Apa yang Harus Diketahui Pemasar Konten Tentang AI

Seperti banyak orang di seluruh dunia, saya membuat beberapa resolusi profesional untuk tahun baru. Saya ingin belajar sebanyak mungkin tentang kecerdasan buatan (AI) dan teknologi blockchain. Setahun sudah lewat seperempat dan pencarian saya untuk belajar tentang AI selesai. Begitu lengkapnya, hingga memuncak menjadi ebook gratis terbaru saya, "Semua yang Perlu Anda Ketahui Tentang Analisis Pemasaran dan Kecerdasan Buatan".

(Catatan Editor: Chad akan menjadi tuan rumah bersama obrolan Twitter tentang topik ini dengan Media Sosial Hari Ini pada 8 Mei. RSVP untuk menghadiri obrolan di sini: “ Yang Perlu Anda Ketahui Tentang AI dan Pemasaran” )

Dalam artikel ini, saya akan membahas semua yang saya pelajari tentang AI dan dampaknya terhadap pemasaran. Kami baru saja memulai jalur baru dan mengganggu dalam pemasaran dan ini sangat menarik.

Hanya ada tiga hal yang bisa dijamin dalam hidup – kematian, pajak, dan gangguan industri. Gangguan terjadi di sekitar kita, setiap hari. Lihat apa yang telah dilakukan Amazon untuk ritel, Uber ke taksi, LinkedIn ke papan pekerjaan, Internet ke media, cryptocurrency ke keuangan, dan seterusnya, dan seterusnya.

AI sendiri diperkirakan akan mengganggu peramalan, layanan pelanggan, pendidikan, keuangan, layanan makanan, perawatan kesehatan yang dipersonalisasi, medis, logistik, program loyalitas, pemasaran, pengadaan, hubungan masyarakat, pencarian, dan keamanan.

Menurut CTO Salesforce Solutions, Brett Colbert, blockchain diatur untuk mengganggu penggunaan lahan, identitas, logistik dan pengiriman global, otomotif, penerbangan, manufaktur, obat resep, keuangan, pemerintah, perbankan, dan banyak lagi.

Dulu gangguan besar di seluruh industri terjadi mungkin sekali dalam satu dekade atau kurang. Namun, dalam lingkungan saat ini, kita mulai melihat banyak industri terganggu pada saat yang bersamaan.

Hari ini, kami mulai melihat tanda-tanda pertama gangguan yang akan datang dalam pemasaran dan periklanan digital. Banyak dari kita bahkan tidak menyadari seperti apa bentuknya.

ADYOULIKE telah terintegrasi dengan IBM Watson. Salesforce telah meluncurkan teknologi Einstein-nya. HubSpot mengakuisisi perusahaan pembelajaran mesin, Kemi. Perusahaan Blockchain seperti adChain, Bitteaser, Native Video Box, dan AdHive semuanya telah memasuki ruang teknologi iklan.

Teknologi baru ini akan memudahkan merek untuk tidak hanya mengelola data besar mereka dan mendapatkan wawasan yang dapat ditindaklanjuti, tetapi juga akan mendorong indikator kinerja utama (KPI) pemasaran ke level baru. Mereka juga akan mengantarkan tingkat transparansi baru yang belum pernah terlihat sebelumnya di teknologi iklan.

Sebagai pemasar, kita semua perlu bertanya pada diri sendiri, "Apakah kita siap menghadapi gangguan pemasaran secara fundamental?"

Apa pun jawabannya, kemungkinan sebagian besar dari kita hanya memiliki sedikit petunjuk bagaimana teknologi siap mengubah industri kita selamanya.

Perusahaan teknologi yang disebutkan di atas biasanya merupakan contoh yang diberikan saat menjelaskan penggunaan AI dan teknologi pemasaran yang mengganggu lainnya. Namun, email, penskoran prospek, dan pengoptimalan iklan online hanyalah gambaran dari apa yang akan terjadi di masa depan untuk teknologi yang mendukung pemasaran kami.

Penggunaan teknologi ini di masa depan akan memengaruhi semua aspek media yang dimiliki, diperoleh, dan dibayar. Ini bukan hanya penggunaan mereka di masa depan. Teknologi ada saat ini untuk secara mendasar mengganggu semua saluran pemasaran dan media.

Kecerdasan Buatan dalam Pemasaran

Banyak orang sebelum saya telah menulis banyak tentang AI. Masih banyak yang menulis tentang pemasaran AI. Faktanya, teman saya, Paul Roetzer, meluncurkan Marketing AI Institute. Situs ini penuh dengan artikel dan renungan bagus tentang pemasaran AI. Ini penting untuk diperhatikan karena ini menandakan bahwa AI pemasaran bukanlah tren yang akan hilang dalam waktu dekat. Faktanya, ada pusat pemasaran AI pemikiran kepemimpinan online.

Roetzer memiliki beberapa hal berharga untuk dikatakan tentang AI pemasaran yang perlu diketahui pemasar modern saat ini. Misalnya, dia berkata:

“Pemasar yang dapat memanfaatkan kekuatan kecerdasan buatan akan dapat melakukan lebih banyak dengan lebih sedikit, menjalankan kampanye yang dipersonalisasi dengan kompleksitas yang belum pernah terjadi sebelumnya, dan mengubah bisnis seperti biasa melalui metode baru pemasaran cerdas mesin. Peluang tidak terbatas bagi pemasar dan pengusaha dengan keinginan dan visi untuk mengubah industri.”

Menurut survei Forrester, 86% dari lebih dari 700 pemasar dalam peran pengambilan keputusan di perusahaan di seluruh AS, Eropa, dan Australia setuju bahwa AI akan membuat tim pemasaran mereka lebih efektif dan efisien.

Salah satu masalah utama dengan solusi AI pemasaran adalah salah satu pemasaran versus kenyataan. Sementara banyak solusi menggembar-gemborkan penggunaan AI mereka, hanya sebagian dari mereka yang benar-benar memberikan nilai menggunakannya. Yang lain menggunakan frasa tersebut hanya untuk memasarkan produk dan mendorong penjualan. Bagaimana AI sebenarnya diterapkan dalam solusi itulah yang menentukan nilainya.

AI yang digunakan untuk memproses gambar dan tipe kepribadian sudah lama tersedia. Mereka dianggap dasar pada tahap ini dan memberikan nilai minimal. Solusi yang berfokus pada interpretasi berbagai aliran data terstruktur dan tidak terstruktur untuk membantu menskalakan, melaporkan, memprediksi hasil, dan meningkatkan akurasi adalah solusi yang memberikan nilai dengan AI.

Banyak dari solusi AI pemasaran saat ini secara ketat melayani orang (yang) dalam tujuh P Pemasaran (lebih lanjut tentang ini nanti). Tidak apa-apa. Kami, pemasar, membutuhkan solusi itu juga. Kebanyakan dari mereka hanya bersifat prediktif, bukan preskriptif) dan masih membutuhkan pemasar untuk mencerna informasi dan memutuskan tindakan mana yang harus diambil.

Misalnya, menggunakan AI untuk mengirim email yang dipersonalisasi pada waktu terbaik ke masing-masing penerima, mengotomatiskan penilaian prospek dan kecerdasan, serta menilai konten di halaman. Ini semua adalah contoh AI pemasaran yang digunakan untuk melayani orang (yang) dan bersifat prediktif menggunakan data masa lalu.

Kami juga melihat pemasaran AI masuk ke ruang iklan influencer juga, atau promosi di tujuh Ps. Solusi ini menggunakan AI untuk mencocokkan influencer dan merek secara efisien dan optimal, sambil memfasilitasi transaksi keuangan di antara mereka. Itu juga ada di ruang pemasaran influencer tidak berbayar, antara lain untuk identifikasi influencer yang lebih baik.

Dalam banyak hal, AI preskriptif dapat secara dramatis meningkatkan kemampuan pemasar untuk menjadi sukses, berprestasi, dan menyelesaikan lebih banyak hal. Di masa lalu, ini akan membutuhkan seluruh tim profesional analitik atau ilmuwan data untuk menyelesaikan tugas yang sama yang dapat dilakukan AI preskriptif saat ini.

Mike Kaput, Direktur Marketing Artificial Intelligence Institute, mengatakan bahwa pemasar akan ditingkatkan dalam satu atau lebih dari tiga fungsi oleh AI. Jarang solusi AI pemasaran meningkatkan ketiganya. Implikasinya adalah sebagian besar pemasar tidak terancam kehilangan pekerjaan dalam waktu dekat. Fungsi-fungsi ini ditampilkan di bawah ini:

Penilaian: Pemasar menganalisis data, kinerja sebelumnya, dan praktik terbaik untuk mempelajari apa yang berhasil. Mereka mengomunikasikan hal ini kepada pemangku kepentingan dan kolega.

Rekomendasi: Mereka menggunakan kreativitas manusia untuk merekomendasikan tindakan baru yang mungkin berhasil. Rekomendasi ini mengandalkan data dari fase penilaian. Tetapi mereka juga memasukkan dosis intuisi, tebakan, dan bias yang sehat.

Implementasi: Pemasar membuat aset dan menjalankan kampanye. Mereka dapat melakukannya dengan atau tanpa bantuan sistem mesin seperti perangkat lunak otomasi.

Forrester juga menemukan bahwa 46% perusahaan mengatakan bahwa tim pemasaran dan penjualan mereka memimpin investasi dalam teknologi AI – yang tertinggi dari semua departemen. Aman untuk mengatakan bahwa jin AI telah dikeluarkan dari botol dan pemasar harus siap menerimanya.

Kecerdasan Buatan & Analitik

Ada beberapa bagian pemasaran yang pada dasarnya tidak pernah berubah. Ambil, misalnya, tujuh P pemasaran - produk, harga, promosi, tempat, pengemasan, pemosisian, dan orang. Dengan pemasaran online, ketujuh P ini tetap ada. Namun, ada satu hal yang terus-menerus dilupakan dan sejak program analitik pertama diintegrasikan ke dalam situs web – tempat (di mana).

Apa yang membuat tempat itu begitu kuat di dunia offline cukup mudah dipahami. Di mana bisnis batu bata dan mortir ada dalam kaitannya dengan bisnis lain, rumah tangga, pemerintah, dan infrastruktur dapat berdampak pada visibilitas dan kelangsungan hidup perusahaan secara mendalam.

P ini, yang berkaitan dengan dunia online, sebagian besar diabaikan oleh pemasar digital saat ini. Di mana situs web ada dalam kaitannya dengan situs web lain adalah penting. Infrastruktur koneksi melalui tautan dari situs web ini secara besar-besaran berkontribusi pada visibilitas dan kelayakan situs web, dan pada akhirnya, bisnis itu sendiri dalam banyak kasus.

Satu Derajat Pemisahan

Analitik kami yang kami andalkan untuk melaporkan kesehatan situs web kami dan dampak kampanye kami hanya memberikan informasi untuk situs web yang tertaut ke kami sejauh satu derajat. Dan dalam banyak kasus, atribusi hanya disediakan untuk sentuhan terakhir. Ini berarti bahwa pemasar tidak tahu urutan situs web apa yang pada akhirnya mendorong pengunjung ke situs, yang pada gilirannya, mengarahkan mereka ke situs web pemasar. Beginilah cara analitik kami melaporkan informasi:

Sekarang mari kita bawa ini kembali ke salah satu dari tujuh P – Place. Ini setara dengan batu bata dan mortir offline yang hanya mengetahui bisnis dan tempat tepat di sebelah dan di seberang jalan. Kenyataannya, bisnis tersebut bisa berada di kawasan pusat kota yang ramai dengan puluhan toko, restoran, taman, gedung pengadilan, dan kondominium. Kemungkinan pelanggan bisnis ini mampir ke beberapa tempat lain ini sebelum mengunjunginya.

Dengan sebagian besar analitik saat ini, pemasar hanya akan melihat pelanggan yang meninggalkan tempat di sebelah atau tepat di seberang jalan. Bagaimana jika bisnis mengetahui irama yang tepat dari tempat-tempat yang dikunjungi oleh setiap pelanggan sesaat sebelum mereka melakukan pembelian? Ini akan menjadi atribusi yang sangat rinci. Bagaimana jika mereka mengetahui informasi ini tentang setiap bisnis di area tersebut?

Mungkin bisnis menemukan bahwa banyak pelanggan pesaingnya tinggal di kondominium dua blok jauhnya dan mereka hanya melakukan pembelian setelah mereka berlari di taman. Itu akan menjadi informasi penting untuk diketahui. Sekarang bisnis dapat menanyakan tentang mensponsori buletin kondominium dengan kupon atau mengirim karyawan ke taman dengan mengenakan kostum konyol untuk mempromosikan obral.

Ketergantungan yang berlebihan pada Pelaporan Orang (Siapa).

Sebagian besar program analitik saat ini tidak melaporkan data penting yang disebutkan di atas. Mengapa? Sederhananya, karena mereka tidak bisa mengumpulkannya. Terlalu banyak data besar untuk diurai untuk teknologi yang mendukung sebagian besar platform analitik yang paling banyak diadopsi saat ini. Mereka dibangun di atas kerangka kerja teknologi berusia 15 tahun.

Sejujurnya, mereka juga tidak memiliki banyak insentif untuk berubah. Mengapa? Sederhana saja – sebagian besar program analitik yang sering digunakan saat ini dimiliki oleh salah satu dari empat besar atau lebih jaringan periklanan online. Jika pemasar memiliki tingkat visibilitas yang dibahas di atas, mereka dapat membelanjakan lebih sedikit dan mendapatkan hasil yang lebih baik.

Sebaliknya, platform ini telah meyakinkan sebagian besar pemasar untuk mengabaikan tempat (di mana) dalam pemasaran online kami. Mereka mampu melakukan ini dengan sangat baik dalam melaporkan orang (yang) dalam tujuh P pemasaran.

Meskipun seseorang memang penting, begitu juga dengan P lainnya, kami tidak pernah diberi gambaran lengkap secara online. Sebagai pemasar, pandangan kita tentang Internet rabun dekat dengan visi terowongan. Ini berarti bahwa keputusan yang kita buat dibuat hanya dengan sebagian kecil dari informasi yang ada. Dengan cara ini, platform analitik saat ini hanya satu dimensi.

Tiga Derajat Pemisahan

Bagaimana jika AI dapat mengambil tampilan internet satu dimensi kita saat ini dan mengubahnya menjadi tampilan tiga dimensi yang sesungguhnya? Kami akan dapat melihat semua koneksi dalam lingkup pengaruh topik potensial kami hingga tiga situs web jauhnya. Kami akan mengetahui iklan dan pemberi pengaruh mana yang paling berhasil mendorong klik dan keterlibatan untuk semua situs web yang relevan di industri kami. Selain itu, kami akan mengetahui afiliasi mana yang paling sukses dalam industri kami.

Apa yang saya gambarkan adalah sistem analitik baru, didukung oleh AI, yang akan melaporkan dan melacak data hingga tiga derajat dari situs web. Dengan kata lain, kami akan melihat data tentang semua situs web yang tertaut ke situs kami, data tentang situs web yang tertaut ke situs tersebut, dan data tentang situs web yang tertaut ke situs tersebut.

Untuk melakukan itu dengan program analitik yang paling banyak diadopsi saat ini akan membutuhkan akses tak terbatas ke ribuan dan dalam beberapa kasus jutaan, analitik situs web. Jumlah data yang dihasilkan akan sangat besar dan kemungkinan besar tidak dapat digunakan pada skala apa pun untuk pemasar.

Model analitik dan pelaporan ini memberikan gambaran yang lebih lengkap bagi pemasar yang mencakup atribusi lengkap dan perjalanan online calon pelanggan. Tidak begitu banyak bagaimana kami biasanya menggambarkan perjalanan pelanggan — hanya satu tingkat pemisahan pada saluran yang dimiliki, diperoleh, dan berbayar — tetapi, gambaran tiga dimensi.

Memiliki akses ke data semacam ini dapat berdampak besar pada kinerja dan biaya media berbayar dengan memberi tahu pemasar situs mana yang harus dihindari dan situs mana yang harus digandakan. Ini juga bisa menjadi keuntungan bagi media yang diperoleh, pemasaran influencer, dan penjangkauan media.

Dari perspektif media yang dimiliki, data seperti ini dapat membantu memberi tahu pemasar tentang konten apa di industri mereka yang paling populer atau kurang terlayani – intelijen konten sejati. Wawasan media sosial berbayar dan organik juga akan jauh lebih kaya dan menyeluruh dalam model ini.

Representasi visual dari sistem analitik baru ini ditunjukkan di bawah ini:

Kaya Data. Wawasan Miskin

Kita hidup di dunia yang sepenuhnya dikonsumsi oleh data. Tapi apa sebenarnya data itu? Pada akhirnya, itu tidak lebih dari sebuah komoditas. Sumber daya. Yang penting bagi pemasar saat ini adalah apa yang dapat mereka lakukan dengannya. Pertanyaan yang harus ditanyakan oleh setiap pemasar pada diri mereka sendiri tentang data adalah, "Wawasan apa yang muncul yang dapat mendorong kampanye saya ke tingkat selanjutnya?"

Semakin banyak perhatian diberikan pada gagasan Platform Data Pelanggan (CDP). Didefinisikan sebagai penyimpanan terpadu dan terintegrasi dari semua data pelanggan Anda, ide ini pertama kali diperkenalkan pada tahun 2013. CDP sangat penting dalam memahami prospek dan pelanggan secara holistik. Ini termasuk pra-akuisisi dan pasca-akuisisi.

Sayangnya, sangat sedikit pemasar yang memiliki CDP sejati. Sebaliknya, sebagian besar memiliki susunan sistem dan alat yang berbeda yang tidak berbagi data atau wawasan dengan baik. Pemasar yang memiliki akses ke teknologi CDP memiliki keuntungan besar dibandingkan mereka yang tidak.

Analitik pemasaran dan teknologi atribusi terbaik memiliki CDP di dalamnya. Nilai sebenarnya bagi pemasar terletak pada apa yang dapat dilakukan teknologi dengan data dan rekomendasi yang mereka berikan. AI memainkan peran penting dalam fitur ini.

Atribusi Pemasaran

Seperti kebanyakan analitik saat ini, atribusi pemasaran sangat bersifat satu dimensi. Ini hanyalah cerminan dari data yang dikirimkan oleh banyak teknologi analitik saat ini. Infografis di bawah dari Bizible berfungsi dengan baik dalam menjelaskan berbagai jenis pemodelan, saluran dan aktivitas pemasaran, pemetaan saluran, dan metrik yang terkait dengan atribusi pemasaran.

Misalnya, lalu lintas rujukan terdaftar sebagai saluran pemasaran. Kami dapat dengan mudah masuk ke analitik kami dan menemukan jumlah lalu lintas yang dihasilkan oleh sumber rujukan. Beberapa dari lalu lintas itu bisa menjadi pelanggan juga.

Bergantung pada model atribusi kami (sentuhan terakhir misalnya), kami dapat memberikan kredit lalu lintas rujukan konversi untuk menghasilkan pendapatan. Ini akan terlihat seperti ini dengan situs web milik kami dan konversi (penjualan) ada di situs web kami:

Ini bagus di dunia analitik satu dimensi. Namun, pada kenyataannya, kemungkinan besar ada sesuatu yang mendorong lalu lintas ke sumber rujukan dan ada hal lain yang mendorong lalu lintas ke sana. Itu data yang sebagian besar pemasar tidak memiliki akses hari ini. Seperti inilah modelnya:

Ini adalah contoh pemodelan atribusi tiga derajat jauhnya. Situs web lain yang terdaftar dapat berupa sumber rujukan lain, media sosial, email, mesin pencari, dll. Sebagai seorang pemasar, ini adalah informasi yang sangat berharga untuk dimiliki.

Jika kami tahu apa itu situs web dua, kami dapat langsung mengunjungi mereka dan bermitra dalam sponsor. Mungkin itu blog populer atau publikasi online. Pergi ke jalur media yang diperoleh dan memberi mereka cerita untuk ditulis juga merupakan kemungkinan. Mungkin situs web satu adalah pemberi pengaruh yang populer di industri ini. Itu kemungkinan kemitraan pemasaran.

Di atas adalah contoh pemodelan atribusi tiga dimensi yang sangat disederhanakan dan cukup mudah dipahami. Sekarang bayangkan sebuah model yang menunjukkan semua yang tertaut ke semua sumber lalu lintas dan semua yang tertaut ke sana. Cukup sulit untuk dibayangkan, bukan? Itu akan terlihat seperti grafik di bawah ini.

Model di atas dapat memberi tahu pemasar tentang situs mana yang harus dihentikan iklannya atau digandakan sambil mengidentifikasi situs baru dan berperforma lebih baik yang harus diinvestasikan oleh pemasar. Itu juga melakukan hal yang sama untuk media yang diperoleh, tetapi dalam hal ini, ini adalah tempat untuk menghabiskan waktu, bukan anggaran. Ini juga memungkinkan pemasar untuk mendapatkan kecerdasan konten yang sebenarnya tentang topik mana yang beresonansi atau kurang terlayani dalam lingkup pengaruh online kontemporer mereka.

Setiap situs web yang diwakili di atas sendiri mungkin tidak terlalu penting. Namun, hubungan dan koneksi mereka dengan situs web lainnya. Menemukan dan mengidentifikasi cluster yang relevan juga.

Hal lain yang dapat dilakukan oleh peta petak Internet tiga dimensi adalah triangulasi. Artinya, sumber lalu lintas yang sebelumnya tidak diketahui (lalu lintas langsung) dapat terungkap dalam banyak kasus. Ini sangat signifikan karena beberapa situs web dapat memiliki persentase lalu lintas yang sangat besar yang diberi label sebagai langsung.

Bayangkan membuat keputusan pemasaran berdasarkan pemodelan atribusi satu dimensi dan kehilangan sebagian besar data karena tersembunyi sebagai lalu lintas langsung. Pemasar tidak perlu membayangkannya karena kami sudah melakukannya selama lebih dari satu dekade dan sudah diterima. Sebagian besar dari kita hanya melihat 20% data dalam ekosistem digital yang relevan. Itu 80% lainnya yang tidak kami manfaatkan untuk menginformasikan keputusan pemasaran kami.

Warna kuning di atas mewakili 20% lingkup digital pengaruh industri yang dapat dilihat oleh pemasar. Ini telah diterima sejak awal 2000-an. Analitik berbasis AI hari ini memungkinkan, untuk pertama kalinya, melihat 80% sisanya.

Saya tahu apa yang dipikirkan banyak pembaca, bagaimana kita bisa mendapatkan data ini, dan begitu kita mendapatkannya, bagaimana kita memahaminya? Apa yang diuraikan di atas adalah data yang sangat besar. Ada alasan artikel ini mulai berbicara tentang AI pemasaran dan analitik. Ketika keduanya menikah, hal itu memungkinkan.

Teknologi saat ini ada untuk melakukan ini dan ini bukan hanya prediktif – ini adalah AI preskriptif. Ini berarti, ia melihat banyak sekali data terstruktur dan tidak terstruktur untuk secara eksplisit memberi tahu pemasar apa yang harus dilakukan selanjutnya. Dengan cara ini, analitik seperti yang kita tahu telah berubah selamanya.

Masa Depan adalah Sekarang

Setiap taktik yang terkait dengan media yang diperoleh, dimiliki, dan berbayar yang dijelaskan dalam ebook menawarkan solusi yang berdiri sendiri dan bukan bagian dari platform analitik berbasis AI terintegrasi. Ini membantu mendorong pelahap pemasar perangkat lunak Martech yang dihadapi setiap tahun. Ini tidak ideal.

Pada tahun 2017 saja, ekosistem perangkat lunak martech memiliki lebih dari 5.000 vendor. Ketika kategori-kategori ini digabungkan dalam satu platform analitik yang digerakkan oleh AI, itu membuat integrasi seluruh pemasaran dengan perangkat lunak penjualan dan layanan menjadi lebih sederhana dan kurva pembelajaran lebih mudah dinavigasi. Belum lagi, proses pengadaan untuk satu solusi yang mencakup semua jauh lebih enak daripada alternatifnya.

Jika tidak, pemasar sedang mempertimbangkan untuk mengadopsi 12 solusi perangkat lunak unik yang digerakkan oleh AI untuk memperkuat pemasaran mereka. Inilah sebabnya mengapa pemasar telah mengadopsi perangkat lunak otomasi pemasaran dekade ini. Tentu, mungkin untuk meminta delapan vendor perangkat lunak yang berbeda untuk melakukan apa yang dapat dicapai oleh satu vendor otomasi pemasaran, tetapi itu tidak ideal, karena alasan yang jelas.

Mengadopsi beberapa teknologi pemasaran, secara umum, menghasilkan aliran data yang tidak terpadu yang disimpan di tempat terpisah. Sistem ini terputus satu sama lain dan sebagai hasilnya menawarkan data yang tidak lengkap. Bayangkan harus melihat 12 dasbor unik untuk menguraikan strategi dan taktik dalam pemasaran. Itulah yang banyak dilakukan.

Yang mengatakan, sekarang adalah masa depan karena ada solusi analitik berbasis AI yang mencakup semua yang dapat menyatukan pandangan pelanggan, membuat data besar dapat ditindaklanjuti, mengurai data terstruktur dan tidak terstruktur, memprediksi hasil, menentukan tindakan, memberikan atribusi pemasaran penuh, dan membuka 80 % lebih banyak web di mata pemasar.

Selama lebih dari satu dekade, pemasar hanya terikat pada beberapa vendor analitik yang juga menjual iklan online. Mereka benar-benar tidak memiliki insentif untuk membantu pemasar membelanjakan lebih sedikit dan tetap mendapatkan hasil yang lebih baik. Kemandirian data adalah satu-satunya cara untuk menghindari konflik kepentingan yang melekat ini.

Alternatifnya adalah berhenti melakukan iklan online sama sekali atau memangkas anggaran. Proctor & Gamble mengumumkan tahun lalu bahwa mereka akan memangkas pengeluaran media online hingga $140 juta karena masalah keamanan merek, bot, dan konten yang tidak pantas.

Masalah ini dapat dengan mudah diselesaikan dengan investasi yang relatif konservatif dalam analitik berbasis AI. Teknologi ini akan memberdayakan Proctor & Gamble untuk berfokus pada Tempat (di mana) dalam tujuh P pemasaran – itulah inti masalah mereka.

Bukan hanya media berbayar yang diuntungkan; media berbayar, diperoleh, dan dimiliki dapat dipengaruhi secara positif oleh teknologi baru ini – mulai dari pemasaran influencer dan SEO, hingga iklan bergambar dan media sosial.

Jika Anda ingin mendalami AI dan taktik ini lebih dalam, lihat ebook lengkap saya yang tersedia secara gratis. Saya berangkat untuk mempelajari semua yang saya bisa tentang AI dan pemasaran dan harapan tulus saya bahwa Anda juga mempelajari sesuatu yang baru dari perjalanan ini.

(Catatan: Anda memiliki waktu hingga 15 Mei untuk mendaftar ke “Complete Content Marketing: The Art and Science of Making Content Matter” Rutgers Business School dari Rutgers Business School. Ini adalah kursus online yang diajarkan oleh teman saya Ian Cleary dan Mark Schaefer. Anda juga benar-benar kuliah. Gunakan kode diskon kami, "tumbuh", untuk diskon 10%.)

Versi artikel ini pertama kali diterbitkan di Social Media Today.