营销套件尚未完全部署或产品化其AI产品,因此采用AI通常需要结合点解决方案和数据集。

确实,市场营销人员越来越多地将一流的点解决方案整合到自己的技术堆栈中,从而使技术可以围绕客户需求而不是供应商功能构建。 尤其是在复杂的客户环境中(例如,具有较长购买周期的高接触关系销售),人工智能的应用有望弥合客户期望与实际体验之间的鸿沟。 这在全球业务中最为相关,因为人工智能可以解决(并依赖)规模问题。

对于IHS Markit市场营销高级总监Byron O'Dell而言,采用预测性机器学习而非营销自动化一直在致力于解决规模挑战。 他解释说:“大规模实现营销相关性具有挑战性,但是预测性机器学习为我们提供了实现此目标的途径。”

@byronodell说,预测性机器学习为我们提供了一条实现大规模与市场相关的途径。 点击鸣叫

最初,大多数营销人员正在考虑两个关键用例:个性化和预测性线索评分。 个性化需要使内容与不断发展的客户需求匹配,特别是当内容是大规模生产且通常分类不佳时。 对新的销售对话的无限渴望推动了可预测的潜在客户评分,在这种情况下,难以识别或发现识别感兴趣客户的信号。

涉及的相关内容:
是否想扩大您的内容运营? 关于[Infographic]的4大思考

洞察驱动的业务

这些新方法解决了一个根本性的挑战:采购过程已发生变化,买方越来越多地获得授权,了解情况并建立联系,但企业在很大程度上以与以往相同的方式进行销售。 使用内容吸引,参与和转换是解决方案的一部分,但是领先的营销人员也使用内容来了解​​客户。

@andjdavies说,领先的营销人员使用#content来了解客户。 点击鸣叫

在竞争日益激烈的世界中,随着新的数字优先竞争对手的发展,任何不了解其买家的企业都将迅速失去市场份额。 破坏者痴迷于他们的客户; 他们专注于提供卓越和无缝的客户体验; 它们不受过时的技术和僵化的过程的束缚。 他们赞赏获得并采取更深入的客户了解来建立竞争优势。

Forrester Research正在围绕所谓的“洞察驱动的业务”建立大量证据。 这些业务的一个定义是,它们在理解客户的观点和提供下一个响应的观点之间没有摩擦。 有一个反馈循环是完全自动化的。 Forrester在此类别中定义的企业群体-基于客户理解和经验而快速发展的公司-应该真正使现有企业感到恐惧。

Marketing AI承诺提供价值的非结构化实时客户交互。 当前基于规则的系统根本无法扩展,营销团队也无法在交付相关性所需的时间内完成手动流程。

成功因素

随着越来越多的企业对基于AI的方法进行投资,成功项目之间的共性变得越来越清晰。

  • 高管赞助商–一次又一次地,对整体概念的明确高管赞助商名列榜首。 尽管中级市场营销人员可能会成功购买点解决方案,但大型组织会发现,要打开正确的数据集并提高整体业务价值,他们最终需要执行赞助商来倡导一种更加自动化的方法。
  • 确定的结果–早期的创新者必须在没有已知目标的情况下实现信念的飞跃。 但是,随着供应商环境的成熟和客户案例的记录在案,每个项目都可以而且应该具有与有价值和可衡量的业务成果相关的目标。
  • 可用的数据集–大多数专家都认为,具有大数据集的平庸算法总是比具有小数据集的优秀算法好。 挖掘可用的选项,清理所有内容,集成新的数据源,然后运行测试以查看结果。
  • 团队组成–尽管AI系统的目标是减少手工任务,但该技术仍需要适合理解其价值的团队和业务流程。 越来越多地为非技术业务用户提供服务,但与此同时,重要的是要确保团队了解数据并具有足够的技术性,以掌握算法方法的优点和缺点。 也许更重要的是,他们必须谦虚,渴望学习,以数据为驱动力(即愿意将活动与结果联系起来)。
  • 供应商选择–尽管存在内部构建或使用代理进行定制应用的情况,但市场上供应商的选项菜单越来越强大。 要选择合适的供应商,请询问数据集,尝试进行多次竞争性演示或试用,然后推动以了解该系统是否经过预培训或需要您这样做。
涉及的相关内容:
营销领域的新技术朋友

预测性企业

向预测型企业的转变需要一种意识形态和实践上的努力来理解客户。 人工智能所提供的竞争优势不是基于算法或最终的应用,而是基于更深入地了解客户,并立即采取行动。

明显的障碍是完全以组织为中心的:政治,技术障碍,资源限制以及此处未发明的综合症。 然而,在一个扁平的世界中,颠覆性的新进入者侧重于高质量和无缝的客户体验,唯一可持续的选择是在竞争之前进行投资。

为了扭转过度使用的韦恩·格列茨基的报价,是时候溜到市场的去向,而不是去往哪里。 具有讽刺意味的是,在这种情况下,您无需猜测或依靠本能。 客户已经搬家了。 作为客户,我希望有一个受Facebook启发的内容供稿,从而在隐私权衡方面取得平衡。 我希望类似亚马逊的建议会有用。 而且,对于Google来说,我希望您在提出要求之前能够预见到我的需求并提供帮助。 打造智能且具有预测性的企业。

关于开始的想法

预测性营销的最初尝试已经融入了大型客户管理和CRM系统中的第一方档案数据。 它并不总是干净的数据,但这是一个好的开始。 更深入,更可辩护的方法可以解决从根本上来说更棘手的问题:将非结构化的客户数据转变为可行的见解。

非结构化数据(通常称为暗数据)在企业内部基本上未使用,但占收集的所有数据的88%(IBM Research)。 在Idio,我们以“您就是所读内容”为题总结了我们处理暗数据的方法。 我们的意思是,您消费的内容可以高度表明您的兴趣,并且可以很好地预测您的意图。 启用AI的工具会分析这些暗数据-本质上是客户如何与您的内容互动和行为-预测他们的兴趣和意图并个性化他们的体验。

考虑使用此项目清单来帮助您的企业进行预测性营销:

  • 我是否有基于人工智能的方法的行政赞助?
  • 我是否定义了几个业务成果?
  • 是否有紧迫和明确的时间表来实现这些结果?
  • 是否有要建模的数据集?
  • 我的团队买了这个项目吗?
  • 我是否评估过建造与购买的决定?
  • 我是否已创建供应商简短列表?
  • 他们的系统是否经过预培训或培训过程漫长?

关键术语的定义

随着您开始真正地利用AI和预测性营销的好处,对于每个人都必须以相同的定义为基础。 这是一个简短的入门:

  • 人工智能(AI)是建造机器的科学,这些机器完成的工作如果被人类完成就被认为是智能的。
  • 机器学习是AI的子集,它使计算机无需进行显式编程即可学习。 常见的机器学习用例是优化(随着时间的流逝,选择最佳选项以实现设定的目标),识别(从图像或文本中提取含义),异常检测(隔离在规范之外发生的事件)和分段(聚类)根据推断的或已知的特征)。
  • 内容智能是AI在内容管理中的应用,尤其是对内容的理解和分类,以提高针对性和衡量性能。
  • 预测性营销是AI在营销中的应用,通常用于识别潜在客户,预测他们可能感兴趣的内容并推荐下一个最佳内容或产品信息。

结论

有了对AI的了解以及一些入门指南,您就该将“几乎已实施”变成AI现实,以改善您的企业营销并真正理解并与客户建立联系。

本文的版本最初出现在6月的首席内容官中。 注册即可免费订阅我们的双月刊印刷杂志。

封面图片:Joseph Kalinowski /内容营销学院