마케팅에서의 AI 및 머신 러닝: 올바른 모델을 배포하고 있습니까?

게시 됨: 2022-06-28

이제 소비자는 모든 면에서 속도와 초개인화를 기대하므로 마케터는 요구 사항을 충족하고 예산을 극대화할 수 있는 혁신적인 방법을 찾아야 합니다. 이를 위해 마케터는 인공 지능과 머신 러닝으로 눈을 돌리고 있습니다. 사실, 이를 위한 새로운 용어인 "AI 마케팅"이 있습니다.

고객의 기대치가 그 어느 때보다 높아졌습니다. Amazon, Netflix 및 Google은 고객이 기술 및 마케팅에서 기대하는 것에 대한 표준을 설정했습니다. 아마존은 클릭 한 번으로 주문을 받아 다음날 배송합니다. Netflix는 수년 간의 엔터테인먼트 선택을 살펴보고 폭식하고 싶은 다음 쇼를 즉시 제안합니다. Google은 맞춤법을 수정하고 Amazon 패키지가 도착하는 시점을 알려주도록 Alexa를 프로그래밍하며 가장 모호한 바 베팅에 대한 즉각적인 답변을 제공합니다.

이 예에서 볼 수 있듯이 AI Marketing은 기술을 활용하여 데이터를 수집하고, 고객 통찰력을 개발하고, 차선책을 예상하고, 마케팅 활동에 대한 자동화된 결정을 내립니다. 마케터로서의 목표가 수익 창출, 효율성을 통한 비용 절감, 고객 참여 및 만족도 향상이라면 AI 마케팅은 이 모든 것을 달성하는 데 도움이 될 수 있습니다.

AI Marketing이 도움이 될 수 있는 세 가지 영역과 프로젝트를 시작하기 전에 각 영역에 대해 알아야 할 사항을 살펴보겠습니다.

각 프로젝트에 대해 프로젝트가 무엇인지, 마케팅에 어떻게 작동하는지, 기술적 또는 문화적 함정을 적용할 때 알아야 할 모든 함정을 간략하게 살펴봅니다.

1. 마케팅 데이터 관리

그것은 무엇입니까

마케팅 데이터 관리는 마케팅 데이터, 경쟁 정보 및 시장 조사 정보를 수집하고 처리하는 프로세스입니다. 이 기능은 IT 부서에서 발생해서는 안 됩니다. 이것이 마케팅이 하는 일의 핵심입니다. 귀하의 제품 또는 서비스에 대한 최고의 구매자를 결정하는 것은 분명히 마케팅 기능입니다. 구매자와 관련된 데이터를 수집하고 관리하는 것은 마케팅의 첫 번째 고려 사항입니다. 고객에 대해 무엇을 알고 있습니까? 당신은 그들 중 몇 개를 가지고 있습니까? 고객을 어떻게 설명합니까? 어떤 사람들이 어떤 제품이나 서비스를 구매합니까? 귀하의 제품 또는 서비스에 대한 전체 시장은 얼마나 큽니까? 이러한 중요한 마케팅 질문은 모두 마케팅 데이터 관리를 통해 해결됩니다.

그것이 당신을 위해 작동하는 방법

이 분야에서 AI와 머신 러닝을 사용하면 거시적 수준과 미시적 수준 모두에 적용할 수 있습니다. 거시적 수준에서 AI 및 기계 학습 모델을 배포하여 전체 고객 기반이 어떻게 특정 구매 그룹으로 분류되는지 이해할 수 있습니다. 미시적 수준에서 제품의 평생 가치를 예측하고 개별 고객과 연결할 수 있습니다. 이 미시적 수준의 데이터 분석을 통해 어떤 고객 또는 잠재 고객이 어떤 제품으로 추구하기에 가장 적합한지 결정할 수 있습니다. 이러한 노력을 통해 데이터를 축적하면 모델을 더 강력하고 정확하게 만드는 데 도움이 됩니다.

데이터를 축적하려면 수집하는 데이터의 품질을 관리해야 합니다. 기계 학습은 레코드를 중복 제거하거나 우편 번호 또는 주소와 같은 필드를 표준화하기 위해 조정을 제공하기 위해 대규모 데이터 세트에 배포할 수 있습니다. ML은 다른 AI 애플리케이션에서 사용할 데이터 세트를 구성하는 데도 유용합니다.

기계 학습의 다른 용도에는 웹 스크래핑과 같은 기술이 포함됩니다. 이 프로세스는 경쟁자를 이해하려고 할 때 편리합니다. 각 경쟁사의 웹사이트에는 일반적으로 사용 가능한 신제품, 언급된 고객 및 특별 프로그램과 같은 이 방법을 통해 축적할 수 있는 정보가 포함되어 있습니다. 이것은 모두 공개된 정보이며 올바른 알고리즘을 사용하여 데이터 과학자는 기존 경쟁업체와 신흥 경쟁업체에 대한 기본 정보를 수집할 수 있습니다.

다음 읽기: 마케팅에서 AI에 관심을 갖는 이유

주의할 점

시장에는 마케팅 데이터 관리를 도와줄 수많은 도구와 컨설팅 대행사가 있습니다. 도구에는 Google Analytics에서 SAS에 이르기까지 다양한 범위가 포함되며 각각은 특정 기능을 제공합니다. 달성하고자 하는 것(시장 세분화, 경쟁 분석 등)을 이해하면 귀하를 지원할 수 있는 도구 또는 대행사를 결정하는 데 도움이 됩니다. 마케팅 운영 책임자를 참여시키는 것도 좋은 생각입니다.

마케팅 데이터 관리 프로젝트를 시작할 때 먼저 데이터 관리 목적을 고려하고 식별된 작업을 수행하는 데 가장 적합한 도구를 찾으십시오. 컨설팅 에이전시와 계약할 때 필요한 분야에 경험이 있는 대행업체를 찾으십시오.

2. 고객의 의도

그것은 무엇입니까

고객 의도 데이터는 웹 검색에서 LinkedIn 게시에 이르기까지 온라인 콘텐츠에 액세스할 때, 경쟁업체를 살펴보고, 이벤트에 등록하거나, 분석가에게 연락하거나, 다양한 소셜 미디어 활동에 참여할 때 고객의 행동을 관찰하여 파생된 판매 및 마케팅 정보입니다. . 오늘날 거의 모든 마케팅 조직은 이러한 유형의 데이터에 어느 정도 의존하지만 모든 마케팅 담당자에게 적용되지 않는 경우가 많습니다.

그것이 당신을 위해 작동하는 방법

각 고객과 브랜드, 웹 사이트 또는 직원과의 상호 작용에 대해 수집된 데이터에서 통계학자 및 데이터 과학자는 고객의 관심사와 회사에 참여하고 구매하려는 의도에 대해 추론할 수 있습니다. 이러한 추론은 고객에게 적시에 적절한 제품을 포지셔닝하는 데 도움이 될 수 있습니다.

이러한 고객을 식별하기 위한 알고리즘이 개발되면 이 정보를 사용할 영업 팀과 이를 온라인 캠페인에 적용할 수 있는 마케터로부터 AI 모델의 출력에 대한 정보도 수집해야 합니다. 모델의 출력을 테스트하지만 영업 및 마케팅에서 모델을 사용하는 방법도 테스트합니다.

주의할 점

데이터 소스는 의도를 결정하는 데 가장 중요합니다. 고객이 무엇을 구매하는지, 언제 구매하는지, 누구에게서 구매하는지, 어떤 유형의 회사 또는 개인이 구매하는지에 대한 좋은 정보가 이미 있습니다. 그러나 의도 데이터는 고객이나 잠재 고객이 실제 구매 전에 수행할 수 있는 작업에도 의존합니다.

예를 들어, 경쟁업체 사이트의 문의와 잠재 고객 또는 고객 목록을 연결하기 위해 AI 알고리즘이 필요할 수 있습니다. 조치를 취하는 실제 사람을 식별하는 연락처 수준 의도 데이터를 제공할 수 있는 회사가 있습니다. 이 정보는 유용하지만 "소름 끼치는" 효과를 피하기 위해 주의해서 사용해야 합니다.

디지털 마케터가 의존하는 일간 뉴스레터를 받아보세요.

약관을 참조하십시오.

또한 인텐트 데이터를 사용할 때 이는 방향성일 뿐이며 구체적이거나 실제적이지 않다는 점을 기억하십시오. 영업 팀이 의도 데이터를 사용하는 경우 정보가 실제로 의미하는 바에 대한 교육이 필요합니다. 예를 들어, 향후 30일 이내에 ERP 시스템을 구매할 가능성이 있는 CIO를 식별하는 것은 CIO가 시스템 식별을 위한 1년 간의 프로세스를 시작했음을 의미할 수 있습니다. 설명 없이 리드로 판매에 이를 제공하면 마케팅 조직에 타격을 줄 수 있습니다.

3. 기회 및 구매 예측.

그것은 무엇입니까

예측은 미래에 일어날 일을 예측하는 방법입니다. 예를 들어, 특정 기간에 제품 및 서비스의 매출이 얼마인지 예측할 수 있습니다.

판매 예측은 관리가 비용, 비즈니스 성장 또는 경기 침체에 대한 계획을 세우는 데 도움이 됩니다. 영업 관리자가 목표 달성 여부를 예측할 때 사용하는 수정 구슬입니다. 판매 예측은 과거 판매 거래를 사용하여 미래 거래를 예측하기 때문에 일반적으로 상당히 정확합니다.

그것이 당신을 위해 작동하는 방법

마케팅은 작업에서도 예측을 사용할 수 있습니다. 예를 들어 노르웨이의 관광부는 AI 방법론을 사용하여 얼마나 많은 관광객이 노르웨이를 방문할지 예측합니다. 매출 수치는 아니지만 노르웨이 관광에 있어 중요한 KPI입니다. AI 또는 고급 통계 분석은 또한 이벤트 참석, 웹사이트에서 제공되는 특별 제안에 대해 안내할 사람들의 수 또는 구매에 도달할 적격 리드의 수를 예측하는 데 도움이 될 수 있습니다.

주의할 점

예측은 매우 유익할 수 있지만 정확한 것으로 판명된 경우에만 유용합니다. 다음은 몇 가지 팁입니다.

지난 분기의 수치 이상을 고려하십시오. 좋은 판매 예측에는 최소 18개월에서 24개월 간의 회사 실적 데이터가 있습니다. 그만큼 많은 데이터로 작업하면 예측을 보다 정확하게 할 수 있습니다. 데이터를 사용할 수 없는 경우 예측을 피하십시오.
전반적인 비즈니스의 변화를 고려하십시오. 좋은 예측은 시간이 지남에 따라 동일한 제품과 서비스의 판매를 설명합니다. 판매할 새 제품을 구입하고 제품을 매각하고 가격 또는 전략을 변경하는 것은 모두 판매를 정확하게 예측하는 능력에 영향을 미칩니다. 또한 다른 마케팅 이벤트를 예측하는 경우 종종 중요한 변수 중 하나는 활동에 할당된 예산입니다. 분기별 또는 연도별로 크게 달라지면 예측하기가 더 어렵거나 모델에서 이러한 변동을 허용해야 할 수 있습니다.
새로운 고객과 함께 새로운 시장으로의 매출을 예측하려고 하지 마십시오. 아무리 유혹적일지라도 매출을 예측하려면 실적 데이터가 필요합니다. 이 예측을 영업 팀에 맡기십시오. 이것은 종종 비즈니스 개발로 간주되며 이러한 영업 팀은 고객이 구매할지 여부를 평가하는 방법을 알고 있습니다. 마케터에게 이것은 영업 팀에서 정보를 수집하고 좋은 고객의 프로필을 개발한 다음 다른 잠재 고객에게 "닮음" 분석을 적용합니다.

이는 AI 및 머신 러닝 기술을 적용하기 위한 마케팅의 핵심 영역 중 일부에 불과합니다. 이 세상에서 더 많은 것을 탐구하면서, 특히 마케팅이 매일 내리는 무수한 결정을 합리화하는 데 도움이 되는 기회가 많다는 것을 알게 될 것입니다.