Sitemap

Wprowadzenie do sztucznej inteligencji w marketingu

Marketing ze sztuczną inteligencją.Brzmi fantazyjnie.

I to jest problem.

Termin ten jest rzucany w treści reklamy narzędzi marketingowych przez marketingowych guru i rozreklamowany przez media.

Jednak konkretna definicja jest nieuchwytna.

Dla wielu sztuczna inteligencja to zagadka otoczona modnymi słowami.

Ale ironia polega na tym, że o ile szum przesadza, co może zrobić sztuczna inteligencja w następnych latach, rzeczywistość tego, jak sztuczna inteligencja jest już dziś wykorzystywana w marketingu, jest często niedoceniana.

  • Facebook wykorzystuje rozpoznawanie twarzy, aby polecić, kogo oznaczyć na zdjęciach.
  • Google wykorzystuje głębokie uczenie się do pozycjonowania wyników wyszukiwania.
  • Netflix wykorzystuje uczenie maszynowe do personalizowania rekomendacji.
  • Amazon wykorzystuje przetwarzanie języka naturalnego dla Alexy.
  • Washington Post wykorzystuje generowanie języka naturalnego do pisania artykułów opartych na danych.

Twoje życie jest już wspomagane maszynowo, a marketing też może.

Co to jest sztuczna inteligencja?

Najlepszym sposobem na zrozumienie sztucznej inteligencji jest termin ogólny.

Jest używany do opisania zestawu unikalnych, ale powiązanych technologii, które mogą symulować ludzkie możliwości.

To nie jest jakaś pojedyncza magiczna technologia, która może zrobić wszystko.

Ale zestaw pojedynczych narzędzi o realnych możliwościach, ale znajdujących się na różnych etapach rozwoju.

Spośród tych różnych podzbiorów sztucznej inteligencji jest kilka, które są obecnie szczególnie przydatne w marketingu.

  • Widzenie komputerowe, które pozwala AI widzieć.Prowadzi to do wykrywania obiektów, rozpoznawania twarzy i wizualnego słuchania w mediach społecznościowych.
  • Przetwarzanie języka naturalnego (NLP), które pozwala sztucznej inteligencji słyszeć i mówić – dając nam chatboty, analizę semantyczną, generowanie treści i możliwości wyszukiwania głosowego.
  • Uczenie maszynowe pozwala sztucznej inteligencji uczyć się na podstawie danych o tym, jak stopniowo poprawiać wydajność określonego zadania w czasie, bez wyraźnego zaprogramowania, co ma robić.Dzięki temu otrzymujemy rekomendacje dotyczące treści, podobnych odbiorców, zautomatyzowane reklamy i ocenę potencjalnych klientów.

Zdolność do samodoskonalenia zapewniana przez uczenie maszynowe jest najważniejszym podzbiorem sztucznej inteligencji dla marketerów.

Automatyzacja to nie uczenie maszynowe

Być może myślisz, że omówiłeś całą sprawę marketingu AI, ponieważ masz drogie narzędzie do automatyzacji marketingu.

Wyjaśnijmy sobie jedną rzecz:

Automatyzacja to nie uczenie maszynowe.

Automatyzacja to zestaw instrukcji, które instruują maszynę, co ma zrobić, aby uzyskać określony wynik.

Nadal musisz zaprojektować i wprowadzić logikę marketingową.

Uczenie maszynowe umożliwia jej ulepszanie na podstawie doświadczenia, dzięki czemu maszyna uczy się, co zrobić, aby uzyskać pożądany wynik.

Maszyna nie ogranicza się do samego wykonania, dba również o optymalizację.

W istocie automatyzacja powiela to, co robisz teraz.Oszczędza czas, ale ma niewielki bezpośredni wpływ na KPI.

Z drugiej strony uczenie maszynowe nie tylko zaoszczędzi Twój czas, ale także poprawi obecną taktykę, aby stale podnosić KPI.

Dlaczego więc nie wykorzystujemy tej technologii?

Przyjrzyjmy się czterem najważniejszym powodom, dla których marketerzy niechętnie przyjmują zastosowania sztucznej inteligencji i sposobom ich przezwyciężenia.

Powód 1: Brak umiejętności technicznych

Chociaż wielu marketerów uważa, że ​​brakuje im umiejętności technicznych, aby zastosować sztuczną inteligencję.

Nie musi tak być.

W rzeczywistości już wiesz wszystko, czego potrzebujesz, aby zacząć.

Istnieje różnica między badaniami nad uczeniem maszynowym, które polegają na tworzeniu lepszych algorytmów i jest prerogatywą naukowców zajmujących się danymi, a stosowanym uczeniem maszynowym, które wykorzystuje algorytmy do rozwiązywania problemów biznesowych, a to jest to, czego potrzebują marketerzy.

Pomyśl o tym w ten sposób:

Możesz nie w pełni rozumieć, jak działa kuchenka mikrofalowa.Ale to nie powstrzymuje cię przed użyciem go do gotowania.

  • Firmy bez analityków danych mogą nadal wybierać najlepsze dane (najlepsze składniki).
  • Umieść te informacje w algorytmach o otwartym kodzie źródłowym (urządzeniu).
  • Tworzenie modeli (receptury).
  • Daje to przewidywania – czyli uchwalanie taktyk marketingowych (danie).
  • Jakość, którą możemy ocenić testując (degustując).

A jeśli danie nie jest smaczne, możesz zmodyfikować przepis, kupić kuchenkę lub uzyskać lepszej jakości składniki.

Nie staniesz się lepszym szefem kuchni, dowiadując się więcej o nauce stojącej za działaniem kuchenki mikrofalowej.

Nie staniesz się lepszym marketerem, badając zawiłości nauki o danych.

Najlepszym sposobem na naukę gotowania jest po prostu zacząć.

Najlepszym sposobem, aby marketerzy przezwyciężyli nasz problem ze skalą, jest wprowadzenie dowolnego przypadku użycia sztucznej inteligencji.

Powód 2: Strach przed naszą pracą

Niektóre zespoły nie chcą rozpoczynać inicjatyw AI, ponieważ obawiają się, że spowoduje to kolejną rewolucję przemysłową i nie będą mieli pracy – to naturalnie powoduje duży opór.

Jeśli nie planujesz przejść na emeryturę w ciągu najbliższych 5 lat, sztuczna inteligencja znacząco wpłynie na Twoją karierę w marketingu.Ale to nie znaczy, że zostaniesz zastąpiony przez robota marketingowego.

Twoja praca zmieni się z wykonywania powtarzalnych zadań na uczenie sztucznej inteligencji wykonywania tych zadań za Ciebie.

Pozwala na ponowne zainwestowanie czasu w kreatywność i strategię.

Ale na czym właściwie polega nauczanie sztucznej inteligencji?

Ponieważ brzmi to bardzo technicznie.

Najpopularniejszą metodą szkoleniową w przypadku marketingowych przypadków użycia jest uczenie nadzorowane.

Obejmuje to dwie fazy.

Pierwszym z nich jest wstępny proces nauczania.

Załóżmy, że masz milion recenzji klientów.

Żaden człowiek nie mógłby ich wszystkich przeczytać, więc chcesz wykorzystać uczenie maszynowe, aby zrozumieć nastawienie, klasyfikując recenzję jako pozytywną, neutralną lub negatywną.

Aby to osiągnąć, weź próbkę tych recenzji i oznacz każdą z nich jedną z trzech klasyfikacji.

Następnie wprowadź te dane szkoleniowe do algorytmu uczenia maszynowego.

Im więcej posiada danych, tym lepiej będzie rozpoznawał wzorce i z biegiem czasu tym bardziej wiarygodnie będzie w stanie samodzielnie klasyfikować sentyment opinii.

Aby przetestować jego możliwości, zamiast podawać dane oznaczone etykietami, wprowadź surowe dane i oceń jakość wyników.

Często, jeśli dobrze wykonałeś wstępny proces nauczania, będzie on już w stanie poprawnie sklasyfikować dużą część danych.

I możesz przejść do drugiej fazy; trwający proces nauczania.

Gdzie regularnie zmieniałbyś etykietę wszelkich błędów, aby nauczyć algorytm, co zrobił źle, pozwalając mu na ciągłe doskonalenie.

Być może uczyłeś się już algorytmów, nie wiedząc o tym.

Kto wypełnił obrazkową captcha Google, oznaczył e-mail jako nie spam lub oznaczył fałszywe wiadomości w poście na Facebooku.

Każde z tych działań potwierdzało ręczną weryfikację, dodawanie etykiet i uczenie algorytmów.

Pomyśl o uruchomieniu algorytmu uczenia maszynowego, jak o zatrudnieniu nowego młodszego marketera.

Dzień, w którym go na pokładzie, to najgorszy dzień, jaki kiedykolwiek wystąpi.

Wykona pracę, ale będzie popełniał błędy, więc musisz nadzorować wyniki, poprawiając w razie potrzeby.

Im dłużej to działa, tym staje się lepsze i tym więcej czasu trzeba ponownie zainwestować w skalowanie innych kanałów marketingowych.

Ale w przeciwieństwie do człowieka, maszyny z przyjemnością wykonują tę samą, bardzo wąską pracę na zawsze – niezależnie od tego, czy chodzi o klasyfikowanie recenzji, dostosowywanie stawek reklamowych, publikowanie w mediach społecznościowych czy prognozowanie wzrostu.

Nie przekazujesz kontroli nad marketingiem maszynie.

Uczysz ich, jak zbierać potrzebne informacje lub jak realizować określony element swojej strategii marketingowej.

A sztuczna inteligencja oferuje zupełnie nowy poziom skali.

Klasyfikacja 1 miliona recenzji nie stanowi problemu dla algorytmu uczenia maszynowego.

Co więcej, ze względu na tę skalę może generować spostrzeżenia, które w innym przypadku byłyby niedostępne.

To, co zdecydujesz się zrobić z tymi spostrzeżeniami, ma kluczowe znaczenie dla sukcesu.

Te strategiczne pytania to te, w których marketerzy powinni spędzać czas.

Powód 3: Inwestowanie zasobów i budżet

Kierownictwo często jest zaniepokojone wysiłkami wdrożeniowymi i kosztami aplikacji AI.

Zatem najlepszym miejscem do rozpoczęcia nie jest prośba o zwiększenie budżetu i zasobów, ale pytanie, czy w pełni wykorzystujesz to, za co już płacisz?

Rozważ możliwości sztucznej inteligencji swojego obecnego zestawu narzędzi marketingowych.

Platformy automatyzacji marketingu, takie jak HubSpot, systemy CRM, takie jak SalesForce, i narzędzia reklamowe, takie jak Google Ads i Facebook Ads, włączyły sztuczną inteligencję do swoich systemów.

Jeśli jesteś klientem jednego z tych rozwiązań, ich zespoły wsparcia mogą być cennym zasobem do rozpoczęcia wdrażania sztucznej inteligencji w Twojej organizacji, ponieważ możesz uczyć się na ich spostrzeżeniach i doświadczeniu.

To świetny sposób na rozpoczęcie budowania kompetencji zespołu w aplikacjach AI za niewielkie lub żadne dodatkowe koszty.

A co z możliwościami sztucznej inteligencji twojego obecnego stosu technologicznego?

Technologie sztucznej inteligencji nie są oparte na kanałach, są oparte na przypadkach użycia.

Jeśli więc masz silnik rekomendacji działający w swojej witrynie, skorzystaj z tego algorytmu uczenia maszynowego, aby poprawić personalizację biuletynu e-mail, powiadomień push lub treści chatbota.

Możesz wykorzystać te istniejące technologie jako niski dowód inwestycyjny.

Więc zanim poprosisz o dodatkowe zasoby i budżety, twoi dyrektorzy są już w pełni zaangażowani.

Kiedy szukasz nowego narzędzia, strzeż się modnych słów.

Wiele rozwiązań AI nie jest tak inteligentnych.Nawet jeśli w opisie produktu znajdują się słowa „AI” lub „uczenie maszynowe”.

Niektóre narzędzia bezwstydnie używają tych terminów, aby opisać zwykłe możliwości automatyzacji lub targetowania.

Teraz, gdy już lepiej rozumiesz, czym naprawdę jest sztuczna inteligencja, przetestuj tych sprzedawców.

Jeśli sprzedawca nie może szczegółowo wyjaśnić, jak działa sztuczna inteligencja, nie kupuj tego.Jeśli wydaje się to zbyt piękne, aby mogło być prawdziwe, nie kupuj tego.

Ponieważ, przykro mi to mówić, nie ma marketingowej platformy AI, która zgrabnie łączy wszystko w jedną miesięczną subskrypcję.

Dzieje się tak, ponieważ sztuczna inteligencja ma wąskie możliwości i musi być stworzona specjalnie, aby rozwiązać jeden, dobrze zdefiniowany problem.

Dlatego najpierw musisz wybrać odpowiedni przypadek użycia – ponieważ każdy przypadek użycia prawdopodobnie będzie wymagał własnego narzędzia.

Ale możesz zacząć budować własną sztuczną inteligencję.

Technologia AI staje się coraz bardziej przystępna cenowo i dostępna, ponieważ firmy takie jak Google, Amazon, IBM i SalesForce oferują swoje algorytmy światu.

Niektóre usługi stron trzecich są typu open source, inne są płatne – ale wszystkie dają odskocznię, z której możesz dostosować własne rozwiązanie.

Zwłaszcza jeśli oferują dostęp do dodatkowych zestawów danych do nakładania na własne dane zewnętrzne, dzięki czemu Twoja aplikacja AI jest bardziej wydajna.

Powód 4: Jakość źródeł danych

Najlepsze na świecie narzędzia i talent AI nie przyniosą rezultatów, jeśli brakuje Ci najważniejszego elementu uczenia maszynowego — wysokiej jakości danych, które informują algorytm uczenia się.

Jakość danych jest prawdopodobnie największym pojedynczym wyzwaniem, z jakim przyjdzie Ci się zmierzyć podczas wdrażania sztucznej inteligencji.

Jak zauważa eMarketer, dane są często stare, w silosach lub po prostu nie mamy ich wystarczająco dużo.

I nie przeznaczamy zasobów, aby to naprawić.

Problem polega na tym, że wprowadzanie złych danych do dobrego algorytmu uczenia maszynowego nie daje właściwych odpowiedzi.

Bez tego zrozumienia, że ​​dane mają kluczowe znaczenie, prawdopodobnie za słabe wyniki zrzucisz winę na sztuczną inteligencję.

Są rzeczy, które my marketerzy powinniśmy robić, aby dążyć do uzyskania przydatnych danych.

  • Kiedy ostatnio przeprowadzałeś audyt Google Analytics?
  • Czy wdrożyłeś znaczniki strukturalne i tagowanie treści?
  • Czy używasz skryptów remarketingowych do zbierania większej ilości danych o użytkownikach?
  • Czy wspierasz zbieranie danych, które można wykorzystać do identyfikacji użytkowników na różnych urządzeniach i kanałach, takich jak adresy e-mail?
  • Masz zintegrowane narzędzia marketingowe z platformą zarządzania danymi (DMP)?

Musisz teraz skoncentrować się na tych obszarach, ponieważ dobry marketing AI zależy od posiadania użytecznych danych, które są ustrukturyzowane, zintegrowane za pomocą wspólnego identyfikatora, obfite i (co najważniejsze) dokładne.

Patrząc w przyszłość

Sztuczna inteligencja zmienia zachowania konsumentów.

Każdego dnia konsumenci otrzymują zbyt dużo informacji.

Nie chcą tracić czasu na ocenę wszystkich opcji.Więc delegują.

Pomyśl o tym, co jest już kontrolowane przez sztuczną inteligencję.

  • Algorytmy społecznościowe wpływają na to, z jakimi markami się angażujemy.
  • Mapy cyfrowe określają, jakie trasy wybieramy lub sugerują miejsca w pobliżu do odwiedzenia.
  • Silniki rekomendacji kształtują świadomość i wpływają na zakupy.
  • AI może nawet określić, kogo poślubisz.Na podstawie przesunięć w lewo i w prawo algorytm w aplikacji randkowej wybiera dopasowanie.

Algorytmy staną się nowymi strażnikami dzięki urządzeniom takim jak cyfrowi osobiści asystenci.

A przyszłość Twojej firmy zależy od Twojej zdolności do wpływania na sztuczną inteligencję, która wydaje zalecenia dla ludzi, jeśli nie całą decyzję.

Pomyśl o tym.Kiedy klient prosi Google Home lub Alexę o „zamów mi ciasteczka”, to sztuczna inteligencja decyduje o marce.

Musisz zrozumieć, jak podejmowana jest ta decyzja.Traktuj algorytmy jak nową publiczność.Zrozum ich potrzeby.

Rozpocznij marketing maszyn z maszynami.

Więcej zasobów:


Kredyty obrazkowe

Obrazy polecane i w postach: utworzone przez autora, kwiecień 2020 r.
Wszystkie zrzuty ekranu wykonane przez autora, kwiecień 2020 r.