Künstliche Intelligenz: Ein moderner Marketingansatz

In diesem Leitfaden gehe ich detailliert darauf ein, wie sich künstliche Intelligenz derzeit auf das Marketing auswirkt und wie sie es auch in Zukunft beeinflussen wird.

Am Ende dieses Beitrags werden Sie von den Möglichkeiten der KI begeistert und angesichts der Auswirkungen wahrscheinlich etwas nervös sein!

Und es ist in Ordnung, nervös zu sein, weil sich die Rolle der Vermarkter in Organisationen ändern wird, aber….

…Sie haben immer noch eine wichtige Rolle zu spielen.

Inhaltsverzeichnis

KAPITEL 1

Einführung in die Künstliche Intelligenz (KI)

Künstliche Intelligenz im Marketing ist real und jetzt ist es an der Zeit, sich hinzusetzen und aufmerksam zu werden.

Künstliche Intelligenz beschleunigt das Marketing in Richtung einer intelligenteren automatisierten Zukunft, in der intelligentere (dh KI-gestützte) Lösungen es Marketern ermöglichen, Probleme zu lösen und Ziele effizienter zu erreichen. Du hast eine Wahl. Sie können sich zurücklehnen und darauf warten, dass die Marketingwelt intelligenter wird und sich um Sie herum verändert, oder Sie können KI jetzt nutzen und proaktiv einen Wettbewerbsvorteil für sich und Ihr Unternehmen schaffen.

Paul Roetzer, Gründer des Marketing Artificial Intelligence Institute

Allerdings haben nicht alle Softwareunternehmen wirklich eine KI, die das behauptet.

Es gibt einfach so viel Hype um KI-Technologieunternehmen, die davon profitieren wollen, indem sie sagen, dass ihre Software von KI angetrieben wird und Investoren sie aufgrund der KI in ihrer Software höher bewerten werden.

Aber es gibt viele großartige Softwareunternehmen, die echte KI-Anwendungen entwickeln, und diese Zahl wird in den nächsten Jahren massiv wachsen.

Die MRFR-Forschung prognostiziert, dass der KI-Markt bis 2025 einen Wert von 25 Milliarden haben wird.

Wenn Sie ein Vermarkter sind, ist es an der Zeit, sich auf den neuesten Stand zu bringen und die potenziellen Auswirkungen zu verstehen, die KI auf das Marketing haben wird. Ich bin mir ziemlich sicher, dass diese Anleitung helfen wird.

Also, was ist künstliche Intelligenz?

Wir alle wissen, was menschliche Intelligenz ist … Ich hoffe es jedenfalls!

Künstliche Intelligenz ist, wenn eine Maschine eine menschenähnliche Intelligenz zeigt.

Zum Beispiel:

Eine Maschine verarbeitet Daten und lernt daraus, damit sie klügere Entscheidungen über die Daten treffen kann, die sie in Zukunft verarbeiten wird.

Anstatt dieselben Anweisungen nur zu wiederholen, lernt die Maschine neue Anweisungen automatisch aus Erfahrung.

Alpha Zero, das von Deepmind entwickelte KI-Spiel, lernte Schach in 4 Stunden und war dann in der Lage, das beste verfügbare Computerprogramm zum Schachspielen zu schlagen.

Das Erlernen eines neuen Spiels ahmt die menschliche Intelligenz nach, aber die KI kann in 4 Stunden lernen, wofür ein Mensch Monate brauchen kann.

Die Informatik beschreibt das Studium der KI als die Entwicklung intelligenter Agenten.

Aussehen:

Hier geht es wirklich um intelligente Programmierung.

Unsere Intelligenz hilft bei der Schaffung künstlicher Intelligenz.

Da einige Aufgaben sehr routinemäßig werden, gelten sie möglicherweise nicht mehr als künstliche Intelligenz.

Hier ist ein Beispiel:

Die optische Zeichenerkennung wird oft ausgeschlossen, weil sie eine Routineaufgabe ist, die von Computern erwartet wird.

Was ist der Unterschied zwischen enger und starker KI?

Narrow AI (auch schwache KI genannt) ist künstliche Intelligenz, die sich auf eine Aufgabe konzentriert.

Starke KI ist alles andere!

Starke KI hat die Fähigkeit, Intelligenz auf jedes Problem anstatt auf eine bestimmte Aufgabe anzuwenden.

Zum Beispiel:

Ein Spam-Filter-Tool erfüllt eine Aufgabe gut. Ein selbstfahrendes Auto wird auch als enge KI bezeichnet, aber ich denke, das ist ein bisschen weit hergeholt!

Wird künstliche Intelligenz Marketer ersetzen?

Ja…. etwas!!!

Marketing ist ein zeitintensiver Prozess mit vielen sich wiederholenden Aufgaben, bei denen Maschinen helfen können…

…aber es gibt bestimmte Aufgaben, die Maschinen niemals auf dem gleichen Niveau wie menschliche Vermarkter erledigen können.

Ich kann mir vorstellen, in Zukunft einem Roboter gegenüber zu sitzen und über ein Geschäftsangebot zu diskutieren, aber ich kann mir nicht vorstellen, dass ich zu einem Roboter die gleiche Beziehung aufbauen würde wie zu einem echten Menschen. Es ist relativ einfach, Software zu entwickeln, um jemanden beim Schach zu schlagen und…

…die Software wird besser darin, Menschen zu schlagen.

Aber…

Der Aufbau von Beziehungen ist der wichtigste Teil des Marketings und Computer sind daran scheiße.

Und wer wird eine Strategie für ein Unternehmen entwickeln?

Eine KI-fähige Maschine kann Eingaben in diese Strategie liefern, aber Strategen werden trotzdem überleben.

Ich habe kürzlich einen Film mit dem Titel „Her“ gesehen, in dem der Schauspieler eine Beziehung zu einem Betriebssystem aufbaut.

So ein lächerlicher Film!

Derzeit gibt es jedoch ein ernsthaftes Problem bei der Implementierung von KI in Unternehmen, da Marketingexperten über mangelndes Wissen verfügen.

In einem Bericht, der 2018 von Deloitte mit CMOs (Chief Marketing Officers) erstellt wurde, ist der Hauptfaktor, der das organische Wachstum im Marketing verlangsamen könnte, der Mangel an Talenten.

Und da KI technischer ist als die meisten anderen Bereiche des Marketings, wird dies ein wichtiges Thema sein.

Ich habe diesen Leitfaden geschrieben, weil es online so viele technische Informationen über KI gibt, dass sie ziemlich schwer zu verstehen sind. Ich hoffe, dass dieser Leitfaden Marketern helfen wird zu verstehen, worum es bei KI wirklich geht.

Wenn Sie KI verstanden haben, können Sie herausfinden, wie Sie die Systeme, die Sie intern verwenden, durch KI-Software ersetzen können. Und wenn Sie entscheiden, dass es klug ist, die vorhandenen Softwarelösungen zu ersetzen, müssen Sie herausfinden, welche Funktionen wegfallen und welche neuen Funktionen hinzugefügt werden.

Anschließend müssen Sie Ihr Team über KI aufklären und es in der neuen Software schulen.

Außerdem wächst der Markt für KI-Lösungen so schnell, dass es Ihnen schwer fallen wird, den richtigen Anbieter zu finden, wenn Sie KI nicht verstehen.

KAPITEL 2

Die Elemente der Künstlichen Intelligenz

Künstliche Intelligenz ist ein komplexes Feld, das verschiedene Elemente umfasst.

Es konzentriert sich auf Folgendes:

• Lernen – Beschaffung von Informationen und Regeln für die Verwendung dieser Informationen.
• Reasoning – logisch und vernünftig über etwas nachdenken.
• Tun – Was nützt es zu lernen und zu denken, wenn man es nicht tut?
• Selbstkorrektur – Fehler verstehen und korrigieren.

Hier ist eine Aufschlüsselung der wichtigsten Bereiche, in denen KI implementiert wurde.

Hinweis: In jedem der Bereiche gibt es einige Überschneidungen. Beispielsweise nutzt ein selbstfahrendes Auto eine Kombination aus maschinellem Lernen, Bilderkennung und Deep Learning.

Neuronale Netze

Ein Gehirn nimmt einen Input (extern oder intern), verarbeitet ihn und produziert dann ein Ergebnis.

Ein Neuron ist die grundlegende Recheneinheit im Gehirn und für die Verarbeitung dieser Eingaben verantwortlich, um die Ausgaben zu erzeugen.

Chemische Signale werden von Neuronen zu Neuronen weitergegeben.

Es gibt im Durchschnitt über 100 Milliarden Neuronen in einem menschlichen Körper und es ist ein äußerst komplexes Netz von Verbindungen zwischen Neuronen. Einige Neuronen können mit bis zu 10.000 anderen Neuronen verbunden werden.

Stellen Sie sich vor, jemand würde seine Hand in die Nähe eines heißen Ofens legen. Dies ist eine Eingabe. Die Neuronen würden dies verarbeiten und bewirken, dass sich die Hand vom Herd entfernt.

So würde das intern aussehen:

Das sensorische Neuron spürt die Wärme und gibt die Informationen an andere innere Neuronen und schließlich an ein Motoneuron weiter, das die Reaktion auslöst, sich von der Wärme zu entfernen.

Ein einzelnes Neuron allein macht nicht viel, aber die Verwendung eines komplexen Netzes von Neuronen gibt Ihnen erstaunliche Fähigkeiten.

Das Neuron besteht aus Eingabe, Ausgabe und Gewichtung. Das Gewicht ist wirklich ein Indikator für die Bedeutung dieser bestimmten Information im Gesamtsystem.

Sie möchten zum Beispiel, dass eine Maschine berechnet, wie wertvoll ein Auto ist.

Sie nehmen eine Reihe von Eingaben auf, z. B. Baujahr, Marke, Modell, Zustand, Kilometerstand usw., und diese werden durch Neuronen geleitet. Jeder Eingang wird gewichtet.

Die Marke und das Modell werden höher gewichtet als der Kilometerstand oder das Baujahr.

Und dann:

Durch eine Reihe komplexer Berechnungen kommt die Maschine zu einem Ergebnis.

Hier ist ein einfaches Beispiel für ein neuronales Netzwerk.

Die anfänglichen Eingaben werden gewichtet (z. B. Merkmale nach Wichtigkeit), sie werden dann zur Verarbeitung an die verborgene Schicht gesendet, und das Ergebnis ist die Ausgabe.

Maschinelles Lernen

Maschinelles Lernen ist ein Zweig der KI, der es Computern ermöglicht, bestehende Aufgaben immer besser auszuführen oder neue Aufgaben zu erledigen, ohne dass ein menschliches Eingreifen erforderlich ist.

Die Computer analysieren kontinuierlich Daten, um in Zukunft bessere Ergebnisse zu erzielen. Einfach gesagt, sie werden klüger.

Maschinelles Lernen wird typischerweise in 3 Teile unterteilt:

Tiefes Lernen

Vorhin haben wir über neuronale Netze gesprochen. Deep Learning verwendet fortschrittlichere neuronale Netze.

Anstelle einer Eingabe-, einer verborgenen und einer Ausgabeschicht können Sie also viele verborgene Schichten haben.

Das heißt, es wird viel mehr verarbeitet als bei einem einfachen neuronalen Netzwerk. Dasselbe Gewichtungssystem wird zwischen den Neuronen weitergegeben.

Deep Learning wird typischerweise wie folgt kategorisiert:

Beaufsichtigt

Beim überwachten Lernen geben Sie dem Computer Eingabedaten und dann die Ausgabedaten (dh die Ergebnisse, die Sie erwarten würden). Sie erstellen dann einen Algorithmus darum herum, sodass Sie mit der Bereitstellung neuer Eingabedaten beginnen können, und der Computer erstellt automatisch die Ausgabedaten.

Stellen Sie sich zum Beispiel vor, Sie hätten einen Spamfilter. Anstatt dem Computer eine Reihe von Regeln zu geben, um festzustellen, ob eine E-Mail Spam ist oder nicht, geben Sie ihm eine Reihe von E-Mails und teilen ihm dann mit, welche dieser E-Mails Spam sind und warum. Der Algorithmus würde dann verwendet, um einen neuen Satz von E-Mails zu erarbeiten.

Unbeaufsichtigt

Beim unüberwachten maschinellen Lernen stellen Sie die Eingabedaten, aber nicht die Ausgabedaten bereit. Die Eingabe könnte zunächst ein Batch von Testdaten sein.

Der Computer hat also keine Beispieldaten, die ihm helfen, die Antworten zu generieren. Es muss noch etwas gearbeitet werden.

Halbüberwacht

Dies ist ein glücklicher Mittelweg. Es ist nicht völlig unüberwacht, aber die Ausgabedaten reichen nicht aus, um alle Ergebnisse genau vorherzusagen.

Der Computer verarbeitet also die Daten und verwendet die Ausgabedaten als Richtlinie, die er im Laufe der Zeit verbessert, wenn er mehr Daten verarbeitet.

Möglicherweise möchten Sie halbüberwachtes ML in Fällen verwenden, in denen Sie die Daten manuell klassifizieren müssen, aber so viel zu klassifizieren ist, dass Sie nur einen Teil davon klassifizieren und den Rest dem Computer überlassen.

Verarbeitung natürlicher Sprache (NLP)

Darum geht es bei der Verarbeitung natürlicher Sprache…

Alexa ist ein Amazon-Gerät.

Sie stellen Fragen im Dialog und Alexa kann sie verarbeiten und eine Antwort geben.

Naja, meistens ist es so…..

Systeme zur Verarbeitung natürlicher Sprache (NLP) sind in den letzten Jahren immer fortschrittlicher geworden, aber es gibt noch viele Herausforderungen.

Es wäre zum Beispiel nicht ungewöhnlich, Folgendes zu sagen:

Alexa – Gegen wen spielt Man U?

Fans von Manchester United kürzen Manchester United oft mit Man U oder den Red Devils ab oder sagen nur United. Es besteht eine geringe Chance, dass Alexa diese Abkürzungen versteht.

Hier ist ein weiteres herausforderndes Beispiel für NLP:

„Ich war neulich abends mit meinen Kumpels in einem Pub und es war tödlich.“

Wenn wir in Irland in diesem Zusammenhang das Wort „tödlich“ verwenden, meinen wir damit, dass es großen Spaß gemacht hat. NLP-Systeme sind immer noch nicht gut darin, die Stimmung von Text oder gesprochenem Wort zu erkennen.

NLP wird sich also weiterentwickeln, aber es wird niemals perfekt sein, weil:

• Akzente
• So viele Sprachen, Variationen von Sprachen und Slang verwendet
• Der Tonfall und die Körpersprache

Evolutionäre Berechnung

Dies ist die Definition von evolutionärer Berechnung aus Wikipedia:

„In der Informatik ist evolutionäres Rechnen eine Familie von Algorithmen zur globalen Optimierung, die von der biologischen Evolution inspiriert sind, und das Teilgebiet der künstlichen Intelligenz und des Soft Computing, das diese Algorithmen untersucht.“

Aber was bedeutet das eigentlich…

Es wurde evolutionär genannt, weil es sich um einen kontinuierlichen Prozess der Optimierung von Ergebnissen handelt, der im Laufe der Zeit bessere Lösungen „hervorbringt“.

Es wurde auch evolutionär von Darwins Evolutionstheorie genannt.

Zum Beispiel handelte eine von Darwins Theorien vom Überleben des Stärksten. Die schwächsten Mitglieder einer Spezies werden im Laufe der Zeit sterben.

Beim Evolutionary Computing finden Sie viele mögliche Lösungen für ein Problem. Einige können gut sein und einige können völlig zufällig sein.

Durch Tests entwickeln sich im Laufe der Zeit die besten Lösungen.

Beim Deep Learning konzentrieren wir uns auf Modelle, die wir bereits kennen. Evolutionary Computing entwickelt Lösungen für Probleme, bei denen wir keine Beispielergebnisse haben, die wir verwenden könnten.

Vision

Wir sprechen über die Fähigkeit von Computern/Maschinen oder Robotern, basierend auf Bildern automatisch zu sehen, zu verarbeiten und zu handeln.

KI für das Sehen ist im Allgemeinen unterteilt in:

Computer Vision – Ein Computer, der Informationen aus einem Bild extrahiert, um daraus einen Sinn zu machen.

Maschinelles Sehen – Maschinen, die visuelle Methoden verwenden, um Dinge in Bereichen wie einer Produktionsumgebung zu verbessern. Sie könnten Fehler visuell identifizieren, Lebensmitteletiketten überprüfen und/oder Fehler in einem Produkt erkennen.

Robotervision – Hier wird die Vision verwendet, um etwas zu identifizieren, an dem gearbeitet werden soll, und die Roboterfähigkeiten führen die erforderlichen Aktionen aus.

Robotik

Roboter sind physische Maschinen.

Robotik ist das Studiengebiet von Robotern.

Manchmal hört man Leute über Roboter sprechen, die automatisch Inhalte für Vermarkter erstellen, aber das sind eigentlich keine Roboter. Es ist kein physischer Roboter beteiligt.

Die meisten Roboter haben keine KI, aber das ändert sich.

Zum Beispiel besaß ich früher einen Roboter-Rasenmäher namens „Robomow“. Der Slogan lautete „Es mäht dich nicht“. Früher habe ich sie tatsächlich verkauft, aber das ist eine ganz andere Geschichte.

Robomow sitzt auf einer Ladeeinheit und kam alle paar Tage heraus und mähte das Gras. Es gab ein elektrisches Kabel am Rand des Gartens und der Mäher bewegte sich in verschiedenen Winkeln zu den Rändern hin und her. Es zeichnete auf, wo es gewesen war, damit es wusste, wann überall geschnitten wurde.

Es hatte sogar Regensensoren, damit es bei Regen nicht herauskam, um das Gras zu schneiden.

Aber es hatte keine künstliche Intelligenz.

Zum Beispiel hätte es etwas über Hindernisse im Garten lernen und basierend auf diesen Hindernissen verschiedene Routen bauen können.

Leider blieb meins immer wieder unter dem Trampolin hängen…

…jedes Mal…

Aussehen:

Ich sage nicht, dass diese Geräte nicht nützlich sind.

Aber … sie könnten viel klüger sein.

Expertensysteme

Ein Expertensystem ist ein Computerprogramm, das die menschliche Fähigkeit, Entscheidungen zu treffen, nachahmt.

dh es ersetzt oder unterstützt einen bestehenden Experten.

Es enthält typischerweise eine Wissensbasis mit einer Reihe von Regeln zum Anwenden des Wissens auf jede bestimmte Situation.

Mit maschinellen Lernfähigkeiten baut es seine Wissensbasis im Laufe der Zeit auf und passt neue Entscheidungen auf der Grundlage seines Arbeitswissens an oder erstellt neue Entscheidungen.

Sprachinterpretation

In nicht allzu ferner Zukunft wird es für jemanden ungewöhnlich sein, kein Gerät wie ein Amazon Echo zu Hause zu haben, damit er Fragen und Anweisungen an dieses Gerät richten und sofort Antworten erhalten kann.

Die Sprachinterpretation wird immer besser und einige dieser Geräte nutzen künstliche Intelligenz, um mit der Zeit zu lernen und bessere Antworten zu geben.

Stellen Sie sich vor, ein Spracherkennungssystem könnte vorhersagen, ob ein Verkauf von einem Callcenter generiert wird, und dann den Agenten Vorschläge machen, um die Konversionsrate zu verbessern?

Und sie taten dies, indem sie das Gespräch und die Akustik in diesem Gespräch analysierten.

Ein Unternehmen namens OTO Systems untersuchte 4.000 Stunden eingehender Verkaufsgespräche mit 50 % Konversionsraten.

Sie trainierten ihre Deep-Learning-Modelle, um die „akustische Signatur“ eines erfolgreichen Verkaufs zu erfassen.

Es gelang ihnen, 94 % der Anrufergebnisse vorherzusagen.

Anschließend implementierten sie dieses System in einem Callcenter und verzeichneten eine 20-prozentige Steigerung des Engagements bei einer 5-prozentigen Umsatzsteigerung.

KI-Planung

Laut Wikipedia handelt es sich dabei um automatisch erstellte Strategien oder Handlungsabläufe für intelligente Agenten, Roboter oder unbemannte Fahrzeuge.

Es geht also darum, ein Problem zu analysieren und einen Aktionsplan zu erstellen.

Die KI-Planung berücksichtigt Dinge wie:

• Abhängigkeiten – erfordert eine Aufgabe, dass eine andere Aufgabe abgeschlossen werden muss
• Meilensteine ​​– bestimmte Termine, die eingehalten werden müssen
• Einschränkungen – zum Beispiel, wenn Sie nur 10 Leute zur Verfügung haben, können Sie nicht 20 Leute auf das Problem werfen.

Wenn der Plan und der Zeitplan erstellt werden, wird er basierend auf den Ergebnissen und Änderungen an den Eingaben automatisch angepasst.

Wenn beispielsweise eine Ressource nicht mehr verfügbar ist, muss der Plan angepasst werden.

KAPITEL 3

KI-Anwendungen im Marketing

Es gibt so viele potenzielle Einsatzmöglichkeiten von KI im Marketing, die es effizienter machen und zu besseren Ergebnissen beitragen würden.

Wir haben viele Jahre über 1-zu-1-Marketing gesprochen, und selbst mit fortschrittlichen Marketing-Automatisierungssystemen ist dies immer noch keine Realität.

Aber … mit künstlicher Intelligenz haben wir eine viel bessere Chance, das zu liefern, was sich eher wie eine Eins-zu-eins-Kundenkommunikation anfühlt.

Sehen wir uns einige Beispiele an, wie das Marketing mit KI verbessert werden kann.

KI und Content-Marketing

Um im Internet zu überleben, müssen wir Inhalte produzieren.

Inhalte ziehen Besucher an, fesseln unser Publikum und geben ihm einen Anreiz, wiederzukommen.

Inhalte gibt es in vielen Formen:

• Blogeintrag
• Referenzen
• Sachdaten zB Berichte
• Videoinhalte
• Tweets
• Firmeninformation

KI wird niemals die volle Rolle des Content Marketers übernehmen, aber sie kann sicherlich helfen.

Können Computer automatisch Inhalte erstellen, die nicht so klingen, als wären sie von einem Computer erstellt worden?

Ja!

Ein Bericht von Statista aus dem Jahr 2017 ergab, dass über 90 % der Befragten angaben, personalisierte Inhalte „sehr/etwas“ ansprechend zu finden.

Es ist keine Überraschung, dass die Leute das Gefühl haben möchten, dass Sie Informationen und Inhalte bereitstellen, die nur für sie relevant sind. Sie kümmern sich nicht um andere!!!

Vermarkter haben nicht die Zeit, alle Inhalte zu personalisieren, aber zum Glück kann KI helfen.

Hier ist wie:

Inhaltsrecherche

MarketMuse ist eine Softwareplattform, die Benutzern Anleitungen zum Erstellen der richtigen Inhalte gibt. Es verwendet Big Data und KI, um zu verstehen, wie Suchmaschinen Inhalte bewerten.

Es verarbeitet alle Ihre Daten und vergleicht sie mit dem Ranking anderer Unternehmen für ähnliche Inhalte.

Anschließend organisiert es Ihre Inhalte in Themenclustern, definiert die Themen, für die ein Ranking einfach ist, und gibt Empfehlungen zur Verbesserung Ihrer Inhalte.

Die Durchführung einer Inhaltsprüfung ist ein sehr zeitaufwändiger Prozess, und eine Software wie diese kann Ihnen enorm viel Zeit sparen.

Hier ist ein Beispiel, in dem MarketMuse die Top-Suchergebnisse für Marketing-Tools analysiert. Es extrahiert die relevantesten Begriffe aus jedem der hochrangigen Inhaltsstücke und vergleicht diese mit Ihren Inhalten.

Das Tool zeigt die Anzahl der Erwähnungen dieser Keywords in den Inhalten der Wettbewerber im Vergleich zur Anzahl der Erwähnungen in Ihren Inhalten an. Sie erhalten eine Inhaltspunktzahl, die Sie verbessern können, um einen höheren Rang zu erreichen.

Durch die Analyse Ihrer Inhalte bestimmt MarketMuse Ihre „Themenautorität“. Dies sind die Themen, für die Sie leicht ranken könnten, indem Sie mehr Inhalte um sie herum erstellen.

Inhaltserstellung

Neurolinguistische Generierung (NLG) ist eine Technologie, die Daten in menschlich klingende Erzählungen umwandelt.

Automated Insights ist ein Unternehmen, das genau das tut, was sein Name vermuten lässt.

Sie analysieren die Daten und erstellen automatisch einen Text, der die Daten beschreibt.

Stellen Sie sich vor, Sie wären in einem Börsenmaklerunternehmen und müssten 1.000 verschiedene Berichte für Kunden erstellen. Das ist ein schrecklicher Gedanke, nicht wahr?

Stellen Sie sich nun vor, auf eine Schaltfläche zu klicken und diese Berichte automatisch zu generieren.

KI mag zwar kein Buch schreiben oder mich als Blogger ersetzen, aber sie kann bei der Erstellung von Inhalten sicherlich sehr helfen.

Inhaltliche Verstärkung

Inhaltsverstärkung ist der Prozess der Förderung und Verbreitung von Inhalten durch bezahlte und unbezahlte Taktiken, um eine größere Reichweite zu erzielen.

Bei so viel Lärm im Internet wird selbst der epischste Inhalt nicht gut funktionieren, es sei denn, Sie bewerben ihn.

Content-Promotion hat früher einen großen Teil der Zeit von Content-Vermarktern in Anspruch genommen, aber jetzt gibt es einige wirklich intelligente Tools, die diesen Prozess automatisieren können.

Hier ist ein Beispiel.

Inpowered ist ein Tool, mit dem Sie die Inhalte auswählen können, die Sie auf vielen nativen Werbeplattformen bewerben möchten, und dann den Prozess der Platzierung der Werbung und der Erzielung der besten Pay-per-Click-Raten automatisieren.

Es wird Werbeaktionen auf bestimmten Plattformen stornieren, Werbeaktionen auf anderen Plattformen erhöhen und analysieren, was wann funktioniert.

Alles vollautomatisch.

Diese Plattform ist interessant, weil die Technologie sehr gut ist und Sie nur für engagierte Benutzer bezahlen. Wenn jemand Ihre Inhalte ansieht und sofort zurückspringt, werden Ihnen keine Kosten in Rechnung gestellt.

Content-Optimierung

Wie wäre es mit der Optimierung von Inhalten, um mehr Traffic von Google zu generieren?

Früher konnten Sie dasselbe Keyword viele Male in Ihren Artikel stecken, um einen Rang zu erreichen.

Aber jetzt … führt Google eine semantische Analyse Ihrer Inhalte durch, um zu verstehen, worum es in den Inhalten geht.

Es verwendet maschinelles Lernen (Rankbrain), um die von Ihnen geschriebenen Inhalte zu verstehen.

Außerdem wird nicht nur auf Schlüsselwörter, sondern auf die Autorität des Themas geachtet.

Hier ist ein Beispiel dafür, wie Sie Themenautorität auf Ihrer Website demonstrieren können.

Sie erstellen einen Pillar-Content wie diesen Content.

Anschließend erstellen Sie verwandte Inhalte, die auf den Pillar-Inhalt verlinken (und die Pillar-Links auf die verwandten).

Sie können sogar noch einen Schritt weiter gehen und Gastbeiträge auf anderen Websites erstellen, die auf die zugehörigen oder Pillar-Inhalte auf Ihrer Website verlinken.

Dies zeigt die Themenautorität, die wichtiger ist als ein Beitrag, der auf ein bestimmtes Schlüsselwort abzielt.

Google verwendet KI, um Ihre Themenautorität herauszufinden, daher ist es sinnvoll, dass wir Tools benötigen, die KI nutzen, um herauszufinden, ob wir Google die richtigen Signale liefern.

Genau das machen MarketMuse und andere Tools in diesem Bereich.

Inhaltspflege

Ein Content-Curation-Tool eignet sich hervorragend, um relevante Inhalte zu finden, an denen Sie interessiert sind.

Sie richten beispielsweise eine Reihe von Schlüsselwörtern ein und es werden Inhalte gefunden, die im Zusammenhang mit diesen Schlüsselwörtern beliebt sind.

Aber….

… die KI-Version des Content-Curation-Tools geht noch einen Schritt weiter.

Nehmen Sie Frase.io als Beispiel.

Dies findet Inhalte, verwendet dann aber KI, um die Inhalte zusammenzufassen, sodass Sie nicht alles lesen müssen.

Ich weiß nicht, wie es euch geht, aber das klingt für mich großartig!!!

In Bezug auf die Kuration von Inhalten sollte KI bei den folgenden Arbeitsabläufen unterstützen:
– Gezieltere Abfragen und Rauschunterdrückung bei der Medienbeobachtung
– Zusammenfassen von Informationen, um Wissensarbeitern dabei zu helfen, Inhalte schneller zu konsumieren und nur dann tiefer zu graben, wenn sie relevant sind
– Beziehungen zwischen Themen identifizieren und Trends im Laufe der Zeit zeichnen
Eine verbesserte Inhaltskuration durch KI sollte Vermarktern dabei helfen, bessere Newsletter zu erstellen, mehr Recherchen zu ihren ursprünglichen Inhalten zu integrieren, ihre Social-Media-Postings zu skalieren und reichhaltigere interne Microsites zu erstellen. Digitale Verlage können KI-gesteuerte Content Curation verwenden, um automatisch Berichte zu erstellen und ihren redaktionellen Workflow zu bereichern.

Tomas Ratia-CEO Frase.io

KI und Analytik

Typischerweise unterteilen wir Analytics in beschreibende, prädiktive und präskriptive Analysen, aber fügen wir eine vierte Dimension hinzu:

Descriptive Analytics gibt es schon lange.

Ein Beispiel hierfür wäre, Google Analytics-Daten zu sehen, aber nicht zu wissen, was damit zu tun ist.

Predictive Analytics gibt Ihnen Ideen, was Sie tun könnten, und Prescriptive sagt Ihnen, was Sie tun müssen.

Bei handlungsorientierten Analysen werden Maßnahmen automatisch ergriffen und auf der Grundlage von Vorschriften getestet.

Manchmal logge ich mich versehentlich in das Netflix-Konto meiner Frau ein und die meisten Empfehlungen sind nicht die Filme, die ich mir ansehen würde!

Aber wenn ich mich in mein Netflix-Konto einlogge, zeigt es immer etwas Interessantes für mich.

Netflix gruppiert Personen automatisch in verschiedene Kategorien und Bewertungen basieren auf dem Feedback innerhalb der Kategorie, in die Sie eingestuft wurden.

Wenn ich also eine prozentuale Bewertung sehe, die angibt, wie wahrscheinlich es ist, dass ich einen Film mag, könnte diese Bewertung für meine Frau anders sein, da sie in einer anderen Kategorie ist.

Netflix versucht ständig, bessere Empfehlungen zu geben, um seinen Nutzern bessere Filme zu vermarkten.

Aber sie sehen sich nicht nur den Film/die Serie an, den bzw. die Sie angefangen haben zu sehen. Sie werden sich auch ansehen:

• Hast du etwas davon gesehen und aufgehört zu schauen
• Hast du es über ein paar Nächte gesehen
• Wann Sie es gesehen haben, dh vor einem Monat, vor einem Jahr usw.

Und natürlich noch viel mehr.

Dies sind maschinelle Lernalgorithmen, die im Laufe der Zeit lernen und sich automatisch anpassen.

Ein britisches Unternehmen namens Datalytyx hat eine KI-Lösung patentiert, die ein großes Problem bei der Analyse großer Datenmengen löst, beispielsweise die Analyse von Milliarden von Datensätzen.

Seine KI-Software identifiziert die relevantesten 1 % der Daten und erstellt auf dieser Grundlage Berichte.

KI und Marketingautomatisierung

Eine typische Marketing-Automatisierungsaufgabe besteht darin, eine Reihe von E-Mails an Benutzer zu senden, nachdem sie sich für eine E-Mail-Liste angemeldet haben.

Und dann, basierend auf ihrer Interaktion mit E-Mails, Menschen auf einen anderen Weg leiten.

Beispielsweise löst der Klick auf einen Link zu einem neuen Produkt in der zweiten E-Mail in einer Folge eine andere E-Mail aus.

Das ist intelligente E-Mail-Automatisierung, aber keine KI.

KI fügt eine ganz neue Ebene der Intelligenz hinzu. Hier sind einige Beispiele:

Watson ist eine IBM-Plattform, die KI verwendet, um mehr über Ihre Daten zu erfahren.

„Watson-Marketing“ ist ein Teil der Watson-Plattform, der sich auf … Sie haben es erraten … Marketing konzentriert.

Eine seiner Komponenten ist die Erstellung gezielter E-Mail-Kampagnen.

Es verwendet KI, um mehr über jeden Einzelnen in der Kampagne zu erfahren, und passt die Kommunikation auf der Grundlage dieser Daten an.

Anstatt beispielsweise Menschen nur auf der Grundlage eines von ihnen ausgefüllten Formulars in einen Eimer zu stecken, zieht es die Daten aus vielen Quellen und erstellt Mikrosegmente basierend auf Lebensstil, Sozialverhalten, Lebensphase, Standort usw.

Aber es wird diese Daten auch kontinuierlich auswerten und Personen auf der Grundlage neuer Daten und Leistungsanalysen automatisch zwischen den Segmenten verschieben.

Wenn Sie mit großen Datensätzen arbeiten, benötigen Sie KI, um bestimmte Aufgaben zu automatisieren und Daten zu verstehen.

Zum Beispiel:

Stellen Sie Daten aus vielen Quellen zusammen und erstellen Sie Mikrosegmente basierend auf Lebensstil, Sozialverhalten, Lebensphase, Standort usw.

Entdecken Sie Fehler in ursprünglichen Kampagnen und ändern Sie Segmente und Angebote auf dieser Grundlage.

KI und Conversational Marketing

Ein Chatbot ist ein Computerprogramm, das entwickelt wurde, um eine Unterhaltung mit einem anderen Menschen zu simulieren.

Es gibt viele Tools (z. B. Mobile Monkey), mit denen Sie ganz einfach einen Chatbot erstellen können.

Sie haben ein Builder-Programm, mit dem Sie automatisch Aktionen basierend auf Eingaben erstellen können.

Diese Chatbots sind jedoch nicht KI-fähig. Sie werden darauf trainiert, bestimmte Benutzerabsichten zu erkennen, und sie greifen auf eine Wissensdatenbank zu, um Antworten abzurufen (abrufbasierte Chatbots).

Wir sind noch weit davon entfernt, Chatbots zu sehen, die Benutzern eine unbegrenzte Menge an Antworten liefern können, die sie spontan generieren können. Dies wäre die wahre KI bei der Arbeit.

Die meisten Chatbots sind heute in einer bestimmten Nische tätig und die Menge an Dingen, die sie wissen und können, ist sehr begrenzt. Sie verwenden jedoch immer noch NLP-Techniken, um die menschliche Sprache zu verstehen. Anspruchsvollere verwenden auch Sentimentanalysen, um die Emotionen hinter den Worten des Benutzers zu verstehen.

Chatbots, wie sie heute sind, sind immer noch ein sehr nützliches Werkzeug, um bestimmte Teile des Verkaufs- und Marketingprozesses zu automatisieren.

Chatbots können beispielsweise:

• Erhöhen Sie das Engagement durch personalisierte Gespräche mit Benutzern
• Kundenanfragen auf Ihrer Website bearbeiten
• Verbessern Sie das Targeting, indem Sie nützliche Erkenntnisse über Benutzer sammeln

Für Unternehmen, die bereits Chatbots auf ihrer Website verwenden, gibt es jetzt Tools, die ihnen helfen können, zu verstehen, wie gut sie funktionieren.

Liveperson.com analysiert Chatbot-Gespräche in Echtzeit, um zu beurteilen, wann Kunden ein schlechtes Kundenerlebnis haben. Auf dieser Grundlage können Unternehmen dann Maßnahmen ergreifen.

Ich bin mir nicht sicher, ob wir das verwenden werden ... vielleicht kommt ein neues Diagramm.

KI und E-Mail-Marketing

E-Mail-Marketing ist ein Bereich, der enorm von KI profitieren könnte.

Denken Sie nur darüber nach – ein KI-Tool könnte Ihnen dabei helfen, festzustellen, welche Art von Inhalt Sie senden müssen und wann Sie ihn senden müssen, um Ihre Chancen zu erhöhen, einen einzelnen Interessenten zu konvertieren.

Angesichts der Tatsache, dass KI enorme Datenmengen in kürzester Zeit verarbeiten kann, führen Sie intelligentere und effizientere Kampagnen mit einem besseren ROI durch. Ganz zu schweigen von der Zeit, die Sie beim A/B-Testen sparen würden!

Ein von KI unterstütztes E-Mail-Marketing-Tool könnte auch bei einem anderen herausfordernden Bereich für Vermarkter hilfreich sein – dem Versand hochgradig personalisierter E-Mails in großem Maßstab.

KI kann die Geschichte eines Kunden mit Ihrem Unternehmen berücksichtigen und die Art von Nachrichten und Angeboten bestimmen, die am besten funktionieren.

Zum Beispiel ist Phrasee ein E-Mail-Marketing-Tool, das KI verwendet, um Betreffzeilen, Text und CTAs zu generieren, um höhere Klickraten und Engagement bei E-Mail-Marketingkampagnen zu fördern.

KI und SEO

Künstliche Intelligenz hat das Potenzial, die Suche menschlicher zu machen.

Das bedeutet, dass Suchmaschinen jetzt mehr auf die Bedeutung und den Kontext der Suchanfrage des Suchenden achten, um aussagekräftigere Ergebnisse zu liefern.

Die Zeit des Keyword-Stuffings ist vorbei. Suchalgorithmen konzentrieren sich jetzt auf den Kontext und die Suchabsicht des Benutzers.

Und das ist gut so.

Vermarkter können auch KI-Tools nutzen, um das Ranking ihrer Inhalte zu verbessern.

Jetzt können Sie KI verwenden, um Ihre SEO-Bemühungen auf verschiedene Weise zu verbessern, darunter:

• Identifizieren von Content-Möglichkeiten
• Durchführen von Keyword-Recherchen
• Identifizieren von Möglichkeiten zur Content-Optimierung
• Personalisierung von Inhalten und mehr.

KI und soziale Medien

Jedes Mal, wenn Sie sich bei Facebook anmelden und den Newsfeed ansehen, sehen Sie KI in Aktion.

Facebook überwacht kontinuierlich, wem Sie folgen, womit Sie interagieren, wie Sie Inhalte konsumieren und vieles mehr.

Diese Algorithmen lernen im Laufe der Zeit, um bessere Newsfeed-Ergebnisse zu erzielen.

Bei Facebook dreht sich alles um Engagement.

Wenn Sie mehr Zeit auf der Plattform verbringen, können sie Ihnen mehr Anzeigen zeigen und mehr Geld verdienen.

So einfach ist das!

Es ist absolut sinnvoll zu verfolgen, womit Sie interagieren und womit Sie nicht interagieren.

Wenn Sie einer Facebook-Seite folgen und nie mit den dort veröffentlichten Beiträgen interagieren, ist das ein sicheres Zeichen dafür, dass Sie kein Interesse an den Inhalten dieser Seite haben.

Hier ist ein weiteres Beispiel für KI für soziale Medien.

Persado bietet „maschinengenerierte Marketingtexte, um die maximale Leistung in jedem Kanal zu steigern“.

Es wählt die besten Wörter, Phrasen, Bilder und Emotionen aus, um mehr Engagement zu fördern.

Und bei Social Media dreht sich alles um Engagement.

Mit diesem Social-Media-Modul erstellen sie automatisch den Text und finden die besten Bilder, die das größte Engagement erzielen.

KI und Conversion-Rate-Optimierung (CRO)

Bei der Conversion-Rate-Optimierung geht es darum, die Conversion zu verbessern.

Zum Beispiel konvertieren Sie von 100 Besuchern Ihrer Website 2 %, und dann nehmen Sie Änderungen an Ihrer Website vor und erhöhen Ihre Konversion auf 3 %.

Es gibt viele Möglichkeiten, die Conversion zu steigern:

• Verbessern Sie Ihre Anzeigen, sodass Sie eine höhere Klickrate und niedrigere Kosten erzielen
• Verbessern Sie die Anzeigen, damit Sie ein besseres Publikum zu Ihrem Angebot führen
• Bauen Sie einen anderen Verkaufstrichter auf, fügen Sie beispielsweise eine Up-Sell-Option hinzu, nachdem jemand gekauft hat
• Ändern Sie die Seiten, die Teil des Trichters sind, z. B. Farben, Text, Bilder, Videos usw.

Dies ist ein sehr zeitaufwändiger und manueller Prozess, und hier kann KI helfen.

Unbounce ist ein Landingpage-Tool.

Sie haben kürzlich ein Pilotprojekt rund um KI aufgebaut und 34 Kunden über einen Zeitraum von 6 Wochen einbezogen.

Die KI analysierte die Leistung der Landing Pages bei realen Kampagnen und wies Conversion-Spezialisten an, was zu ändern ist.

Im Durchschnitt betrug die Conversion-Steigerung auf den Seiten 19,8 %, wobei eine Seite über 100 % erzielte.

Dies ist sicherlich eine höhere Leistungssteigerung, als Sie von der Zusammenarbeit mit einem Konvertierungsspezialisten erwarten würden.

KI und Zuhören/Überwachen

Jedes Unternehmen da draußen möchte in der Lage sein, so viel wie möglich von den Gesprächen rund um seine Marke zu erfassen.

Ziel ist es, nicht nur zu verstehen, was Menschen über ihre Marke, Produkte oder Dienstleistungen sagen, sondern auch, was sie über sie denken.

Dies hilft Vermarktern, ihre Markenpräsenz zu analysieren und diese Erkenntnisse zu nutzen, um die Kommunikation mit ihrem Publikum zu verbessern und ihre Kampagnen besser auszurichten.

NLP und Stimmungsanalyse können in diesem Bereich wirklich helfen.

Unternehmen können KI verwenden, um Gespräche rund um ihre Produkte zu verstehen, damit sie potenzielle Probleme erkennen und darauf reagieren sowie Kaufabsichten aufdecken können.

KI und Bilderkennung

Wir alle wissen, wie wichtig visuelle Inhalte für das Marketing sind.

Jetzt können wir KI- und Bilderkennungstools verwenden, um Trends zu analysieren und die Art von Visuals aufzudecken, die die besten Ergebnisse in sozialen Medien und anderen Kanälen erzielen würden.

Die Bilderkennung ermöglicht es Marketingfachleuten, den Aussagen ihres Publikums durch Bilder „zuzuhören“, sodass sie visuelle Inhalte liefern können, die den Interessen dieses Publikums entsprechen.

KI kann dabei helfen, Millionen von Social-Media-Beiträgen zu analysieren und die Bilder zu filtern, die Menschen teilen und mit denen sie interagieren.

Ohne Bilderkennungstools wäre es für Marketer unmöglich, diese Menge an Bildmaterial zu analysieren!

Ein Beispiel dafür ist die Image Insights-Plattform von Brandwatch. Dieses Tool konzentriert sich darauf, Unternehmen dabei zu helfen, herauszufinden, wie Menschen Bilder verwenden, die ihre Marke in sozialen Medien enthalten.

Es analysiert im Wesentlichen visuelle Erwähnungen des Logos einer Marke in Millionen von Social-Media-Beiträgen.

KI und Influencer-Marketing

Influencer-Marketing ist eine sehr mächtige Form des Marketings, aber Marken finden es schwierig, die richtigen Influencer zu identifizieren.

Mit der KI-Technologie gibt es jetzt intelligentere Möglichkeiten, Influencer zu analysieren und zu finden.

Zum Beispiel:

Die Nachfrage nach nützlichen Inhalten von vertrauenswürdigen Experten erobert die Marketingwelt in Form von Influencer Collaboration im Sturm, und KI spielt mehrere Rollen.

Von KI-gestützten virtuellen Influencern auf Instagram wie @lilmiquela mit 1,5 Millionen Followern bis hin zu ausgeklügelten KI-Systemen, die in Influencer-Marketingplattformen verwendet werden, stehen die Auswirkungen und Auswirkungen der künstlichen Intelligenz auf das Influencer-Marketing noch am Anfang.

Zukünftige Anwendungen von KI und Influencer-Marketing umfassen die Fähigkeit, die potenziellen Auswirkungen bestimmter Influencer, Inhaltstypen und Kanalkombinationen vorherzusagen, sowie eine fortschrittlichere Filterung von Influencern mit gefälschten Followern.

Lee Odden – Gründer von TopRank Marketing

KAPITEL 4

Sicherheitsbedenken bezüglich KI

Im Jahr 2018 hat die EU eine Verordnung namens GDPR (Global Data Protection Regulation) eingeführt.

Ihr Ziel ist es, die Erhebung, Speicherung und Nutzung personenbezogener Daten durch Unternehmen ohne Erlaubnis zu regeln.

Da die Verbraucher immer mehr Bedenken hinsichtlich der Verwendung ihrer personenbezogenen Daten haben, gehe ich davon aus, dass ähnliche Vorschriften in anderen Teilen der Welt eingeführt werden.

Da es bei KI ausschließlich um das Sammeln und Verarbeiten von Daten geht, hat dies schwerwiegende Auswirkungen.

Angenommen, Sie sind in einen Supermarkt gegangen und der Supermarkt hat Gesichtserkennung verwendet, um Sie zu identifizieren, und dann Ihre Erfahrung basierend auf den verfügbaren Daten angepasst. Haben sie die Erlaubnis dazu? Nicht in Europa.

Obwohl KI extrem leistungsfähig ist, muss ein Teil ihrer Verwendung genehmigt werden.

Zusammenfassung

Der KI steht eine strahlende Zukunft bevor.

Es wird noch viele Jahre lang einen enormen Einfluss auf das Marketing haben.

Es wird Marketingrollen verändern, es wird einige von ihnen vollständig entfernen, und es wird ein völlig neues Maß an Raffinesse bieten, das vorher nie möglich war.

Sollten Sie sich als Marketer Sorgen machen?

Na sicher.

Sie müssen über die Entwicklungen in der KI auf dem Laufenden bleiben und sehen, wie Sie sie in Ihr Marketing integrieren können.

Sie müssen über Ihre Rolle als Marketer nachdenken und darüber, wie sich Ihre Rolle in Zukunft entwickeln oder ersetzen wird.