Como preparar seu marketing para o futuro na era da IA

A inteligência artificial não é mais uma coisa nova e brilhante. Está aqui há um tempo. Se você fez uma Pesquisa Google ou clicou em um produto, artigo ou filme recomendado, você interagiu com ele.

Se você é um profissional de marketing, provavelmente já trabalhou com isso. A publicidade no Google Ads, Bing ou Facebook está funcionando com IA.

Portanto, pare de se preparar contra “a ascensão das máquinas”. As máquinas estão aqui e são realmente muito obedientes. Eles são ótimos em automatizar algumas das tarefas mais chatas do marketing.

A questão é: para onde está indo toda essa automação? Quantas tarefas as máquinas assumirão? Como será o seu trabalho à medida que eles evoluem? E como você pode se posicionar e sua empresa para aproveitar ao máximo?

A resposta é mais simples do que você imagina. Mas é uma resposta em quatro partes.

1. Seja educado.

Pop quiz: Qual é a diferença entre machine learning e inteligência artificial?

A maioria dos profissionais de marketing não consegue responder a isso. Provavelmente sabemos que uma IA é mais sofisticada que o aprendizado de máquina e que o aprendizado de máquina é um subconjunto de IA…. mas as coisas ficam obscuras a partir daí.

Aqui está uma definição:

AI é qualquer tecnologia que permite que um sistema demonstre inteligência semelhante à humana… Machine Learning é um tipo de AI que usa modelos matemáticos treinados em dados para tomar decisões. À medida que mais dados se tornam disponíveis, os modelos de ML podem tomar melhores decisões.

Honestamente, para aplicativos de marketing do mundo real – coisas que você verá no trabalho nos próximos três anos – os profissionais de marketing provavelmente não precisam se preocupar muito com a verdadeira inteligência artificial agora. O Google Ads não vai começar a contar piadas. Mas o aprendizado de máquina está definitivamente em jogo, assim como a automação.

Isto é uma coisa boa. Bem gerenciado, o aprendizado de máquina pode torná-lo muito mais eficiente e eficaz. Por exemplo, nossa ferramenta de gerenciamento de orçamento e lances de PPC usa aprendizado de máquina completo para gerenciar lances e orçamentos.

Como explica nosso e-book, "The Agency Guide to Automated Bidding Essentials",

O lance automático simples consiste em deixar um computador seguir um conjunto de regras que, em reação a determinados gatilhos, aumentarão ou diminuirão os lances PPC em determinados valores. Esse tipo de automação não aprende, simplesmente executa de acordo com regras pré-estabelecidas.

Esse nível de lances automatizados não é tão diferente de um sistema de automação de marketing configurado para enviar um determinado e-mail em um determinado momento depois que alguém fez o download de um determinado white paper. É uma ação predefinida que um profissional de marketing pode definir e esperar que o software seja executado toda vez que esse evento acontecer.

O aprendizado de máquina é muito mais sofisticado.

“Enquanto os lances automatizados simples exigem que um humano primeiro estabeleça um CPA desejado, um sistema de aprendizado de máquina visa obter o CPA mais baixo possível para o maior número de cliques e conversões.” Isso exige que o sistema de aprendizado de máquina gerencie dezenas de prioridades e dados diferentes insumos (“microsserviços”, como os chamamos) para entregar o resultado desejado.

Portanto, embora os lances automatizados possam certamente reduzir a quantidade de trabalho que um profissional de marketing precisa fazer, “o aprendizado de máquina irá:

• Obtenha o maior número de conversões a um preço médio abaixo do preço máximo
• Garantir que o orçamento dure todo o período
• Certifique-se de que todos os dias os anúncios estejam no leilão durante toda a duração definida pela programação de anúncios”

Essa é uma outra ordem de magnitude. E se vamos reconstruir nosso marketing para a era da IA, precisamos entender como esses sistemas funcionam e diferem em detalhes.

Para uma explicação surpreendentemente clara de como os sistemas de aprendizado de máquina são construídos, assista à série de vídeos do Google, “AI Adventures”. Os vídeos ficam mais técnicos à medida que você avança na série, mas os primeiros são muito acessíveis.

Aqui está um amostrador. Neste vídeo, você verá como um programa de aprendizado de máquina pode ser projetado e treinado para distinguir entre cerveja e vinho.

2. Limpe seus dados.

Automação, aprendizado de máquina e IA são executados em dados. E assim o ditado “entrar lixo, sair lixo” será ainda mais significativo nos próximos anos.

Como você sabe, o gerenciamento de dados é um grande problema no marketing. Muitas vezes, temos sistemas legados que geram dados que não “conversam” com dados de outros sistemas. Ou temos dados não estruturados e, portanto, não podem ser processados ​​por um programa de aprendizado de máquina.

A definição de aprendizado de máquina do Google é “usar dados para responder a perguntas”. Esta é uma explicação excelente e clara, e se você já está pensando em qualidade e organização de dados, ela lhe dá uma grande pista sobre quão organizados e precisos seus dados terão que ser antes que alguém possa fazer perguntas sobre eles.

Afinal... quantas duplicatas você acha que estão em seu banco de dados de prospects? Você tem todas as imagens que já usou em marketing em um cofre de conteúdo, organizadas por formato de arquivo, assunto, várias tags, criadores e onde essa imagem foi usada?

Isso são dados organizados. E é uma parte crítica de preparar sua empresa para o futuro, para que você possa fazer mágicas sofisticadas com IA mais tarde – ou com aprendizado de máquina e automação este ano.

3. Defina Objetivos.

As máquinas são ótimas. Eles fazem exatamente o que você manda. E nada mais. Isso pode ser muito humilhante.

Estudei Perl (uma linguagem de codificação) cerca de vinte anos atrás e imediatamente percebi que, se algo desse errado, não era culpa do código ou do hardware. Era meu. Se eu não usasse o operador certo, ou simplesmente perdesse uma vírgula em algum lugar, a máquina funcionaria perfeitamente de acordo com minhas instruções... o que não corresponderia ao que eu realmente queria que ela fizesse.

A maioria de nós não terá que codificar diretamente (um grande obrigado a todos os aplicativos que nos permitem basicamente codificar através de suas interfaces WYSIWYG amigáveis). Mas temos que acertar nossas instruções.

Portanto, se você definiu um lead qualificado de marketing para seu aplicativo de aprendizado de máquina de uma maneira específica, ele encontrará pessoas com base exatamente nessas instruções. Se suas instruções forem falhas, seus resultados serão falhos. Não culpe o aplicativo.

Isso é fundamental para entender se você deseja configurar sistemas automatizados com dados. Os dados devem ser precisos e legíveis. E então as instruções que você dá à máquina para fazer seu trabalho têm que estar corretas.

Se você der instruções erradas a uma máquina, ela não o corrigirá (a menos que alguém tenha escrito algum código para verificar suas instruções). Será apenas obediente para fazer seus lances, retornando, digamos, o público errado para sua nova campanha publicitária. Você pode não perceber que suas instruções foram ruins até que Sales lhe diga três meses depois: “Os leads dessa campanha foram terríveis”.

Há outro nível para isso também: temos que ser capazes de quantificar nossos objetivos.

Então, quando dizemos "quero melhorar a experiência do cliente", isso é ótimo... mas como você pode quantificar isso para um computador? Você precisará de algumas medidas muito específicas e entradas muito específicas para rastrear essas medidas antes que o computador possa começar a melhorar a experiência do cliente.

Os computadores são incrivelmente granulares; eles não podem fazer as inferências e conclusões que os humanos fazem tão facilmente. É por isso que conseguimos manter nossos empregos, mas também é o trabalho intimidador dos programadores – dividir metas grandiosas em porcas e parafusos programáticos.

Se você quiser tornar seu marketing à prova de futuro, você precisará ter todas essas porcas e parafusos – esses objetivos e definições – discados primeiro.

4. Otimizar para pesquisa por voz.

Espero que tenhamos sido suficientemente concretos em nossas sugestões até agora. Mas se não, aqui está uma diretriz muito clara: comece a otimizar para pesquisa por voz.

Este é um aspecto da IA ​​que definitivamente já está aqui. Como Cady Condyles mencionou em “AI is Smarter Than You: Adapting your Retail Strategy to Keep Up” (sua apresentação na Hero Conf London) até 2020, 30% da navegação na web será sem tela – feita por meio de assistentes de voz digital.

O reconhecimento de voz é um dos desenvolvimentos mais significativos da IA ​​até agora. A pesquisa é outra conquista importante da IA. Portanto, se você deseja posicionar sua marca e seu marketing para IA, há um lugar muito específico para concentrar seus esforços: a pesquisa por voz.

A otimização para pesquisa por voz é, na verdade, apenas um exemplo de um ponto anterior discutido aqui: limpe seus dados. Torná-lo acessível às máquinas. Otimizar um site para pesquisa por voz é exatamente isso: pegar uma mistura de dados (nossos sites) e destilá-los em algo que um aplicativo de aprendizado de máquina ou IA possa analisar.

Outra das recomendações de Cady, “usar IA baseada em intenção para identificar e alcançar seus compradores” é um exemplo desse princípio ao contrário. Se você usar IA baseada em intenção para se comunicar com humanos, precisará se conectar a um sistema que processou petabytes de dados de navegadores humanos e os destilou em um aplicativo de aprendizado de máquina.

Aqui, novamente, os dados brutos foram sintetizados em um aplicativo que pode reconhecer padrões e recomendar ações.

Considerações finais

Haverá cada vez mais isso pegando grandes conjuntos de dados e encontrando padrões e tendências neles. E isso é bom – machine learning e IA precisam de muitos dados para funcionar. Eles precisam de ambientes previsíveis e tarefas consistentes para realmente brilhar.

É exatamente por isso que os profissionais de marketing humanos não vão a lugar nenhum. Nós, humanos, podemos funcionar muito bem com dados limitados. Podemos ser rápidos em nos adaptar a novas situações e somos ótimos em dar grandes saltos cognitivos. As máquinas ainda não estão lá.

Créditos da imagem

Imagem em destaque: Unsplash / Franck V
Imagem 1: via eBook de aprendizado de máquina da Acquisio