Cum să vă asigurați marketingul în viitor în era AI

Inteligența artificială nu mai este un lucru nou strălucitor. E aici de ceva vreme. Dacă ați făcut o căutare Google sau ați dat clic pe un produs, articol sau film recomandat, ați interacționat cu acesta.

Dacă ești specialist în marketing, probabil că ai lucrat deja cu el. Publicitatea pe Google Ads, Bing sau Facebook funcționează cu AI.

Așa că încetează să te pregătești împotriva „ascensiunii mașinilor”. Mașinile sunt aici și sunt cu adevărat ascultători. Sunt grozavi la automatizarea unora dintre cele mai plictisitoare sarcini ale marketingului.

Întrebarea este, unde se duce toată această automatizare? Câte sarcini vor prelua mașinile? Cum va fi meseria ta pe măsură ce evoluează? Și cum vă puteți poziționa pe dvs. și compania dvs. pentru a profita la maximum de ea?

Răspunsul este mai simplu decât ai crede. Dar este un răspuns în patru părți.

1. Educați-vă.

Test pop: Care este diferența dintre învățarea automată și inteligența artificială?

Majoritatea agenților de marketing nu pot să răspundă la asta. Probabil știm că o inteligență artificială este mai sofisticată decât învățarea automată și că învățarea automată este un subset al inteligenței artificiale... dar lucrurile devin tulburi de acolo.

Iată o definiție:

AI este orice tehnologie care permite unui sistem să demonstreze inteligența umană... Învățarea automată este un tip de IA care utilizează modele matematice antrenate pe date pentru a lua decizii. Pe măsură ce devin disponibile mai multe date, modelele ML pot lua decizii mai bune.

Sincer, pentru aplicațiile de marketing din lumea reală – lucruri pe care le vei vedea la locul de muncă în următorii trei ani – probabil că specialiștii în marketing nu trebuie să-și facă prea multe griji cu privire la inteligența artificială adevărată în acest moment. Google Ads nu va începe să spună glume. Dar învățarea automată este cu siguranță în joc, la fel ca și automatizarea.

Ăsta este un lucru bun. Gestionată bine, învățarea automată vă poate face mult mai eficient și mai eficient. De exemplu, instrumentul nostru de gestionare a sumelor și bugetului PPC utilizează învățarea automată cu drepturi depline pentru a gestiona sumele licitate și bugetele.

După cum explică cartea noastră electronică, „Ghidul agenției pentru elementele esențiale pentru licitarea automată”,

Licitarea automată simplă constă în a lăsa un computer să urmeze un set de reguli care, ca reacție la anumite declanșatoare, vor crește sau reduce sumele licitate PPC cu anumite sume. Acest tip de automatizare nu învață, pur și simplu se execută după reguli prestabilite.

Acest nivel de licitare automată nu este atât de diferit de un sistem de automatizare a marketingului care este setat să trimită un anumit e-mail la un anumit moment după ce cineva a descărcat o anumită carte albă. Este o acțiune predefinită pe care o poate stabili un agent de marketing și apoi se așteaptă ca software-ul să se execute de fiecare dată când are loc acel eveniment.

Învățarea automată este mult mai sofisticată.

„În timp ce licitarea automată simplă necesită ca un om să stabilească mai întâi o sumă CPA țintă, un sistem de învățare automată își propune să obțină cea mai mică sumă CPA posibilă pentru cel mai mare număr de clicuri și conversii.” Acest lucru necesită ca sistemul de învățare automată să gestioneze zeci de priorități și date diferite. intrări („microservicii”, așa cum le numim noi) pentru a oferi rezultatul dorit.

Deci, în timp ce licitarea automată poate reduce cu siguranță cât de multă muncă trebuie să facă un agent de marketing, „învățarea automată va:

• Obțineți cele mai multe conversii la un preț mediu sub limita maximă a prețului
• Asigurați-vă că bugetul durează toată perioada
• Asigurați-vă că în fiecare zi anunțurile sunt în licitație pe toată durata stabilită de programarea anunțurilor”

Acesta este cu totul alt ordin de mărime. Și dacă ne vom reconstrui marketingul pentru era AI, trebuie să înțelegem cum funcționează aceste sisteme și cum diferă în detaliu.

Pentru o explicație surprinzător de clară a modului în care sunt construite sistemele de învățare automată, urmăriți seria de videoclipuri Google, „AI Adventures”. Videoclipurile devin mai tehnice pe măsură ce progresezi prin serie, dar primele sunt foarte accesibile.

Iată un sampler. În acest videoclip, veți vedea cum ar putea fi proiectat și antrenat un program de învățare automată pentru a face distincția între bere și vin.

2. Curățați-vă datele.

Automatizarea, învățarea automată și inteligența artificială funcționează pe date. Și astfel zicala „gunoi înăuntru, gunoi afară” va fi și mai semnificativ în următorii ani.

După cum știți, gestionarea datelor este o problemă uriașă în marketing. Adesea, avem sisteme vechi care generează date care nu vor „vorbește” cu datele din alte sisteme. Sau avem date care sunt nestructurate și, prin urmare, nu pot fi procesate de un program de învățare automată.

Definiția Google a învățării automate este „folosirea datelor pentru a răspunde la întrebări”. Aceasta este o explicație excelentă, clară și, dacă vă gândiți deja la calitatea și organizarea datelor, vă oferă un indiciu important despre cât de organizate și de exacte vor trebui să fie datele dumneavoastră înainte ca cineva să poată pune întrebări.

La urma urmei... câte duplicate credeți că sunt în baza de date de clienți potențiali? Aveți fiecare imagine pe care ați folosit-o vreodată în marketing într-un seif de conținut, organizată după format de fișier, subiect, mai multe etichete, creatori și unde a fost folosită acea imagine?

Sunt date organizate. Și este o parte esențială a pregătirii pentru viitor a companiei dvs., astfel încât să puteți face magie fantezie cu AI mai târziu – sau cu învățarea automată și automatizarea în acest an.

3. Definiți obiectivele.

Mașinile sunt grozave. Ei fac exact ce le spui tu să facă. Si nimic altceva. Acest lucru poate fi foarte umilitor.

Am studiat Perl (un limbaj de codare) în urmă cu aproximativ douăzeci de ani și imediat mi-am dat seama că, dacă ceva nu mergea bine, nu era vina codului sau a hardware-ului. A fost al meu. Dacă nu foloseam operatorul potrivit, sau pur și simplu ratam o virgulă undeva, mașina s-ar executa cu respect și perfect conform instrucțiunilor mele... ceea ce nu s-ar potrivi cu ceea ce mi-am dorit de fapt să facă.

Majoritatea dintre noi nu va trebui să codifice direct (un mare mulțumire tuturor aplicațiilor care ne permit practic să codificăm prin interfețele lor prietenoase WYSIWYG). Dar trebuie să primim instrucțiunile corecte.

Deci, dacă ați definit un client calificat în marketing pentru aplicația dvs. de învățare automată într-un anumit mod, va găsi oameni pe baza exact acele instrucțiuni. Dacă instrucțiunile tale sunt greșite, rezultatele tale vor fi greșite. Nu da vina pe aplicație.

Acest lucru este esențial pentru a înțelege dacă doriți să configurați sisteme automate cu date. Datele trebuie să fie corecte și lizibile. Și apoi instrucțiunile pe care le dați mașinii pentru a-și face treaba trebuie să fie corecte.

Dacă dați instrucțiuni greșite unei mașini, aceasta nu vă va corecta (cu excepția cazului în care cineva a scris un cod pentru a vă verifica instrucțiunile). Va face doar licitația dvs., returnând, să zicem, publicul greșit pentru noua dvs. campanie publicitară. S-ar putea să nu-ți dai seama că instrucțiunile tale au fost proaste până când Sales nu îți spune trei luni mai târziu: „Prospectele din acea campanie au fost groaznice”.

Există și un alt nivel în acest sens: trebuie să fim capabili să ne cuantificăm obiectivele.

Deci, când spunem „Vreau să îmbunătățesc experiența clienților”, este grozav... dar cum poți cuantifica asta pentru un computer? Veți avea nevoie de niște măsurători foarte specifice și intrări foarte specifice pentru a urmări acele măsurători înainte ca computerul să înceapă să îmbunătățească experiența clienților.

Calculatoarele sunt uluitor de granulare; ei nu pot face inferențe și concluzii pe care oamenii le fac atât de fără efort. Acesta este motivul pentru care ajungem să ne păstrăm locurile de muncă, dar este și munca intimidantă a programatorilor – de a descompune obiectivele înalte în piulițe programatice.

Dacă doriți să vă asigurați marketingul în viitor, va trebui să obțineți mai întâi toate acele piulițe și șuruburi - acele obiective și definiții -.

4. Optimizați pentru căutarea vocală.

Sperăm că până acum am fost suficient de concret în sugestiile noastre. Dar dacă nu, iată o directivă foarte clară: începeți optimizarea pentru căutarea vocală.

Acesta este un aspect al AI care este deja aici. După cum a menționat Cady Condyles în „AI is Smarter Than You: Adapting your Retail Strategy to Keep Up”, (prezentarea ei principală la Hero Conf London) până în 2020, 30% din navigarea pe web va fi fără ecran – realizată prin asistenți vocali digitali.

Recunoașterea vocii este una dintre cele mai semnificative dezvoltări ale inteligenței artificiale de până acum. Căutarea este o altă realizare cheie a AI. Deci, dacă doriți să vă poziționați marca și marketingul pentru AI, există un loc foarte specific în care să vă concentrați eforturile: căutarea vocală.

Optimizarea pentru căutarea vocală este de fapt doar un exemplu al unui punct anterior discutat aici: curățați-vă datele. Faceți-l accesibil mașinilor. Optimizarea unui site web pentru căutarea vocală este exact asta: luarea unui amestec de date (site-urile noastre web) și distilarea lor în ceva ce poate analiza o aplicație de învățare automată sau AI.

O altă recomandare a lui Cady, de a „utiliza inteligența artificială bazată pe intenție pentru a identifica și a ajunge la cumpărătorii tăi” este un exemplu al acestui principiu invers. Dacă utilizați inteligența artificială bazată pe intenție pentru a comunica cu oamenii, va trebui să vă conectați la un sistem care a procesat petaocteți de date din browsere umane și le-a distilat într-o aplicație de învățare automată.

Din nou, datele brute au fost sintetizate într-o aplicație care poate recunoaște tipare și poate recomanda acțiuni.

Gânduri de închidere

Va fi din ce în ce mai mult acest lucru luând seturi uriașe de date și găsind modele și tendințe în ele. Și asta este bine – învățarea automată și IA au nevoie de multe date pentru a funcționa. Au nevoie de medii previzibile și sarcini consistente pentru a străluci cu adevărat.

Acesta este exact motivul pentru care marketerii umani nu merg nicăieri. Noi, oamenii, putem funcționa destul de bine cu date limitate. Ne putem adapta rapid la situații noi și suntem grozavi în a face salturi cognitive mari. Aparatele nu sunt încă acolo.

Credite de imagine

Imagine caracteristică: Unsplash / Franck V
Imaginea 1: prin intermediul cărții electronice de învățare automată a Acquisio