Sitemap

En introduktion till artificiell intelligens i marknadsföring

Marknadsföring med artificiell intelligens.Låter fancy.

Och det är problemet.

Termen kastas runt i marknadsföringsverktyget annonstext, av marknadsföringsguruer och hajpas av media.

Ändå är en konkret definition svårfångad.

För många är AI en gåta omgiven av modeord.

Men ironin är att så mycket som hypen har överskattat vad AI kan göra under de kommande åren, är verkligheten av hur AI redan idag används i marknadsföring ofta underkänd.

  • Facebook använder ansiktsigenkänning för att rekommendera vem man ska tagga i bilder.
  • Google använder djupinlärning för att rangordna sökresultat.
  • Netflix använder maskininlärning för att anpassa rekommendationer.
  • Amazon använder naturlig språkbehandling för Alexa.
  • Washington Post använder naturligt språkgenerering för att skriva datadrivna artiklar.

Ditt liv är redan maskinassisterat, och din marknadsföring kan också vara det.

Vad är artificiell intelligens?

Det bästa sättet att förstå artificiell intelligens är som ett paraplybegrepp.

Den används för att beskriva en uppsättning unika, men relaterade, teknologier som kan simulera mänskliga förmågor.

Det är inte någon unik magisk teknik som kan göra allt.

Men en uppsättning individuella verktyg med verkliga förmågor, men som befinner sig i olika utvecklingsstadier.

Av dessa olika undergrupper av AI finns det några som är särskilt användbara för marknadsföring just nu.

  • Datorseende som låter AI se.Detta leder till objektdetektering, ansiktsigenkänning och visuellt lyssnande på sociala medier.
  • Naturlig språkbehandling (NLP) som gör att AI kan höra och tala – vilket ger oss chatbots, semantisk analys, innehållsgenerering och röstsökningsmöjligheter.
  • Maskininlärning gör att AI kan lära sig med data om hur man successivt förbättrar prestanda för en specifik uppgift över tid, utan att explicit programmeras vad som ska göras.Detta ger oss innehållsrekommendationer, lookalike-målgrupper, programmatisk annonsering och leadscore.

Förmågan till självförbättring som tillhandahålls av maskininlärning är den mest kritiska delmängden av AI för marknadsförare.

Automation är inte lika med maskininlärning

Kanske tror du att du har täckt hela den här AI-marknadsföringen eftersom du har ett dyrt verktyg för marknadsföringsautomatisering.

Låt oss få en sak kristallklart:

Automation är inte maskininlärning.

Automation är en uppsättning instruktioner som talar om för en maskin vad den ska göra för att producera ett specificerat resultat.

Du måste fortfarande designa och mata in marknadsföringslogik.

Maskininlärning gör det möjligt för den att förbättras av erfarenhet, så att maskinen lär sig vad den ska göra för att producera det önskade resultatet.

Maskinen är inte begränsad till ren utförande, den tar också hand om optimering.

I kärnan replikerar automatisering vad du gör nu.Det sparar tid men har liten direkt inverkan på nyckeltal.

Å andra sidan kommer maskininlärning inte bara att spara tid utan också förbättra nuvarande taktik för att kontinuerligt driva upp KPI:er.

Så varför använder vi inte denna teknik?

Låt oss ta en titt på de fyra främsta anledningarna till att marknadsförare är tveksamma till att använda tillämpningar av AI och hur man kan övervinna dem.

Orsak 1: Brist på tekniska färdigheter

Även om många marknadsförare känner att de saknar den tekniska kompetensen för att ta till sig AI.

Detta behöver inte vara fallet.

Verkligheten är att du redan vet allt du behöver för att komma igång.

Det finns en skillnad mellan forskning om maskininlärning, som handlar om att bygga bättre algoritmer och som är datavetares privilegium, och tillämpad maskininlärning, som använder algoritmer för att lösa affärsproblem, vilket är vad marknadsförare behöver göra.

Tänk på det så här:

Du kanske inte helt förstår vetenskapen bakom hur en mikrovågsugn fungerar.Men det hindrar dig inte från att använda den för att laga mat.

  • Företag utan datavetare kan fortfarande välja den bästa datan (bästa ingredienserna).
  • Lägg in denna information i algoritmer med öppen källkod (apparaten).
  • Att skapa modeller (recepten).
  • Det producerar förutsägelser - a.k.a., anta marknadsföringstaktik (rätten).
  • Kvaliteten på vilken vi kan bedöma genom att testa (prova).

Och om rätten inte är välsmakande kan du ändra receptet, köpa en spis eller få ingredienser av bättre kvalitet.

Du kommer inte att bli en bättre kock genom att lära dig mer om vetenskapen bakom hur en mikrovågsugn fungerar.

Du kommer inte att bli en bättre marknadsförare genom att undersöka datavetenskapens krångligheter.

Det bästa sättet att lära sig laga mat är att bara sätta igång.

Det bästa sättet för marknadsförare att övervinna vårt skaleringsproblem är att lansera alla användningsfall av AI.

Orsak 2: Rädsla för våra jobb

Vissa team vill inte påbörja AI-initiativ eftersom de fruktar att det kommer att orsaka nästa industriella revolution och de kommer att sakna ett jobb – detta orsakar naturligtvis mycket motstånd.

Om du inte planerar att gå i pension inom de kommande 5 åren kommer artificiell intelligens att påverka din karriär inom marknadsföring avsevärt.Men detta betyder inte att du kommer att ersättas av en marknadsföringsrobot.

Ditt jobb kommer att förändras från att utföra repetitiva uppgifter till att lära ut AI att utföra dessa uppgifter åt dig.

Låter dig återinvestera din tid i kreativitet och strategi.

Men vad innebär det egentligen att lära ut en AI?

För det låter väldigt tekniskt.

Den vanligaste träningsmetoden för användningsfall för marknadsföring är övervakat lärande.

Detta involverar två faser.

Den första är den inledande undervisningsprocessen.

Låt oss säga att du har 1 miljon kundrecensioner.

Ingen människa kunde möjligen läsa dem alla, så du vill använda maskininlärning för att förstå känslan, klassificera recensionen som positiv, neutral eller negativ.

För att uppnå detta, ta ett urval av dessa recensioner och märk var och en av dem med en av dina tre klassificeringar.

Mata sedan in denna träningsdata i din maskininlärningsalgoritm.

Ju mer data den har, desto bättre kommer den att vara på att känna igen mönster och med tiden desto mer tillförlitlig kommer den att kunna klassificera känslan av recensioner på egen hand.

För att testa dess förmågor, istället för att mata den märkt data, mata in rådata och bedöm kvaliteten på resultaten.

Ofta, om du har gjort den inledande undervisningsprocessen bra, kommer den redan att kunna klassificera en stor del av datan korrekt.

Och du kan gå vidare till den andra fasen; den pågående undervisningsprocessen.

Där du regelbundet skulle märka om eventuella fel för att lära algoritmen vad den gjorde fel, så att den kontinuerligt kunde förbättras.

Du kanske redan har lärt ut algoritmer utan att veta om det.

Vem har fyllt i en bildbaserad Google captcha, markerat ett e-postmeddelande som inte skräppost eller markerat falska nyheter på ett Facebook-inlägg.

Genom var och en av dessa åtgärder bevisade du manuell verifiering, la till etiketter och lärde ut algoritmerna.

Tänk på att lansera en maskininlärningsalgoritm som att anställa en ny junior marknadsförare.

Dagen du ombord på den är den värsta dagen den någonsin kommer att prestera.

Det kommer att göra jobbet, men det kommer att göra misstag, så du måste övervaka resultaten, korrigera vid behov.

Ju längre det fungerar, desto bättre blir det och desto mer tid har du att återinvestera i att skala andra marknadsföringskanaler.

Men till skillnad från en människa gör maskiner gärna samma, mycket smala jobb för alltid – oavsett om det är att klassificera recensioner, justera annonsbud, lägga upp på sociala medier eller prognostisera tillväxt.

Du lämnar inte över kontrollen över marknadsföringen till en maskin.

Du lär dem hur man samlar in den information du behöver eller hur man utför en specifik del av din marknadsföringsstrategi.

Och AI erbjuder en helt ny skala.

Att klassificera 1 miljon recensioner är inte ett problem för en maskininlärningsalgoritm.

På grund av denna skala kan den dessutom ge insikter som annars inte skulle vara tillgängliga.

Vad du väljer att göra med dessa insikter är vad som blir avgörande för framgång.

Dessa strategiska frågor är var marknadsförare ska spendera tid.

Orsak 3: Investering av resurser och budget

Chefer är ofta oroade över implementeringsinsatserna och kostnaderna för AI-applikationer.

Så det bästa stället att börja är inte genom att be om mer budget och resurser, utan genom att fråga dig själv utnyttjar du fullt ut vad du redan betalar för?

Tänk på AI-kapaciteten i din nuvarande uppsättning marknadsföringsverktyg.

Marknadsautomationsplattformar som HubSpot, CRM som SalesForce och reklamverktyg som Google Ads och Facebook Ads har alla införlivat AI i sina system.

Om du är kund hos en av dessa lösningar kan deras supportteam vara en värdefull resurs för att påbörja din organisations AI-implementering eftersom du kan lära dig av deras insikter och erfarenheter.

Det är ett bra sätt att börja bygga upp din teamkompetens i AI-applikationer för liten eller ingen extra kostnad.

Och hur är det med AI-kapaciteten i din nuvarande tekniska stack?

AI-teknologier är inte kanalbaserade, de är fallbaserade.

Så om du har en rekommendationsmotor som körs på din webbplats, varför inte använda den här maskininlärningsalgoritmen för att förbättra anpassningen av ditt nyhetsbrev, push-meddelanden eller chatbotinnehåll.

Du kan använda dessa befintliga teknologier som låginvesteringsbevis för koncept.

Så när du ber om ytterligare resurser och budgetar är dina chefer redan helt ombord.

När du letar efter ett nytt verktyg, akta dig för buzzwords.

Många AI-lösningar är faktiskt inte så intelligenta.Även när det finns orden "AI" eller "maskininlärning" där i produktbeskrivningen.

Vissa verktyg använder skamlöst dessa termer för att beskriva vanliga automatiserings- eller inriktningsfunktioner.

Nu när du har en djupare förståelse för vad AI verkligen är, sätt säljkillarna igenom deras takt.

Om leverantören inte kan förklara hur AI fungerar i detalj, köp den inte.Om det verkar för bra för att vara sant, köp det inte.

För, jag är ledsen att säga, det finns ingen marknadsföringsplattform för AI som prydligt samlar ihop allt i en enda månadsprenumeration.

Det beror på att AI är smal i sina möjligheter och måste vara specialbyggd för att lösa ett, väldefinierat problem.

Det är därför du måste välja rätt användningsfall först – eftersom varje användningsfall sannolikt kommer att behöva sitt eget verktyg.

Men vad du kan göra är att börja bygga din egen artificiella intelligens.

AI-teknik blir mer överkomlig och tillgänglig eftersom företag som Google, Amazon, IBM och SalesForce erbjuder sina algoritmer till världen.

Vissa tredjepartstjänster är öppen källkod, andra betalas för att spela – men de ger alla en språngbräda där du kan skräddarsy din egen lösning.

Speciellt om de erbjuder tillgång till ytterligare datamängder för att lagra på din egen första parts data, vilket gör din AI-applikation mer kraftfull.

Orsak 4: Kvaliteten på datakällor

De allra bästa AI-verktygen och talangerna i världen kommer inte att ge resultat om du saknar den mest kritiska komponenten för maskininlärning – högkvalitativ data för att informera inlärningsalgoritmen.

Datakvalitet är förmodligen den enskilt största utmaningen du kommer att möta när du implementerar AI.

Som eMarketer noterar är data ofta gammal, eller i silos eller så har vi bara inte tillräckligt i första hand.

Och vi avsätter inga resurser för att fixa detta.

Problemet är att inmatning av dålig data i en bra maskininlärningsalgoritm inte ger rätt svar.

Utan denna förståelse för att data är av avgörande betydelse kommer du sannolikt att skylla de dåliga resultaten på AI.

Det finns saker vi marknadsförare borde göra för att driva på data som kan användas.

  • När gjorde du senast en Google Analytics-revision?
  • Har du implementerat strukturerad uppmärkning och innehållstaggning?
  • Använder du remarketingskript för att samla in mer användardata?
  • Stöder du insamling av data som kan användas för att identifiera användare på olika enheter och kanaler, som e-postadresser?
  • Har du integrerat dina marknadsföringsverktyg med din Data Management Platform (DMP)?

Du måste fokusera på dessa områden nu, eftersom bra AI-marknadsföring är beroende av att ha handlingsbar data som är strukturerad, integrerad med en gemensam identifierare, riklig och (framför allt) korrekt.

Ser mot framtiden

Artificiell intelligens förändrar konsumenternas beteende.

Konsumenter drabbas av för mycket information varje dag.

De vill inte lägga tid på att utvärdera alla alternativ.Så de delegerar.

Tänk på vad som redan styrs av AI.

  • Sociala algoritmer påverkar vilka varumärken vi engagerar oss med.
  • Digitala kartor avgör vilka vägar vi tar eller föreslår platser i närheten att besöka.
  • Rekommendationsmotorer formar medvetenhet och påverkar köp.
  • En AI kan till och med avgöra vem du gifter dig med.Baserat på att du sveper åt vänster och höger väljer algoritmen i din dejtingapp din matchning.

Algoritmer kommer att bli de nya gatekeepers, genom enheter som digitala personliga assistenter.

Och framtiden för ditt företag beror på din förmåga att påverka de AI:er som ger rekommendationerna till människorna, om inte hela beslutet.

Tänk på det.När en kund ber sin Google Home eller Alexa att "beställa cookies till mig" är det AI som bestämmer varumärket.

Du måste förstå hur det beslutet tas.Behandla algoritmer som en ny publik.Förstå deras behov.

Börja marknadsföra till maskiner med maskiner.

Fler resurser:


Bildkrediter

Utvalda bilder och bilder i posten: Skapad av författaren, april 2020
Alla skärmdumpar tagna av författare, april 2020