Kecerdasan Buatan: Pendekatan Modern untuk Pemasaran

Dalam panduan ini, saya akan membahas secara mendetail tentang bagaimana kecerdasan buatan memengaruhi pemasaran saat ini dan bagaimana hal itu akan terus memengaruhinya di masa depan.

Di akhir posting ini, Anda akan senang dengan kemungkinan AI dan mungkin sedikit gugup tentang implikasinya!

Dan tidak apa-apa untuk merasa gugup karena peran pemasar dalam organisasi akan berubah tetapi….

…Anda masih memiliki peran penting untuk dimainkan.

Daftar isi

BAB 1

Pengantar Kecerdasan Buatan (AI)

Kecerdasan Buatan dalam Pemasaran adalah nyata dan sekarang saatnya untuk duduk dan memperhatikan.

Kecerdasan buatan mempercepat pemasaran menuju masa depan otomatis yang lebih cerdas di mana solusi yang lebih cerdas (bertenaga AI) memungkinkan pemasar untuk memecahkan masalah dan mencapai tujuan dengan lebih efisien. Anda punya pilihan. Anda dapat duduk dan menunggu dunia pemasaran menjadi lebih pintar dan berubah di sekitar Anda, atau Anda dapat merangkul AI sekarang dan proaktif dalam menciptakan keunggulan kompetitif untuk diri sendiri dan perusahaan Anda.

Paul Roetzer, Pendiri Pemasaran Institut Kecerdasan Buatan

Namun, tidak semua perusahaan perangkat lunak benar-benar memiliki AI yang mengatakan bahwa mereka memilikinya.

Ada begitu banyak hype seputar perusahaan AI Tech yang ingin memanfaatkannya dengan mengatakan perangkat lunak mereka didukung oleh AI dan investor akan memberikan penilaian yang lebih tinggi kepada mereka karena AI dalam perangkat lunak mereka.

Tetapi ada banyak perusahaan perangkat lunak hebat yang membangun aplikasi AI sejati dan ini akan tumbuh secara besar-besaran selama beberapa tahun ke depan.

Penelitian MRFR memperkirakan pasar AI bernilai 25 miliar pada tahun 2025.

Jika Anda seorang pemasar, inilah saatnya untuk mempercepat dan memahami potensi dampak AI terhadap pemasaran. Saya cukup yakin bahwa panduan ini akan membantu.

Jadi, apa itu kecerdasan buatan?

Kita semua tahu apa itu kecerdasan manusia… Saya harap begitu!

Kecerdasan buatan adalah ketika mesin menunjukkan beberapa kecerdasan seperti manusia.

Sebagai contoh:

Sebuah mesin memproses data dan belajar darinya sehingga dapat membuat keputusan yang lebih cerdas tentang data yang akan diprosesnya di masa depan.

Alih-alih hanya mengulangi instruksi yang sama, mesin secara otomatis mempelajari instruksi baru berdasarkan pengalaman.

Alpha Zero, game AI yang dikembangkan oleh Deepmind, belajar Catur dalam 4 jam dan kemudian mampu mengalahkan program komputer terbaik yang tersedia untuk bermain catur.

Mempelajari permainan baru meniru kecerdasan manusia, tetapi AI dapat mempelajari dalam 4 jam apa yang mungkin dilakukan manusia selama berbulan-bulan.

Ilmu komputer menggambarkan studi AI sebagai pengembangan agen cerdas.

Lihat:

Ini benar-benar tentang pemrograman cerdas.

Kecerdasan kami membantu menciptakan kecerdasan buatan.

Karena beberapa tugas menjadi sangat rutin, mereka mungkin tidak lagi dianggap sebagai kecerdasan buatan.

Berikut ini contohnya:

Pengenalan karakter optik sering dikecualikan karena merupakan tugas rutin yang diharapkan dari komputer.

Apa perbedaan antara AI yang sempit dan yang kuat?

AI sempit (juga disebut AI lemah) adalah kecerdasan buatan yang berfokus pada satu tugas.

AI yang kuat adalah segalanya!

AI yang kuat memiliki kemampuan untuk menerapkan kecerdasan pada masalah apa pun daripada tugas tertentu.

Sebagai contoh:

Alat pemfilteran spam melakukan satu tugas dengan baik. Sebuah mobil self-driving juga digambarkan sebagai AI yang sempit tapi saya pikir ini sedikit berlebihan!

Akankah Kecerdasan Buatan Menggantikan Pemasar?

Ya…. beberapa!!!

Pemasaran adalah proses intensif waktu dengan banyak tugas berulang yang dapat dibantu oleh mesin…

…tetapi ada tugas-tugas tertentu yang tidak akan pernah dapat dilakukan oleh mesin pada tingkat yang sama dengan pemasar manusia.

Saya bisa membayangkan, di masa depan, duduk di seberang robot mendiskusikan proposisi bisnis tapi saya tidak bisa membayangkan saya akan membangun hubungan yang sama dengan robot seperti dengan manusia nyata. Membangun perangkat lunak untuk mengalahkan seseorang di Catur dan…

…perangkat lunak menjadi lebih baik dalam mengalahkan orang.

Tetapi…

Membangun hubungan adalah bagian terpenting dari pemasaran dan komputer menyedotnya.

Juga, siapa yang akan membangun strategi untuk sebuah perusahaan?

Mesin berkemampuan AI dapat memberikan masukan ke dalam strategi ini, tetapi ahli strategi akan tetap bertahan.

Saya menonton film berjudul 'Her' baru-baru ini di mana aktor membangun hubungan dengan sistem operasi.

Film yang sangat konyol!

Namun, saat ini, ada masalah serius dengan penerapan AI dalam organisasi karena kurangnya pengetahuan di antara para pemasar.

Dalam laporan yang dilakukan dengan CMO (Chief Marketing Officers) oleh Deloitte pada tahun 2018, faktor utama yang dapat memperlambat pertumbuhan organik dalam pemasaran adalah kurangnya bakat.

Dan karena AI lebih teknis daripada kebanyakan bidang pemasaran lainnya, ini akan menjadi masalah besar.

Saya menulis panduan ini karena ada begitu banyak informasi teknis tentang AI online sehingga cukup sulit untuk dipahami. Saya berharap panduan ini akan membantu pemasar memahami apa sebenarnya AI itu.

Setelah Anda memahami AI, Anda dapat mengetahui cara mengganti sistem yang Anda gunakan secara internal dengan perangkat lunak AI. Dan jika Anda memutuskan untuk mengganti solusi perangkat lunak yang ada, Anda perlu mencari tahu fungsionalitas apa yang akan hilang dan fungsionalitas baru apa yang akan ditambahkan.

Anda kemudian harus mendidik tim Anda tentang AI dan melatih mereka tentang perangkat lunak baru.

Selain itu, pasar untuk solusi AI berkembang sangat cepat sehingga, tanpa memahami AI, Anda akan kesulitan menemukan vendor yang tepat.

BAB 2

Elemen Kecerdasan Buatan

Kecerdasan buatan adalah bidang kompleks yang mencakup berbagai elemen.

Ini difokuskan pada hal-hal berikut:

• Belajar – Memperoleh informasi dan aturan untuk menggunakan informasi tersebut.
• Penalaran - Berpikir tentang sesuatu dengan cara yang logis dan masuk akal.
• Melakukan – Apa gunanya belajar dan berpikir jika Anda tidak melakukannya?
• Koreksi diri – Memahami kesalahan dan memperbaikinya.

Berikut rincian area utama di mana AI telah diimplementasikan.

Catatan: Ada beberapa tumpang tindih di setiap area. Misalnya, mobil self-driving menggunakan kombinasi pembelajaran mesin, pengenalan gambar, dan pembelajaran mendalam.

Jaringan Saraf

Otak mengambil input (eksternal atau internal), memprosesnya dan kemudian menghasilkan hasil.

Neuron adalah unit dasar komputasi di otak dan bertanggung jawab untuk memproses input tersebut untuk menghasilkan output.

Sinyal kimia diteruskan dari neuron ke neuron.

Ada lebih dari 100 miliar neuron, rata-rata, dalam tubuh manusia dan ini adalah jaringan interkoneksi antar neuron yang sangat kompleks. Beberapa neuron dapat dihubungkan hingga 10.000 neuron lainnya.

Bayangkan jika seseorang meletakkan tangannya di dekat kompor yang panas. Ini adalah masukan. Neuron akan memproses ini menyebabkan tangan bergerak dari kompor.

Begini tampilannya secara internal:

Neuron sensorik merasakan panas, meneruskan informasi ke neuron internal lainnya dan akhirnya ke neuron motorik yang menyebabkan reaksi menjauh dari panas.

Sebuah neuron tunggal tidak melakukan banyak hal dengan sendirinya, tetapi menggunakan jaringan neuron yang kompleks memberi Anda kemampuan yang luar biasa.

Neuron terdiri dari input, output, dan bobot. Bobot benar-benar merupakan indikator pentingnya dalam skema keseluruhan untuk informasi khusus ini.

Misalnya, Anda ingin sebuah mesin mengetahui seberapa berharganya sebuah mobil.

Anda mengambil berbagai input misalnya tahun, merek, model, kondisi, jarak tempuh, dll. dan ini dilewatkan melalui neuron. Setiap masukan diberi bobot.

Merek dan model diberi bobot lebih tinggi dari jarak tempuh atau tahun.

Lalu:

Melalui serangkaian perhitungan yang rumit, mesin itu mendapatkan hasil.

Berikut adalah contoh sederhana dari jaringan saraf.

Input awal diberi bobot (misalnya karakteristik berdasarkan kepentingan), kemudian dikirim ke lapisan tersembunyi untuk diproses, dan hasilnya adalah output.

Pembelajaran mesin

Pembelajaran mesin adalah cabang AI yang memungkinkan komputer menjadi semakin baik dalam melakukan tugas yang ada atau mampu melakukan tugas baru tanpa perlu campur tangan manusia.

Komputer terus menganalisis data sehingga dapat menghasilkan hasil yang lebih baik di masa depan. Sederhananya, mereka menjadi lebih pintar.

Pembelajaran mesin biasanya dipecah menjadi 3 bagian:

Pembelajaran mendalam

Sebelumnya kita berbicara tentang jaringan saraf. Pembelajaran mendalam menggunakan jaringan saraf yang lebih maju.

Jadi, alih-alih lapisan input, tersembunyi, dan keluaran, Anda mungkin memiliki banyak lapisan tersembunyi.

Artinya ada lebih banyak pemrosesan yang dilakukan daripada dengan jaringan saraf dasar. Sistem bobot yang sama dilewatkan di antara neuron.

Pembelajaran mendalam biasanya dikategorikan sebagai berikut:

Diawasi

Pembelajaran yang diawasi adalah di mana Anda menyediakan komputer dengan data input dan kemudian data output (yaitu hasil yang Anda harapkan). Anda kemudian membangun algoritme di sekitar ini sehingga Anda dapat mulai memberikan data input baru dan komputer akan secara otomatis membuat data output.

Misalnya, bayangkan jika Anda memiliki filter spam. Alih-alih memberi komputer seperangkat aturan untuk menentukan apakah sebuah email adalah spam atau bukan, Anda memberikannya satu set email dan kemudian memberi tahu email mana yang merupakan spam dan alasannya. Algoritme kemudian akan digunakan untuk menyusun set email baru.

Tidak diawasi

Dengan pembelajaran mesin tanpa pengawasan, Anda memberikan data input tetapi Anda tidak memberikan data output. Input bisa berupa kumpulan data uji pada awalnya.

Jadi, komputer tidak memiliki contoh data untuk membantunya menghasilkan jawaban. Perlu melakukan sedikit lebih banyak pekerjaan.

Semi-diawasi

Ini adalah media bahagia. Ini tidak sepenuhnya tanpa pengawasan tetapi data keluaran tidak cukup untuk memprediksi semua hasil secara akurat.

Jadi, komputer memproses data dan menggunakan data keluaran sebagai pedoman yang meningkat seiring waktu saat memproses lebih banyak data.

Anda mungkin ingin menggunakan ML semi-diawasi jika Anda harus mengklasifikasikan data secara manual, tetapi ada begitu banyak untuk mengklasifikasikan sehingga Anda hanya mengklasifikasikan sebagian dan menyerahkan sisanya ke komputer untuk ditangani.

Pemrosesan Bahasa Alami (NLP)

Inilah yang dimaksud dengan pemrosesan bahasa alami ...

Alexa adalah perangkat Amazon.

Anda mengajukan pertanyaan dengan cara percakapan dan Alexa dapat memprosesnya dan memberikan tanggapan.

Yah, biasanya…..

Sistem pemrosesan bahasa alami (NLP) telah menjadi lebih maju selama beberapa tahun terakhir tetapi masih ada banyak tantangan.

Misalnya, bukanlah hal yang aneh untuk mengatakan hal berikut:

Alexa – Siapa yang dimainkan Man U?

Suporter Manchester United sering menyingkat Manchester United menjadi Man U atau Setan Merah atau hanya sekedar menyebut United. Ada kemungkinan kecil Alexa akan memahami singkatan ini.

Berikut contoh lain yang menantang untuk NLP:

"Saya berada di sebuah pub malam itu dengan teman-teman saya dan itu mematikan."

Ketika kami menggunakan kata 'mematikan' dalam konteks ini di Irlandia, yang kami maksudkan adalah bahwa itu sangat menyenangkan. Sistem NLP masih kurang baik dalam mendeteksi sentimen teks atau kata yang diucapkan.

Jadi NLP akan terus berkembang tetapi tidak akan pernah sempurna karena:

• Aksen
• Begitu banyak bahasa, variasi bahasa dan bahasa gaul yang digunakan
• Nada suara dan bahasa tubuh

Komputasi Evolusioner

Ini adalah definisi komputasi evolusioner dari Wikipedia:

“Dalam ilmu komputer, komputasi evolusioner adalah keluarga algoritme untuk optimasi global yang terinspirasi oleh evolusi biologis, dan sub-bidang kecerdasan buatan dan komputasi lunak yang mempelajari algoritme ini.”

Tapi apa ini sebenarnya artinya…

Disebut evolusioner karena merupakan proses optimasi hasil yang 'mengembangkan' solusi yang lebih baik dari waktu ke waktu.

Itu juga disebut evolusioner dari teori evolusi Darwin.

Misalnya, salah satu teori Darwin adalah tentang survival of the fittest. Anggota terlemah dari suatu spesies akan mati seiring waktu.

Dengan komputasi evolusioner, Anda menemukan banyak solusi potensial untuk suatu masalah. Beberapa mungkin bagus dan beberapa mungkin benar-benar acak.

Dengan pengujian, seiring waktu, solusi terbaik berkembang.

Dengan pembelajaran yang mendalam, kami berfokus pada model yang sudah kami ketahui. Komputasi evolusioner datang dengan solusi untuk masalah di mana kami tidak memiliki hasil sampel yang dapat kami gunakan untuk membantu.

Penglihatan

Kita berbicara tentang kemampuan komputer/mesin atau robot untuk melihat, memproses, dan bertindak secara otomatis berdasarkan gambar.

AI untuk penglihatan umumnya dibagi menjadi:

Visi komputer – Komputer mengekstrak informasi dari gambar untuk memahaminya.

Visi mesin – Mesin yang menggunakan metode visual untuk meningkatkan berbagai hal di area seperti lingkungan produksi. Mereka dapat secara visual mengidentifikasi kesalahan, meninjau label makanan, dan/atau mendeteksi kekurangan dalam suatu produk.

Visi robot – Di sinilah visi digunakan untuk mengidentifikasi sesuatu yang akan dikerjakan dan kemampuan robot melakukan tindakan yang diperlukan.

Robotika

Robot adalah mesin fisik.

Robotika adalah bidang studi tentang robot.

Terkadang Anda akan mendengar orang berbicara tentang robot yang secara otomatis membuat konten untuk pemasar, tetapi ini sebenarnya bukan robot. Tidak ada robot fisik yang terlibat.

Kebanyakan robot tidak memiliki AI tetapi ini berubah.

Misalnya, saya dulu memiliki mesin pemotong rumput robot yang disebut 'Robomow'. Tagline-nya adalah 'Ini memotong Anda tidak'. Saya sebenarnya pernah menjualnya tapi itu cerita yang berbeda.

Robomow duduk di unit pengisi daya dan setiap beberapa hari ia akan keluar dan memotong rumput. Ada kabel listrik di sekitar tepi taman dan mesin pemotong rumput akan bolak-balik pada sudut yang berbeda ke tepinya. Itu mencatat di mana ia berada sehingga ia tahu kapan di mana-mana dipotong.

Bahkan memiliki sensor hujan sehingga jika hujan tidak akan keluar untuk memotong rumput.

Tapi itu tidak memiliki kecerdasan buatan.

Misalnya, ia bisa belajar tentang rintangan di taman dan membangun rute yang berbeda berdasarkan rintangan itu.

Sayangnya, milikku terus saja tersangkut di bawah trampolin…

…setiap saat…

Lihat:

Saya tidak mengatakan perangkat ini tidak berguna.

Tapi ... mereka bisa menjadi jauh lebih pintar.

Sistem Pakar

Sistem pakar adalah program komputer yang meniru kemampuan manusia untuk membuat keputusan.

yaitu menggantikan kebutuhan atau mendukung ahli yang ada.

Ini biasanya berisi basis pengetahuan dengan seperangkat aturan untuk menerapkan pengetahuan untuk setiap situasi tertentu.

Dengan kemampuan pembelajaran mesin, ia membangun basis pengetahuannya dari waktu ke waktu dan mengadaptasi atau membuat keputusan baru berdasarkan pengetahuan kerjanya.

Interpretasi Pidato

Dalam waktu yang tidak terlalu lama, akan menjadi tidak biasa bagi seseorang untuk tidak memiliki perangkat seperti Amazon Echo di rumah mereka sehingga mereka dapat menyuarakan pertanyaan dan instruksi ke perangkat ini dan mendapatkan jawaban langsung.

Interpretasi suara semakin baik setiap saat dan beberapa perangkat ini memanfaatkan kecerdasan buatan untuk belajar dari waktu ke waktu dan menghasilkan respons yang lebih baik.

Bayangkan jika sistem pengenalan suara dapat memprediksi apakah penjualan akan dihasilkan dari pusat panggilan dan kemudian memberikan saran kepada agen untuk meningkatkan tingkat konversi?

Dan mereka melakukan ini dengan menganalisis percakapan dan akustik dalam percakapan ini.

Sebuah perusahaan bernama sistem OTO mempelajari 4.000 jam percakapan penjualan masuk dengan tingkat konversi 50%.

Mereka melatih model pembelajaran mendalam mereka untuk menangkap 'tanda akustik' dari penjualan yang sukses.

Mereka berhasil memprediksi 94% dari hasil panggilan.

Mereka kemudian menerapkan sistem ini di pusat panggilan dan melihat peningkatan 20% dalam keterlibatan dengan peningkatan 5% dalam penjualan.

Perencanaan AI

Menurut Wikipedia, ini adalah strategi atau urutan tindakan yang dibuat secara otomatis untuk agen cerdas, robot, atau kendaraan tak berawak.

Jadi, ini semua tentang menganalisis masalah dan menghasilkan rencana tindakan.

Perencanaan AI mempertimbangkan hal-hal seperti:

• Dependensi – apakah satu tugas memerlukan tugas lain untuk diselesaikan?
• Tonggak sejarah – tanggal tertentu yang harus dipenuhi
• Kendala – misalnya, jika Anda hanya memiliki 10 orang yang tersedia, Anda tidak dapat melemparkan 20 orang ke masalah tersebut.

Ketika rencana dan jadwal dibuat, secara otomatis disesuaikan berdasarkan hasil dan perubahan input.

Misalnya, jika sumber daya tidak tersedia lagi maka rencana harus disesuaikan.

BAGIAN 3

Aplikasi AI dalam Pemasaran

Ada begitu banyak potensi penggunaan AI dalam pemasaran yang akan membuatnya lebih efisien dan membantu memberikan hasil yang lebih baik.

Kami telah berbicara tentang pemasaran 1 banding 1 selama bertahun-tahun dan, bahkan dengan sistem otomatisasi pemasaran yang canggih, ini masih belum menjadi kenyataan.

Tapi…dengan kecerdasan buatan, kami memiliki peluang yang jauh lebih baik untuk menyampaikan apa yang terasa lebih seperti komunikasi pelanggan satu lawan satu.

Mari kita lihat beberapa contoh bagaimana pemasaran dapat ditingkatkan dengan AI.

AI dan Pemasaran Konten

Untuk bertahan hidup di web, kita perlu menghasilkan konten.

Konten menarik pengunjung, melibatkan audiens kami, dan memberi mereka insentif untuk kembali.

Konten datang dalam berbagai bentuk:

• posting blog
• Testimonial
• Data faktual misalnya laporan
• konten video
• Tweet
• Informasi perusahaan

AI tidak akan pernah mengambil alih peran penuh Pemasar Konten, tetapi itu pasti dapat membantu.

Bisakah komputer secara otomatis membuat konten yang tidak terdengar seperti dibuat oleh komputer?

Ya!

Laporan tahun 2017 oleh Statista menemukan bahwa lebih dari 90% orang yang disurvei mengatakan bahwa mendapatkan konten yang dipersonalisasi 'sangat/agak' menarik'.

Tidak mengherankan jika orang ingin merasa bahwa Anda memberikan informasi dan konten yang relevan bagi mereka. Mereka tidak peduli dengan orang lain!!!

Pemasar tidak punya waktu untuk mempersonalisasi semua konten, tetapi untungnya AI dapat membantu.

Berikut caranya:

Riset konten

MarketMuse adalah platform perangkat lunak yang memberikan panduan kepada pengguna untuk membuat konten yang tepat. Ini menggunakan data besar dan AI untuk memahami bagaimana mesin pencari memberi peringkat konten.

Ini mengolah semua data Anda dan membandingkannya dengan peringkat perusahaan lain untuk konten serupa.

Ini kemudian mengatur konten Anda ke dalam kelompok topik, menentukan topik yang mudah diberi peringkat dan memberikan rekomendasi tentang cara meningkatkan konten Anda.

Melakukan audit konten adalah proses yang sangat memakan waktu dan perangkat lunak seperti ini dapat menghemat banyak waktu Anda.

Berikut adalah contoh di mana MarketMuse menganalisis hasil pencarian teratas untuk alat pemasaran. Ini mengekstrak istilah yang paling relevan dalam setiap bagian konten peringkat teratas dan membandingkannya dengan konten Anda.

Alat ini menampilkan jumlah penyebutan kata kunci ini di konten pesaing dibandingkan dengan jumlah penyebutan di konten Anda. Anda mendapatkan skor konten yang dapat Anda tingkatkan untuk peringkat lebih tinggi.

Dengan menganalisis konten Anda, MarketMuse menentukan 'otoritas topik' Anda. Ini adalah topik yang dapat Anda peringkatkan dengan mudah dengan membuat lebih banyak konten di sekitarnya.

Pembuatan konten

Generasi neurolinguistik (NLG) adalah teknologi yang mengubah data menjadi narasi yang terdengar seperti manusia.

Wawasan Otomatis adalah perusahaan yang melakukan persis seperti yang disarankan oleh namanya.

Mereka menganalisis data dan secara otomatis menghasilkan teks yang menjelaskan data.

Bayangkan jika Anda berada di perusahaan pialang saham dan Anda harus membuat 1.000 laporan berbeda untuk pelanggan. Itu pemikiran yang mengerikan, bukan?

Sekarang, bayangkan mengklik tombol dan membuat laporan tersebut secara otomatis.

AI mungkin tidak menulis buku atau menggantikan saya sebagai blogger, tetapi AI dapat membantu banyak dalam pembuatan konten.

Amplifikasi konten

Amplifikasi konten adalah proses mempromosikan dan mendistribusikan konten melalui taktik berbayar dan tidak berbayar untuk mencapai jangkauan yang lebih luas.

Dengan begitu banyak kebisingan online, bahkan konten paling epik pun tidak akan berkinerja baik kecuali Anda mempromosikannya.

Promosi konten biasanya menghabiskan sebagian besar waktu pemasar konten, tetapi sekarang ada beberapa alat yang sangat cerdas di luar sana yang dapat membantu mengotomatiskan proses ini.

Berikut salah satu contohnya.

Inpowered adalah alat yang memungkinkan Anda memilih konten yang ingin Anda promosikan di banyak platform periklanan asli dan kemudian mengotomatiskan proses penempatan promosi dan mendapatkan tarif bayar per klik terbaik.

Ini akan membatalkan promosi di platform tertentu, meningkatkan promosi di platform lain, dan menganalisis apa yang berhasil dan kapan.

Semua sepenuhnya otomatis.

Platform ini menarik karena teknologinya sangat bagus dan Anda hanya membayar untuk pengguna yang terlibat. Jika seseorang melihat konten Anda dan langsung terpental, Anda tidak akan dikenakan biaya.

Pengoptimalan konten

Bagaimana dengan mengoptimalkan konten untuk mendorong lebih banyak lalu lintas dari Google?

Di masa lalu, Anda bisa memasukkan kata kunci yang sama berkali-kali ke dalam artikel Anda untuk menentukan peringkat.

Tapi sekarang…Google melakukan analisis semantik konten Anda untuk memahami tentang konten tersebut.

Ini menggunakan pembelajaran mesin (Rankbrain) untuk memahami konten yang Anda tulis.

Selain itu, tidak hanya melihat kata kunci, tetapi juga melihat otoritas topik.

Berikut adalah contoh cara mendemonstrasikan otoritas topik di situs Anda.

Anda membuat konten pilar seperti konten ini.

Anda kemudian membuat konten terkait yang tertaut ke konten pilar (dan pilar terhubung ke terkait).

Anda bahkan dapat mengambil satu langkah lebih jauh dan membuat konten posting tamu di situs web lain yang menautkan ke konten terkait atau pilar di situs Anda.

Ini menunjukkan otoritas topik yang lebih penting daripada satu posting yang menargetkan kata kunci tertentu.

Google menggunakan AI untuk mengetahui otoritas topik Anda sehingga masuk akal jika kami memerlukan alat yang memanfaatkan AI untuk mengetahui apakah kami memberikan sinyal yang tepat ke Google.

Inilah yang dilakukan MarketMuse dan alat lain di area ini.

Kurasi konten

Alat kurasi konten sangat bagus untuk menemukan konten relevan yang Anda minati.

Misalnya, Anda menyiapkan satu set kata kunci dan menemukan konten yang populer terkait dengan kata kunci tersebut.

Tetapi….

…versi AI dari alat kurasi konten membutuhkan langkah ekstra.

Ambil Frase.io sebagai contoh.

Ini menemukan konten tetapi kemudian menggunakan AI untuk meringkas konten sehingga Anda tidak perlu membaca semuanya.

Saya tidak tahu tentang Anda tetapi itu terdengar luar biasa bagi saya !!!

Dalam hal kurasi konten, AI harus membantu dalam alur kerja berikut:
– Membuat kueri yang lebih bertarget dan menghilangkan noise saat memantau media
– Meringkas informasi untuk membantu pekerja pengetahuan mengkonsumsi konten lebih cepat dan hanya menggali lebih dalam jika relevan
– Mengidentifikasi hubungan antara topik dan menggambar tren dari waktu ke waktu
Penyempurnaan kurasi konten melalui AI akan membantu pemasar membuat buletin yang lebih baik, menggabungkan lebih banyak penelitian tentang konten asli mereka, menskalakan posting media sosial mereka, dan membuat situs mikro internal yang lebih kaya. Penerbit digital dapat menggunakan kurasi konten berbasis AI untuk membuat laporan secara otomatis dan memperkaya alur kerja editorial mereka.

Tomas Ratia CEO Frase.io

AI dan Analitik

Kami biasanya memecah analitik menjadi analitik deskriptif, prediktif, dan preskriptif, tetapi mari tambahkan dimensi keempat:

Analisis deskriptif telah ada sejak lama.

Contohnya adalah melihat data Google Analytics tetapi tidak tahu apa yang harus dilakukan dengannya.

Analitik prediktif memberi Anda ide tentang apa yang mungkin Anda lakukan dan preskriptif memberi tahu Anda apa yang perlu Anda lakukan.

Analitik berorientasi tindakan adalah tempat tindakan diambil dan diuji secara otomatis berdasarkan apa yang ditentukan.

Terkadang saya tidak sengaja masuk ke akun Netflix istri saya dan sebagian besar rekomendasinya bukan film yang akan saya tonton!

Tetapi ketika saya masuk ke akun Netflix saya, itu selalu menunjukkan sesuatu yang menarik bagi saya.

Netflix secara otomatis mengelompokkan orang ke dalam berbagai kategori dan peringkat didasarkan pada umpan balik dalam kategori tempat Anda ditempatkan.

Jadi, ketika saya melihat peringkat persentase yang menunjukkan seberapa besar kemungkinan saya menyukai film, peringkat ini bisa berbeda untuk istri saya karena dia berada dalam kategori yang berbeda.

Netflix terus berusaha memberikan rekomendasi yang lebih baik untuk memasarkan film yang lebih baik kepada penggunanya.

Tetapi mereka tidak hanya melihat film/acara yang Anda mulai tonton. Mereka juga akan melihat:

• Apakah Anda menonton sebagian dan berhenti menonton?
• Apakah Anda menontonnya selama beberapa malam?
• Ketika Anda menontonnya yaitu sebulan yang lalu, setahun yang lalu, dll.

Dan, tentu saja, lebih banyak lagi.

Ini adalah algoritma pembelajaran mesin yang belajar dari waktu ke waktu dan secara otomatis menyesuaikan.

Sebuah perusahaan Inggris bernama Datalytyx telah mematenkan solusi AI yang memecahkan masalah utama dalam menganalisis volume data yang besar, misalnya, menganalisis miliaran catatan.

Perangkat lunak AI-nya mengidentifikasi 1% data yang paling relevan dan Anda menjalankan laporan berdasarkan ini.

AI dan Otomasi Pemasaran

Tugas otomatisasi pemasaran yang umum adalah mengirimkan serangkaian email kepada pengguna setelah mereka memilih untuk ikut serta dalam daftar email.

Dan kemudian, berdasarkan interaksi mereka dengan email, mengarahkan orang ke jalur yang berbeda.

Misalnya, klik pada tautan tentang produk baru di email kedua secara berurutan memicu email yang berbeda.

Ini adalah otomatisasi email yang cerdas tetapi ini bukan AI.

AI menambahkan lapisan kecerdasan yang sama sekali baru. Berikut beberapa contohnya:

Watson adalah platform IBM yang menggunakan AI untuk mempelajari lebih lanjut tentang data Anda.

'Pemasaran Watson' adalah bagian dari platform Watson yang berfokus pada…Anda dapat menebaknya…pemasaran.

Salah satu komponennya adalah membuat kampanye email bertarget.

Ini menggunakan AI untuk memahami lebih banyak tentang setiap individu dalam kampanye dan menyesuaikan komunikasi berdasarkan data ini.

Misalnya, alih-alih hanya memasukkan orang ke dalam ember berdasarkan formulir yang mereka isi, itu menarik data dari banyak sumber dan membuat segmen mikro berdasarkan gaya hidup, perilaku sosial, tahap kehidupan, lokasi, dll.

Tapi itu juga akan terus mengevaluasi data ini dan secara otomatis memindahkan orang di antara segmen berdasarkan data baru dan analisis kinerja.

Saat Anda bekerja dengan kumpulan data besar, Anda memerlukan AI untuk mengotomatiskan tugas-tugas tertentu dan memahami data.

Sebagai contoh:

Kumpulkan data dari banyak sumber dan buat segmen mikro berdasarkan gaya hidup, perilaku sosial, tahap kehidupan, lokasi, dll.

Temukan kekurangan dalam kampanye asli dan ubah segmen serta penawaran berdasarkan ini.

AI dan Pemasaran Percakapan

Chatbot adalah program komputer yang dirancang untuk mensimulasikan percakapan dengan manusia lain.

Ada banyak alat yang tersedia (misalnya mobile monkey) yang memungkinkan Anda membuat chatbot dengan mudah.

Mereka memiliki program pembangun yang memungkinkan Anda membuat tindakan secara otomatis berdasarkan input.

Namun, chatbot ini tidak mendukung AI. Mereka dilatih untuk mengenali maksud pengguna tertentu dan mereka memanfaatkan basis pengetahuan untuk mengambil jawaban (chatbots berbasis pengambilan).

Kami masih jauh dari melihat chatbots yang dapat memberikan jawaban tak terbatas kepada pengguna yang dapat mereka hasilkan dengan cepat. Ini akan menjadi AI sejati di tempat kerja.

Sebagian besar chatbot saat ini beroperasi di ceruk tertentu dan jumlah hal yang mereka ketahui dan dapat lakukan sangat terbatas. Namun, mereka masih menggunakan teknik NLP untuk memahami bahasa manusia. Yang lebih canggih juga menggunakan analisis sentimen untuk memahami emosi di balik kata-kata pengguna.

Chatbots, seperti sekarang ini, masih merupakan alat yang sangat berguna untuk membantu mengotomatiskan bagian-bagian tertentu dari proses penjualan dan pemasaran.

Misalnya, chatbot dapat:

• tingkatkan keterlibatan melalui percakapan yang dipersonalisasi dengan pengguna
• menangani pertanyaan pelanggan di situs web Anda
• tingkatkan penargetan dengan mengumpulkan wawasan yang berguna tentang pengguna

Sekarang, untuk perusahaan yang sudah menggunakan chatbot di situs web mereka, ada alat yang dapat membantu mereka memahami seberapa baik kinerjanya.

Liveperson.com menganalisis percakapan chatbot secara real-time untuk menilai kapan pelanggan mengalami pengalaman pelanggan yang buruk. Perusahaan kemudian dapat mengambil tindakan berdasarkan ini.

Tidak yakin apakah kita akan menggunakan ini…mungkin muncul dengan diagram baru.

AI dan Pemasaran Email

Pemasaran email adalah salah satu area yang dapat sangat diuntungkan dari AI.

Pikirkan saja – alat AI dapat membantu Anda menentukan jenis konten yang perlu Anda kirim dan kapan Anda perlu mengirimnya untuk meningkatkan peluang Anda mengonversi prospek individu.

Mengingat fakta bahwa AI dapat memproses data dalam jumlah besar dalam waktu singkat, Anda akan menjalankan kampanye yang lebih cerdas dan efisien dengan ROI yang lebih baik. Belum lagi waktu yang Anda hemat pada pengujian A/B!

Alat pemasaran email yang didukung oleh AI juga dapat membantu area lain yang menantang bagi pemasar – mengirim email yang sangat dipersonalisasi dalam skala besar.

AI dapat mempertimbangkan riwayat pelanggan dengan perusahaan Anda dan menentukan jenis pesan dan penawaran yang paling sesuai.

Misalnya, Phrasee adalah alat pemasaran email yang menggunakan AI untuk menghasilkan baris subjek, salinan isi, dan CTA untuk mendorong rasio klik-tayang dan keterlibatan yang lebih tinggi pada kampanye pemasaran email.

AI dan SEO

Kecerdasan buatan memiliki potensi untuk membuat pencarian lebih manusiawi.

Artinya, mesin pencari kini lebih melihat makna dan konteks permintaan pencari untuk memberikan hasil yang lebih bermakna.

Era isian kata kunci sudah berakhir. Algoritme penelusuran kini berfokus pada konteks pengguna dan maksud penelusuran.

Dan ini adalah hal yang baik.

Pemasar juga dapat memanfaatkan alat AI untuk meningkatkan peringkat konten mereka.

Sekarang Anda dapat menggunakan AI untuk meningkatkan upaya SEO Anda dalam berbagai cara, termasuk:

• Mengidentifikasi peluang konten
• Melakukan riset kata kunci
• Mengidentifikasi peluang untuk pengoptimalan konten
• Personalisasi konten, dan banyak lagi.

AI dan Media Sosial

Setiap kali Anda masuk ke Facebook dan melihat umpan berita, Anda melihat AI beraksi.

Facebook terus memantau siapa yang Anda ikuti, dengan apa Anda berinteraksi, bagaimana Anda mengonsumsi konten, dan banyak lagi.

Algoritme ini belajar dari waktu ke waktu untuk menghasilkan hasil umpan berita yang lebih baik.

Facebook adalah tentang keterlibatan.

Jika Anda menghabiskan lebih banyak waktu di platform, mereka dapat menampilkan lebih banyak iklan dan menghasilkan lebih banyak uang.

Sesederhana itu!

Masuk akal untuk melacak apa yang Anda berinteraksi dan tidak berinteraksi.

Jika Anda mengikuti halaman Facebook dan tidak pernah berinteraksi dengan posting yang mereka terbitkan, itu adalah tanda pasti bahwa Anda tidak tertarik dengan konten halaman itu.

Berikut contoh lain AI untuk media sosial.

Persado menyediakan “salinan pemasaran yang dihasilkan mesin untuk mendorong kinerja maksimum di saluran apa pun.”

Ini memilih kata, frasa, visual, dan emosi terbaik untuk mendorong lebih banyak keterlibatan.

Dan media sosial adalah tentang keterlibatan.

Dengan modul media sosial ini mereka akan secara otomatis membuat teks dan menemukan gambar terbaik yang akan mendorong keterlibatan paling banyak.

AI dan Pengoptimalan Tingkat Konversi (CRO)

Pengoptimalan tingkat konversi adalah tentang meningkatkan konversi.

Misalnya, dari 100 pengunjung ke situs web Anda, Anda mengonversi 2%, dan kemudian Anda membuat perubahan pada situs web Anda dan meningkatkan konversi menjadi 3%.

Ada banyak cara untuk meningkatkan konversi:

• Tingkatkan iklan Anda sehingga Anda mendapatkan rasio klik-tayang yang lebih tinggi dan biaya yang lebih rendah
• Tingkatkan iklan sehingga Anda mengirimkan audiens yang lebih baik ke penawaran Anda
• Bangun saluran penjualan yang berbeda, misalnya, tambahkan opsi jual-atas setelah seseorang membeli
• Mengubah halaman yang merupakan bagian dari corong misalnya warna, teks, gambar, video, dll.

Ini adalah proses yang sangat memakan waktu dan manual dan di sinilah AI dapat membantu.

Unbounce adalah alat halaman arahan.

Mereka baru-baru ini membangun proyek percontohan seputar AI dan menyertakan 34 pelanggan selama periode 6 minggu.

AI menganalisis kinerja halaman arahan pada kampanye nyata dan menginstruksikan spesialis konversi tentang apa yang harus diubah.

Rata-rata, peningkatan konversi pada halaman adalah 19,8% dengan satu halaman mencapai lebih dari 100%.

Ini tentu saja merupakan peningkatan kinerja yang lebih tinggi daripada yang Anda harapkan dari bekerja dengan pakar konversi.

AI dan Mendengarkan / Memantau

Setiap perusahaan di luar sana ingin dapat menangkap sebanyak mungkin percakapan seputar merek mereka.

Tujuannya adalah untuk memahami tidak hanya apa yang orang katakan tentang merek, produk, atau layanan mereka, tetapi juga bagaimana perasaan mereka tentang mereka.

Ini membantu pemasar untuk menganalisis keberadaan merek mereka dan menggunakan wawasan tersebut untuk meningkatkan komunikasi dengan audiens mereka dan menargetkan kampanye mereka dengan lebih baik.

NLP dan Analisis Sentimen benar-benar dapat membantu dalam bidang ini.

Perusahaan dapat menggunakan AI untuk memahami percakapan seputar produk mereka sehingga mereka dapat menemukan potensi masalah dan menindaklanjutinya, serta mengungkap niat pembelian.

Pengenalan AI dan Gambar

Kita semua tahu betapa pentingnya konten visual untuk pemasaran.

Sekarang kita dapat menggunakan AI dan alat pengenalan gambar untuk menganalisis tren dan mengungkap jenis visual yang akan memberikan hasil terbaik di media sosial dan saluran lainnya.

Pengenalan gambar memungkinkan pemasar untuk 'mendengarkan' apa yang dikatakan audiens mereka melalui gambar sehingga mereka dapat menyampaikan konten visual yang sesuai dengan minat audiens tersebut.

AI dapat membantu menganalisis jutaan postingan media sosial dan memfilter melalui gambar yang dibagikan dan digunakan oleh orang-orang.

Tanpa alat pengenalan gambar, pemasar tidak mungkin menganalisis jumlah materi visual ini!

Salah satu contohnya adalah platform Image Insights dari Brandwatch. Alat ini difokuskan untuk membantu perusahaan mengungkap bagaimana orang menggunakan gambar yang berisi merek mereka di media sosial.

Ini pada dasarnya menganalisis penyebutan visual dari logo merek di jutaan posting media sosial.

AI dan Pemasaran Influencer

Pemasaran influencer adalah bentuk pemasaran yang sangat kuat tetapi merek merasa sulit untuk mengidentifikasi influencer yang tepat.

Dengan teknologi AI sekarang ada cara yang lebih cerdas untuk menganalisis dan menemukan influencer.

Sebagai contoh:

Permintaan akan konten yang bermanfaat dari para ahli tepercaya menggemparkan dunia pemasaran dalam bentuk kolaborasi influencer dan AI memainkan banyak peran.

Dari influencer virtual bertenaga AI di Instagram seperti @lilmiquela dengan 1,5 juta pengikut hingga sistem AI canggih yang digunakan dalam platform pemasaran influencer, dampak dan implikasi kecerdasan buatan pada pemasaran influencer baru saja dimulai.

Aplikasi masa depan AI dan pemasaran influencer mencakup kemampuan untuk memprediksi dampak potensial dari influencer tertentu, jenis konten dan kombinasi saluran serta penyaringan influencer yang lebih canggih dengan pengikut palsu.

Lee Odden – Pendiri Pemasaran Peringkat Tertinggi

BAB 4

Kekhawatiran Keamanan tentang AI

Pada tahun 2018, UE mengeluarkan peraturan yang disebut GDPR (peraturan perlindungan data global).

Tujuannya adalah untuk mengatur pengumpulan, penyimpanan, dan penggunaan data pribadi oleh perusahaan tanpa izin.

Karena konsumen semakin peduli dengan penggunaan data pribadi mereka, saya berharap peraturan serupa akan diterapkan di bagian lain dunia.

Karena AI adalah tentang mengumpulkan dan memproses data, ini memiliki dampak yang serius.

Katakanlah Anda masuk ke supermarket dan supermarket menggunakan pengenalan wajah untuk mengidentifikasi Anda dan kemudian menyesuaikan pengalaman Anda berdasarkan data yang tersedia. Apakah mereka memiliki izin untuk melakukan ini? Tidak di Eropa.

Jadi, meskipun AI sangat kuat, beberapa penggunaannya harus disetujui.

Ringkasan

Ada masa depan cerah di depan kita untuk AI.

Ini akan memiliki dampak besar pada pemasaran selama bertahun-tahun yang akan datang.

Ini akan mengubah peran pemasaran, itu akan menghapus beberapa dari mereka sepenuhnya, dan itu akan memberikan tingkat kecanggihan baru yang tidak pernah mungkin terjadi sebelumnya.

Haruskah Anda khawatir sebagai Pemasar?

Tentu saja.

Anda harus tetap mengikuti perkembangan AI dan melihat bagaimana Anda dapat memasukkannya ke dalam pemasaran Anda.

Anda perlu memikirkan peran Anda sebagai Pemasar dan bagaimana peran Anda akan berkembang atau diganti di masa depan.