Sitemap

Pengantar Kecerdasan Buatan dalam Pemasaran

Pemasaran dengan Kecerdasan Buatan.Kedengarannya mewah.

Dan itulah masalahnya.

Istilah ini dilontarkan dalam salinan iklan alat pemasaran, oleh pakar pemasaran dan digembar-gemborkan oleh media.

Namun, definisi konkret sulit dipahami.

Bagi banyak orang, AI adalah teka-teki yang dikelilingi oleh kata-kata kunci.

Namun ironisnya adalah, sebanyak hype telah melebih-lebihkan apa yang mungkin dilakukan AI di tahun-tahun mendatang, kenyataan tentang bagaimana AI sudah digunakan saat ini dalam pemasaran seringkali kurang disadari.

  • Facebook menggunakan pengenalan wajah untuk merekomendasikan siapa yang harus diberi tag di foto.
  • Google menggunakan pembelajaran mendalam untuk menentukan peringkat hasil pencarian.
  • Netflix menggunakan pembelajaran mesin untuk mempersonalisasi rekomendasi.
  • Amazon menggunakan pemrosesan bahasa alami untuk Alexa.
  • The Washington Post menggunakan generasi bahasa alami untuk menulis artikel berbasis data.

Hidup Anda sudah dibantu mesin, dan pemasaran Anda juga bisa.

Apa itu Kecerdasan Buatan?

Cara terbaik untuk memahami kecerdasan buatan adalah sebagai istilah umum.

Ini digunakan untuk menggambarkan serangkaian teknologi unik, tetapi terkait, yang dapat mensimulasikan kemampuan manusia.

Ini bukan teknologi sihir tunggal yang bisa melakukan segalanya.

Tetapi seperangkat alat individu dengan kemampuan nyata, tetapi berada pada tahap perkembangan yang berbeda.

Dari subset AI yang berbeda ini, ada beberapa yang secara khusus berlaku untuk pemasaran saat ini.

  • Visi komputer yang memungkinkan AI untuk melihat.Ini mengarah pada deteksi objek, pengenalan wajah, dan pendengaran visual di media sosial.
  • Pemrosesan bahasa alami (NLP) yang memungkinkan AI mendengar dan berbicara – memberi kami chatbot, analisis semantik, pembuatan konten, dan kemampuan pencarian suara.
  • Pembelajaran mesin memungkinkan AI untuk belajar dengan data tentang cara meningkatkan kinerja secara progresif pada tugas tertentu dari waktu ke waktu, tanpa secara eksplisit diprogram apa yang harus dilakukan.Ini memberi kami rekomendasi konten, pemirsa serupa, iklan terprogram, dan penilaian prospek.

Kemampuan peningkatan diri yang disediakan oleh pembelajaran mesin adalah bagian terpenting dari AI bagi pemasar.

Otomasi Tidak Sama dengan Pembelajaran Mesin

Mungkin Anda berpikir bahwa Anda telah menyelesaikan seluruh hal pemasaran AI ini karena Anda memiliki alat otomatisasi pemasaran yang mahal.

Mari kita perjelas satu hal:

Otomasi bukanlah pembelajaran mesin.

Otomasi adalah seperangkat instruksi yang memberi tahu mesin apa yang harus dilakukan untuk menghasilkan hasil yang ditentukan.

Anda masih harus mendesain dan memasukkan logika pemasaran.

Pembelajaran mesin memungkinkannya untuk meningkatkan dari pengalaman, sehingga mesin mempelajari apa yang harus dilakukan untuk menghasilkan hasil yang diinginkan.

Mesin tidak terbatas pada eksekusi murni, tetapi juga menangani optimasi.

Pada intinya, otomatisasi meniru apa yang Anda lakukan sekarang.Ini menghemat waktu tetapi memiliki sedikit dampak langsung pada KPI.

Di sisi lain, pembelajaran mesin tidak hanya akan menghemat waktu Anda tetapi juga meningkatkan taktik saat ini untuk terus meningkatkan KPI.

Jadi mengapa kita tidak memanfaatkan teknologi ini?

Mari kita lihat empat alasan teratas mengapa pemasar ragu untuk mengadopsi aplikasi AI dan cara mengatasinya.

Alasan 1: Kurangnya Keterampilan Teknis

Meskipun banyak pemasar merasa mereka tidak memiliki keterampilan teknis untuk mengadopsi AI.

Ini tidak perlu terjadi.

Kenyataannya adalah, Anda sudah tahu semua yang Anda butuhkan untuk memulai.

Ada perbedaan antara penelitian pembelajaran mesin, yang semuanya tentang membangun algoritme yang lebih baik dan merupakan hak prerogatif ilmuwan data, dan pembelajaran mesin terapan, yang menggunakan algoritme untuk memecahkan masalah bisnis, yang perlu dilakukan pemasar.

Pikirkan seperti ini:

Anda mungkin tidak sepenuhnya memahami ilmu di balik cara kerja microwave.Tapi itu tidak menghentikan Anda untuk menggunakannya untuk memasak.

  • Perusahaan tanpa data scientist tetap bisa memilih data terbaik (best ingredients).
  • Masukkan informasi ini ke dalam algoritme sumber terbuka (alat).
  • Untuk membuat model (resep).
  • Itu menghasilkan prediksi – alias, memberlakukan taktik pemasaran (hidangan).
  • Kualitas yang dapat kita nilai dengan menguji (mencicipi).

Dan jika hidangannya tidak enak, Anda dapat mengubah resepnya, atau membeli kompor, atau mendapatkan bahan-bahan yang lebih berkualitas.

Anda tidak akan menjadi koki yang lebih baik dengan mempelajari lebih lanjut tentang sains di balik cara kerja microwave.

Anda tidak akan menjadi pemasar yang lebih baik, dengan meneliti seluk-beluk ilmu data.

Cara terbaik untuk belajar memasak adalah dengan memulai.

Cara terbaik bagi pemasar untuk mengatasi masalah skala kami adalah dengan meluncurkan kasus penggunaan AI apa pun.

Alasan 2: Takut akan Pekerjaan kita

Beberapa tim tidak ingin memulai inisiatif AI karena mereka khawatir hal itu akan menyebabkan revolusi industri berikutnya dan mereka akan kehilangan pekerjaan – ini secara alami menyebabkan banyak penolakan.

Kecuali jika Anda berencana untuk pensiun dalam 5 tahun ke depan, kecerdasan buatan akan secara signifikan memengaruhi karier Anda di bidang pemasaran.Tapi ini tidak berarti Anda akan digantikan oleh robot pemasaran.

Pekerjaan Anda akan berubah dari menjalankan tugas berulang menjadi mengajar AI untuk melakukan tugas tersebut untuk Anda.

Memungkinkan Anda untuk menginvestasikan kembali waktu Anda ke dalam kreativitas dan strategi.

Tapi apa sebenarnya yang termasuk dalam pengajaran AI?

Karena kedengarannya sangat teknis.

Metode pelatihan yang paling umum untuk kasus penggunaan pemasaran adalah pembelajaran yang diawasi.

Ini melibatkan dua fase.

Yang pertama adalah proses pengajaran awal.

Katakanlah Anda memiliki 1 juta ulasan pelanggan.

Tidak ada manusia yang bisa membaca semuanya, jadi Anda ingin menggunakan pembelajaran mesin untuk memahami sentimen, mengklasifikasikan ulasan sebagai positif, netral, atau negatif.

Untuk mencapai ini, ambil sampel ulasan tersebut dan beri label masing-masing dengan salah satu dari tiga klasifikasi Anda.

Kemudian masukkan data pelatihan ini ke dalam algoritme pembelajaran mesin Anda.

Semakin banyak data yang dimilikinya, semakin baik dalam mengenali pola dan seiring waktu, semakin andal ia dapat mengklasifikasikan sentimen ulasannya sendiri.

Untuk menguji kemampuannya, alih-alih memberi makan data berlabel, masukkan data mentah, dan nilai kualitas hasilnya.

Seringkali, jika Anda telah melakukan proses pengajaran awal dengan baik, itu sudah dapat mengklasifikasikan sebagian besar data dengan benar.

Dan Anda dapat melanjutkan ke fase kedua; proses pengajaran yang sedang berlangsung.

Di mana secara teratur Anda akan memberi label ulang kesalahan apa pun untuk mengajarkan algoritme apa kesalahannya, memungkinkannya untuk terus meningkat.

Anda mungkin telah mengajarkan algoritma tanpa menyadarinya.

Siapa yang telah mengisi captcha Google berbasis gambar, menandai email sebagai bukan spam atau menandai berita palsu di postingan Facebook.

Dengan setiap tindakan ini, Anda membuktikan verifikasi manual, menambahkan label, dan mengajarkan algoritme.

Pikirkan untuk meluncurkan algoritme pembelajaran mesin seperti mempekerjakan pemasar junior baru.

Pada hari Anda menaikinya, adalah hari terburuk yang pernah dilakukan.

Itu akan berhasil, tetapi akan membuat kesalahan, jadi Anda perlu mengawasi hasilnya, mengoreksi seperlunya.

Semakin lama bekerja, semakin baik jadinya dan semakin banyak waktu yang Anda miliki untuk menginvestasikan kembali ke penskalaan saluran pemasaran lainnya.

Namun tidak seperti manusia, mesin dengan senang hati melakukan hal yang sama, pekerjaan yang sangat sempit selamanya – baik itu mengklasifikasikan ulasan, menyesuaikan tawaran iklan, memposting di media sosial, atau memperkirakan pertumbuhan.

Anda tidak menyerahkan kendali pemasaran ke mesin.

Anda mengajari mereka cara mengumpulkan informasi yang Anda butuhkan atau cara menjalankan elemen tertentu dari strategi pemasaran Anda.

Dan AI menawarkan tingkat skala yang sama sekali baru.

Mengklasifikasikan 1 juta ulasan bukanlah masalah untuk algoritme pembelajaran mesin.

Terlebih lagi, karena skala ini, dapat menghasilkan wawasan yang sebelumnya tidak tersedia.

Apa yang Anda pilih untuk dilakukan dengan wawasan itu adalah apa yang menjadi penting bagi kesuksesan.

Pertanyaan strategis tersebut adalah di mana pemasar harus menghabiskan waktu.

Alasan 3: Investasi Sumber Daya & Anggaran

Eksekutif sering khawatir tentang upaya implementasi dan biaya untuk aplikasi AI.

Jadi tempat terbaik untuk memulai bukanlah dengan meminta lebih banyak anggaran dan sumber daya, tetapi dengan bertanya pada diri sendiri apakah Anda sepenuhnya memanfaatkan apa yang sudah Anda bayar?

Pertimbangkan kemampuan AI dari rangkaian alat pemasaran Anda saat ini.

Platform otomatisasi pemasaran seperti HubSpot, CRM seperti SalesForce, dan alat Periklanan seperti Google Ads dan Facebook Ads semuanya telah memasukkan AI ke dalam sistem mereka.

Jika Anda adalah pelanggan dari salah satu solusi ini, tim dukungan mereka dapat menjadi sumber daya yang berharga untuk memulai implementasi AI organisasi Anda karena Anda dapat belajar dari wawasan dan pengalaman mereka.

Ini adalah cara yang bagus untuk mulai membangun kompetensi tim Anda dalam aplikasi AI dengan sedikit atau tanpa biaya tambahan.

Dan bagaimana dengan kemampuan AI dari tumpukan teknologi Anda saat ini?

Teknologi AI tidak berbasis saluran, mereka menggunakan berbasis kasus.

Jadi, jika Anda memiliki mesin rekomendasi yang berjalan di situs web Anda, mengapa tidak menggunakan algoritme pembelajaran mesin ini untuk meningkatkan personalisasi untuk buletin email, pemberitahuan push, atau konten chatbot Anda.

Anda dapat menggunakan teknologi yang ada ini sebagai bukti konsep investasi rendah.

Jadi pada saat Anda meminta sumber daya dan anggaran tambahan, eksekutif Anda sudah sepenuhnya siap.

Saat Anda mencari alat baru, waspadalah terhadap kata kunci.

Banyak solusi AI sebenarnya tidak secerdas itu.Bahkan ketika ada kata "AI" atau "pembelajaran mesin" di deskripsi produk.

Beberapa alat tanpa malu-malu menggunakan istilah ini untuk menggambarkan otomatisasi biasa atau kemampuan penargetan.

Sekarang setelah Anda memiliki pemahaman yang lebih dalam tentang apa sebenarnya AI itu, tempatkan staf penjualan itu melalui langkah mereka.

Jika vendor tidak dapat menjelaskan cara kerja AI secara detail, jangan membelinya.Jika tampaknya terlalu bagus untuk menjadi kenyataan, jangan membelinya.

Karena, saya minta maaf untuk mengatakan, tidak ada platform AI pemasaran yang menggabungkan semuanya dengan rapi ke dalam satu langganan bulanan.

Itu karena AI memiliki kemampuan yang sempit dan harus dibuat khusus untuk menyelesaikan satu masalah yang terdefinisi dengan baik.

Inilah sebabnya mengapa Anda harus memilih use case yang tepat terlebih dahulu – karena setiap use case kemungkinan akan membutuhkan alatnya sendiri.

Tetapi yang dapat Anda lakukan adalah mulai membangun kecerdasan buatan Anda sendiri.

Teknologi AI menjadi lebih terjangkau dan dapat diakses karena perusahaan seperti Google, Amazon, IBM, dan SalesForce menawarkan algoritme mereka kepada dunia.

Beberapa layanan pihak ketiga adalah open-source, yang lain membayar untuk bermain – tetapi mereka semua memberikan batu loncatan dari mana Anda dapat menyesuaikan solusi Anda sendiri.

Terutama jika mereka menawarkan akses ke kumpulan data tambahan untuk melapisi data pihak pertama Anda sendiri, membuat aplikasi AI Anda lebih kuat.

Alasan 4: Kualitas Sumber Data

Alat dan bakat AI terbaik di dunia tidak akan memberikan hasil jika Anda kehilangan komponen paling penting untuk pembelajaran mesin – data berkualitas tinggi untuk menginformasikan algoritme pembelajaran.

Kualitas data mungkin merupakan satu-satunya tantangan terbesar yang akan Anda hadapi saat menerapkan AI.

Seperti yang dicatat oleh eMarketer, data seringkali sudah tua, atau dalam silo atau kami tidak memiliki cukup sejak awal.

Dan kami tidak mendedikasikan sumber daya untuk memperbaikinya.

Masalahnya, memasukkan data yang buruk ke dalam algoritme pembelajaran mesin yang baik tidak akan memberikan jawaban yang benar.

Tanpa pemahaman ini bahwa data sangat penting, Anda cenderung menyalahkan hasil yang buruk pada AI.

Ada beberapa hal yang harus dilakukan pemasar untuk mendorong data yang dapat ditindaklanjuti.

  • Kapan terakhir kali Anda melakukan audit Google Analytics?
  • Sudahkah Anda menerapkan markup terstruktur dan penandaan konten?
  • Apakah Anda menggunakan skrip pemasaran ulang untuk mengumpulkan lebih banyak data pengguna?
  • Apakah Anda mendukung pengumpulan data yang dapat digunakan untuk mengidentifikasi pengguna di seluruh perangkat dan saluran, seperti alamat email?
  • Sudahkah alat pemasaran Anda terintegrasi dengan Platform Manajemen Data (DMP) Anda?

Anda perlu fokus pada area ini sekarang, karena pemasaran AI yang baik bergantung pada data yang dapat ditindaklanjuti yang terstruktur, terintegrasi melalui pengenal umum, berlimpah, dan (yang terpenting) akurat.

Melihat ke Masa Depan

Kecerdasan buatan mengubah perilaku konsumen.

Konsumen dipukul dengan terlalu banyak informasi setiap hari.

Mereka tidak ingin menghabiskan waktu mengevaluasi semua opsi.Jadi mereka mendelegasikan.

Pikirkan tentang apa yang sudah dikendalikan oleh AI.

  • Algoritme sosial memengaruhi merek yang terlibat dengan kita.
  • Peta digital menentukan rute yang kami ambil atau menyarankan tempat terdekat untuk dikunjungi.
  • Mesin rekomendasi membentuk kesadaran dan memengaruhi pembelian.
  • AI bahkan dapat menentukan siapa yang Anda nikahi.Berdasarkan gesek Anda ke kiri dan ke kanan, algoritme di aplikasi kencan Anda memilih pasangan Anda.

Algoritma akan menjadi penjaga gerbang baru, melalui perangkat seperti asisten pribadi digital.

Dan masa depan bisnis Anda bergantung pada kemampuan Anda untuk memengaruhi AI yang membuat rekomendasi kepada manusia, jika bukan seluruh keputusan.

Pikirkan tentang itu.Saat pelanggan meminta Google Home atau Alexa mereka untuk “memesan saya cookie”, AI-lah yang memutuskan mereknya.

Anda harus memahami bagaimana keputusan itu dibuat.Perlakukan algoritme seperti audiens baru.Pahami kebutuhan mereka.

Mulai pemasaran ke mesin dengan mesin.

Lebih Banyak Sumber Daya:


Kredit Gambar

Gambar Unggulan & Dalam Postingan: Dibuat oleh penulis, April 2020
Semua tangkapan layar diambil oleh penulis, April 2020