Cara Membuktikan Masa Depan Pemasaran Anda di Era AI

Kecerdasan buatan bukan lagi hal baru yang mengkilat. Sudah di sini untuk sementara waktu. Jika Anda telah melakukan Penelusuran Google atau mengeklik produk, artikel, atau film yang direkomendasikan, Anda telah berinteraksi dengannya.

Jika Anda seorang pemasar, Anda mungkin pernah bekerja dengannya. Beriklan di Google Ads, Bing, atau Facebook bekerja dengan AI.

Jadi berhentilah menguatkan diri Anda terhadap "bangkitnya mesin." Mesinnya ada di sini, dan mereka sangat patuh. Mereka hebat dalam mengotomatisasi beberapa tugas pemasaran yang paling membosankan.

Pertanyaannya adalah, kemana semua otomatisasi ini pergi? Berapa banyak tugas yang akan diambil alih oleh mesin? Seperti apa pekerjaan Anda saat mereka berkembang? Dan bagaimana Anda dapat memposisikan diri Anda dan perusahaan Anda untuk memanfaatkannya sebaik mungkin?

Jawabannya lebih sederhana dari yang Anda kira. Tapi itu adalah jawaban empat bagian.

1. Dapatkan Dididik.

Kuis pop: Apa perbedaan antara pembelajaran mesin dan kecerdasan buatan?

Sebagian besar pemasar tidak dapat memberikan jawaban untuk itu. Kita mungkin tahu bahwa AI lebih canggih daripada pembelajaran mesin, dan pembelajaran mesin itu adalah bagian dari AI…. tetapi hal-hal menjadi keruh dari sana.

Berikut salah satu definisinya:

AI adalah teknologi apa pun yang memungkinkan sistem untuk mendemonstrasikan kecerdasan seperti manusia… Machine Learning adalah salah satu jenis AI yang menggunakan model matematika yang dilatih pada data untuk membuat keputusan. Dengan semakin banyaknya data yang tersedia, model ML dapat membuat keputusan yang lebih baik.

Sejujurnya, untuk aplikasi pemasaran dunia nyata – hal-hal yang akan Anda lihat dalam pekerjaan dalam tiga tahun ke depan – pemasar mungkin tidak perlu terlalu khawatir tentang kecerdasan buatan yang sebenarnya saat ini. Google Ads tidak akan mulai menceritakan lelucon. Tetapi pembelajaran mesin pasti berperan, seperti halnya otomatisasi.

Ini adalah hal yang baik. Dikelola dengan baik, pembelajaran mesin dapat membuat Anda jauh lebih efisien dan efektif. Misalnya, alat manajemen anggaran dan tawaran PPC kami menggunakan pembelajaran mesin yang lengkap untuk mengelola tawaran dan anggaran.

Seperti yang dijelaskan dalam ebook kami, “Panduan Agensi untuk Esensi Penawaran Otomatis”,

Penawaran otomatis sederhana terdiri dari membiarkan komputer mengikuti seperangkat aturan yang akan, sebagai reaksi terhadap pemicu tertentu, meningkatkan atau menurunkan tawaran PPC dengan jumlah tertentu. Jenis otomatisasi ini tidak belajar, itu hanya dijalankan sesuai dengan aturan yang telah ditentukan sebelumnya.

Tingkat penawaran otomatis ini tidak jauh berbeda dari sistem otomatisasi pemasaran yang diatur untuk mengirim email tertentu pada waktu tertentu setelah seseorang mengunduh buku putih tertentu. Ini adalah tindakan yang telah ditentukan sebelumnya yang dapat ditetapkan oleh pemasar, dan kemudian mengharapkan perangkat lunak untuk mengeksekusi setiap kali peristiwa itu terjadi.

Pembelajaran mesin jauh lebih canggih.

“Meskipun penawaran otomatis sederhana mengharuskan manusia terlebih dahulu menetapkan BPA target, sistem pembelajaran mesin bertujuan untuk mendapatkan BPA serendah mungkin untuk jumlah klik dan konversi tertinggi.” Hal ini memerlukan sistem pembelajaran mesin untuk mengelola lusinan prioritas dan data yang berbeda. input (“layanan mikro,” demikian kami menyebutnya) untuk memberikan hasil yang diinginkan.

Jadi, meskipun penawaran otomatis tentu dapat mengurangi jumlah pekerjaan yang harus dilakukan pemasar, “pembelajaran mesin akan:

• Dapatkan konversi terbanyak dengan harga rata-rata di bawah batas harga maksimum
• Pastikan bahwa anggaran berlangsung sepanjang periode
• Pastikan bahwa setiap hari iklan di lelang selama durasi yang ditentukan oleh jadwal iklan”

Itu urutan besarnya lainnya. Dan jika kita akan membangun kembali pemasaran kita untuk era AI, kita perlu memahami cara kerja sistem ini dan perbedaannya secara detail.

Untuk penjelasan yang sangat jelas tentang bagaimana sistem pembelajaran mesin dibangun, tonton seri video Google, "Petualangan AI". Video menjadi lebih teknis saat Anda maju melalui seri, tetapi yang pertama sangat mudah diakses.

Berikut samplernya. Dalam video ini, Anda akan melihat bagaimana program pembelajaran mesin dapat dirancang dan dilatih untuk membedakan antara bir dan anggur.

2. Bersihkan Data Anda.

Otomatisasi, pembelajaran mesin, dan AI semuanya berjalan dengan data. Maka pepatah “sampah masuk, sampah keluar” akan lebih bermakna di tahun-tahun mendatang.

Seperti yang Anda ketahui, manajemen data adalah masalah besar dalam pemasaran. Seringkali, kami memiliki sistem lama yang menghasilkan data yang tidak akan "berbicara" dengan data dari sistem lain. Atau kami memiliki data yang tidak terstruktur, sehingga tidak dapat diproses oleh program pembelajaran mesin.

Definisi pembelajaran mesin Google adalah "menggunakan data untuk menjawab pertanyaan". Ini adalah penjelasan yang sangat bagus dan jelas, dan jika Anda sudah memikirkan tentang kualitas dan pengorganisasian data, ini memberi Anda petunjuk besar tentang seberapa terorganisir dan akuratnya data Anda sebelum ada orang yang bertanya tentangnya.

Lagi pula ... berapa banyak duplikat yang menurut Anda ada di database prospek Anda? Apakah Anda memiliki setiap gambar yang pernah Anda gunakan dalam pemasaran di brankas konten, diatur menurut format file, subjek, beberapa tag, pembuat, dan di mana gambar itu bahkan telah digunakan?

Itu data yang terorganisir. Dan itu adalah bagian penting dari pemeriksaan masa depan perusahaan Anda sehingga Anda dapat melakukan keajaiban yang luar biasa dengan AI di kemudian hari – atau dengan pembelajaran mesin dan otomatisasi tahun ini.

3. Tentukan Tujuan.

Mesin sangat bagus. Mereka melakukan persis apa yang Anda suruh mereka lakukan. Dan tidak ada lagi. Ini bisa sangat merendahkan.

Saya mempelajari Perl (bahasa pengkodean) sekitar dua puluh tahun yang lalu dan segera menyadari bahwa jika ada yang salah, itu bukan kesalahan kode atau perangkat kerasnya. Itu milikku. Jika saya tidak menggunakan operator yang tepat, atau hanya melewatkan koma di suatu tempat, mesin akan dengan patuh dan sempurna mengeksekusi sesuai dengan arahan saya…yang tidak akan sesuai dengan apa yang sebenarnya saya inginkan.

Sebagian besar dari kita tidak perlu membuat kode secara langsung (terima kasih banyak untuk semua aplikasi yang pada dasarnya memungkinkan kita membuat kode melalui antarmuka WYSIWYG yang ramah). Tapi kita harus mendapatkan instruksi kita dengan benar.

Jadi, jika Anda telah menentukan prospek yang memenuhi syarat pemasaran untuk aplikasi pembelajaran mesin Anda dengan cara tertentu, itu akan menemukan orang-orang berdasarkan petunjuk tersebut. Jika instruksi Anda cacat, hasil Anda akan cacat. Jangan salahkan aplikasinya.

Ini penting untuk dipahami jika Anda ingin menyiapkan sistem otomatis dengan data. Data harus akurat dan mudah dibaca. Dan kemudian instruksi yang Anda berikan kepada mesin untuk melakukan pekerjaannya harus benar.

Jika Anda memberikan instruksi yang buruk kepada mesin, itu tidak akan memperbaiki Anda (kecuali seseorang telah menulis beberapa kode untuk memeriksa instruksi Anda). Itu hanya akan patuh untuk melakukan penawaran Anda, mengembalikan, katakanlah, audiens yang salah untuk kampanye iklan baru Anda. Anda mungkin tidak menyadari bahwa instruksi Anda buruk sampai Sales memberi tahu Anda tiga bulan kemudian, “Prospek dari kampanye itu sangat buruk.”

Ada tingkat lain untuk ini juga: kita harus mampu mengukur tujuan kita.

Jadi ketika kita mengatakan "Saya ingin meningkatkan pengalaman pelanggan," itu bagus... tapi bagaimana Anda bisa mengukurnya untuk komputer? Anda akan memerlukan beberapa pengukuran yang sangat spesifik dan masukan yang sangat spesifik untuk melacak pengukuran tersebut sebelum komputer dapat mulai meningkatkan pengalaman pelanggan.

Komputer sangat granular; mereka tidak dapat membuat kesimpulan dan kesimpulan yang dibuat manusia dengan begitu mudah. Itulah mengapa kami dapat mempertahankan pekerjaan kami, tetapi ini juga merupakan pekerjaan yang mengintimidasi para programmer – untuk memecah tujuan yang tinggi menjadi mur dan baut program.

Jika Anda ingin membuktikan pemasaran Anda di masa depan, Anda harus mendapatkan semua mur dan baut itu – tujuan dan definisi tersebut – dipanggil terlebih dahulu.

4. Optimalkan untuk Pencarian Suara.

Mudah-mudahan kami sudah cukup konkret dalam saran kami sejauh ini. Tetapi jika tidak, inilah arahan yang sangat jelas: mulailah mengoptimalkan pencarian suara.

Ini adalah salah satu aspek AI yang pasti sudah ada di sini. Seperti yang disebutkan Cady Condyles dalam “AI Lebih Cerdas dari Anda: Menyesuaikan Strategi Ritel Anda untuk Mengikuti”, (presentasi utamanya di Hero Conf London) pada tahun 2020, 30% penjelajahan web tidak akan menggunakan layar – dilakukan melalui asisten suara digital.

Pengenalan suara adalah salah satu perkembangan AI yang paling berarti sejauh ini. Pencarian adalah pencapaian AI utama lainnya. Jadi, jika Anda ingin memposisikan merek dan pemasaran Anda untuk AI, ada satu tempat yang sangat spesifik untuk memfokuskan upaya Anda: pencarian suara.

Mengoptimalkan pencarian suara sebenarnya hanyalah contoh dari poin sebelumnya yang dibahas di sini: bersihkan data Anda. Buat itu dapat diakses oleh mesin. Mengoptimalkan situs web untuk pencarian suara persis seperti itu: mengambil data yang tidak lengkap (situs web kami) dan menyaringnya menjadi sesuatu yang dapat diurai oleh pembelajaran mesin atau aplikasi AI.

Salah satu rekomendasi Cady lainnya, untuk “menggunakan AI berbasis niat untuk mengidentifikasi dan menjangkau pembeli Anda” adalah contoh dari prinsip ini secara terbalik. Jika Anda menggunakan AI berbasis niat untuk berkomunikasi dengan manusia, Anda harus menyambungkan ke sistem yang telah memproses petabyte data dari browser manusia dan menyaringnya menjadi aplikasi pembelajaran mesin.

Di sini sekali lagi, data mentah telah disintesis menjadi aplikasi yang dapat mengenali pola dan merekomendasikan tindakan.

Pikiran Penutup

Akan ada lebih banyak lagi yang mengambil set data besar dan menemukan pola dan tren di dalamnya. Dan itu bagus – pembelajaran mesin dan AI membutuhkan banyak data untuk bekerja. Mereka membutuhkan lingkungan yang dapat diprediksi dan tugas yang konsisten untuk benar-benar bersinar.

Itulah mengapa pemasar manusia tidak ke mana-mana. Kita manusia dapat berfungsi cukup baik dengan data yang terbatas. Kita bisa cepat beradaptasi dengan situasi baru, dan kita hebat dalam membuat lompatan kognitif yang besar. Mesinnya belum ada.

Kredit Gambar

Gambar Fitur: Unsplash / Franck V
Gambar 1: melalui eBook Pembelajaran Mesin Acquisio