Sitemap

Pengenalan kepada Kepintaran Buatan dalam Pemasaran

Pemasaran dengan Kepintaran Buatan.Bunyi mewah.

Dan itulah masalahnya.

Istilah ini dilontarkan dalam salinan iklan alat pemasaran, oleh guru pemasaran dan digembar-gemburkan oleh media.

Namun, definisi konkrit sukar difahami.

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

Tetapi ironinya, walaupun gembar-gembur telah melebih-lebihkan apa yang mungkin dilakukan oleh AI pada tahun-tahun akan datang, realiti bagaimana AI sudah digunakan hari ini dalam pemasaran sering kurang disedari.

  • Facebook menggunakan pengecaman muka untuk mengesyorkan siapa yang perlu ditanda dalam foto.
  • Google menggunakan pembelajaran mendalam untuk menilai hasil carian.
  • Netflix menggunakan pembelajaran mesin untuk memperibadikan syor.
  • Amazon menggunakan pemprosesan bahasa semula jadi untuk Alexa.
  • Washington Post menggunakan penjanaan bahasa semula jadi untuk menulis artikel dipacu data.

Kehidupan anda sudah dibantu mesin, dan pemasaran anda juga boleh.

Apakah Kepintaran Buatan?

Cara terbaik untuk memahami kecerdasan buatan adalah sebagai istilah umum.

Ia digunakan untuk menerangkan rangkaian teknologi unik, tetapi berkaitan, yang boleh mensimulasikan keupayaan manusia.

Ia bukan teknologi sihir tunggal yang boleh melakukan segala-galanya.

Tetapi satu set alat individu dengan keupayaan sebenar, tetapi yang berada pada peringkat pembangunan yang berbeza.

Daripada subset AI yang berbeza ini, terdapat beberapa yang sangat sesuai untuk pemasaran sekarang.

  • Penglihatan komputer yang membolehkan AI melihat.Ini membawa kepada pengesanan objek, pengecaman muka dan pendengaran visual di media sosial.
  • Pemprosesan bahasa semula jadi (NLP) yang membolehkan AI mendengar dan bercakap – memberikan kami chatbots, analisis semantik, penjanaan kandungan dan keupayaan carian suara.
  • Pembelajaran mesin membolehkan AI belajar dengan data tentang cara meningkatkan prestasi secara progresif pada tugas tertentu dari semasa ke semasa, tanpa diprogramkan secara eksplisit apa yang perlu dilakukan.Ini memberi kami pengesyoran kandungan, khalayak yang serupa, pengiklanan terprogram dan pemarkahan petunjuk.

Keupayaan peningkatan diri yang disediakan oleh pembelajaran mesin ialah subset AI yang paling kritikal untuk pemasar.

Automasi Tidak Sama dengan Pembelajaran Mesin

Mungkin anda fikir anda telah mengetahui keseluruhan perkara pemasaran AI ini kerana anda mempunyai alat automasi pemasaran yang mahal.

Mari kita dapatkan satu perkara yang jelas:

Automasi bukan pembelajaran mesin.

Automasi ialah satu set arahan yang memberitahu mesin apa yang perlu dilakukan untuk menghasilkan hasil yang ditentukan.

Anda masih perlu mereka bentuk dan memasukkan logik pemasaran.

Pembelajaran mesin membolehkannya bertambah baik daripada pengalaman, jadi mesin mempelajari perkara yang perlu dilakukan untuk menghasilkan hasil yang diinginkan.

Mesin ini tidak terhad kepada pelaksanaan tulen, ia juga menjaga pengoptimuman.

Pada terasnya, automasi mereplikasi perkara yang anda lakukan sekarang.Ia menjimatkan masa tetapi mempunyai sedikit kesan langsung terhadap KPI.

Sebaliknya, pembelajaran mesin bukan sahaja akan menjimatkan masa anda tetapi juga menambah baik taktik semasa untuk terus meningkatkan KPI.

Jadi mengapa kita tidak memanfaatkan teknologi ini?

Mari kita lihat empat sebab utama pemasar teragak-agak untuk menerima pakai aplikasi AI dan cara mengatasinya.

Sebab 1: Kurang Kemahiran Teknikal

Walaupun ramai pemasar merasakan mereka kurang kemahiran teknikal untuk menggunakan AI.

Ini tidak semestinya berlaku.

Realitinya, anda sudah tahu semua yang anda perlukan untuk bermula.

Terdapat perbezaan antara penyelidikan pembelajaran mesin, yang semuanya tentang membina algoritma yang lebih baik dan merupakan hak prerogatif saintis data, dan pembelajaran mesin gunaan, yang menggunakan algoritma untuk menyelesaikan isu perniagaan, iaitu perkara yang perlu dilakukan oleh pemasar.

Fikirkan dengan cara ini:

Anda mungkin tidak memahami sepenuhnya sains di sebalik cara gelombang mikro berfungsi.Tetapi itu tidak menghalang anda daripada menggunakannya untuk memasak.

  • Syarikat tanpa saintis data masih boleh memilih data terbaik (bahan terbaik).
  • Letakkan maklumat ini ke dalam algoritma sumber terbuka (perkakas).
  • Untuk mencipta model (resipi).
  • Itu menghasilkan ramalan - a.k.a., menggubal taktik pemasaran (hidangan).
  • Kualiti yang boleh kita nilai dengan menguji (merasa).

Dan jika hidangan itu tidak sedap, anda boleh mengubah suai resipi, atau membeli dapur, atau mendapatkan bahan-bahan yang lebih berkualiti.

Anda tidak akan menjadi tukang masak yang lebih baik dengan mempelajari lebih lanjut tentang sains di sebalik cara gelombang mikro berfungsi.

Anda tidak akan menjadi pemasar yang lebih baik, dengan menyelidik selok-belok sains data.

Cara terbaik untuk belajar memasak adalah dengan bermula sahaja.

Cara terbaik untuk pemasar mengatasi masalah skala kami adalah dengan melancarkan sebarang kes penggunaan AI.

Sebab 2: Takut dengan Pekerjaan kita

Sesetengah pasukan tidak mahu memulakan inisiatif AI kerana mereka bimbang ia akan menyebabkan revolusi perindustrian seterusnya dan mereka akan kehilangan pekerjaan - ini secara semula jadi menyebabkan banyak tentangan.

Melainkan anda bercadang untuk bersara dalam tempoh 5 tahun akan datang, kecerdasan buatan akan memberi kesan ketara kepada kerjaya anda dalam pemasaran.Tetapi ini tidak bermakna anda akan digantikan oleh robot pemasaran.

Tugas anda akan berubah daripada melaksanakan tugas berulang kepada mengajar AI untuk melakukan tugas tersebut untuk anda.

Membolehkan anda melabur semula masa anda ke dalam kreativiti dan strategi.

Tetapi apakah yang sebenarnya melibatkan pengajaran AI?

Kerana bunyinya sangat teknikal.

Kaedah latihan yang paling biasa untuk kes penggunaan pemasaran ialah pembelajaran diselia.

Ini melibatkan dua fasa.

Pertama ialah proses pengajaran awal.

Katakan anda mempunyai 1 juta ulasan pelanggan.

Tiada manusia yang mungkin dapat membaca semuanya, jadi anda ingin menggunakan pembelajaran mesin untuk memahami sentimen, mengklasifikasikan ulasan sebagai positif, neutral atau negatif.

Untuk mencapai matlamat ini, ambil sampel ulasan tersebut dan labelkan setiap satu daripada tiga klasifikasi anda.

Kemudian masukkan data latihan ini ke dalam algoritma pembelajaran mesin anda.

Lebih banyak data yang dimilikinya, lebih baik ia akan mengenali corak dan dari semasa ke semasa ia akan dapat mengklasifikasikan sentimen ulasan dengan sendirinya dengan lebih dipercayai.

Untuk menguji kebolehannya, daripada memberinya data berlabel, masukkan data mentah dan menilai kualiti keputusan.

Selalunya, jika anda telah melakukan proses pengajaran awal dengan baik, ia akan dapat mengklasifikasikan sebahagian besar data dengan betul.

Dan anda boleh beralih ke fasa kedua; proses pengajaran yang berterusan.

Di mana secara tetap anda akan melabelkan semula sebarang ralat untuk mengajar algoritma apa yang salah, membolehkan ia terus bertambah baik.

Anda mungkin telah mengajar algoritma tanpa mengetahuinya.

Siapa yang telah mengisi captcha Google berasaskan imej, menandakan e-mel sebagai bukan spam atau menandai berita palsu pada siaran Facebook.

Dengan setiap tindakan ini, anda telah membuktikan pengesahan manual, menambah label dan mengajar algoritma.

Fikirkan untuk melancarkan algoritma pembelajaran mesin seperti mengupah pemasar junior baharu.

Hari anda menaikinya, adalah hari paling teruk yang akan dilakukannya.

Ia akan melakukan kerja, tetapi ia akan membuat kesilapan, jadi anda perlu mengawasi hasilnya, membetulkan seperti yang diperlukan.

Lebih lama ia berfungsi, lebih baik ia menjadi dan lebih banyak masa anda perlu melabur semula untuk meningkatkan saluran pemasaran lain.

Tetapi tidak seperti manusia, mesin dengan senang hati melakukan kerja yang sama, sangat sempit selama-lamanya - sama ada itu mengklasifikasikan ulasan, melaraskan bida iklan, menyiarkan di media sosial atau meramalkan pertumbuhan.

Anda tidak menyerahkan kawalan pemasaran kepada mesin.

Anda mengajar mereka cara mengumpul maklumat yang anda perlukan atau cara melaksanakan elemen khusus strategi pemasaran anda.

Dan AI menawarkan tahap skala yang baharu.

Mengklasifikasikan 1 juta ulasan bukanlah masalah untuk algoritma pembelajaran mesin.

Lebih-lebih lagi, kerana skala ini, ia boleh menghasilkan cerapan yang mungkin tidak tersedia.

Perkara yang anda pilih untuk dilakukan dengan cerapan tersebut ialah perkara yang menjadi kritikal kepada kejayaan.

Soalan-soalan strategik itu ialah tempat pemasar harus menghabiskan masa.

Sebab 3: Pelaburan Sumber & Belanjawan

Eksekutif sering mengambil berat tentang usaha pelaksanaan dan kos untuk aplikasi AI.

Jadi tempat terbaik untuk bermula bukanlah dengan meminta lebih banyak belanjawan dan sumber, tetapi dengan bertanya pada diri sendiri adakah anda memanfaatkan sepenuhnya apa yang anda sudah bayar?

Pertimbangkan keupayaan AI set alat pemasaran semasa anda.

Platform automasi pemasaran seperti HubSpot, CRM seperti SalesForce dan alat Pengiklanan seperti Google Ads dan Iklan Facebook semuanya telah menggabungkan AI ke dalam sistem mereka.

Jika anda pelanggan salah satu daripada penyelesaian ini, pasukan sokongan mereka boleh menjadi sumber yang berharga untuk memulakan pelaksanaan AI organisasi anda kerana anda boleh belajar daripada cerapan dan pengalaman mereka.

Ini cara yang bagus untuk mula membina kecekapan pasukan anda dalam aplikasi AI dengan sedikit atau tanpa kos tambahan.

Dan bagaimana pula dengan keupayaan AI bagi timbunan teknologi semasa anda?

Teknologi AI bukan berasaskan saluran, ia adalah berasaskan kes.

Jadi, jika anda mempunyai enjin pengesyoran yang berjalan di tapak web anda, apa kata gunakan algoritma pembelajaran mesin ini untuk memperbaik pemperibadian surat berita e-mel anda, pemberitahuan tolak atau kandungan chatbot.

Anda boleh menggunakan teknologi sedia ada ini sebagai bukti konsep pelaburan rendah.

Jadi pada masa anda meminta sumber dan belanjawan tambahan, eksekutif anda sudah sedia sepenuhnya.

Apabila anda mencari alat baharu, berhati-hati dengan kata kunci.

Banyak penyelesaian AI sebenarnya tidak begitu pintar.Walaupun terdapat perkataan "AI" atau "pembelajaran mesin" di sana dalam penerangan produk.

Sesetengah alat tanpa malu menggunakan istilah ini untuk menggambarkan automasi biasa atau keupayaan penyasaran.

Sekarang setelah anda mempunyai pemahaman yang lebih mendalam tentang AI sebenarnya, letakkan jurujual itu melalui langkah mereka.

Jika vendor tidak dapat menerangkan cara AI berfungsi secara terperinci, jangan belinya.Jika ia kelihatan terlalu bagus untuk menjadi kenyataan, jangan beli.

Kerana, maaf untuk mengatakan, tidak ada platform AI pemasaran yang menggabungkan semuanya dengan kemas ke dalam satu langganan bulanan.

Ini kerana AI sempit dalam keupayaannya dan mesti dibina khusus untuk menyelesaikan satu masalah yang jelas.

Inilah sebabnya anda perlu memilih kes penggunaan yang betul terlebih dahulu - kerana setiap kes penggunaan berkemungkinan memerlukan alatnya sendiri.

Tetapi apa yang boleh anda lakukan ialah mula membina kecerdasan buatan anda sendiri.

Teknologi AI menjadi lebih mampu milik dan boleh diakses kerana syarikat seperti Google, Amazon, IBM dan SalesForce menawarkan algoritma mereka kepada dunia.

Sesetengah perkhidmatan pihak ketiga adalah sumber terbuka, yang lain berbayar untuk bermain – tetapi semuanya memberikan batu loncatan dari mana anda boleh menyesuaikan penyelesaian anda sendiri.

Terutamanya jika mereka menawarkan akses kepada set data tambahan untuk melapisi data pihak pertama anda sendiri, menjadikan aplikasi AI anda lebih berkuasa.

Sebab 4: Kualiti Sumber Data

Alat dan bakat AI terbaik di dunia tidak akan memberikan hasil jika anda kehilangan komponen paling kritikal untuk pembelajaran mesin – data berkualiti tinggi untuk memaklumkan algoritma pembelajaran.

Kualiti data mungkin merupakan satu-satunya cabaran terbesar yang akan anda hadapi apabila melaksanakan AI.

Seperti yang dinyatakan oleh eMarketer, data selalunya lama, atau dalam silo atau kami tidak mempunyai cukup pada mulanya.

Dan kami tidak mendedikasikan sumber untuk membetulkan perkara ini.

Masalahnya ialah, memasukkan data buruk ke dalam algoritma pembelajaran mesin yang baik tidak akan memberikan jawapan yang betul.

Tanpa pemahaman ini bahawa data adalah sangat penting, anda mungkin akan menyalahkan hasil yang buruk pada AI.

Terdapat perkara yang kami pemasar harus lakukan untuk mendorong data yang boleh diambil tindakan.

  • Bilakah kali terakhir anda melakukan audit Google Analitis?
  • Adakah anda telah melaksanakan penanda berstruktur dan penandaan kandungan?
  • Adakah anda menggunakan skrip pemasaran semula untuk mengumpul lebih banyak data pengguna?
  • Adakah anda menyokong pengumpulan data yang boleh digunakan untuk mengenal pasti pengguna merentas peranti dan saluran, seperti alamat e-mel?
  • Adakah anda telah menyepadukan alatan pemasaran anda dengan Platform Pengurusan Data (DMP) anda?

Anda perlu menumpukan pada bidang ini sekarang, kerana pemasaran AI yang baik bergantung pada mempunyai data yang boleh diambil tindakan yang berstruktur, disepadukan melalui pengecam biasa, banyak dan (paling penting) tepat.

Melihat ke Masa Depan

Kepintaran buatan mengubah tingkah laku pengguna.

Pengguna dilanda terlalu banyak maklumat setiap hari.

Mereka tidak mahu menghabiskan masa menilai semua pilihan.Jadi mereka mewakilkan.

Fikirkan tentang perkara yang sudah dikawal oleh AI.

  • Algoritma sosial mempengaruhi jenama yang kita libatkan.
  • Peta digital menentukan laluan yang kami ambil atau mencadangkan tempat berdekatan untuk dilawati.
  • Enjin pengesyoran membentuk kesedaran dan mempengaruhi pembelian.
  • AI mungkin menentukan dengan siapa anda berkahwin.Berdasarkan leretan anda ke kiri dan kanan, algoritma dalam apl dating anda memilih padanan anda.

Algoritma akan menjadi penjaga pintu baharu, melalui peranti seperti pembantu peribadi digital.

Dan masa depan perniagaan anda bergantung pada keupayaan anda untuk mempengaruhi AI yang membuat pengesyoran kepada manusia, jika bukan keseluruhan keputusan.

Fikirkan tentangnya.Apabila pelanggan meminta Google Home atau Alexa mereka untuk "pesan saya kuki", AIlah yang memutuskan jenama itu.

Anda mesti faham bagaimana keputusan itu dibuat.Rawat algoritma seperti khalayak baharu.Fahami keperluan mereka.

Mulakan pemasaran kepada mesin dengan mesin.

Lebih Banyak Sumber:


Kredit Imej

Imej Ditampilkan & Dalam Siaran: Dicipta oleh pengarang, April 2020
Semua tangkapan skrin diambil oleh pengarang, April 2020