Come rendere a prova di futuro il tuo marketing nell'era dell'intelligenza artificiale

L'intelligenza artificiale non è più una novità brillante. È qui da un po'. Se hai eseguito una ricerca su Google o fatto clic su un prodotto, articolo o film consigliato, hai interagito con esso.

Se sei un marketer, probabilmente ci hai già lavorato. La pubblicità su Google Ads, Bing o Facebook funziona con l'IA.

Quindi smettila di prepararti contro "l'ascesa delle macchine". Le macchine sono qui e sono davvero abbastanza obbedienti. Sono bravissimi nell'automatizzare alcune delle attività più noiose del marketing.

La domanda è: dove sta andando tutta questa automazione? Quante attività assumeranno le macchine? Come sarà il tuo lavoro man mano che si evolvono? E come puoi posizionare te stesso e la tua azienda per trarne il massimo?

La risposta è più semplice di quanto pensi. Ma è una risposta in quattro parti.

1. Informati.

Pop quiz: qual è la differenza tra apprendimento automatico e intelligenza artificiale?

La maggior parte dei marketer non riesce a snocciolare una risposta a questo. Probabilmente sappiamo che un'IA è più sofisticata dell'apprendimento automatico e che l'apprendimento automatico è un sottoinsieme dell'IA…. ma le cose diventano oscure da lì.

Ecco una definizione:

L'intelligenza artificiale è qualsiasi tecnologia che consente a un sistema di dimostrare un'intelligenza simile a quella umana... L'apprendimento automatico è un tipo di intelligenza artificiale che utilizza modelli matematici addestrati sui dati per prendere decisioni. Man mano che diventano disponibili più dati, i modelli ML possono prendere decisioni migliori.

Onestamente, per le applicazioni di marketing del mondo reale – cose che vedrai sul lavoro nei prossimi tre anni – gli esperti di marketing probabilmente non devono preoccuparsi troppo della vera intelligenza artificiale in questo momento. Google Ads non inizierà a raccontare barzellette. Ma l'apprendimento automatico è sicuramente in gioco, così come l'automazione.

Questa è una buona cosa. Gestito bene, l'apprendimento automatico può renderti molto più efficiente ed efficace. Ad esempio, il nostro strumento di gestione del budget e delle offerte PPC utilizza il machine learning completo per gestire offerte e budget.

Come spiega il nostro ebook, "The Agency Guide to Automated Bidding Essentials",

La semplice offerta automatizzata consiste nel lasciare che un computer segua una serie di regole che, in reazione a determinati trigger, aumenteranno o diminuiranno le offerte PPC di determinati importi. Questo tipo di automazione non apprende, si esegue semplicemente secondo regole prestabilite.

Questo livello di offerta automatizzata non è così diverso da un sistema di automazione del marketing impostato per inviare una particolare e-mail in un determinato momento dopo che qualcuno ha scaricato un determinato white paper. È un'azione predefinita che un marketer può impostare e quindi aspettarsi che il software venga eseguito ogni volta che si verifica quell'evento.

L'apprendimento automatico è molto più sofisticato.

"Mentre le semplici offerte automatiche richiedono che un essere umano stabilisca prima un CPA target, un sistema di machine learning mira a ottenere il CPA più basso possibile per il maggior numero di clic e conversioni". Ciò richiede che il sistema di machine learning gestisca dozzine di priorità e dati diversi input ("microservizi", come li chiamiamo noi) per fornire il risultato desiderato.

Quindi, mentre le offerte automatiche possono sicuramente ridurre la quantità di lavoro che un marketer deve fare, "l'apprendimento automatico:

• Ottieni il maggior numero di conversioni a un prezzo medio inferiore al tetto massimo
• Assicurati che il budget duri l'intero periodo
• Assicurati che ogni giorno gli annunci siano all'asta per l'intera durata stabilita dal palinsesto degli annunci"

È tutto un altro ordine di grandezza. E se vogliamo ricostruire il nostro marketing per l'era dell'IA, dobbiamo capire come funzionano questi sistemi e come differiscono in dettaglio.

Per una spiegazione sorprendentemente chiara di come vengono costruiti i sistemi di apprendimento automatico, guarda la serie di video di Google "AI Adventures". I video diventano più tecnici man mano che avanzi nella serie, ma i primi sono molto accessibili.

Ecco un campionatore. In questo video, vedrai come un programma di apprendimento automatico potrebbe essere progettato e addestrato per distinguere tra birra e vino.

2. Pulisci i tuoi dati.

Automazione, apprendimento automatico e intelligenza artificiale funzionano tutti sui dati. E quindi il detto "spazzatura dentro, spazzatura fuori" sarà ancora più significativo nei prossimi anni.

Come sapete, la gestione dei dati è un grosso problema nel marketing. Spesso abbiamo sistemi legacy che generano dati che non "parlano" con i dati di altri sistemi. Oppure abbiamo dati non strutturati e quindi non possono essere elaborati da un programma di apprendimento automatico.

La definizione di Google di machine learning è "usare i dati per rispondere alle domande". Questa è una spiegazione eccellente e chiara e, se stai già pensando alla qualità e all'organizzazione dei dati, ti dà un grande indizio su quanto dovranno essere organizzati e accurati i tuoi dati prima che qualcuno possa porre domande al riguardo.

Dopotutto... quanti duplicati pensi ci siano nel tuo database di potenziali clienti? Hai tutte le immagini che hai mai utilizzato nel marketing in un Content Vault, organizzate per formato di file, oggetto, più tag, creatori e dove è stata utilizzata quell'immagine?

Sono dati organizzati. Ed è una parte fondamentale per rendere la tua azienda a prova di futuro in modo da poter fare magie fantasiose con l'IA in seguito o con l'apprendimento automatico e l'automazione quest'anno.

3. Definisci gli obiettivi.

Le macchine sono fantastiche. Fanno esattamente quello che dici loro di fare. E nient'altro. Questo può essere molto umiliante.

Ho studiato Perl (un linguaggio di programmazione) circa vent'anni fa e ho subito capito che se qualcosa andava storto, non era colpa del codice o dell'hardware. Era mio. Se non avessi usato l'operatore giusto, o avessi semplicemente perso una virgola da qualche parte, la macchina avrebbe eseguito diligentemente e perfettamente secondo le mie indicazioni... il che non corrisponderebbe a ciò che volevo effettivamente che facesse.

La maggior parte di noi non dovrà codificare direttamente (un enorme grazie a tutte le app che ci consentono sostanzialmente di codificare attraverso le loro amichevoli interfacce WYSIWYG). Ma dobbiamo ottenere le nostre istruzioni nel modo giusto.

Quindi, se hai definito un lead qualificato di marketing per la tua applicazione di apprendimento automatico in un modo particolare, troverà persone basate esattamente su quelle istruzioni. Se le tue istruzioni sono errate, i tuoi risultati saranno errati. Non incolpare l'applicazione.

Questo è fondamentale per capire se si desidera configurare sistemi automatizzati con i dati. I dati devono essere accurati e leggibili. E poi le istruzioni che dai alla macchina per fare il suo lavoro devono essere corrette.

Se dai a una macchina istruzioni sbagliate, non ti correggerà (a meno che qualcuno non abbia scritto del codice per controllare le tue istruzioni). Sarà solo doverosamente eseguire le tue offerte, restituendo, ad esempio, il pubblico sbagliato per la tua nuova campagna pubblicitaria. Potresti non renderti conto che le tue istruzioni erano sbagliate fino a quando Sales non ti dice tre mesi dopo: "I lead di quella campagna erano terribili".

C'è anche un altro livello: dobbiamo essere in grado di quantificare i nostri obiettivi.

Quindi, quando diciamo "Voglio migliorare l'esperienza del cliente", è fantastico... ma come puoi quantificarlo per un computer? Avrai bisogno di alcune misurazioni molto specifiche e input molto specifici per tenere traccia di tali misurazioni prima che il computer possa iniziare a migliorare l'esperienza del cliente.

I computer sono incredibilmente granulari; non possono trarre le deduzioni e le conclusioni che gli esseri umani traggono così facilmente. Ecco perché riusciamo a mantenere il nostro lavoro, ma è anche il lavoro intimidatorio dei programmatori: scomporre obiettivi elevati in dadi e bulloni programmatici.

Se vuoi rendere il tuo marketing a prova di futuro, dovrai prima inserire tutti quei dadi e bulloni - quegli obiettivi e definizioni -.

4. Ottimizza per la ricerca vocale.

Speriamo di essere stati abbastanza concreti nei nostri suggerimenti finora. In caso contrario, ecco una direttiva molto chiara: inizia a ottimizzare per la ricerca vocale.

Questo è un aspetto dell'IA che è sicuramente già qui. Come menzionato da Cady Condyles in "AI is Smarter Than You: Adapting your Retail Strategy to Keep Up", (la sua presentazione all'Hero Conf London) entro il 2020, il 30% della navigazione web sarà senza schermo, effettuata tramite assistenti vocali digitali.

Il riconoscimento vocale è finora uno degli sviluppi più significativi dell'IA. La ricerca è un altro risultato chiave dell'IA. Quindi, se vuoi posizionare il tuo marchio e il tuo marketing per l'IA, c'è un posto molto specifico su cui concentrare i tuoi sforzi: la ricerca vocale.

L'ottimizzazione per la ricerca vocale è in realtà solo un esempio di un punto precedente discusso qui: ripulire i dati. Rendilo accessibile alle macchine. L'ottimizzazione di un sito Web per la ricerca vocale è esattamente questo: prendere un miscuglio di dati (i nostri siti Web) e distillarlo in qualcosa che un'applicazione di apprendimento automatico o intelligenza artificiale può analizzare.

Un altro dei consigli di Cady, quello di "usare l'IA basata sulle intenzioni per identificare e raggiungere i tuoi acquirenti" è un esempio di questo principio al contrario. Se utilizzi l'intelligenza artificiale basata sull'intento per comunicare con gli esseri umani, dovrai collegarti a un sistema che ha elaborato petabyte di dati dai browser umani e li ha distillati in un'applicazione di apprendimento automatico.

Anche in questo caso, i dati grezzi sono stati sintetizzati in un'applicazione in grado di riconoscere schemi e consigliare azioni.

Pensieri di chiusura

Ci sarà sempre di più questo prendere enormi set di dati e trovare modelli e tendenze in essi. E questo è positivo: l'apprendimento automatico e l'IA hanno bisogno di molti dati per funzionare. Hanno bisogno di ambienti prevedibili e attività coerenti per brillare davvero.

Questo è esattamente il motivo per cui i marketer umani non vanno da nessuna parte. Noi esseri umani possiamo funzionare abbastanza bene con dati limitati. Possiamo essere veloci nell'adattarci a nuove situazioni e siamo bravi a fare grandi salti cognitivi. Le macchine non ci sono ancora.

Crediti immagine

Immagine in primo piano: Unsplash / Franck V
Immagine 1: tramite l'eBook di apprendimento automatico di Acquisio