كيف تثبت مستقبل التسويق الخاص بك في عصر الذكاء الاصطناعي

لم يعد الذكاء الاصطناعي شيئًا جديدًا لامعًا. لقد كان هنا لفترة من الوقت. إذا كنت قد أجريت بحثًا في Google أو نقرت على منتج أو مقالة أو فيلم موصى به ، فقد تفاعلت معه.

إذا كنت مسوقًا ، فمن المحتمل أنك عملت معه بالفعل. يعمل الإعلان على إعلانات Google أو Bing أو Facebook مع الذكاء الاصطناعي.

لذا توقف عن الاستعداد ضد "صعود الآلات". الآلات هنا ، وهي مطيعة حقًا. إنها رائعة في أتمتة بعض أكثر مهام التسويق مملة.

السؤال هو ، إلى أين تتجه كل هذه الأتمتة؟ كم عدد المهام التي ستستلمها الآلات؟ كيف ستكون وظيفتك عندما تتطور؟ وكيف يمكنك وضع نفسك وشركتك لتحقيق أقصى استفادة منها؟

الجواب أبسط مما تعتقد. لكنها إجابة من أربعة أجزاء.

1. تعلم.

اختبار سريع: ما الفرق بين التعلم الآلي والذكاء الاصطناعي؟

لا يستطيع معظم المسوقين الإجابة على هذا السؤال. ربما نعلم أن الذكاء الاصطناعي أكثر تعقيدًا من التعلم الآلي ، وأن التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي ... لكن الأمور تصبح غامضة من هناك.

هنا تعريف واحد:

الذكاء الاصطناعي هو أي تقنية تمكن أي نظام من إظهار ذكاء يشبه الإنسان ... التعلم الآلي هو أحد أنواع الذكاء الاصطناعي التي تستخدم نماذج رياضية مدربة على البيانات لاتخاذ القرارات. مع توفر المزيد من البيانات ، يمكن لنماذج ML اتخاذ قرارات أفضل.

بصراحة ، بالنسبة لتطبيقات التسويق في العالم الحقيقي - الأشياء التي ستراها في الوظيفة في السنوات الثلاث المقبلة - ربما لا يضطر المسوقون إلى القلق كثيرًا بشأن الذكاء الاصطناعي الحقيقي في الوقت الحالي. لن يبدأ إعلانات Google في إلقاء النكات. لكن التعلم الآلي يلعب بالتأكيد ، مثل الأتمتة.

هذا أمر جيد. يمكن أن يجعلك التعلم الآلي ، إذا تمت إدارته بشكل جيد ، أكثر كفاءة وفعالية. على سبيل المثال ، تستخدم أداة إدارة عروض الأسعار والميزانية PPC الخاصة بنا التعلم الآلي الكامل لإدارة عروض الأسعار والميزانيات.

يوضح كتابنا الإلكتروني "دليل الوكالة إلى أساسيات عروض الأسعار التلقائية" ،

تتكون المزايدة الآلية البسيطة من السماح لجهاز الكمبيوتر باتباع مجموعة من القواعد التي من شأنها ، كرد فعل على بعض المشغلات ، زيادة أو خفض عروض أسعار الدفع لكل نقرة (PPC) بمبالغ معينة. لا يتعلم هذا النوع من الأتمتة ، بل يتم تنفيذه ببساطة وفقًا لقواعد محددة مسبقًا.

لا يختلف هذا المستوى من المزايدة الآلية كثيرًا عن نظام أتمتة التسويق الذي تم تعيينه لإرسال بريد إلكتروني معين في وقت معين بعد قيام شخص ما بتنزيل مستند تقني معين. إنه إجراء محدد مسبقًا يمكن للمسوق تعيينه ، ثم يتوقع من البرنامج تنفيذه في كل مرة يحدث فيها هذا الحدث.

التعلم الآلي أكثر تعقيدًا.

"بينما تتطلب عروض الأسعار التلقائية البسيطة أن يقوم الإنسان أولاً بإنشاء تكلفة مستهدفة للاكتساب ، يهدف نظام التعلم الآلي إلى الحصول على أقل تكلفة اكتساب ممكنة لأكبر عدد من النقرات والتحويلات. وهذا يتطلب نظام التعلم الآلي لإدارة العشرات من الأولويات والبيانات المختلفة المدخلات ("الخدمات المصغرة" كما نسميها) لتقديم النتيجة المرجوة.

لذلك ، في حين أن عروض الأسعار التلقائية يمكن أن تقلل بالتأكيد من حجم العمل الذي يتعين على المسوق القيام به ، فإن "التعلم الآلي سوف:

• احصل على أكبر عدد من التحويلات بمتوسط ​​سعر أقل من الحد الأقصى للسعر
• تأكد من أن الميزانية تستمر طوال الفترة
• تأكد من عرض الإعلانات كل يوم في المزاد طوال المدة المحددة بواسطة جدول عرض الإعلانات "

هذا هو ترتيب مختلف تمامًا من حيث الحجم. وإذا أردنا إعادة بناء تسويقنا لعصر الذكاء الاصطناعي ، فنحن بحاجة إلى فهم كيفية عمل هذه الأنظمة والاختلاف في التفاصيل.

للحصول على شرح واضح بشكل مدهش لكيفية بناء أنظمة التعلم الآلي ، شاهد سلسلة فيديو Google ، "AI Adventures". تصبح مقاطع الفيديو أكثر تقنية كلما تقدمت في المسلسل ، ولكن يمكن الوصول إلى مقاطع الفيديو الأولى بسهولة.

ها هي عينة. في هذا الفيديو ، سترى كيف يمكن تصميم برنامج التعلم الآلي وتدريبه على التمييز بين البيرة والنبيذ.

2. تنظيف البيانات الخاصة بك.

تعمل الأتمتة والتعلم الآلي والذكاء الاصطناعي على البيانات. وبالتالي فإن القول المأثور "إدخال قمامة ، قم بإخراج القمامة" سيكون ذا مغزى أكبر في السنوات القادمة.

كما تعلم ، تعد إدارة البيانات مشكلة كبيرة في التسويق. في كثير من الأحيان ، لدينا أنظمة قديمة تولد بيانات لا "تتصل" بالبيانات من الأنظمة الأخرى. أو لدينا بيانات غير منظمة ، وبالتالي لا يمكن معالجتها بواسطة برنامج التعلم الآلي.

تعريف Google للتعلم الآلي هو "استخدام البيانات للإجابة على الأسئلة". هذا تفسير ممتاز وواضح ، وإذا كنت تفكر بالفعل في جودة البيانات وتنظيمها ، فإنه يمنحك فكرة كبيرة حول مدى تنظيم ودقة بياناتك قبل أن يتمكن أي شخص من طرح الأسئلة عنها.

بعد كل شيء ... كم عدد التكرارات في قاعدة بيانات احتمالية لديك؟ هل لديك كل صورة استخدمتها من قبل في التسويق في قبو للمحتوى ، مرتبة حسب تنسيق الملف ، والموضوع ، والعلامات المتعددة ، والمبدعين ، وأين تم استخدام تلك الصورة؟

هذه بيانات منظمة. وهو جزء مهم من الحماية المستقبلية لشركتك حتى تتمكن من القيام بسحر خيالي باستخدام الذكاء الاصطناعي لاحقًا - أو مع التعلم الآلي والأتمتة هذا العام.

3. تحديد الأهداف.

الآلات رائعة. يفعلون بالضبط ما تخبرهم به. ولا شيء غير ذلك. هذا يمكن أن يكون متواضعا جدا.

لقد درست لغة Perl (لغة برمجة) منذ حوالي عشرين عامًا وأدركت على الفور أنه إذا حدث خطأ ما ، فلم يكن ذلك خطأ في الكود أو الجهاز. كان لي. إذا لم أستخدم المشغل الصحيح ، أو فاتني فاصلة في مكان ما ، فإن الآلة ستعمل وفقًا لإرشاداتي ... والتي لن تتطابق مع ما أردت فعله بالفعل.

لن يضطر معظمنا إلى البرمجة مباشرةً (شكرًا جزيلاً لجميع التطبيقات التي تسمح لنا أساسًا بالبرمجة من خلال واجهات WYSIWYG الودية الخاصة بهم). لكن علينا الحصول على تعليماتنا بشكل صحيح.

لذلك إذا حددت عميلاً محتملاً مؤهلاً للتسويق لتطبيق التعلم الآلي الخاص بك بطريقة معينة ، فسيتم العثور على أشخاص بناءً على تلك الإرشادات بالضبط. إذا كانت تعليماتك معيبة ، فستكون نتائجك معيبة. لا تلوم التطبيق.

هذا أمر بالغ الأهمية لفهم ما إذا كنت تريد إعداد أنظمة مؤتمتة بالبيانات. يجب أن تكون البيانات دقيقة ومقروءة. ثم يجب أن تكون التعليمات التي تعطيها للآلة للقيام بعملها صحيحة.

إذا أعطيت آلة تعليمات سيئة ، فلن تصححها (ما لم يكتب شخص ما بعض التعليمات البرمجية للتحقق من تعليماتك). سيكون من واجبك فقط القيام بالمزايدة ، والعودة ، على سبيل المثال ، الجمهور الخطأ لحملتك الإعلانية الجديدة. قد لا تدرك أن تعليماتك كانت سيئة حتى تخبرك المبيعات بعد ثلاثة أشهر ، "العملاء المحتملون من تلك الحملة كانوا فظيعين."

هناك مستوى آخر لهذا أيضًا: يجب أن نكون قادرين على تحديد أهدافنا.

لذلك عندما نقول "أريد تحسين تجربة العميل" ، فهذا رائع ... ولكن كيف يمكنك تحديد ذلك للكمبيوتر؟ ستحتاج إلى بعض القياسات المحددة جدًا والمدخلات المحددة جدًا لتتبع تلك القياسات قبل أن يبدأ الكمبيوتر في تحسين تجربة العميل.

أجهزة الكمبيوتر هي حبيبات محيرة للعقل. لا يمكنهم الوصول إلى الاستدلالات والاستنتاجات التي يتوصل إليها البشر دون عناء. لهذا السبب نحافظ على وظائفنا ، ولكنه أيضًا عمل مخيف للمبرمجين - لتقسيم الأهداف السامية إلى صواميل ومسامير برمجية.

إذا كنت ترغب في إثبات تسويقك في المستقبل ، فستحتاج إلى الحصول على كل تلك المكسرات والمسامير - تلك الأهداف والتعريفات - التي تم الاتصال بها أولاً.

4. تحسين البحث الصوتي.

نأمل أن نكون ملموسين بدرجة كافية في اقتراحاتنا حتى الآن. ولكن إذا لم يكن الأمر كذلك ، فإليك توجيهًا واضحًا للغاية: ابدأ في تحسين البحث الصوتي.

هذا هو أحد جوانب الذكاء الاصطناعي الموجود هنا بالفعل. كما ذكرت كادي كونديلز في "الذكاء الاصطناعي أذكى منك: تكييف إستراتيجية البيع بالتجزئة الخاصة بك لمواكبة" ، (عرضها الرئيسي في Hero Conf London) بحلول عام 2020 ، سيكون 30٪ من تصفح الويب بلا شاشة - يتم ذلك عبر مساعدين صوتيين رقميين.

يعد التعرف على الصوت أحد أهم التطورات التي شهدها الذكاء الاصطناعي حتى الآن. البحث هو إنجاز رئيسي آخر للذكاء الاصطناعي. لذلك إذا كنت ترغب في وضع علامتك التجارية وتسويقك للذكاء الاصطناعي ، فهناك مكان واحد محدد للغاية لتركيز جهودك: البحث الصوتي.

يعد تحسين البحث الصوتي في الواقع مجرد مثال على نقطة سابقة تمت مناقشتها هنا: تنظيف بياناتك. اجعله في متناول الآلات. إن تحسين موقع الويب للبحث الصوتي هو بالضبط ما يلي: أخذ مزيج من البيانات (مواقعنا الإلكترونية) وتقطيرها في شيء يمكن للتعلم الآلي أو تطبيق AI تحليله.

من بين توصيات Cady الأخرى ، "استخدام الذكاء الاصطناعي القائم على النية لتحديد المتسوقين والوصول إليهم" مثالاً عكسيًا على هذا المبدأ. إذا كنت تستخدم الذكاء الاصطناعي القائم على النية للتواصل مع البشر ، فستحتاج إلى التوصيل بنظام قام بمعالجة بيتابايت من البيانات من المتصفحات البشرية وتقطيرها في تطبيق التعلم الآلي.

هنا مرة أخرى ، تم تجميع البيانات الأولية في تطبيق يمكنه التعرف على الأنماط والتوصية بالإجراءات.

خواطر ختامية

سيكون هناك المزيد والمزيد من هذا مع أخذ مجموعات ضخمة من البيانات وإيجاد الأنماط والاتجاهات فيها. وهذا جيد - يحتاج التعلم الآلي والذكاء الاصطناعي إلى الكثير من البيانات للعمل. إنهم بحاجة إلى بيئات يمكن التنبؤ بها ومهام متسقة للتألق حقًا.

وهذا هو بالضبط سبب عدم ذهاب المسوقين البشريين إلى أي مكان. يمكننا نحن البشر العمل بشكل جيد مع بيانات محدودة. يمكننا أن نتكيف بسرعة مع المواقف الجديدة ، ونحن بارعون في تحقيق قفزات معرفية كبيرة. الآلات ليست هناك بعد.

اعتمادات الصورة

الصورة الرئيسية: Unsplash / Franck V
الصورة 1: عبر كتاب التعلم الآلي الخاص بشركة Acquisio