Sitemap

Giới thiệu về Trí tuệ nhân tạo trong Tiếp thị

Tiếp thị bằng Trí tuệ nhân tạo.Nghe có vẻ lạ.

Và đó là vấn đề.

Thuật ngữ này được đưa ra khắp nơi trong bản sao quảng cáo của công cụ tiếp thị, bởi các chuyên gia tiếp thị và được giới truyền thông thổi phồng.

Tuy nhiên, một định nghĩa cụ thể là khó nắm bắt.

Đối với nhiều người, AI là một bí ẩn được bao quanh bởi các từ thông dụng.

Nhưng điều trớ trêu là, nhiều khi sự cường điệu đã phóng đại quá mức những gì AI có thể làm trong những năm tới, thì thực tế về cách AI ngày nay đã được sử dụng trong tiếp thị thường ít được công nhận.

  • Facebook sử dụng tính năng nhận dạng khuôn mặt để đề xuất gắn thẻ ai trong ảnh.
  • Google sử dụng học sâu để xếp hạng kết quả tìm kiếm.
  • Netflix sử dụng công nghệ máy học để cá nhân hóa các đề xuất.
  • Amazon sử dụng xử lý ngôn ngữ tự nhiên cho Alexa.
  • Washington Post sử dụng cách tạo ngôn ngữ tự nhiên để viết các bài báo theo hướng dữ liệu.

Cuộc sống của bạn đã có sự hỗ trợ của máy móc, và hoạt động tiếp thị của bạn cũng có thể như vậy.

Trí tuệ nhân tạo là gì?

Cách tốt nhất để hiểu trí tuệ nhân tạo là một thuật ngữ ô dù.

Nó được sử dụng để mô tả một bộ công nghệ độc đáo, nhưng có liên quan, có thể mô phỏng khả năng của con người.

Đó không phải là một số công nghệ ma thuật kỳ lạ có thể làm được mọi thứ.

Nhưng một tập hợp các công cụ riêng lẻ với khả năng thực sự, nhưng đang ở các giai đoạn phát triển khác nhau.

Trong số các tập hợp con khác nhau của AI này, có một số ứng dụng đặc biệt có thể áp dụng cho hoạt động tiếp thị ngay bây giờ.

  • Thị giác máy tính cho phép AI nhìn thấy.Điều này dẫn đến việc phát hiện đối tượng, nhận dạng khuôn mặt và nghe trực quan trên mạng xã hội.
  • Xử lý ngôn ngữ tự nhiên (NLP) cho phép AI nghe và nói - cung cấp cho chúng tôi các chatbot, phân tích ngữ nghĩa, tạo nội dung và khả năng tìm kiếm bằng giọng nói.
  • Máy học cho phép AI học với dữ liệu về cách cải thiện dần hiệu suất của một nhiệm vụ cụ thể theo thời gian mà không cần được lập trình rõ ràng phải làm gì.Điều này cung cấp cho chúng tôi các đề xuất về nội dung, đối tượng ưa nhìn, quảng cáo có lập trình và cho điểm khách hàng tiềm năng.

Khả năng tự cải thiện được cung cấp bởi học máy là tập hợp con quan trọng nhất của AI đối với các nhà tiếp thị.

Tự động hóa không ngang bằng với học máy

Có thể bạn đang nghĩ rằng bạn đã hoàn thành toàn bộ nội dung tiếp thị AI này vì bạn có một công cụ tự động hóa tiếp thị đắt tiền.

Hãy làm rõ một điều:

Tự động hóa không phải là học máy.

Tự động hóa là một tập hợp các hướng dẫn cho máy biết phải làm gì để tạo ra một kết quả cụ thể.

Bạn vẫn phải thiết kế và nhập logic tiếp thị.

Máy học cho phép nó cải thiện từ kinh nghiệm, vì vậy máy học những gì cần làm để tạo ra kết quả mong muốn.

Máy không bị giới hạn trong việc thực thi thuần túy, nó cũng quan tâm đến việc tối ưu hóa.

Về cốt lõi, tự động hóa tái tạo những gì bạn làm bây giờ.Nó tiết kiệm thời gian nhưng ít ảnh hưởng trực tiếp đến KPI.

Mặt khác, học máy sẽ không chỉ giúp bạn tiết kiệm thời gian mà còn cải thiện các chiến thuật hiện tại để liên tục tăng KPI.

Vậy tại sao chúng ta không tận dụng công nghệ này?

Hãy cùng xem xét bốn lý do hàng đầu mà các nhà tiếp thị do dự trong việc áp dụng các ứng dụng của AI và cách khắc phục chúng.

Lý do 1: Thiếu kỹ năng kỹ thuật

Mặc dù nhiều nhà tiếp thị cảm thấy họ thiếu kỹ năng kỹ thuật để áp dụng AI.

Điều này không cần phải là trường hợp.

Thực tế là bạn đã biết mọi thứ bạn cần để bắt đầu.

Có một sự khác biệt giữa nghiên cứu máy học, đó là tất cả về việc xây dựng các thuật toán tốt hơn và là đặc quyền của các nhà khoa học dữ liệu và máy học ứng dụng, sử dụng các thuật toán để giải quyết các vấn đề kinh doanh, đó là những gì các nhà tiếp thị cần làm.

Nghĩ về nó theo cách này:

Bạn có thể không hiểu hết khoa học đằng sau cách hoạt động của lò vi sóng.Nhưng điều đó không ngăn cản bạn sử dụng nó để nấu ăn.

  • Các công ty không có nhà khoa học dữ liệu vẫn có thể chọn dữ liệu tốt nhất (thành phần tốt nhất).
  • Đưa thông tin này vào các thuật toán nguồn mở (công cụ).
  • Để tạo ra các mô hình (công thức nấu ăn).
  • Điều đó tạo ra các dự đoán - hay còn gọi là ban hành các chiến thuật tiếp thị (món ăn).
  • Chất lượng mà chúng ta có thể đánh giá bằng cách thử (nếm).

Và nếu món ăn không ngon, bạn có thể sửa đổi công thức hoặc mua bếp hoặc mua các nguyên liệu chất lượng hơn.

Bạn sẽ không thể trở thành một đầu bếp giỏi hơn bằng cách tìm hiểu thêm về khoa học đằng sau cách hoạt động của lò vi sóng.

Bạn sẽ không trở thành một nhà tiếp thị giỏi hơn, bằng cách nghiên cứu sự phức tạp của khoa học dữ liệu.

Cách tốt nhất để học nấu ăn là chỉ cần bắt đầu.

Cách tốt nhất để các nhà tiếp thị khắc phục vấn đề quy mô của chúng ta là triển khai mọi trường hợp sử dụng của AI.

Lý do 2: Sợ hãi công việc của chúng tôi

Một số nhóm không muốn bắt đầu các sáng kiến ​​AI vì họ sợ nó sẽ gây ra cuộc cách mạng công nghiệp tiếp theo và họ sẽ mất việc làm - điều này đương nhiên gây ra rất nhiều phản kháng.

Trừ khi bạn có kế hoạch nghỉ hưu trong 5 năm tới, trí tuệ nhân tạo sẽ tác động đáng kể đến sự nghiệp tiếp thị của bạn.Nhưng điều này không có nghĩa là bạn sẽ bị thay thế bởi một robot tiếp thị.

Công việc của bạn sẽ thay đổi từ thực hiện các nhiệm vụ lặp đi lặp lại sang dạy AI thực hiện các nhiệm vụ đó cho bạn.

Cho phép bạn tái đầu tư thời gian của mình vào sáng tạo và chiến lược.

Nhưng việc dạy AI thực sự liên quan gì?

Bởi vì nó nghe rất kỹ thuật.

Phương pháp đào tạo phổ biến nhất cho các trường hợp sử dụng tiếp thị là học có giám sát.

Điều này liên quan đến hai giai đoạn.

Đầu tiên là quá trình dạy học ban đầu.

Giả sử bạn có 1 triệu đánh giá của khách hàng.

Không ai có thể đọc hết chúng, vì vậy bạn muốn sử dụng máy học để hiểu cảm xúc, phân loại bài đánh giá là tích cực, trung tính hay tiêu cực.

Để đạt được điều này, hãy lấy mẫu các bài đánh giá đó và gắn nhãn mỗi bài bằng một trong ba cách phân loại của bạn.

Sau đó, cung cấp dữ liệu đào tạo này vào thuật toán học máy của bạn.

Nó càng có nhiều dữ liệu, nó sẽ nhận dạng các mẫu tốt hơn và theo thời gian, nó sẽ có thể tự phân loại cảm xúc của các bài đánh giá một cách đáng tin cậy hơn.

Để kiểm tra khả năng của nó, thay vì cung cấp cho nó dữ liệu được gắn nhãn, hãy nhập dữ liệu thô và đánh giá chất lượng của kết quả.

Thông thường, nếu bạn đã thực hiện tốt quá trình giảng dạy ban đầu, nó sẽ có thể phân loại chính xác một phần lớn dữ liệu.

Và bạn có thể chuyển sang giai đoạn thứ hai; quá trình giảng dạy liên tục.

Nếu thường xuyên, bạn sẽ gắn nhãn lại bất kỳ lỗi nào để dạy thuật toán biết nó đã sai gì, cho phép nó liên tục cải thiện.

Bạn có thể đã dạy các thuật toán mà không biết nó.

Người đã điền hình ảnh xác thực của Google dựa trên hình ảnh, đánh dấu email là không phải spam hoặc đánh dấu tin giả trên một bài đăng trên Facebook.

Bằng mỗi hành động này, bạn đã chứng minh được việc xác minh thủ công, thêm nhãn và dạy các thuật toán.

Hãy nghĩ đến việc khởi chạy một thuật toán học máy giống như việc thuê một nhà tiếp thị cơ sở mới.

Ngày bạn tham gia nó, là ngày tồi tệ nhất mà nó từng hoạt động.

Nó sẽ thực hiện công việc, nhưng nó sẽ mắc sai lầm, vì vậy bạn cần phải giám sát kết quả, sửa chữa khi cần thiết.

Nó hoạt động càng lâu, nó càng trở nên tốt hơn và bạn càng có nhiều thời gian để tái đầu tư vào việc mở rộng các kênh tiếp thị khác.

Nhưng không giống như con người, máy móc rất vui khi được làm cùng một công việc rất hẹp mãi mãi - cho dù đó là phân loại đánh giá, điều chỉnh giá thầu quảng cáo, đăng trên mạng xã hội hay dự báo tăng trưởng.

Bạn không giao quyền kiểm soát hoạt động tiếp thị cho một cỗ máy.

Bạn đang dạy họ cách thu thập thông tin bạn cần hoặc cách thực hiện một yếu tố cụ thể trong chiến lược tiếp thị của bạn.

Và AI cung cấp một cấp độ quy mô hoàn toàn mới.

Việc phân loại 1 triệu đánh giá không phải là vấn đề đối với thuật toán máy học.

Hơn thế nữa, do quy mô này, nó có thể tạo ra những thông tin chi tiết mà nếu không thì không có.

Những gì bạn chọn làm với những hiểu biết sâu sắc đó là điều trở nên quan trọng để thành công.

Những câu hỏi chiến lược đó là nơi mà các nhà tiếp thị nên dành thời gian.

Lý do 3: Đầu tư nguồn lực & ngân sách

Các giám đốc điều hành thường quan tâm đến các nỗ lực triển khai và chi phí cho các ứng dụng AI.

Vì vậy, nơi tốt nhất để bắt đầu không phải bằng cách yêu cầu thêm ngân sách và nguồn lực, mà bằng cách tự hỏi bản thân rằng bạn có đang tận dụng đầy đủ những gì bạn đang phải trả không?

Xem xét khả năng AI của bộ công cụ tiếp thị hiện tại của bạn.

Các nền tảng tự động hóa tiếp thị như HubSpot, CRM như SalesForce và các công cụ Quảng cáo như Google Ads và Facebook Ads đều đã kết hợp AI vào hệ thống của họ.

Nếu bạn là khách hàng của một trong những giải pháp này, nhóm hỗ trợ của họ có thể là nguồn tài nguyên quý giá để bắt đầu triển khai AI cho tổ chức của bạn vì bạn có thể học hỏi từ những hiểu biết sâu sắc và kinh nghiệm của họ.

Đó là một cách tuyệt vời để bắt đầu xây dựng năng lực nhóm của bạn trong các ứng dụng AI với chi phí thấp hoặc không mất thêm phí.

Và những gì về khả năng AI của ngăn xếp công nghệ hiện tại của bạn?

Công nghệ AI không dựa trên kênh, chúng được sử dụng dựa trên trường hợp.

Vì vậy, nếu bạn có một công cụ đề xuất đang chạy trên trang web của mình, tại sao không sử dụng thuật toán học máy này để cải thiện tính cá nhân hóa cho bản tin email, thông báo đẩy hoặc nội dung chatbot của bạn.

Bạn có thể sử dụng những công nghệ hiện có này làm bằng chứng về khái niệm đầu tư thấp.

Vì vậy, vào thời điểm bạn yêu cầu các nguồn lực và ngân sách bổ sung, các giám đốc điều hành của bạn đã hoàn toàn sẵn sàng.

Khi bạn đang tìm kiếm một công cụ mới, hãy cẩn thận với từ thông dụng.

Nhiều giải pháp AI không thực sự thông minh.Ngay cả khi có các từ “AI” hoặc “máy học” ngay trong mô tả sản phẩm.

Một số công cụ sử dụng những thuật ngữ này một cách đáng xấu hổ để mô tả khả năng nhắm mục tiêu hoặc tự động hóa phổ biến.

Bây giờ bạn đã hiểu sâu hơn về AI thực sự là gì, hãy đưa những người bán hàng đó vượt qua tốc độ của họ.

Nếu nhà cung cấp không thể giải thích chi tiết cách hoạt động của AI, đừng mua nó.Nếu nó có vẻ quá tốt là đúng, đừng mua nó.

Bởi vì, tôi rất tiếc phải nói rằng không có nền tảng AI tiếp thị nào gói gọn mọi thứ vào một gói đăng ký hàng tháng.

Đó là bởi vì AI có khả năng hạn hẹp và phải được xây dựng có mục đích để giải quyết một vấn đề được xác định rõ ràng.

Đây là lý do tại sao bạn cần chọn đúng trường hợp sử dụng trước - vì mỗi trường hợp sử dụng có thể sẽ cần công cụ riêng.

Nhưng những gì bạn có thể làm là bắt đầu xây dựng trí thông minh nhân tạo của riêng mình.

Công nghệ AI đang trở nên hợp lý hơn và dễ tiếp cận hơn vì các công ty như Google, Amazon, IBM và SalesForce đang cung cấp các thuật toán của họ cho thế giới.

Một số dịch vụ của bên thứ ba là mã nguồn mở, những dịch vụ khác trả tiền để chơi - nhưng tất cả đều tạo bàn đạp để bạn có thể tùy chỉnh giải pháp của riêng mình.

Đặc biệt nếu họ cung cấp quyền truy cập vào các tập dữ liệu bổ sung để xếp lớp vào dữ liệu của bên thứ nhất của riêng bạn, giúp ứng dụng AI của bạn mạnh mẽ hơn.

Lý do 4: Chất lượng nguồn dữ liệu

Các công cụ và tài năng AI tốt nhất trên thế giới sẽ không mang lại kết quả nếu bạn thiếu thành phần quan trọng nhất đối với việc học máy - dữ liệu chất lượng cao để cung cấp thông tin cho thuật toán học tập.

Chất lượng dữ liệu có lẽ là thách thức lớn nhất mà bạn phải đối mặt khi triển khai AI.

Như eMarketer lưu ý, dữ liệu thường đã cũ, hoặc nằm trong silo hoặc ngay từ đầu chúng tôi không có đủ.

Và chúng tôi không dành nguồn lực để khắc phục vấn đề này.

Vấn đề là, việc cung cấp dữ liệu xấu vào một thuật toán học máy tốt sẽ không đưa ra câu trả lời đúng.

Nếu không hiểu rằng dữ liệu là quan trọng hàng đầu, bạn có thể sẽ đổ lỗi cho kết quả kém của AI.

Có những điều mà các nhà tiếp thị nên làm để thúc đẩy dữ liệu có thể hành động.

  • Lần cuối cùng bạn thực hiện kiểm tra Google Analytics là khi nào?
  • Bạn đã triển khai đánh dấu có cấu trúc và gắn thẻ nội dung chưa?
  • Bạn có đang sử dụng tập lệnh tiếp thị lại để thu thập thêm dữ liệu người dùng không?
  • Bạn có đang hỗ trợ việc thu thập dữ liệu có thể được sử dụng để xác định người dùng trên các thiết bị và kênh, như địa chỉ email không?
  • Bạn đã có các công cụ tiếp thị được tích hợp với Nền tảng quản lý dữ liệu (DMP) chưa?

Bạn cần tập trung vào những lĩnh vực này ngay bây giờ, bởi vì tiếp thị AI tốt phụ thuộc vào việc có dữ liệu có thể hành động được cấu trúc, tích hợp thông qua một số nhận dạng chung, phong phú và (quan trọng nhất) chính xác.

Nhìn về tương lai

Trí tuệ nhân tạo đang thay đổi hành vi của người tiêu dùng.

Người tiêu dùng bị ảnh hưởng bởi quá nhiều thông tin mỗi ngày.

Họ không muốn mất thời gian đánh giá tất cả các tùy chọn.Vì vậy, họ ủy thác.

Hãy nghĩ về những gì đã được kiểm soát bởi AI.

  • Các thuật toán xã hội ảnh hưởng đến những thương hiệu mà chúng ta tương tác.
  • Bản đồ kỹ thuật số xác định những tuyến đường chúng tôi đi hoặc đề xuất các địa điểm gần đó để tham quan.
  • Công cụ đề xuất định hình nhận thức và ảnh hưởng đến việc mua hàng.
  • Một AI thậm chí có thể xác định người bạn kết hôn.Dựa trên thao tác vuốt sang trái và phải của bạn, thuật toán trong ứng dụng hẹn hò sẽ chọn kết quả phù hợp của bạn.

Các thuật toán sẽ trở thành người gác cổng mới, thông qua các thiết bị như trợ lý cá nhân kỹ thuật số.

Và tương lai của doanh nghiệp của bạn phụ thuộc vào khả năng của bạn để tác động đến AI đưa ra các đề xuất cho con người, nếu không phải là toàn bộ quyết định.

Hãy suy nghĩ về nó.Khi một khách hàng yêu cầu Google Home hoặc Alexa của họ “đặt hàng cookie cho tôi” thì AI là người quyết định thương hiệu.

Bạn phải hiểu quyết định đó được thực hiện như thế nào.Đối xử với các thuật toán như một khán giả mới.Hiểu nhu cầu của họ.

Bắt đầu tiếp thị đến máy móc bằng máy móc.

Nhiêu tai nguyên hơn:


Tín dụng hình ảnh

Hình ảnh nổi bật & trong bài đăng: Được tạo bởi tác giả, tháng 4 năm 2020
Tất cả ảnh chụp màn hình được chụp bởi tác giả, tháng 4 năm 2020