Intelligenza artificiale e machine learning nel marketing: stai implementando i modelli giusti?

Ora che i consumatori si aspettano velocità e iper-personalizzazione in ogni cosa, gli esperti di marketing devono trovare modi innovativi per soddisfare le richieste e massimizzare i propri budget. Per fare ciò, gli esperti di marketing si stanno rivolgendo all'intelligenza artificiale e all'apprendimento automatico. In effetti, esiste un nuovo termine proprio per questo: "Marketing AI".

Le aspettative dei clienti non sono mai state così alte. Amazon, Netflix e Google hanno stabilito lo standard per ciò che i clienti si aspettano dalla tecnologia e dal marketing. Amazon prende il tuo ordine in un clic e lo consegna il giorno successivo. Netflix passa attraverso anni delle tue scelte di intrattenimento e suggerisce immediatamente i prossimi spettacoli che vorresti guardare in modo abbuffato. Google corregge l'ortografia, programma Alexa per dirti quando quel pacchetto Amazon sta arrivando e ti fornisce risposte istantanee alle scommesse più oscure.

AI Marketing, come mostrato in questi esempi, sfrutta la tecnologia per raccogliere dati, sviluppare approfondimenti sui clienti, anticipare le prossime migliori azioni e prendere decisioni automatizzate sugli sforzi di marketing. Se il tuo obiettivo come marketer è aumentare le entrate, aiutare a ridurre i costi attraverso l'efficienza e aumentare il coinvolgimento e la soddisfazione dei clienti, il marketing AI può aiutarti a realizzare tutte queste cose.

Esploriamo tre aree in cui l'AI Marketing può essere utile e cosa dovresti sapere su ciascuna area prima di iniziare qualsiasi progetto.

Per ogni progetto, esploreremo brevemente di cosa si tratta, come funziona per il marketing ed eventuali insidie ​​– tecniche o culturali – di cui potresti dover essere consapevole nell'applicarlo.

1. Gestione dei dati di marketing

Cos'è

La gestione dei dati di marketing è il processo di raccolta e gestione di dati di marketing, intelligence competitiva e informazioni sulle ricerche di mercato. Questa funzione non dovrebbe verificarsi nel reparto IT: questo è il fulcro di ciò che fa il marketing. Determinare chi è il miglior acquirente per il tuo prodotto o servizio è chiaramente una funzione di marketing. La raccolta e la gestione dei dati associati ai tuoi acquirenti è la prima considerazione del marketing. Cosa sai del tuo cliente? Quanti ne hai? Come si descrive un cliente? Quali acquistano quali prodotti o servizi? Quanto è grande l'intero mercato per il tuo prodotto o servizio? Tutte queste importanti domande di marketing trovano risposta attraverso la gestione dei dati di marketing.

Come potrebbe funzionare per te

L'uso dell'IA e dell'apprendimento automatico in quest'area può essere applicato sia a livello macro che micro. A livello macro, puoi implementare modelli di intelligenza artificiale e machine learning per capire in che modo l'intera base di clienti si segmenta in gruppi di acquisto specifici. A livello micro, puoi prevedere il valore di vita di un prodotto e associarlo a singoli clienti. Questa analisi dei dati a livello micro ti aiuta a determinare quali clienti o potenziali clienti sono i migliori da perseguire con quali prodotti. L'accumulo di dati da questi sforzi aiuta solo a rendere i tuoi modelli più forti e più accurati.

L'accumulo di dati richiede anche la gestione della qualità dei dati raccolti. L'apprendimento automatico può essere distribuito su set di dati di grandi dimensioni per deduplicare record o apportare modifiche per standardizzare campi come codici postali o indirizzi. Il ML è utile anche per organizzare i set di dati da utilizzare in altre applicazioni di intelligenza artificiale.

Altri usi dell'apprendimento automatico includono tecniche come il web scraping. Questo processo è utile quando si cerca di capire la concorrenza. Il sito web di ogni concorrente di solito contiene informazioni che possono essere accumulate tramite questo metodo come nuovi prodotti disponibili, clienti menzionati e programmi speciali. Queste sono tutte informazioni pubbliche e, con gli algoritmi giusti, i data scientist possono raccogliere informazioni di base sui concorrenti esistenti ed emergenti.

Leggi il prossimo: Perché ci preoccupiamo dell'IA nel marketing

Cose a cui prestare attenzione

Ci sono orde di strumenti e agenzie di consulenza sul mercato che vogliono aiutarti con la gestione dei dati di marketing. Gli strumenti includono un'ampia gamma da Google Analytics a SAS, ognuno dei quali fornisce una capacità particolare. Capire cosa vuoi ottenere - segmentazione del mercato, analisi della concorrenza, ecc. - ti aiuterà a decidere quali strumenti o agenzie possono supportarti. Anche coinvolgere il lead delle operazioni di marketing è una buona idea.

Quando inizi progetti di gestione dei dati di marketing, considera prima lo scopo della gestione dei tuoi dati e quindi cerca gli strumenti migliori per svolgere le attività identificate. Quando ingaggi agenzie di consulenza, cerca quelle che hanno esperienza nella tua area di necessità.

2. Intenzione del cliente

Cos'è

I dati sulle intenzioni del cliente sono informazioni di vendita e marketing derivate dall'osservazione delle azioni del cliente quando accede a contenuti online, osserva i concorrenti, si registra a eventi, contatta analisti o partecipa a un numero qualsiasi di attività sui social media, dalla ricerca sul Web alla pubblicazione su LinkedIn . Quasi tutte le organizzazioni di marketing oggi dipendono in una certa misura da questo tipo di dati, ma spesso non funziona per tutti i professionisti del marketing.

Come potrebbe funzionare per te

Dai dati raccolti sulle interazioni di ciascun cliente con il tuo marchio, sito Web o personale, statistici e data scientist possono trarre conclusioni sugli interessi del cliente e sulle loro intenzioni di impegnarsi e acquistare dalla tua azienda. Queste inferenze possono essere utili per posizionare ai clienti il ​​prodotto giusto al momento giusto.

Una volta sviluppato un algoritmo per identificare questi clienti, è imperativo raccogliere anche input sull'output del modello di intelligenza artificiale dai team di vendita che utilizzeranno queste informazioni, nonché dai professionisti del marketing che potrebbero applicarle alle campagne online. Testare l'output del modello, ma anche verificare come lo utilizzano le vendite e il marketing.

Cose a cui prestare attenzione

Le fonti dei dati sono le più importanti nel determinare l'intento. Hai già buone informazioni su ciò che i tuoi clienti acquistano, quando acquistano, da chi acquistano e quale tipo di azienda o individuo sta acquistando. Ma i dati sulle intenzioni si basano anche sulle azioni che i tuoi clienti o potenziali clienti possono fare prima dell'acquisto effettivo.

Ad esempio, ciò potrebbe richiedere al tuo algoritmo di intelligenza artificiale di stabilire connessioni tra una richiesta sul sito del tuo concorrente e il tuo potenziale cliente o elenco di clienti. Esistono aziende in grado di fornire dati sulle intenzioni a livello di contatto che identificano una persona reale che intraprende un'azione. Queste informazioni sono utili ma devono essere usate con cautela per evitare l'effetto "raccapricciante".

Ricevi la newsletter quotidiana su cui fanno affidamento i marketer digitali.

Elaborazione in corso... Attendere.

SOTTOSCRIVI

Vedi termini.

Inoltre, quando si utilizzano i dati sulle intenzioni, ricorda che sono solo direzionali, non specifici o effettivi. Se il tuo team di vendita utilizza i dati sulle intenzioni, avrà bisogno di formazione su cosa significano effettivamente le informazioni. Ad esempio, identificare un CIO che probabilmente acquisterà un sistema ERP nei prossimi 30 giorni può significare solo che il CIO ha avviato un processo lungo un anno per identificare un sistema. Dare questo alle vendite come vantaggio senza la spiegazione potrebbe essere un duro colpo per la tua organizzazione di marketing.

3. Opportunità e previsione di acquisto.

Cos'è

La previsione è un modo per prevedere cosa accadrà in futuro. Ad esempio, puoi prevedere quali potrebbero essere le vendite di prodotti e servizi in un determinato periodo.

La previsione delle vendite aiuta a pianificare la gestione delle spese, della crescita aziendale o delle recessioni economiche. È la sfera di cristallo che i responsabili delle vendite usano per prevedere se raggiungeranno o meno i loro obiettivi. La previsione delle vendite è generalmente abbastanza accurata perché utilizza le transazioni di vendita passate per prevedere quelle future.

Come potrebbe funzionare per te

Anche il marketing può utilizzare le previsioni nel proprio lavoro. Ad esempio, il dipartimento turistico norvegese utilizza metodologie di intelligenza artificiale per prevedere quanti turisti visiteranno il paese. Sebbene non sia un dato di vendita, è un KPI importante per il turismo in Norvegia. L'intelligenza artificiale o l'analisi statistica avanzata possono anche aiutare a prevedere la partecipazione agli eventi, il numero di persone che ti accoglieranno in un'offerta speciale fatta sul tuo sito Web o il numero di lead qualificati che riusciranno ad acquistare.

Cose a cui prestare attenzione

Le previsioni possono essere molto gratificanti, ma sono utili solo se si dimostrano accurate. Ecco alcuni suggerimenti:

• Considera più dei numeri dell'ultimo trimestre. Una buona previsione delle vendite ha almeno 18-24 mesi di dati sulle prestazioni dell'azienda. Lavorare con così tanti dati ti consente di essere più preciso nelle tue previsioni. Se i dati non sono disponibili, evitare di fare previsioni.
• Tieni conto del cambiamento nella tua attività generale. Una buona previsione tiene conto della vendita dello stesso prodotto e servizio nel tempo. L'acquisizione di nuovi prodotti da vendere, la cessione di prodotti e la modifica dei prezzi o della strategia influiscono sulla tua capacità di prevedere con precisione le vendite. Inoltre, se stai prevedendo altri eventi di marketing, una delle variabili spesso importanti è il budget assegnato per un'attività. Se ciò varia notevolmente da un trimestre all'altro o da un anno all'altro, potrebbe essere più difficile fare previsioni o potrebbe essere necessario tenere conto di queste varianze nel modello.
• Non cercare di prevedere le vendite in nuovi mercati con nuovi clienti. Non importa quanto possa essere allettante, hai bisogno di dati sulle prestazioni per prevedere le vendite. Lascia questa previsione ai tuoi team di vendita. Questo è spesso considerato sviluppo del business e questi team di vendita sanno come valutare se un cliente acquisterà o meno. Per gli esperti di marketing, questa è una questione di raccogliere le informazioni dal team di vendita, sviluppare un profilo di un buon cliente e quindi applicare analisi di "somiglianza" ad altri potenziali clienti.

Queste sono solo alcune delle aree chiave del marketing per l'applicazione di tecniche di intelligenza artificiale e machine learning. Man mano che esplori di più in questo mondo, scoprirai che le opportunità abbondano soprattutto nell'aiutare il marketing a semplificare la miriade di decisioni che prendono ogni giorno.

Le opinioni espresse in questo articolo sono quelle dell'autore ospite e non necessariamente di MarTech. Gli autori dello staff sono elencati qui.