如何在 AI 時代讓您的營銷面向未來

人工智能不再是一個閃亮的新事物。 它已經在這裡有一段時間了。 如果您完成了 Google 搜索或點擊了推薦的產品、文章或電影，那麼您就與它進行了互動。

如果您是營銷人員，您可能已經使用過它。 Google Ads、Bing 或 Facebook 上的廣告正在與 AI 合作。

因此，不要再為“機器的崛起”做好準備。 機器在這裡，它們真的很聽話。 他們擅長自動化營銷中一些最無聊的任務。

問題是，所有這些自動化都將走向何方？ 機器將接管多少任務？ 隨著它們的發展，你的工作會是什麼樣子？ 您如何定位自己和您的公司以充分利用它？

答案比你想像的要簡單。 但這是一個四部分的答案。

1. 接受教育。

小測驗：機器學習和人工智能有什麼區別？

大多數營銷人員都無法回答這個問題。 我們可能知道人工智能比機器學習更複雜，機器學習是人工智能的一個子集……。 但事情從那裡變得模糊不清。

這是一個定義：

人工智能是使系統能夠展示類人智能的任何技術……機器學習是一種人工智能，它使用基於數據訓練的數學模型來做出決策。 隨著更多數據可用，ML 模型可以做出更好的決策。

老實說，對於現實世界的營銷應用程序——未來三年你會在工作中看到的東西——營銷人員現在可能不必太擔心真正的人工智能。 Google Ads 不會開始講笑話。 但是機器學習肯定在發揮作用，自動化也是如此。

這是一件好事。 管理得當，機器學習可以讓你更有效率和效率。 例如，我們的 PPC 出價和預算管理工具使用成熟的機器學習來管理出價和預算。

正如我們的電子書《自動出價要點代理指南》所解釋的，

簡單的自動出價包括讓計算機遵循一組規則，這些規則將響應某些觸發因素，將 PPC 出價增加或減少一定數量。 這種類型的自動化不會學習，它只是根據預先設定的規則執行。

這種級別的自動出價與設置為在某人下載特定白皮書後的特定時間發送特定電子郵件的營銷自動化系統沒有太大區別。 這是營銷人員可以設置的預定義操作，然後期望軟件在每次事件發生時執行。

機器學習要復雜得多。

“雖然簡單的自動出價需要人類首先確定目標 CPA，但機器學習系統旨在獲得盡可能低的 CPA，從而獲得最高的點擊次數和轉化次數。”這需要機器學習系統管理數十種不同的優先級和數據輸入（我們稱之為“微服務”）以提供所需的結果。

因此，雖然自動出價肯定可以減少營銷人員的工作量，但“機器學習將：

• 以低於最高價格上限的平均價格獲得最多的轉化
• 確保預算持續整個期間
• 確保在廣告時間表設置的整個持續時間內，每天的廣告都在拍賣中”

這完全是另一個數量級。 如果我們要為人工智能時代重建我們的營銷，我們需要了解這些系統是如何工作的，並在細節上有所不同。

有關如何構建機器學習系統的令人驚訝的清晰解釋，請觀看 Google 的視頻系列“AI Adventures”。 隨著您在系列中的進展，視頻會變得更加技術性，但第一個視頻非常易於訪問。

這是一個採樣器。 在本視頻中，您將了解如何設計和訓練機器學習程序來區分啤酒和葡萄酒。

2. 清理您的數據。

自動化、機器學習和人工智能都基於數據運行。 因此，“垃圾進，垃圾出”這句話在未來幾年將更加有意義。

如您所知，數據管理是營銷中的一個大問題。 通常，我們的遺留系統生成的數據不會與來自其他系統的數據“對話”。 或者我們有非結構化的數據，因此無法由機器學習程序處理。

谷歌對機器學習的定義是“用數據回答問題”。 這是一個極好的、清晰的解釋，如果您已經在考慮數據質量和組織，它會為您提供一個重要線索，即在任何人提出問題之前，您的數據必須如何組織和準確。

畢竟……您認為您的潛在客戶數據庫中有多少重複項？ 您是否在內容庫中擁有您在營銷中使用過的每張圖片，按文件格式、主題、多個標籤、創建者以及該圖片的使用位置進行組織？

那是有組織的數據。 它是確保您的公司面向未來的關鍵部分，因此您可以在以後使用 AI 或在今年使用機器學習和自動化來發揮奇特的魔力。

3. 定義目標。

機器很棒。 他們完全按照你告訴他們的去做。 沒有別的了。 這可能非常令人謙卑。

大約 20 年前，我學習了 Perl（一種編碼語言），並立即意識到，如果出了什麼問題，那不是代碼或硬件的問題。 那是我的。 如果我沒有使用正確的操作符，或者只是在某個地方漏掉了一個逗號，那麼機器會盡職盡責地按照我的指示完美地執行……這與我真正想要的不符。

我們大多數人不必直接編碼（非常感謝所有讓我們基本上通過友好的所見即所得界面進行編碼的應用程序）。 但是我們必須正確地得到我們的指示。

因此，如果您以特定方式為您的機器學習應用程序定義了一個營銷合格的潛在客戶，它將完全根據這些說明找到人。 如果你的指示有缺陷，你的結果就會有缺陷。 不要責怪應用程序。

如果您想使用數據設置自動化系統，這對於理解這一點至關重要。 數據必須準確且可讀。 然後你給機器工作的指令必須是正確的。

如果你給機器錯誤的指令，它不會糾正你（除非有人寫了一些代碼來檢查你的指令）。 它只會盡職盡責地為您的新廣告活動返回錯誤的受眾。 直到三個月後，銷售人員告訴您：“該活動的潛在客戶非常糟糕”，您可能才意識到您的指示是錯誤的。

這還有另一個層面：我們必須能夠量化我們的目標。

因此，當我們說“我想改善客戶體驗”時，這很好……但是您如何為計算機量化呢？ 在計算機開始改善客戶體驗之前，您將需要一些非常具體的測量和非常具體的輸入來跟踪這些測量。

計算機的粒度令人難以置信。 他們無法做出人類如此輕鬆做出的推論和結論。 這就是我們能夠保住工作的原因，但這也是程序員的一項令人生畏的工作——將崇高的目標分解為程序化的具體細節。

如果您想使您的營銷面向未來，您需要首先確定所有這些基本要素——那些目標和定義。

4.優化語音搜索。

希望到目前為止，我們的建議已經足夠具體。 但如果沒有，這裡有一個非常明確的指令：開始優化語音搜索。

這是人工智能的一個方面，肯定已經存在。 正如 Cady Condyles 在“AI 比您更聰明：調整您的零售策略以跟上潮流”（她在倫敦英雄大會上的主題演講）中提到的那樣，到 2020 年，30% 的網頁瀏覽將是無屏幕的——通過數字語音助手完成。

語音識別是迄今為止人工智能最有意義的發展之一。 搜索是另一個關鍵的人工智能成就。 因此，如果你想定位你的品牌和你的人工智能營銷，有一個非常具體的地方可以集中你的努力：語音搜索。

優化語音搜索實際上只是前面討論的一個例子：清理你的數據。 使其可供機器訪問。 優化網站以進行語音搜索正是這樣：將數據（我們的網站）混雜在一起，並將其提煉成機器學習或人工智能應用程序可以解析的東西。

Cady 的另一項建議是“使用基於意圖的人工智能來識別和接觸您的購物者”，這就是這一原則的反面例子。 如果您使用基於意圖的 AI 與人類交流，您需要插入一個系統，該系統已處理來自人類瀏覽器的 PB 數據並將其提煉成機器學習應用程序。

在這裡，原始數據再次被合成到一個可以識別模式和推薦操作的應用程序中。

結束的想法

將有越來越多的這種情況需要大量的數據集並在其中發現模式和趨勢。 這很好——機器學習和人工智能需要大量數據才能工作。 他們需要可預測的環境和一致的任務才能真正發揮作用。

這正是人類營銷人員無處可去的原因。 我們人類可以用有限的數據很好地運作。 我們可以快速適應新的情況，而且我們擅長在認知上做出巨大的飛躍。 機器還沒有。

圖片來源

特色圖片：Unsplash / Franck V
圖 1：通過 Acquisio 的機器學習電子書