クイックナビゲーション
人工知能によるマーケティング。派手に聞こえます。
そしてそれが問題です。
この用語は、マーケティングの達人によってマーケティングツールの広告コピーに投げ込まれ、メディアによって誇大宣伝されています。
しかし、具体的な定義はとらえどころのないです。
多くの人にとって、AIは流行語に囲まれた謎です。
しかし皮肉なことに、誇大広告がAIが今後数年間に何をする可能性があるかを誇張しているのと同じように、今日のマーケティングでAIがすでにどのように使用されているかという現実はしばしば過小評価されています。
- Facebookは顔認識を使用して、写真にタグを付ける人を推奨します。
- Googleはディープラーニングを使用して検索結果をランク付けします。
- Netflixは、機械学習を使用して推奨事項をパーソナライズします。
- AmazonはAlexaに自然言語処理を使用しています。
- ワシントンポストは、自然言語生成を使用してデータ駆動型の記事を作成します。
あなたの人生はすでに機械の助けを借りており、あなたのマーケティングもそうすることができます。
人工知能とは何ですか？
人工知能を理解するための最良の方法は、総称としてです。
これは、人間の能力をシミュレートできる、独自の、しかし関連する一連のテクノロジーを説明するために使用されます。
すべてを実行できるのは、いくつかの特異な魔法のテクノロジーではありません。
しかし、実際の機能を備えているが、開発のさまざまな段階にある個々のツールのセット。
AIのこれらのさまざまなサブセットのうち、現在のマーケティングに特に適用できるものがいくつかあります。
- AIが見ることを可能にするコンピュータビジョン。これは、オブジェクトの検出、顔認識、およびソーシャルメディアでの視覚的なリスニングにつながります。
- AIが聞き取り、話すことを可能にする自然言語処理（NLP）–チャットボット、セマンティック分析、コンテンツ生成、および音声検索機能を提供します。
- 機械学習により、AIは、何をするかを明示的にプログラムすることなく、特定のタスクのパフォーマンスを時間の経過とともに段階的に改善する方法に関するデータを使用して学習できます。これにより、コンテンツの推奨事項、類似したオーディエンス、プログラマティック広告、およびリードスコアが得られます。
機械学習によって提供される自己改善の能力は、マーケターにとってAIの最も重要なサブセットです。
自動化は機械学習と同じではありません
高価なマーケティング自動化ツールを使用しているため、このAIマーケティング全体をカバーしていると思っているかもしれません。
1つのことを明確にしましょう。
自動化は機械学習ではありません。
自動化は、指定された結果を生成するためにマシンに何をすべきかを指示する一連の命令です。
あなたはまだマーケティングロジックを設計して入力する必要があります。
機械学習は経験から改善することを可能にするので、機械は望ましい結果を生み出すために何をすべきかを学習します。
マシンは純粋な実行に制限されず、最適化も行います。
基本的に、自動化は現在行っていることを複製します。時間の節約になりますが、KPIに直接的な影響はほとんどありません。
一方、機械学習は時間を節約するだけでなく、KPIを継続的に向上させるための現在の戦術を改善します。
では、なぜこのテクノロジーを活用しないのでしょうか。
マーケターがAIのアプリケーションを採用することを躊躇する上位4つの理由と、それらを克服する方法を見てみましょう。
理由1：技術的スキルの欠如
多くのマーケターは、AIを採用するための技術的なスキルが不足していると感じていますが。
これが当てはまる必要はありません。
現実には、あなたはあなたが始めるために必要なすべてをすでに知っています。
より優れたアルゴリズムを構築し、データサイエンティストの特権となる機械学習研究と、アルゴリズムを使用してビジネス上の問題を解決する応用機械学習との間には違いがあります。これは、マーケティング担当者が行う必要があることです。
このように考えてください：
あなたはマイクロ波がどのように機能するかの背後にある科学を完全に理解していないかもしれません。しかし、それはあなたが料理にそれを使うことを止めません。
- データサイエンティストがいない企業でも、最高のデータ（最高の材料）を選択できます。
- この情報をオープンソースのアルゴリズム（アプライアンス）に入れます。
- モデル（レシピ）を作成します。
- それは予測を生み出します–別名、マーケティング戦術（料理）を制定します。
- テスト（試飲）によって評価できる品質。
また、料理が美味しくない場合は、レシピを変更したり、ストーブを購入したり、より高品質の食材を入手したりできます。
電子レンジの仕組みの背後にある科学についてもっと学ぶことで、より良いシェフになることはできません。
データサイエンスの複雑さを調査することで、より優れたマーケティング担当者になることはできません。
料理を学ぶための最良の方法は、始めたばかりです。
マーケターが私たちの規模の問題を克服するための最良の方法は、AIのユースケースを展開することです。
理由2：私たちの仕事への恐れ
一部のチームは、AIイニシアチブを開始したくないと考えています。これは、AIが次の産業革命を引き起こし、職を失うことを恐れているためです。これは当然、多くの抵抗を引き起こします。
今後5年間で引退する予定がない限り、人工知能はマーケティングでのキャリアに大きな影響を与えます。しかし、これはあなたがマーケティングロボットに取って代わられるという意味ではありません。
あなたの仕事は、反復的なタスクの実行から、AIにそれらのタスクを実行するように教えることへと変わります。
創造性と戦略に時間を再投資できるようにします。
しかし、AIを教えることは実際に何を含みますか？
非常に技術的に聞こえるからです。
ユースケースをマーケティングするための最も一般的なトレーニング方法は、教師あり学習です。
これには2つのフェーズが含まれます。
1つ目は最初の教育プロセスです。
100万件のカスタマーレビューがあるとします。
人間はそれらすべてを読むことができない可能性があるため、機械学習を使用して感情を理解し、レビューをポジティブ、ニュートラル、またはネガティブに分類する必要があります。
これを実現するには、これらのレビューのサンプルを取り、3つの分類のいずれかで各レビューにラベルを付けます。
次に、このトレーニングデータを機械学習アルゴリズムにフィードします。
データが多ければ多いほど、パターンの認識が向上し、時間の経過とともに、レビューの感情を独自に分類できるようになります。
その能力をテストするには、ラベル付けされたデータを供給するのではなく、生データを入力し、結果の品質を評価します。
多くの場合、最初の教育プロセスをうまく行っていれば、データの大部分を正しく分類することができます。
そして、第2フェーズに進むことができます。進行中の教育プロセス。
定期的にエラーのラベルを付け直して、アルゴリズムの誤りを教え、継続的に改善できるようにします。
あなたはそれを知らずにすでにアルゴリズムを教えていたかもしれません。
画像ベースのGoogleキャプチャを入力した人、スパムではないとマークしたメール、またはFacebookの投稿で偽のニュースをマークした人。
これらの各アクションによって、手動検証を証明し、ラベルを追加し、アルゴリズムを教えていました。
新しいジュニアマーケターを雇うような機械学習アルゴリズムを立ち上げることを考えてみてください。
搭乗した日は、これまでで最悪の日です。
それは仕事をしますが、それは間違いを犯します、それであなたは結果を監督し、必要に応じて修正する必要があります。
それが長く機能するほど、それはより良くなり、他のマーケティングチャネルの拡大に再投資しなければならない時間が長くなります。
しかし、人間とは異なり、機械は、レビューの分類、広告入札の調整、ソーシャルメディアへの投稿、成長の予測など、同じ非常に狭い仕事を永遠に喜んで行います。
あなたはマーケティングの管理を機械に引き継いでいません。
あなたは彼らにあなたが必要とする情報を集める方法またはあなたのマーケティング戦略の特定の要素を実行する方法を教えています。
そしてAIはまったく新しいレベルのスケールを提供します。
100万件のレビューを分類することは、機械学習アルゴリズムにとって問題ではありません。
さらに、この規模のため、他の方法では利用できない洞察を生み出すことができます。
これらの洞察を使用して行うことを選択するのは、成功に不可欠になるものです。
これらの戦略的な質問は、マーケターが時間を費やすべき場所です。
理由3：リソースと予算の投資
エグゼクティブは、AIアプリケーションの実装作業とコストについて懸念することがよくあります。
ですから、始めるのに最適な場所は、より多くの予算とリソースを求めることではなく、すでに支払っているものを十分に活用しているかどうかを自問することです。
現在のマーケティングツールセットのAI機能を検討してください。
HubSpotのようなマーケティング自動化プラットフォーム、SalesForceのようなCRM、Google広告やFacebook広告のような広告ツールはすべてAIをシステムに組み込んでいます。
これらのソリューションのいずれかの顧客である場合、彼らの洞察と経験から学ぶことができるので、彼らのサポートチームは組織のAI実装を開始するための貴重なリソースになる可能性があります。
これは、追加費用をほとんどまたはまったくかけずに、AIアプリケーションでチームの能力を構築し始めるのに最適な方法です。
また、現在の技術スタックのAI機能についてはどうでしょうか。
AIテクノロジーはチャネルベースではなく、ユースケースベースです。
したがって、Webサイトでレコメンデーションエンジンを実行している場合は、この機械学習アルゴリズムを使用して、電子メールニュースレター、プッシュ通知、またはチャットボットコンテンツのパーソナライズを改善してみませんか。
これらの既存のテクノロジーは、低投資の概念実証として使用できます。
したがって、追加のリソースと予算を要求するときまでに、経営幹部はすでに完全に参加しています。
新しいツールを探しているときは、流行語に注意してください。
多くのAIソリューションは、実際にはそれほどインテリジェントではありません。製品の説明に「AI」や「機械学習」という言葉が含まれている場合でも。
一部のツールは、これらの用語を恥知らずに使用して、ありふれた自動化またはターゲティング機能を説明しています。
AIが実際に何であるかをより深く理解したので、それらの営業担当者にペースを説明します。
ベンダーがAIの仕組みを詳細に説明できない場合は、購入しないでください。それが真実であるには良すぎると思われる場合は、それを購入しないでください。
申し訳ありませんが、すべてを1つの月額サブスクリプションにきちんとまとめたマーケティングAIプラットフォームはありません。
これは、AIの機能が狭く、明確に定義された1つの問題を解決するために専用に構築する必要があるためです。
これが、最初に適切なユースケースを選択する必要がある理由です。各ユースケースには独自のツールが必要になる可能性が高いためです。
しかし、あなたができることは、あなた自身の人工知能を構築し始めることです。
Google、Amazon、IBM、SalesForceなどの企業がアルゴリズムを世界に提供しているため、AIテクノロジーはより手頃な価格でアクセスしやすくなっています。
一部のサードパーティサービスはオープンソースであり、他のサービスは有料ですが、それらはすべて、独自のソリューションをカスタマイズできる出発点となります。
特に、追加のデータセットへのアクセスを提供して、独自のファーストパーティデータにレイヤー化する場合は、AIアプリケーションがより強力になります。
理由4：データソースの品質
機械学習の最も重要なコンポーネントである学習アルゴリズムに情報を提供する高品質のデータが不足している場合、世界で最も優れたAIツールと才能は結果をもたらしません。
AIを実装するときに直面する最大の課題は、おそらくデータ品質です。
eMarketerが指摘しているように、データは古いか、サイロにあるか、そもそも十分ではありません。
そして、これを修正するためのリソースを捧げているわけではありません。
問題は、悪いデータを良い機械学習アルゴリズムにフィードしても正しい答えが得られないことです。
データが非常に重要であるというこの理解がなければ、AIの悪い結果を非難する可能性があります。
マーケターが実用的なデータを推進するためにすべきことがあります。
- 最後にGoogleAnalyticsの監査を行ったのはいつですか。
- 構造化されたマークアップとコンテンツのタグ付けを実装しましたか？
- より多くのユーザーデータを収集するためにリマーケティングスクリプトを使用していますか？
- メールアドレスなど、デバイスやチャネル全体でユーザーを識別するために使用できるデータの収集をサポートしていますか？
- マーケティングツールをデータ管理プラットフォーム（DMP）と統合しましたか？
優れたAIマーケティングは、構造化され、共通の識別子を介して統合され、豊富で、（最も重要な）正確な実用的なデータを持っているかどうかにかかっているため、今すぐこれらの領域に焦点を当てる必要があります。
未来を見据えて
人工知能は消費者の行動を変えています。
消費者は毎日あまりにも多くの情報に見舞われています。
彼らはすべてのオプションの評価に時間を費やしたくありません。だから彼らは委任します。
AIによってすでに制御されているものについて考えてみてください。
- ソーシャルアルゴリズムは、私たちが関与するブランドに影響を与えます。
- デジタルマップは、私たちがたどるルートを決定したり、近くの場所を提案したりします。
- レコメンデーションエンジンは、認知度を高め、購入に影響を与えます。
- AIは、あなたが誰と結婚するかを決定することさえあります。左右のスワイプに基づいて、デートアプリのアルゴリズムが一致するものを選択します。
アルゴリズムは、デジタルパーソナルアシスタントなどのデバイスを通じて、新しいゲートキーパーになります。
そして、あなたのビジネスの将来は、決定全体ではないにしても、人間に推奨を行うAIに影響を与える能力に依存します。
考えてみてください。顧客がGoogleHomeまたはAlexaに「Cookieを注文する」ように依頼すると、ブランドを決定するのはAIです。
その決定がどのように行われるかを理解する必要があります。アルゴリズムを新しいオーディエンスのように扱います。彼らのニーズを理解する。
機械を備えた機械へのマーケティングを開始します。
その他のリソース：
画像クレジット
注目の投稿画像：作成者、2020年4月
著者が撮影したすべてのスクリーンショット、2020年4月
