AI dan pembelajaran mesin dalam pemasaran: Apakah Anda menerapkan model yang tepat?

Sekarang konsumen mengharapkan kecepatan dan hiper-personalisasi dalam segala hal, pemasar harus menemukan cara inovatif untuk memenuhi permintaan dan memaksimalkan anggaran mereka. Untuk melakukan ini, pemasar beralih ke kecerdasan buatan dan pembelajaran mesin. Bahkan, ada istilah baru untuk ini – “AI Marketing.”

Harapan pelanggan tidak pernah lebih tinggi. Amazon, Netflix, dan Google telah menetapkan standar untuk apa yang diharapkan pelanggan dari teknologi dan pemasaran. Amazon menerima pesanan Anda dalam satu klik dan mengirimkannya keesokan harinya. Netflix mengarungi pilihan hiburan Anda selama bertahun-tahun dan segera menyarankan acara berikutnya yang ingin Anda tonton. Google mengoreksi ejaan Anda, memprogram Alexa untuk memberi tahu Anda ketika paket Amazon itu tiba dan memberi Anda jawaban instan untuk taruhan batang yang paling tidak jelas.

Pemasaran AI, seperti yang ditunjukkan dalam contoh ini, memanfaatkan teknologi untuk mengumpulkan data, mengembangkan wawasan pelanggan, mengantisipasi tindakan terbaik berikutnya, dan membuat keputusan otomatis tentang upaya pemasaran. Jika tujuan Anda sebagai pemasar adalah untuk mendorong pendapatan, membantu menurunkan biaya melalui efisiensi, dan mendorong keterlibatan dan kepuasan pelanggan, pemasaran AI dapat membantu Anda mencapai semua hal tersebut.

Mari kita jelajahi tiga area di mana AI Marketing dapat membantu dan apa yang harus Anda ketahui tentang setiap area sebelum memulai proyek apa pun.

Untuk setiap proyek, kita akan secara singkat mengeksplorasi apa itu, bagaimana cara kerjanya untuk pemasaran, dan segala jebakan – teknis atau budaya – yang mungkin perlu Anda ketahui dalam menerapkannya.

1. Manajemen Data Pemasaran

Apa itu

Manajemen data pemasaran adalah proses pengumpulan dan penanganan data pemasaran, intelijen kompetitif, dan informasi riset pasar. Fungsi ini tidak boleh terjadi di departemen TI – ini adalah inti dari apa yang dilakukan pemasaran. Menentukan siapa pembeli terbaik untuk produk atau layanan Anda jelas merupakan fungsi pemasaran. Mengumpulkan dan mengelola data yang terkait dengan pembeli Anda adalah pertimbangan pertama pemasaran. Apa yang Anda ketahui tentang pelanggan Anda? Berapa banyak dari mereka yang Anda miliki? Bagaimana Anda menggambarkan pelanggan? Yang mana membeli produk atau jasa yang mana? Seberapa besar seluruh pasar untuk produk atau layanan Anda? Semua pertanyaan pemasaran penting ini dijawab melalui manajemen data pemasaran.

Bagaimana itu bisa berhasil untuk Anda?

Penggunaan AI dan pembelajaran mesin di area ini dapat diterapkan baik di tingkat makro maupun mikro. Di tingkat makro, Anda dapat menerapkan AI dan model pembelajaran mesin untuk memahami bagaimana seluruh segmen basis pelanggan Anda menjadi grup pembelian tertentu. Pada tingkat mikro, Anda dapat memprediksi nilai umur produk dan mengaitkannya dengan pelanggan individu. Analisis data tingkat mikro ini membantu Anda menentukan pelanggan atau prospek mana yang terbaik untuk dikejar dengan produk mana. Mengumpulkan data dari upaya ini hanya membantu membuat model Anda lebih kuat dan lebih akurat.

Mengumpulkan data juga mengharuskan Anda mengelola kualitas data yang Anda kumpulkan. Pembelajaran mesin dapat diterapkan pada kumpulan data besar untuk menghapus duplikat catatan atau memberikan penyesuaian untuk menstandardisasi bidang seperti kode pos atau alamat. ML juga berguna dalam membantu mengatur kumpulan data untuk digunakan dalam aplikasi AI lainnya.

Kegunaan lain dari pembelajaran mesin termasuk teknik seperti web scraping. Proses ini berguna ketika mencoba memahami pesaing Anda. Setiap situs web pesaing biasanya berisi informasi yang dapat dikumpulkan melalui metode ini seperti produk baru yang tersedia, pelanggan yang disebutkan, dan program khusus. Ini semua adalah informasi publik, dan dengan algoritme yang tepat, ilmuwan data dapat mengumpulkan informasi dasar tentang pesaing yang ada, maupun yang baru muncul.

Baca selanjutnya: Mengapa kami peduli dengan AI dalam pemasaran

Hal-hal yang harus diperhatikan

Ada gerombolan alat dan agen konsultan di pasar yang ingin membantu Anda dengan manajemen data pemasaran. Alat mencakup berbagai dari Google Analytics hingga SAS, masing-masing menyediakan kemampuan tertentu. Memahami apa yang ingin Anda capai – segmentasi pasar, analisis persaingan, dll. – akan membantu Anda memutuskan alat atau agensi yang dapat mendukung Anda. Melibatkan pemimpin operasi pemasaran Anda juga merupakan ide yang bagus.

Saat memulai proyek manajemen data pemasaran, pertimbangkan terlebih dahulu tujuan pengelolaan data Anda, lalu cari alat yang terbaik dalam melakukan tugas yang teridentifikasi tersebut. Saat melibatkan agen konsultan, carilah mereka yang memiliki pengalaman di bidang yang Anda butuhkan.

2. Niat Pelanggan

Apa itu

Data niat pelanggan adalah informasi penjualan dan pemasaran yang diperoleh dari mengamati tindakan pelanggan saat mengakses konten online, melihat pesaing, mendaftar untuk acara, menghubungi analis, atau terlibat dalam sejumlah aktivitas media sosial – mulai dari menelusuri web hingga memposting di LinkedIn . Hampir setiap organisasi pemasaran saat ini bergantung pada jenis data ini sampai tingkat tertentu, tetapi seringkali tidak berhasil untuk semua pemasar.

Bagaimana itu mungkin berhasil untuk Anda?

Dari data yang dikumpulkan tentang interaksi setiap pelanggan dengan merek, situs web, atau staf Anda, ahli statistik dan ilmuwan data dapat membuat kesimpulan tentang minat pelanggan dan niat mereka untuk terlibat dan membeli dari perusahaan Anda. Kesimpulan ini dapat membantu dalam memposisikan kepada pelanggan produk yang tepat pada waktu yang tepat.

Setelah algoritme dikembangkan untuk mengidentifikasi pelanggan ini, Anda juga harus mengumpulkan masukan tentang keluaran model AI dari tim penjualan yang akan menggunakan informasi ini, serta dari pemasar yang mungkin menerapkannya ke kampanye online. Uji keluaran model, tetapi juga uji bagaimana penjualan dan pemasaran menggunakannya.

Hal-hal yang harus diperhatikan

Sumber data paling penting dalam menentukan niat. Anda sudah memiliki informasi yang baik tentang apa yang dibeli pelanggan Anda, kapan mereka membeli, dari siapa mereka membeli dan jenis perusahaan atau individu apa yang membeli. Tetapi data niat juga bergantung pada tindakan yang mungkin dilakukan pelanggan atau prospek Anda sebelum pembelian yang sebenarnya.

Misalnya, ini mungkin memerlukan algoritme AI Anda untuk membuat hubungan antara pertanyaan di situs pesaing Anda dan prospek atau daftar pelanggan Anda. Ada perusahaan yang dapat memberikan data niat tingkat kontak yang mengidentifikasi orang yang sebenarnya mengambil tindakan. Informasi ini bermanfaat tetapi harus digunakan dengan hati-hati untuk menghindari efek "menyeramkan".

Dapatkan buletin harian yang diandalkan oleh pemasar digital.

Memproses ... tunggu sebentar.

LANGGANAN

Lihat istilah.

Juga, saat menggunakan data maksud, ingatlah bahwa itu hanya terarah – tidak spesifik atau aktual. Jika tim penjualan Anda menggunakan data niat, mereka akan membutuhkan pelatihan tentang arti sebenarnya dari informasi tersebut. Misalnya, Mengidentifikasi CIO yang kemungkinan akan membeli sistem ERP dalam 30 hari ke depan mungkin hanya berarti bahwa CIO telah memulai proses selama setahun untuk mengidentifikasi sistem. Memberikan ini kepada penjualan sebagai petunjuk tanpa penjelasan bisa menjadi pukulan bagi organisasi pemasaran Anda.

3. Peluang dan prediksi pembelian.

Apa itu

Peramalan adalah cara untuk memprediksi apa yang akan terjadi di masa depan. Misalnya, Anda dapat memperkirakan penjualan produk dan layanan dalam periode tertentu.

Peramalan penjualan membantu rencana manajemen untuk pengeluaran, pertumbuhan bisnis, atau penurunan ekonomi. Ini adalah bola kristal yang digunakan manajer penjualan saat memprediksi apakah mereka akan mencapai target atau tidak. Peramalan penjualan biasanya cukup akurat karena menggunakan transaksi penjualan masa lalu untuk memprediksi yang akan datang.

Bagaimana itu bisa berhasil untuk Anda?

Pemasaran juga dapat menggunakan prediksi dalam pekerjaan mereka. Misalnya, departemen pariwisata Norwegia menggunakan metodologi AI untuk memprediksi berapa banyak wisatawan yang akan mengunjungi negara tersebut. Meski bukan angka penjualan, ini merupakan KPI penting bagi pariwisata Norwegia. AI atau analisis statistik lanjutan juga dapat membantu memprediksi kehadiran di acara, jumlah orang yang akan menerima penawaran khusus yang dibuat di situs web Anda, atau jumlah prospek yang memenuhi syarat yang akan berhasil dibeli.

Hal-hal yang harus diperhatikan

Peramalan bisa sangat bermanfaat, tetapi hanya berguna jika terbukti akurat. Berikut adalah beberapa tips:

• Pertimbangkan lebih dari sekadar angka kuartal terakhir. Peramalan penjualan yang baik memiliki setidaknya 18 hingga 24 bulan data kinerja perusahaan. Bekerja dengan data sebanyak itu memungkinkan Anda untuk lebih akurat dalam memperkirakan. Jika data tidak tersedia, hindari peramalan.
• Perhitungkan perubahan dalam bisnis Anda secara keseluruhan. Peramalan yang baik memperhitungkan penjualan produk dan layanan yang sama dari waktu ke waktu. Memperoleh produk baru untuk dijual, melepaskan produk, dan mengubah harga atau strategi, semuanya memengaruhi kemampuan Anda untuk memperkirakan penjualan secara akurat. Juga, jika Anda memprediksi acara pemasaran lainnya, salah satu variabel yang sering kali penting adalah anggaran yang dialokasikan untuk suatu kegiatan. Jika itu sangat bervariasi dari kuartal ke kuartal atau tahun ke tahun, maka mungkin lebih sulit untuk memperkirakan, atau Anda mungkin perlu mengizinkan varians ini dalam model.
• Jangan mencoba meramalkan penjualan ke pasar baru dengan pelanggan baru. Tidak peduli seberapa menggodanya, Anda memerlukan data kinerja untuk memperkirakan penjualan. Serahkan perkiraan ini kepada tim penjualan Anda. Ini sering dianggap sebagai pengembangan bisnis, dan tim penjualan ini tahu cara mengevaluasi apakah pelanggan akan membeli atau tidak. Untuk pemasar, ini adalah masalah mengumpulkan informasi dari tim penjualan, mengembangkan profil pelanggan yang baik, dan kemudian menerapkan analisis “mirip” ke prospek lain.

Ini hanya beberapa area utama pemasaran untuk menerapkan AI dan teknik pembelajaran mesin. Saat Anda menjelajah lebih jauh di dunia ini, Anda akan menemukan bahwa peluang berlimpah terutama dalam membantu pemasaran merampingkan berbagai keputusan yang mereka buat setiap hari.

Pendapat yang diungkapkan dalam artikel ini adalah dari penulis tamu dan belum tentu MarTech. Penulis staf tercantum di sini.