Jak zabezpieczyć swój marketing na przyszłość w erze sztucznej inteligencji

Sztuczna inteligencja nie jest już błyszczącą nowością. Jest tu od jakiegoś czasu. Jeśli przeprowadziłeś wyszukiwanie w Google lub kliknąłeś zalecany produkt, artykuł lub film, wchodzisz w interakcję z nim.

Jeśli jesteś marketerem, prawdopodobnie już z nim pracowałeś. Reklama w Google Ads, Bing czy Facebooku współpracuje ze sztuczną inteligencją.

Przestań więc szykować się na „wzrost maszyn”. Maszyny są tutaj i są naprawdę bardzo posłuszne. Świetnie radzą sobie z automatyzacją niektórych najnudniejszych zadań marketingowych.

Pytanie brzmi, dokąd zmierza cała ta automatyzacja? Ile zadań przejmą maszyny? Jaka będzie Twoja praca, gdy będą ewoluować? A jak możesz pozycjonować siebie i swoją firmę, aby jak najlepiej to wykorzystać?

Odpowiedź jest prostsza niż myślisz. Ale jest to odpowiedź czteroczęściowa.

1. Zdobądź wykształcenie.

Pop quiz: Jaka jest różnica między uczeniem maszynowym a sztuczną inteligencją?

Większość marketerów nie może znaleźć odpowiedzi na to pytanie. Prawdopodobnie wiemy, że sztuczna inteligencja jest bardziej wyrafinowana niż uczenie maszynowe i że uczenie maszynowe jest podzbiorem sztucznej inteligencji…. ale stamtąd robi się niejasno.

Oto jedna definicja:

Sztuczna inteligencja to dowolna technologia, która umożliwia systemowi zademonstrowanie inteligencji podobnej do ludzkiej… Uczenie maszynowe to jeden z rodzajów sztucznej inteligencji, który wykorzystuje modele matematyczne wyszkolone na danych do podejmowania decyzji. W miarę dostępności większej ilości danych modele ML mogą podejmować lepsze decyzje.

Szczerze mówiąc, w przypadku rzeczywistych zastosowań marketingowych – rzeczy, które zobaczysz w pracy w ciągu najbliższych trzech lat – marketerzy prawdopodobnie nie muszą się teraz zbytnio martwić o prawdziwą sztuczną inteligencję. Google Ads nie zacznie opowiadać dowcipów. Ale uczenie maszynowe jest zdecydowanie w grze, podobnie jak automatyzacja.

To coś dobrego. Dobrze zarządzane uczenie maszynowe może sprawić, że będziesz bardziej wydajny i efektywny. Na przykład nasze narzędzie do zarządzania stawkami i budżetem PPC wykorzystuje w pełni rozwinięte systemy uczące się do zarządzania stawkami i budżetami.

Jak wyjaśnia nasz e-book „Przewodnik dla agencji po Podstawach automatycznego określania stawek”:

Proste automatyczne licytowanie polega na umożliwieniu komputerowi przestrzegania zestawu reguł, które w reakcji na określone czynniki zwiększą lub zmniejszą stawki PPC o określone kwoty. Ten rodzaj automatyzacji nie uczy się, po prostu działa zgodnie z ustalonymi regułami.

Ten poziom automatycznego określania stawek nie różni się tak bardzo od systemu automatyzacji marketingu, który jest ustawiony na wysyłanie określonej wiadomości e-mail o określonej godzinie po pobraniu przez kogoś określonego dokumentu. Jest to wstępnie zdefiniowane działanie, które marketer może ustawić, a następnie oczekiwać, że oprogramowanie będzie wykonywane za każdym razem, gdy nastąpi to zdarzenie.

Uczenie maszynowe jest znacznie bardziej wyrafinowane.

„Podczas gdy proste automatyczne określanie stawek wymaga, aby człowiek najpierw ustalił docelowy CPA, system uczenia maszynowego dąży do uzyskania najniższego możliwego CPA dla jak największej liczby kliknięć i konwersji”. Wymaga to od systemu uczenia maszynowego zarządzania dziesiątkami różnych priorytetów i danych dane wejściowe („mikrousługi”, jak je nazywamy), aby dostarczyć pożądany rezultat.

Tak więc, chociaż automatyczne określanie stawek może z pewnością zmniejszyć ilość pracy, jaką musi wykonać marketer, „uczenie maszynowe:

• Uzyskaj najwięcej konwersji po średniej cenie poniżej maksymalnego limitu cen
• Upewnij się, że budżet wystarcza na cały okres
• Upewnij się, że każdego dnia reklamy są w aukcji przez cały czas określony w harmonogramie reklam”

To zupełnie inny rząd wielkości. A jeśli zamierzamy przebudować nasz marketing w erze sztucznej inteligencji, musimy zrozumieć, jak te systemy działają i różnią się w szczegółach.

Aby uzyskać zaskakująco jasne wyjaśnienie budowy systemów uczenia maszynowego, obejrzyj serię filmów Google „AI Adventures”. W miarę postępów w serii filmy stają się coraz bardziej techniczne, ale pierwsze są bardzo przystępne.

Oto próbnik. W tym filmie zobaczysz, jak można zaprojektować i wyszkolić program uczenia maszynowego w celu rozróżniania piwa i wina.

2. Oczyść swoje dane.

Automatyzacja, uczenie maszynowe i sztuczna inteligencja działają na danych. I tak powiedzenie „śmieci wchodzą, śmieci wychodzą” nabierze jeszcze większego znaczenia w nadchodzących latach.

Jak wiecie, zarządzanie danymi to ogromny problem w marketingu. Często mamy starsze systemy, które generują dane, które nie „rozmawiają” z danymi z innych systemów. Lub mamy dane, które są nieustrukturyzowane, a zatem nie mogą być przetwarzane przez program uczenia maszynowego.

Definicja uczenia maszynowego Google to „wykorzystywanie danych do odpowiadania na pytania”. Jest to doskonałe, jasne wyjaśnienie, a jeśli już myślisz o jakości i organizacji danych, daje to dużą wskazówkę, jak uporządkowane i dokładne będą musiały być Twoje dane, zanim ktokolwiek będzie mógł zadać im pytania.

W końcu… jak myślisz, ile duplikatów znajduje się w Twojej bazie danych potencjalnych klientów? Czy masz wszystkie obrazy, których kiedykolwiek używałeś w marketingu, w skarbcu treści, uporządkowane według formatu pliku, tematu, wielu tagów, twórców i miejsca, w którym ten obraz został użyty?

To uporządkowane dane. I jest to kluczowa część zabezpieczenia Twojej firmy na przyszłość, dzięki czemu możesz później robić wymyślną magię za pomocą sztucznej inteligencji — lub w tym roku z uczeniem maszynowym i automatyzacją.

3. Zdefiniuj cele.

Maszyny są świetne. Robią dokładnie to, co im każesz. I nic więcej. To może być bardzo upokarzające.

Studiowałem Perl (język kodowania) jakieś dwadzieścia lat temu i od razu zdałem sobie sprawę, że jeśli coś poszło nie tak, to nie była to wina kodu ani sprzętu. To było moje. Gdybym nie użył odpowiedniego operatora lub po prostu przeoczyłem gdzieś przecinek, maszyna sumiennie i perfekcyjnie wykonywałaby się zgodnie z moimi instrukcjami… co nie byłoby zgodne z tym, czego naprawdę chciałem.

Większość z nas nie będzie musiała kodować bezpośrednio (ogromne podziękowania dla wszystkich aplikacji, które w zasadzie pozwalają nam kodować za pomocą przyjaznych interfejsów WYSIWYG). Ale musimy postępować zgodnie z naszymi instrukcjami.

Jeśli więc w określony sposób zdefiniowałeś kwalifikowanego leada marketingowego do swojej aplikacji do uczenia maszynowego, znajdzie on ludzi na podstawie dokładnie tych instrukcji. Jeśli twoje instrukcje są błędne, twoje wyniki będą błędne. Nie obwiniaj aplikacji.

Ma to kluczowe znaczenie, jeśli chcesz skonfigurować zautomatyzowane systemy z danymi. Dane muszą być dokładne i czytelne. A potem instrukcje, które dajesz maszynie, aby wykonały swoją pracę, muszą być poprawne.

Jeśli dasz maszynie złe instrukcje, nie poprawi cię (chyba że ktoś napisał jakiś kod, aby sprawdzić twoje instrukcje). Po prostu sumiennie wykonasz licytację, zwracając, powiedzmy, niewłaściwych odbiorców do nowej kampanii reklamowej. Możesz nie zdawać sobie sprawy, że twoje instrukcje były złe, dopóki Sales trzy miesiące później nie powie ci: „Leady z tej kampanii były okropne”.

Jest w tym również inny poziom: musimy być w stanie określić ilościowo nasze cele.

Więc kiedy mówimy „Chcę poprawić jakość obsługi klienta”, to świetnie… ale jak możesz to określić ilościowo dla komputera? Będziesz potrzebować bardzo konkretnych pomiarów i bardzo konkretnych danych wejściowych, aby śledzić te pomiary, zanim komputer zacznie poprawiać wrażenia klientów.

Komputery są niesamowicie szczegółowe; nie mogą wyciągać wniosków i wniosków, które ludzie wyciągają bez wysiłku. Właśnie dlatego możemy zachować swoje posady, ale jest to także zastraszająca praca programistów – rozkładanie wzniosłych celów na programowe nakrętki i śruby.

Jeśli chcesz zabezpieczyć swój marketing na przyszłość, musisz najpierw wybrać wszystkie te nakrętki i śruby – te cele i definicje.

4. Zoptymalizuj wyszukiwanie głosowe.

Mamy nadzieję, że do tej pory nasze sugestie były wystarczająco konkretne. Ale jeśli nie, oto bardzo jasna dyrektywa: zacznij optymalizować wyszukiwanie głosowe.

To jeden z aspektów sztucznej inteligencji, który już tu jest. Jak wspomniała Cady Condyles w artykule „Sztuczna inteligencja jest mądrzejsza niż ty: dostosowywanie strategii sprzedaży detalicznej, aby nadążać” (jej główna prezentacja na Hero Conf London) do 2020 r., 30% przeglądania stron internetowych będzie odbywało się bez ekranu – za pośrednictwem cyfrowych asystentów głosowych.

Rozpoznawanie głosu jest jak dotąd jednym z najbardziej znaczących osiągnięć sztucznej inteligencji. Wyszukiwanie to kolejne kluczowe osiągnięcie AI. Jeśli więc chcesz pozycjonować swoją markę i marketing pod kątem sztucznej inteligencji, jest jedno bardzo konkretne miejsce, w którym możesz skoncentrować swoje wysiłki: wyszukiwanie głosowe.

Optymalizacja wyszukiwania głosowego jest w rzeczywistości tylko przykładem omówionego wcześniej punktu: wyczyść swoje dane. Uczyń go dostępnym dla maszyn. Optymalizacja witryny pod kątem wyszukiwania głosowego polega właśnie na tym: zebraniu miszmaszu danych (naszych witryn) i przekształceniu ich w coś, co może przeanalizować uczenie maszynowe lub aplikacja AI.

Kolejna rekomendacja Cady, aby „używać sztucznej inteligencji opartej na intencji do identyfikowania i docierania do kupujących” jest przykładem odwróconej zasady. Jeśli używasz sztucznej inteligencji opartej na intencjach do komunikowania się z ludźmi, musisz podłączyć się do systemu, który przetworzył petabajty danych z ludzkich przeglądarek i przekształcił je w aplikację uczenia maszynowego.

Tutaj ponownie surowe dane zostały zsyntetyzowane w aplikacji, która może rozpoznawać wzorce i zalecać działania.

Myśli zamykające

Będzie tego coraz więcej, biorąc ogromne zbiory danych i znajdując w nich wzorce i trendy. I to dobrze – uczenie maszynowe i sztuczna inteligencja potrzebują do działania dużej ilości danych. Potrzebują przewidywalnych środowisk i spójnych zadań, aby naprawdę zabłysnąć.

Właśnie dlatego ludzie zajmujący się marketingiem nigdzie się nie wybierają. My, ludzie, możemy całkiem dobrze funkcjonować przy ograniczonych danych. Potrafimy szybko dostosować się do nowych sytuacji i jesteśmy świetni w dokonywaniu dużych skoków poznawczych. Maszyn jeszcze tam nie ma.

Kredyty obrazkowe

Główny obraz: Unsplash / Franck V
Obraz 1: za pośrednictwem e-booka o uczeniu maszynowym firmy Acquisio