Sitemap

마케팅의 인공 지능 소개

인공 지능으로 마케팅.멋진 소리.

그리고 그것이 문제입니다.

이 용어는 마케팅 전문가에 의해 마케팅 도구 광고 카피에서 주위에 던져지고 미디어에 의해 과대 광고됩니다.

그러나 구체적인 정의는 애매하다.

많은 사람들에게 AI는 유행어에 둘러싸인 수수께끼입니다.

그러나 아이러니하게도 과장된 광고가 AI가 향후 몇 년 동안 할 수 있는 일을 과장한 만큼 오늘날 AI가 마케팅에서 이미 어떻게 사용되고 있는지에 대한 현실은 종종 과소 인식되고 있습니다.

  • Facebook은 얼굴 인식을 사용하여 사진에 태그할 사람을 추천합니다.
  • Google은 딥 러닝을 사용하여 검색 결과의 순위를 지정합니다.
  • Netflix는 머신 러닝을 사용하여 추천을 개인화합니다.
  • Amazon은 Alexa에 자연어 처리를 사용합니다.
  • Washington Post는 자연어 생성을 사용하여 데이터 기반 기사를 작성합니다.

당신의 삶은 이미 기계 지원을 받고 있으며 마케팅도 가능합니다.

인공 지능이란 무엇입니까?

인공 지능을 이해하는 가장 좋은 방법은 포괄적인 용어입니다.

이는 인간의 능력을 시뮬레이션할 수 있는 고유하지만 관련 기술 제품군을 설명하는 데 사용됩니다.

모든 것을 할 수 있는 어떤 특별한 마법 기술이 아닙니다.

그러나 실제 기능이 있지만 개발 단계가 다른 개별 도구 집합입니다.

이러한 다양한 AI 하위 집합 중에서 특히 현재 마케팅에 적용할 수 있는 몇 가지가 있습니다.

  • AI가 볼 수 있게 해주는 컴퓨터 비전.이것은 물체 감지, 얼굴 인식 및 소셜 미디어의 시각적 청취로 이어집니다.
  • AI가 듣고 말할 수 있도록 하는 자연어 처리(NLP) - 챗봇, 의미 분석, 콘텐츠 생성 및 음성 검색 기능을 제공합니다.
  • 머신 러닝을 사용하면 AI가 수행할 작업을 명시적으로 프로그래밍하지 않고도 시간이 지남에 따라 특정 작업의 성능을 점진적으로 개선하는 방법에 대한 데이터를 학습할 수 있습니다.이를 통해 콘텐츠 추천, 유사 잠재고객, 프로그래밍 방식 광고 및 리드 스코어링을 제공합니다.

머신 러닝이 제공하는 자기 개선 능력은 마케터에게 가장 중요한 AI 하위 집합입니다.

자동화는 기계 학습과 같지 않습니다

값비싼 마케팅 자동화 도구가 있기 때문에 이 모든 AI 마케팅을 다뤘다고 생각할 수도 있습니다.

한 가지 분명한 사실을 알아보겠습니다.

자동화는 기계 학습이 아닙니다.

자동화는 지정된 결과를 생성하기 위해 수행할 작업을 기계에 지시하는 일련의 명령입니다.

여전히 마케팅 로직을 설계하고 입력해야 합니다.

기계 학습을 통해 경험을 통해 개선할 수 있으므로 기계는 원하는 결과를 생성하기 위해 무엇을 해야 하는지 학습합니다.

기계는 순수 실행에 국한되지 않고 최적화도 처리합니다.

핵심적으로 자동화는 현재 수행하는 작업을 복제합니다.시간은 절약되지만 KPI에 직접적인 영향은 거의 없습니다.

반면에 머신 러닝은 시간을 절약할 뿐만 아니라 KPI를 지속적으로 높이기 위한 현재 전술을 개선합니다.

그렇다면 왜 우리는 이 기술을 활용하지 않습니까?

마케터가 AI 적용을 주저하는 4가지 이유와 극복 방법을 살펴보겠습니다.

이유 1: 기술력 부족

많은 마케터들이 AI를 채택할 기술적 능력이 부족하다고 생각하지만.

그럴 필요는 없습니다.

현실은 시작하는 데 필요한 모든 것을 이미 알고 있다는 것입니다.

더 나은 알고리즘을 구축하고 데이터 과학자의 특권인 기계 학습 연구와 마케터가 해야 하는 비즈니스 문제를 해결하기 위해 알고리즘을 사용하는 응용 기계 학습 사이에는 차이가 있습니다.

다음과 같이 생각해 보십시오.

전자레인지 작동 원리에 대한 과학을 완전히 이해하지 못할 수도 있습니다.그러나 그것이 요리에 사용하는 것을 막지는 못합니다.

  • 데이터 과학자가 없는 회사는 여전히 최고의 데이터(최고의 성분)를 선택할 수 있습니다.
  • 이 정보를 오픈 소스 알고리즘(어플라이언스)에 넣습니다.
  • 모델(레시피)을 생성합니다.
  • 그것은 예측을 생성합니다. 일명 마케팅 전술(요리)을 제정합니다.
  • 테스트(시음)를 통해 평가할 수 있는 품질입니다.

그리고 요리가 맛이 없으면 레시피를 수정하거나 난로를 사거나 더 좋은 품질의 재료를 얻을 수 있습니다.

전자레인지 작동 원리에 대한 과학을 더 많이 배운다고 해서 더 나은 요리사가 될 수는 없습니다.

데이터 과학의 복잡성을 연구한다고 해서 더 나은 마케터가 될 수는 없습니다.

요리를 배우는 가장 좋은 방법은 바로 시작하는 것입니다.

마케터가 규모의 문제를 극복하는 가장 좋은 방법은 AI의 모든 사용 사례를 출시하는 것입니다.

이유 2: 직업에 대한 두려움

일부 팀은 AI 이니셔티브가 다음 산업 혁명을 일으키고 일자리를 잃을까 두려워 시작하기를 원하지 않습니다. 이는 자연스럽게 많은 저항을 야기합니다.

향후 5년 이내에 은퇴할 계획이 없는 한 인공 지능은 마케팅 경력에 상당한 영향을 미칠 것입니다.그러나 이것이 마케팅 로봇으로 대체될 것이라는 의미는 아닙니다.

당신의 직업은 반복적인 작업을 수행하는 것에서 AI가 그러한 작업을 수행하도록 가르치는 것으로 바뀔 것입니다.

창의성과 전략에 시간을 재투자할 수 있습니다.

그러나 AI를 가르치는 것은 실제로 무엇을 포함합니까?

매우 기술적으로 들리기 때문입니다.

마케팅 사용 사례에 대한 가장 일반적인 교육 방법은 지도 학습입니다.

여기에는 두 단계가 포함됩니다.

첫 번째는 초기 교육 과정입니다.

고객 리뷰가 100만 개 있다고 가정해 보겠습니다.

사람이 모두 읽을 수는 없으므로 기계 학습을 사용하여 감정을 이해하고 리뷰를 긍정적, 중립적 또는 부정적으로 분류하려고 합니다.

이를 달성하려면 해당 리뷰의 샘플을 선택하고 세 가지 분류 중 하나로 각 리뷰에 레이블을 지정하십시오.

그런 다음 이 훈련 데이터를 기계 학습 알고리즘에 입력합니다.

데이터가 많을수록 패턴을 더 잘 인식하고 시간이 지남에 따라 자체적으로 리뷰의 감정을 더 안정적으로 분류할 수 있습니다.

능력을 테스트하려면 레이블이 지정된 데이터를 제공하는 대신 원시 데이터를 입력하고 결과의 품질을 평가하십시오.

종종 초기 교육 과정을 잘 수행했다면 이미 많은 부분의 데이터를 올바르게 분류할 수 있을 것입니다.

그리고 두 번째 단계로 넘어갈 수 있습니다. 진행 중인 교육 과정.

정기적으로 오류에 레이블을 다시 지정하여 알고리즘이 무엇을 잘못했는지 가르치고 지속적으로 개선할 수 있습니다.

당신은 이미 알지 못한 채 알고리즘을 가르쳤을 수 있습니다.

이미지 기반 Google 보안 문자를 입력하거나 이메일을 스팸이 아닌 것으로 표시하거나 Facebook 게시물에 가짜 뉴스를 표시한 사람.

이러한 각 작업을 통해 수동 확인을 증명하고 레이블을 추가하고 알고리즘을 교육했습니다.

신입 마케터를 고용하는 것과 같은 기계 학습 알고리즘을 시작하는 것을 생각해 보십시오.

당신이 그것을 온보드하는 날은 그것이 수행 할 최악의 날입니다.

그것은 일을 할 것이지만 실수를 할 것이므로 결과를 감독하고 필요에 따라 수정해야합니다.

더 오래 작동할수록 더 좋아지고 다른 마케팅 채널을 확장하는 데 더 많은 시간을 재투자해야 합니다.

그러나 인간과 달리 기계는 리뷰 분류, 광고 입찰가 조정, 소셜 미디어에 게시 또는 성장 예측과 같은 매우 협소한 일을 영원히 하게 되어 기쁩니다.

마케팅 통제권을 기계에 넘겨주는 것이 아닙니다.

당신은 그들에게 필요한 정보를 수집하는 방법이나 마케팅 전략의 특정 요소를 실행하는 방법을 가르치고 있습니다.

그리고 AI는 완전히 새로운 차원의 규모를 제공합니다.

100만 리뷰를 분류하는 것은 기계 학습 알고리즘에서 문제가 되지 않습니다.

게다가 이 규모 덕분에 다른 방법으로는 얻을 수 없는 통찰력을 얻을 수 있습니다.

이러한 통찰력으로 무엇을 선택하느냐가 성공의 핵심이 됩니다.

이러한 전략적 질문은 마케터가 시간을 투자해야 하는 위치입니다.

이유 3: 자원 및 예산 투자

경영진은 종종 AI 애플리케이션의 구현 노력과 비용에 대해 우려합니다.

따라서 시작하기에 가장 좋은 곳은 더 많은 예산과 자원을 요구하는 것이 아니라 이미 지불한 비용을 충분히 활용하고 있는지 자문하는 것입니다.

현재 마케팅 도구 세트의 AI 기능을 고려하십시오.

HubSpot과 같은 마케팅 자동화 플랫폼, SalesForce와 같은 CRM, Google Ads 및 Facebook Ads와 같은 광고 도구는 모두 AI를 시스템에 통합했습니다.

이러한 솔루션 중 하나의 고객인 경우 지원 팀은 통찰력과 경험에서 배울 수 있으므로 조직의 AI 구현을 시작하는 데 귀중한 리소스가 될 수 있습니다.

추가 비용이 거의 또는 전혀 없이 AI 애플리케이션에서 팀 역량을 구축할 수 있는 좋은 방법입니다.

현재 기술 스택의 AI 기능은 어떻습니까?

AI 기술은 채널 기반이 아니라 사용 사례 기반입니다.

따라서 웹 사이트에서 실행 중인 추천 엔진이 있는 경우 이 기계 학습 알고리즘을 사용하여 이메일 뉴스레터, 푸시 알림 또는 챗봇 콘텐츠에 대한 개인화를 개선하지 않겠습니까?

이러한 기존 기술을 낮은 투자 개념 증명으로 사용할 수 있습니다.

따라서 추가 리소스와 예산을 요청할 때는 이미 경영진이 완전히 참여하고 있습니다.

새로운 도구를 찾을 때 유행어에 주의하십시오.

많은 AI 솔루션은 실제로 그렇게 지능적이지 않습니다.제품 설명에 "AI" 또는 "머신 러닝"이라는 단어가 있는 경우에도 마찬가지입니다.

일부 도구는 뻔뻔하게 이러한 용어를 사용하여 일반적인 자동화 또는 타겟팅 기능을 설명합니다.

이제 AI가 실제로 무엇인지 더 깊이 이해했으므로 해당 영업 사원에게 자신의 속도를 안내하십시오.

벤더가 AI가 어떻게 작동하는지 자세히 설명할 수 없다면 구매하지 마십시오.사실이라고 하기에는 너무 좋은 것 같으면 사지 마세요.

유감스럽게도 모든 것을 하나의 월간 구독으로 깔끔하게 묶는 마케팅 AI 플랫폼은 없습니다.

AI는 그 기능이 좁고 하나의 잘 정의된 문제를 해결하기 위해 특별히 제작되어야 하기 때문입니다.

이것이 바로 각 사용 사례에 고유한 도구가 필요할 수 있으므로 올바른 사용 사례를 먼저 선택해야 하는 이유입니다.

하지만 당신이 할 수 있는 것은 당신 자신의 인공 지능을 구축하기 시작하는 것입니다.

Google, Amazon, IBM 및 SalesForce와 같은 회사가 전 세계에 알고리즘을 제공하고 있기 때문에 AI 기술은 더욱 저렴해지고 액세스할 수 있게 되었습니다.

일부 타사 서비스는 오픈 소스이고 다른 서비스는 유료로 제공되지만 모두 자신만의 솔루션을 사용자 정의할 수 있는 발판을 제공합니다.

특히 자사 데이터에 추가 데이터 세트에 대한 액세스를 제공하여 AI 애플리케이션을 더욱 강력하게 만드는 경우 특히 그렇습니다.

이유 4: 데이터 소스의 품질

세계 최고의 AI 도구와 인재는 머신 러닝의 가장 중요한 구성 요소인 학습 알고리즘을 알려주는 고품질 데이터를 놓치면 결과를 제공하지 못할 것입니다.

데이터 품질은 AI를 구현할 때 직면하게 될 가장 큰 단일 과제일 것입니다.

eMarketer가 언급했듯이 데이터는 종종 오래되거나 사일로에 있거나 처음부터 충분하지 않습니다.

그리고 우리는 이 문제를 해결하기 위해 리소스를 할당하지 않습니다.

문제는 나쁜 데이터를 좋은 머신 러닝 알고리즘에 입력한다고 해서 정답이 나오지 않는다는 것입니다.

데이터가 매우 중요하다는 사실을 이해하지 못하면 AI의 좋지 않은 결과를 비난할 가능성이 높습니다.

실행 가능한 데이터를 위해 마케터가 해야 할 일이 있습니다.

  • Google Analytics 감사를 마지막으로 수행한 것이 언제입니까?
  • 구조화된 마크업 및 콘텐츠 태깅을 구현했습니까?
  • 더 많은 사용자 데이터를 수집하기 위해 리마케팅 ​​스크립트를 사용하고 있습니까?
  • 이메일 주소와 같은 여러 장치와 채널에서 사용자를 식별하는 데 사용할 수 있는 데이터 수집을 지원하고 있습니까?
  • 마케팅 도구를 데이터 관리 플랫폼(DMP)과 통합했습니까?

좋은 AI 마케팅은 구조화되고 공통 식별자를 통해 통합되고 풍부하고 (가장 중요하게) 정확한 실행 가능한 데이터를 보유하는 데 달려 있기 때문에 지금 이러한 영역에 집중해야 합니다.

미래를 바라보다

인공 지능은 소비자 행동을 변화시키고 있습니다.

소비자는 매일 너무 많은 정보에 시달리고 있습니다.

그들은 모든 옵션을 평가하는 데 시간을 보내고 싶지 않습니다.그래서 그들은 위임합니다.

AI가 이미 통제하고 있는 것을 생각해 보십시오.

  • 소셜 알고리즘은 우리가 참여하는 브랜드에 영향을 미칩니다.
  • 디지털 지도는 우리가 가는 경로를 결정하거나 방문할 근처의 장소를 제안합니다.
  • 추천 엔진은 인지도를 형성하고 구매에 영향을 미칩니다.
  • AI는 당신이 누구와 결혼할지 결정할 수도 있습니다.왼쪽과 오른쪽으로 스와이프하면 데이트 앱의 알고리즘이 상대를 선택합니다.

알고리즘은 디지털 개인 비서와 같은 장치를 통해 새로운 게이트키퍼가 될 것입니다.

그리고 비즈니스의 미래는 전체 결정은 아닐지라도 인간에게 권고하는 AI에 영향을 미칠 수 있는 능력에 달려 있습니다.

그것에 대해 생각해보십시오.고객이 Google Home 또는 Alexa에게 "쿠키 주문"을 요청할 때 브랜드를 결정하는 것은 AI입니다.

그 결정이 어떻게 내려지는지 이해해야 합니다.알고리즘을 새로운 청중처럼 대하세요.그들의 필요를 이해하십시오.

기계가 있는 기계에 마케팅을 시작합니다.

추가 리소스:


이미지 크레딧

추천 및 게시물 내 이미지: 작성자 작성, 2020년 4월
작성자가 찍은 모든 스크린샷, 2020년 4월