AIの時代にマーケティングを将来にわたって保証する方法

人工知能はもはや光沢のある新しいものではありません。 しばらくここにいます。 Google検索を実行したり、推奨される製品、記事、または映画をクリックしたりした場合は、それを操作したことになります。

あなたがマーケターなら、あなたはおそらくすでにそれを使っているでしょう。 Google広告、Bing、またはFacebookでの広告はAIと連携しています。

ですから、「機械の台頭」に立ち向かうのはやめましょう。 マシンはここにあり、それらは本当に非常に従順です。 彼らは、マーケティングの最も退屈なタスクのいくつかを自動化するのに優れています。

問題は、この自動化はどこに向かっているのかということです。 マシンはいくつのタスクを引き継ぎますか？ 彼らが進化するにつれて、あなたの仕事はどのようになりますか？ そして、それを最大限に活用するために、あなた自身とあなたの会社をどのように位置づけることができますか？

答えはあなたが思っているよりも簡単です。 しかし、それは4つの部分からなる答えです。

1.教育を受ける。

ポップクイズ：機械学習と人工知能の違いは何ですか？

ほとんどのマーケターはそれに対する答えをガタガタ鳴らすことはできません。 AIは機械学習よりも洗練されており、機械学習はAIのサブセットであることはおそらくご存知でしょう…。 しかし、そこから物事は曖昧になります。

これが1つの定義です：

AIは、システムが人間のような知能を実証できるようにするテクノロジーです。機械学習は、データでトレーニングされた数学モデルを使用して意思決定を行うAIの一種です。 より多くのデータが利用可能になると、MLモデルはより適切な決定を下すことができます。

正直なところ、実際のマーケティングアプリケーション（今後3年間で仕事で目にするもの）の場合、マーケターはおそらく今のところ真の人工知能についてあまり心配する必要はありません。 グーグル広告は冗談を言い始めるつもりはない。 しかし、自動化と同様に、機械学習は間違いなく機能しています。

これは良いことです。 適切に管理された機械学習は、はるかに効率的かつ効果的になります。 たとえば、PPCの入札と予算の管理ツールは、本格的な機械学習を使用して入札と予算を管理します。

私たちの電子ブックとして、「自動入札エッセンシャルのエージェンシーガイド」は次のように説明しています。

単純な自動入札は、特定のトリガーに応じて、PPC入札を特定の金額だけ増減する一連のルールにコンピューターを従わせることで構成されます。 このタイプの自動化は学習せず、事前に設定されたルールに従って実行するだけです。

このレベルの自動入札は、誰かが特定のホワイトペーパーをダウンロードした後、特定の時間に特定の電子メールを送信するように設定されているマーケティング自動化システムとそれほど変わりません。 これは、マーケティング担当者が設定できる事前定義されたアクションであり、そのイベントが発生するたびにソフトウェアが実行されることを期待します。

機械学習ははるかに洗練されています。

「単純な自動入札では、人間が最初に目標CPAを設定する必要がありますが、機械学習システムは、クリック数とコンバージョン数を最大化するために可能な限り低いCPAを達成することを目的としています。」これには、機械学習システムが数十の異なる優先順位とデータを管理する必要があります。入力（「マイクロサービス」と呼びます）を使用して、目的の結果を提供します。

したがって、自動入札はマーケティング担当者が行う必要のある作業量を確実に減らすことができますが、「機械学習は次のことを行います。

• 最大価格上限を下回る平均価格で最も多くのコンバージョンを獲得する
• 予算が全期間続くことを確認してください
• 広告スケジュールで設定された期間中、毎日広告がオークションにかけられていることを確認してください。」

それはまったく別の桁です。 また、AI時代に向けてマーケティングを再構築する場合は、これらのシステムがどのように機能し、詳細に異なるかを理解する必要があります。

機械学習システムがどのように構築されているかについての驚くほど明確な説明については、Googleのビデオシリーズ「AIAdventures」をご覧ください。 シリーズを進めるにつれて、ビデオはより技術的になりますが、最初のビデオは非常にアクセスしやすくなっています。

これがサンプラーです。 このビデオでは、ビールとワインを区別するために機械学習プログラムを設計およびトレーニングする方法を紹介します。

2.データをクリーンアップします。

自動化、機械学習、AIはすべてデータで実行されます。 したがって、「ガベージイン、ガベージアウト」という言葉は、今後さらに意味があります。

ご存知のように、データ管理はマーケティングにおける大きな問題です。 多くの場合、他のシステムのデータと「通信」しないデータを生成するレガシーシステムがあります。 または、構造化されていないため、機械学習プログラムで処理できないデータがあります。

Googleの機械学習の定義は、「データを使用して質問に答える」ことです。 これは優れた明確な説明であり、データの品質と編成についてすでに考えている場合は、誰もが質問する前に、データがどのように編成され、正確である必要があるかについての大きな手がかりが得られます。

結局のところ…見込み客データベースにはいくつの重複があると思いますか？ マーケティングでこれまでに使用したすべての画像が、ファイル形式、件名、複数のタグ、作成者、およびその画像が使用された場所ごとに整理されたコンテンツボールトにありますか？

それが整理されたデータです。 そして、それはあなたの会社の将来を保証する重要な部分です。そうすれば、後でAIを使って、または今年は機械学習と自動化を使って、すばらしい魔法をかけることができます。

3.目標を定義します。

機械は素晴らしいです。 彼らはあなたが彼らに言うことを正確に行います。 何もありません。 これは非常に謙虚になる可能性があります。

私は約20年前にPerl（コーディング言語）を勉強しましたが、何か問題があったとしても、それはコードやハードウェアのせいではないことにすぐに気づきました。 それは私のものでした。 適切な演算子を使用しなかった場合、またはどこかでコンマを見逃した場合、マシンは私の指示に従って忠実かつ完全に実行されます…これは、実際に実行したいこととは一致しません。

私たちのほとんどは直接コーディングする必要はありません（基本的にフレンドリーなWYSIWYGインターフェイスを介してコーディングできるすべてのアプリに感謝します）。 しかし、私たちは指示を正しくする必要があります。

したがって、特定の方法で機械学習アプリケーションへのマーケティング資格のあるリードを定義した場合、それらの指示に基づいて人を見つけることになります。 あなたの指示に欠陥がある場合、あなたの結果は欠陥があります。 アプリケーションのせいにしないでください。

これは、データを使用して自動システムをセットアップするかどうかを理解するために重要です。 データは正確で読み取り可能でなければなりません。 そして、あなたがその仕事をするためにあなたが機械に与える指示は正しくなければなりません。

あなたがマシンに悪い指示を与えた場合、それはあなたを修正しません（誰かがあなたの指示をチェックするためにいくつかのコードを書いたのでない限り）。 たとえば、新しい広告キャンペーンに対して間違ったオーディエンスを返すなど、入札を忠実に行うことができます。 セールスが3か月後に「そのキャンペーンのリードはひどいものだった」と言うまで、指示が悪かったことに気付かないかもしれません。

これには別のレベルもあります。目標を定量化できる必要があります。

それで、「カスタマーエクスペリエンスを向上させたい」と言うとき、それは素晴らしいことです…しかし、コンピューターの場合、それをどのように定量化できますか？ コンピューターが顧客体験を改善し始める前に、それらの測定値を追跡するために、いくつかの非常に特定の測定値と非常に特定の入力が必要になります。

コンピューターは驚くほどきめ細かいものです。 彼らは、人間がそれほど苦労せずに行う推論や結論を出すことはできません。 それが私たちが仕事を続ける理由ですが、それはプログラマーの恐ろしい仕事でもあります–高尚な目標をプログラムの要点に分解することです。

マーケティングの将来性を保証したい場合は、最初にこれらすべての要点（目標と定義）をダイヤルインする必要があります。

4.音声検索用に最適化します。

うまくいけば、これまでの提案で十分具体的でした。 しかし、そうでない場合は、非常に明確な指示があります。音声検索の最適化を開始します。

これは間違いなくすでにここにあるAIの1つの側面です。 CadyCondylesが2020年までに「AIはあなたより賢い：小売戦略を維持するための適応」（Hero Conf Londonでの基調講演）で述べたように、Webブラウジングの30％は画面なしで、デジタル音声アシスタントを介して行われます。

音声認識は、これまでのAIの最も意味のある開発の1つです。 検索は、AIのもう1つの重要な成果です。 したがって、AIのブランドとマーケティングを位置付けたい場合、努力を集中するための非常に具体的な場所が1つあります。それは音声検索です。

音声検索の最適化は、実際には、ここで説明した以前のポイントのほんの一例です。データをクリーンアップします。 マシンからアクセスできるようにします。 音声検索用にWebサイトを最適化することは、まさにそれです。データのミッシュマッシュ（当社のWebサイト）を取得し、それを機械学習またはAIアプリケーションが解析できるものに抽出します。

「インテントベースのAIを使用して買い物客を特定し、リーチする」というCadyの推奨事項のもう1つは、この原則の逆の例です。 インテントベースのAIを使用して人間と通信する場合は、人間のブラウザからのペタバイトのデータを処理し、それを機械学習アプリケーションに抽出したシステムに接続する必要があります。

ここでも、生データは、パターンを認識してアクションを推奨できるアプリケーションに統合されています。

まとめ

膨大なデータセットを取得し、それらのパターンと傾向を見つけることはますます増えるでしょう。 そして、それは良いことです。機械学習とAIが機能するには、大量のデータが必要です。 彼らは本当に輝くために予測可能な環境と一貫したタスクを必要としています。

だからこそ、人間のマーケターはどこにも行かないのです。 私たち人間は限られたデータで非常にうまく機能することができます。 私たちは新しい状況にすばやく適応することができ、大きな認知的飛躍を遂げるのが得意です。 マシンはまだありません。

画像クレジット

フィーチャー画像：Unsplash / Franck V
画像1：Acquisioの機械学習eBook経由