인공 지능: 마케팅에 대한 현대적인 접근

이 가이드에서는 인공 지능이 현재 마케팅에 어떤 영향을 미치고 있으며 앞으로 어떻게 계속 영향을 미칠지에 대해 자세히 설명합니다.

이 게시물을 마치면 AI의 가능성에 대해 흥분하고 그 의미에 대해 약간 긴장하게 될 것입니다!

그리고 조직에서 마케터의 역할이 바뀔 것이기 때문에 긴장하는 것은 괜찮지만….

...당신은 여전히 ​​​​중요한 역할을 할 것입니다.

목차

챕터 – 1

인공 지능(AI) 소개

마케팅의 인공 지능은 현실이며 지금은 앉아서 주의를 기울여야 할 때입니다.

인공 지능은 마케터가 문제를 해결하고 목표를 보다 효율적으로 달성할 수 있도록 하는 보다 스마트한(예: AI 기반) 솔루션을 통해 보다 지능적으로 자동화된 미래를 향한 마케팅을 가속화하고 있습니다. 선택권이 있습니다. 가만히 앉아서 마케팅 세계가 더 똑똑해지고 주변이 변하기를 기다리거나 지금 AI를 수용하고 자신과 회사를 위한 경쟁 우위를 만드는 데 능동적으로 참여할 수 있습니다.

마케팅 인공 지능 연구소 설립자 Paul Roetzer

그러나 모든 소프트웨어 회사가 실제로 AI가 있다고 말하는 것은 아닙니다.

AI 기술 회사를 둘러싼 과장된 광고가 너무 많아서 소프트웨어가 AI로 구동되고 투자자가 소프트웨어의 AI 때문에 더 높은 가치를 부여할 것이라고 말함으로써 이를 활용하고자 합니다.

그러나 진정한 AI 애플리케이션을 구축하는 훌륭한 소프트웨어 회사가 많이 있으며 이는 향후 몇 년 동안 크게 성장할 것입니다.

MRFR 연구는 AI 시장이 2025년까지 250억 달러에 이를 것으로 예측했습니다.

마케터라면 AI가 마케팅에 미칠 잠재적 영향을 파악하고 이해해야 할 때입니다. 이 안내서가 도움이 될 것이라고 확신합니다.

그렇다면 인공지능이란 무엇일까요?

우리 모두는 인간의 지능이 무엇인지 알고 있습니다...어쨌든 그렇게 되기를 바랍니다!

인공 지능은 기계가 인간과 유사한 지능을 보여줄 때입니다.

예를 들어:

기계는 데이터를 처리하고 학습하여 미래에 처리할 데이터에 대해 더 현명한 결정을 내릴 수 있습니다.

기계는 동일한 지시를 반복하는 대신 경험을 기반으로 새로운 지시를 자동으로 학습합니다.

딥마인드가 개발한 AI 게임 알파 제로(Alpha Zero)는 4시간 만에 체스를 배웠고, 체스를 할 수 있는 최고의 컴퓨터 프로그램을 이기는 데 성공했다.

새로운 게임을 배우는 것은 인간의 지능을 모방하는 것이지만 AI는 인간이 몇 개월이 걸릴 수 있는 일을 4시간 만에 배울 수 있습니다.

컴퓨터 과학은 AI 연구를 지능형 에이전트의 개발로 설명합니다.

바라보다:

이것은 실제로 스마트 프로그래밍에 관한 것입니다.

우리의 지능은 인공 지능을 만드는 데 도움이 됩니다.

일부 작업이 매우 일상적이 되면서 더 이상 인공 지능으로 간주되지 않을 수 있습니다.

다음은 예입니다.

광학 문자 인식은 컴퓨터에서 예상되는 일상적인 작업이기 때문에 종종 제외됩니다.

좁은 AI와 강한 AI의 차이점은 무엇입니까?

내로우 AI(약한 AI라고도 함)는 하나의 작업에 집중하는 인공 지능입니다.

강력한 AI가 모든 것입니다!

강력한 AI는 특정 작업이 아닌 모든 문제에 지능을 적용할 수 있는 능력이 있습니다.

예를 들어:

스팸 필터링 도구는 한 가지 작업을 잘 수행합니다. 자율주행차도 좁은 AI라고 표현하는데 이건 좀 무리가 있는 것 같아요!

인공 지능이 마케터를 대체할 것인가?

예…. 약간!!!

마케팅은 기계가 도움을 줄 수 있는 반복적인 작업이 많은 시간 집약적인 프로세스입니다.

...하지만 기계가 인간 마케터와 같은 수준에서 수행할 수 없는 특정 작업이 있습니다.

미래에 로봇 맞은편에 앉아 사업 제안을 논의하는 것은 상상할 수 있지만 로봇과도 실제 인간과 같은 관계를 구축할 것이라고는 상상할 수 없습니다. Chess에서 누군가를 이길 수 있는 소프트웨어를 구축하는 것은 비교적 쉽고…

… 소프트웨어가 사람을 이기는 데 더 능숙해집니다.

하지만…

관계를 구축하는 것은 마케팅의 가장 중요한 부분이며 컴퓨터는 그것을 잘 못합니다.

또한 누가 회사의 전략을 세울 것인가?

AI 지원 기계는 이 전략에 대한 정보를 제공할 수 있지만 전략가는 여전히 살아남을 것입니다.

최근 배우가 운영체제와 관계를 맺는 영화 '그녀'를 봤다.

그런 말도 안되는 영화!

그러나 현재 마케터들 사이에 지식이 부족하기 때문에 조직 내에서 AI를 구현하는 데 심각한 문제가 있습니다.

2018년 Deloitte가 CMO(Chief Marketing Officers)와 함께 수행한 보고서에 따르면 마케팅의 유기적 성장을 늦출 수 있는 주요 요인은 인재 부족입니다.

그리고 AI는 대부분의 다른 마케팅 영역보다 더 기술적이기 때문에 이것이 중요한 문제가 될 것입니다.

AI에 대한 기술 정보가 온라인에 너무 많아서 이해하기가 상당히 어렵기 때문에 이 가이드를 작성했습니다. 이 가이드가 마케터들이 AI가 무엇인지 이해하는 데 도움이 되기를 바랍니다.

AI를 이해하고 나면 내부에서 사용하는 시스템을 AI 소프트웨어로 대체하는 방법을 알아낼 수 있습니다. 그리고 기존 소프트웨어 솔루션을 교체하는 것이 현명하다고 결정했다면 어떤 기능이 사라지고 어떤 새로운 기능이 추가될지 파악해야 합니다.

그런 다음 팀에 AI에 대해 교육하고 새 소프트웨어에 대해 교육해야 합니다.

또한 AI 솔루션 시장이 너무 빠르게 성장하고 있으므로 AI를 이해하지 못하면 적합한 공급업체를 찾는 데 어려움을 겪을 수 있습니다.

제 2 장

인공 지능의 요소

인공 지능은 다양한 요소를 포함하는 복잡한 분야입니다.

다음 사항에 중점을 둡니다.

• 학습 - 정보 획득 및 해당 정보 사용 규칙.
• 추론 – 논리적이고 합리적인 방식으로 무언가에 대해 생각하는 것.
• Doing – 하지 않는다면 배우고 생각하는 것이 무슨 의미가 있겠습니까?
• 자가 수정 - 실수를 이해하고 수정합니다.

다음은 AI가 구현된 주요 영역에 대한 분석입니다.

참고: 각 영역에 중복되는 부분이 있습니다. 예를 들어, 자율 주행 자동차는 기계 학습, 이미지 인식 및 딥 러닝의 조합을 사용합니다.

신경망

두뇌는 입력(외부 또는 내부)을 받아 처리한 다음 결과를 생성합니다.

뉴런은 뇌에서 계산의 기본 단위이며 출력을 생성하기 위해 입력을 처리하는 역할을 합니다.

화학 신호는 뉴런에서 뉴런으로 전달됩니다.

인간의 몸에는 평균적으로 1000억 개 이상의 뉴런이 있으며 뉴런 사이의 매우 복잡한 상호 연결망입니다. 일부 뉴런은 최대 10,000개의 다른 뉴런에 연결할 수 있습니다.

누군가 뜨거운 스토브 근처에 손을 대고 있다고 상상해보십시오. 이것은 입력입니다. 뉴런은 이것을 처리하여 손이 난로에서 움직이도록 합니다.

내부적으로는 다음과 같습니다.

감각 뉴런은 열을 느끼고 정보를 다른 내부 뉴런으로 전달하고 결국 운동 뉴런으로 전달되어 열에서 멀어지는 반응을 일으킵니다.

단일 뉴런은 자체적으로 많은 작업을 수행하지 않지만 복잡한 뉴런 웹을 사용하면 놀라운 기능을 제공합니다.

뉴런은 입력, 출력 및 가중치로 구성됩니다. 가중치는 실제로 이 특정 정보에 대한 전반적인 구성에서 중요도를 나타내는 지표입니다.

예를 들어, 기계가 자동차의 가치를 계산하기를 원합니다.

연도, 제조사, 모델, 상태, 주행거리 등의 입력 범위를 입력하면 뉴런을 통해 전달됩니다. 각 입력에는 가중치가 부여됩니다.

제조사와 모델은 주행거리나 연식보다 가중치가 높습니다.

그리고:

일련의 복잡한 계산을 통해 기계는 결과를 도출합니다.

다음은 신경망의 간단한 예입니다.

초기 입력은 가중치가 부여되고(예: 중요도에 따른 특성) 처리를 위해 숨겨진 계층으로 보내지고 결과는 출력입니다.

기계 학습

기계 학습은 컴퓨터가 기존 작업을 점진적으로 더 잘 수행하거나 사람의 개입 없이 새로운 작업을 수행할 수 있게 하는 AI의 한 분야입니다.

컴퓨터는 미래에 더 나은 결과를 낼 수 있도록 지속적으로 데이터를 분석하고 있습니다. 간단히 말해서, 그들은 점점 더 똑똑해지고 있습니다.

기계 학습은 일반적으로 세 부분으로 나뉩니다.

딥러닝

앞서 우리는 신경망에 대해 이야기했습니다. 딥 러닝은 보다 발전된 신경망을 사용합니다.

따라서 입력, 은닉 및 출력 계층 대신에 많은 은닉 계층이 있을 수 있습니다.

기본 신경망보다 훨씬 더 많은 처리가 수행됨을 의미합니다. 동일한 가중치 시스템이 뉴런 간에 전달됩니다.

딥 러닝은 일반적으로 다음과 같이 분류됩니다.

감독

지도 학습은 컴퓨터에 입력 데이터를 제공한 다음 출력 데이터(예: 예상한 결과)를 제공하는 것입니다. 그런 다음 이를 기반으로 알고리즘을 구축하여 새로운 입력 데이터를 제공하기 시작하면 컴퓨터가 자동으로 출력 데이터를 생성합니다.

예를 들어 스팸 필터가 있다고 상상해보십시오. 이메일이 스팸인지 여부를 결정하기 위해 컴퓨터에 일련의 규칙을 제공하는 대신 이메일 세트를 제공한 다음 해당 이메일 중 스팸과 그 이유를 알려줍니다. 그런 다음 알고리즘을 사용하여 새로운 이메일 세트를 생성합니다.

감독되지 않음

비지도 머신 러닝에서는 입력 데이터를 제공하지만 출력 데이터는 제공하지 않습니다. 입력은 처음에 테스트 데이터의 배치일 수 있습니다.

따라서 컴퓨터에는 답을 생성하는 데 도움이 되는 예제 데이터가 없습니다. 조금 더 일을 해야 합니다.

반 감독

이것은 행복한 매체입니다. 완전히 감독되지 않은 것은 아니지만 출력 데이터가 모든 결과를 정확하게 예측하기에 충분하지 않습니다.

따라서 컴퓨터는 데이터를 처리하고 출력 데이터를 지침으로 사용하여 더 많은 데이터를 처리할수록 시간이 지남에 따라 개선됩니다.

데이터를 수동으로 분류해야 하지만 분류할 항목이 너무 많아서 일부만 분류하고 나머지는 컴퓨터가 처리하도록 남겨둔 경우 반 지도 ML을 사용할 수 있습니다.

자연어 처리(NLP)

이것이 바로 자연어 처리에 관한 것입니다 ...

Alexa는 Amazon 장치입니다.

대화 방식으로 질문을 하면 Alexa가 이를 처리하고 응답할 수 있습니다.

뭐, 보통은.....

자연어 처리(NLP) 시스템은 지난 몇 년 동안 더욱 발전했지만 여전히 많은 과제가 있습니다.

예를 들어 다음과 같이 말하는 것은 이상한 일이 아닙니다.

Alexa – Man U는 누구와 뛰고 있습니까?

맨체스터 유나이티드 지지자들은 종종 맨체스터 유나이티드를 Man U 또는 Red Devils로 축약하거나 그냥 United라고 부릅니다. Alexa가 이러한 약어를 이해할 가능성은 희박합니다.

다음은 NLP에 대한 또 다른 도전적인 예입니다.

“어젯밤에 동료들과 술집에 갔는데 치명적이었어요.”

아일랜드에서 이 문맥에서 '치명적인'이라는 단어를 사용할 때 우리는 그것이 매우 재미있었다는 것을 의미합니다. NLP 시스템은 여전히 ​​텍스트나 말의 감정을 감지하는 데 능숙하지 않습니다.

따라서 NLP는 계속 발전할 것이지만 다음과 같은 이유로 완벽하지는 않을 것입니다.

• 신문
• 너무 많은 언어, 다양한 언어 및 속어 사용
• 목소리 톤과 바디 랭귀지

진화 계산

이것은 Wikipedia의 진화 계산의 정의입니다.

"컴퓨터 과학에서 진화 계산은 생물학적 진화에서 영감을 받은 전역 최적화를 위한 알고리즘 제품군이며 이러한 알고리즘을 연구하는 인공 지능 및 소프트 컴퓨팅의 하위 분야입니다."

그러나 이것이 실제로 무엇을 의미합니까 ...

시간이 지남에 따라 더 나은 솔루션을 '진화'하는 결과의 지속적인 최적화 프로세스이기 때문에 진화적이라고 합니다.

다윈의 진화론에서 진화론이라고도 불렸다.

예를 들어, 다윈의 이론 중 하나는 적자생존에 관한 것이었습니다. 종의 가장 약한 구성원은 시간이 지남에 따라 죽을 것입니다.

진화 컴퓨팅을 사용하면 문제에 대한 많은 잠재적인 솔루션을 찾을 수 있습니다. 일부는 좋을 수 있고 일부는 완전히 무작위일 수 있습니다.

테스트를 통해 시간이 지남에 따라 최고의 솔루션이 진화합니다.

딥 러닝을 통해 우리는 이미 알고 있는 모델에 집중하고 있습니다. 진화 컴퓨팅은 우리가 도울 수 있는 샘플 결과가 없는 문제에 대한 솔루션을 제시하고 있습니다.

비전

우리는 컴퓨터/기계 또는 로봇이 이미지를 기반으로 자동으로 보고, 처리하고, 행동하는 능력에 대해 이야기하고 있습니다.

비전용 AI는 일반적으로 다음과 같이 나뉩니다.

컴퓨터 비전 – 이미지에서 정보를 추출하여 이해하는 컴퓨터입니다.

머신 비전 – 시각적 방법을 사용하여 생산 환경과 같은 영역에서 사물을 개선하는 기계. 시각적으로 결함을 식별하고, 식품 라벨을 검토하고, 제품의 결함을 감지할 수 있습니다.

로봇 비전 – 비전을 사용하여 작업할 항목을 식별하고 로봇 기능이 필요한 작업을 수행하는 곳입니다.

로봇 공학

로봇은 물리적 기계입니다.

로봇 공학은 로봇을 연구하는 분야입니다.

때때로 마케팅 담당자를 위한 콘텐츠를 자동으로 생성하는 로봇에 대해 이야기하는 사람들을 듣게 되지만 실제로는 로봇이 아닙니다. 여기에는 물리적 로봇이 포함되지 않습니다.

대부분의 로봇에는 AI가 없지만 이것은 변화하고 있습니다.

예를 들어, 저는 'Robomow'라는 로봇 잔디깎이를 소유하고 있었습니다. 슬로건은 '너는 깎지 않는다'였다. 나는 실제로 그것들을 팔곤 했지만 그것은 완전히 다른 이야기입니다.

Robomow는 충전 장치 위에 앉았고 며칠에 한 번씩 나와서 잔디를 깎았습니다. 정원 가장자리에는 전기 케이블이 있었고 잔디 깎는 기계는 가장자리에 대해 서로 다른 각도로 앞뒤로 움직였습니다. 언제 어디에서나 잘렸는지 알 수 있도록 어디에 있었는지 기록해 두었습니다.

비가 와도 잔디를 자르기 위해 나오지 않을 정도로 레인 센서도 있었습니다.

하지만 인공지능은 없었다.

예를 들어 정원의 장애물에 대해 학습하고 이러한 장애물을 기반으로 다른 경로를 만들 수 있습니다.

불행히도, 광산은 트램폴린 아래에 계속 갇혔습니다.

…매번…

바라보다:

나는 이러한 장치가 유용하지 않다고 말하는 것이 아닙니다.

그러나 ... 그들은 훨씬 더 똑똑할 수 있습니다.

전문가 시스템

전문가 시스템은 의사 결정을 내리는 인간의 능력을 모방하는 컴퓨터 프로그램입니다.

즉, 기존 전문가의 필요성을 대체하거나 지원합니다.

일반적으로 각 특정 상황에 지식을 적용하기 위한 일련의 규칙이 있는 지식 기반이 포함되어 있습니다.

기계 학습 기능을 통해 시간이 지남에 따라 지식 기반을 구축하고 작업 지식을 기반으로 새로운 의사 결정을 조정하거나 생성합니다.

음성 통역

머지 않은 미래에는 집에 Amazon Echo와 같은 장치가 없어 이 장치에 질문과 지시를 내리고 즉각적인 답변을 얻을 수 있는 사람이 없을 것입니다.

음성 해석은 항상 개선되고 있으며 이러한 장치 중 일부는 시간이 지남에 따라 학습하고 더 나은 응답을 생성하기 위해 인공 지능을 활용하고 있습니다.

음성 인식 시스템이 콜 센터에서 판매가 발생할지 예측하고 상담원에게 전환율을 개선하도록 제안할 수 있다고 상상해 보십시오.

그리고 그들은 이 대화에서 대화와 음향을 분석하여 이것을 했습니다.

OTO 시스템이라는 회사는 전환율이 50%인 인바운드 판매 대화 4,000시간을 연구했습니다.

그들은 성공적인 판매의 '음향적 신호'를 포착하기 위해 딥 러닝 모델을 훈련했습니다.

그들은 통화 결과의 94%를 예측했습니다.

그런 다음 콜센터에서 이 시스템을 구현하고 20%의 참여도와 5%의 매출 증가를 보았습니다.

AI 기획

Wikipedia에 따르면 이는 지능형 에이전트, 로봇 또는 무인 차량을 위해 자동으로 생성되는 전략 또는 일련의 작업입니다.

따라서 문제를 분석하고 행동 계획을 세우는 것이 전부입니다.

AI 계획은 다음과 같은 사항을 고려합니다.

• 종속성 – 한 작업을 완료하려면 다른 작업이 필요합니까?
• 이정표 – 충족해야 하는 특정 날짜
• 제약 – 예를 들어, 10명만 사용할 수 있는 경우 문제에 20명을 투입할 수 없습니다.

계획 및 일정이 생성되면 결과 및 입력 변경 사항에 따라 자동으로 조정됩니다.

예를 들어, 리소스를 더 이상 사용할 수 없으면 계획을 조정해야 합니다.

3 장

마케팅의 AI 애플리케이션

마케팅에서 AI를 더 효율적으로 만들고 더 나은 결과를 제공하는 데 도움이 될 수 있는 잠재적인 사용이 너무 많습니다.

우리는 수년 동안 1:1 마케팅에 대해 이야기해 왔으며, 첨단 마케팅 자동화 시스템에도 불구하고 이것은 여전히 ​​현실이 아닙니다.

그러나… 인공 지능을 사용하면 일대일 고객 커뮤니케이션과 같은 느낌을 전달할 수 있는 훨씬 더 나은 기회가 있습니다.

AI로 마케팅을 개선할 수 있는 몇 가지 예를 살펴보겠습니다.

AI 및 콘텐츠 마케팅

웹에서 살아남으려면 콘텐츠를 생산해야 합니다.

콘텐츠는 방문자를 끌어들이고 청중을 참여시키며 다시 방문할 동기를 부여합니다.

콘텐츠는 다양한 형태로 제공됩니다.

• 블로그 게시물
• 사용후기
• 보고서와 같은 사실 데이터
• 동영상 콘텐츠
• 트윗
• 회사 정보

AI가 콘텐츠 마케터의 전체 역할을 인수하지는 않겠지만 확실히 도움이 될 수 있습니다.

컴퓨터에서 만든 것처럼 들리지 않는 콘텐츠를 컴퓨터가 자동으로 만들 수 있습니까?

예!

Statista의 2017년 보고서에 따르면 설문에 응한 사람들의 90% 이상이 개인화된 콘텐츠를 얻는 것이 '매우/약간' 매력적이라고 ​​말했습니다.

사람들이 당신이 그들에게만 관련된 정보와 콘텐츠를 제공하는 것처럼 느끼기를 원하는 것은 놀라운 일이 아닙니다. 그들은 다른 사람을 걱정하지 않습니다!!!

마케터는 모든 콘텐츠를 개인화할 시간이 없지만 다행히 AI가 도움을 줄 수 있습니다.

방법은 다음과 같습니다.

콘텐츠 연구

MarketMuse는 사용자에게 올바른 콘텐츠를 만들기 위한 지침을 제공하는 소프트웨어 플랫폼입니다. 빅 데이터와 AI를 사용하여 검색 엔진이 콘텐츠의 순위를 매기는 방식을 이해합니다.

모든 데이터를 처리하고 유사한 콘텐츠에 대한 다른 회사의 순위와 비교합니다.

그런 다음 콘텐츠를 주제 클러스터로 구성하여 순위를 매기기 쉬운 주제를 정의하고 콘텐츠 개선 방법에 대한 권장 사항을 제공합니다.

콘텐츠 감사를 수행하는 것은 시간이 많이 걸리는 프로세스이며 이와 같은 소프트웨어를 사용하면 엄청난 시간을 절약할 수 있습니다.

다음은 MarketMuse가 마케팅 도구에 대한 상위 검색 결과를 분석하는 예입니다. 각 상위 콘텐츠 조각 내에서 가장 관련성이 높은 용어를 추출하고 이를 콘텐츠와 비교합니다.

이 도구는 콘텐츠의 멘션 수와 비교하여 경쟁사 콘텐츠에서 이러한 키워드의 멘션 수를 표시합니다. 더 높은 순위를 얻기 위해 개선할 수 있는 콘텐츠 점수를 얻습니다.

MarketMuse는 귀하의 콘텐츠를 분석하여 귀하의 '주제 권위'를 결정합니다. 이것들은 주변에 더 많은 콘텐츠를 만들어 쉽게 순위를 매길 수 있는 주제입니다.

콘텐츠 제작

NLG(Neurolinguistic Generation)는 데이터를 인간의 음성으로 변환하는 기술입니다.

Automated Insights는 이름에서 알 수 있는 그대로 수행하는 회사입니다.

그들은 데이터를 분석하고 데이터를 설명하는 텍스트를 자동으로 생성합니다.

증권 중개 회사에서 고객을 위해 1,000개의 서로 다른 보고서를 작성해야 한다고 상상해 보십시오. 무서운 생각이죠, 그렇죠?

이제 버튼을 클릭하고 해당 보고서를 자동으로 생성한다고 상상해 보십시오.

AI가 책을 쓰거나 블로거를 대신할 수는 없지만 콘텐츠 제작에는 확실히 도움이 될 것입니다.

콘텐츠 증폭

콘텐츠 증폭은 더 큰 도달 범위를 달성하기 위해 유료 및 무료 전략을 통해 콘텐츠를 홍보하고 배포하는 프로세스입니다.

온라인에 너무 많은 소음이 있기 때문에 가장 장대한 콘텐츠라도 홍보하지 않으면 실적이 좋지 않습니다.

콘텐츠 판촉은 콘텐츠 마케터의 많은 시간을 소비했지만 이제는 이 프로세스를 자동화하는 데 도움이 되는 정말 스마트한 도구가 있습니다.

여기 한 가지 예가 있습니다.

Inpowered는 많은 기본 광고 플랫폼에서 홍보하려는 콘텐츠를 선택한 다음 프로모션을 배치하고 최고의 클릭당 지불(pay per click) 비율을 얻는 프로세스를 자동화할 수 있는 도구입니다.

특정 플랫폼의 판촉을 취소하고 다른 플랫폼의 판촉을 늘리며 언제 작동하는지 분석합니다.

모두 완전히 자동화되었습니다.

이 플랫폼은 기술이 매우 우수하고 참여하는 사용자에 대해서만 비용을 지불하기 때문에 흥미롭습니다. 다른 사람이 귀하의 콘텐츠를 보고 즉시 반송되는 경우 비용이 청구되지 않습니다.

콘텐츠 최적화

Google에서 더 많은 트래픽을 유도하도록 콘텐츠를 최적화하는 것은 어떻습니까?

예전에는 같은 키워드를 기사에 여러 번 넣어 순위를 매길 수 있었습니다.

하지만 지금은… Google은 콘텐츠의 내용을 이해하기 위해 콘텐츠의 의미론적 분석을 수행합니다.

기계 학습(Rankbrain)을 사용하여 작성하는 콘텐츠를 이해합니다.

또한 키워드만 보는 것이 아니라 주제의 권위를 보는 것입니다.

다음은 사이트에서 주제 권위를 입증하는 방법의 예입니다.

이 콘텐츠와 같은 기둥 콘텐츠를 만듭니다.

그런 다음 기둥 콘텐츠(및 관련 기둥 링크)에 연결되는 관련 콘텐츠를 만듭니다.

한 단계 더 나아가 다른 웹사이트에 게스트 게시물 콘텐츠를 생성하여 사이트의 관련 콘텐츠나 기둥 콘텐츠에 연결할 수도 있습니다.

특정 키워드를 대상으로 하는 하나의 게시물보다 더 중요한 주제의 권위를 보여줍니다.

Google은 AI를 사용하여 주제 권위를 파악하므로 Google에 올바른 신호를 제공하고 있는지 파악하기 위해 AI를 활용하는 도구가 필요합니다.

이것이 MarketMuse와 이 분야의 다른 도구들이 하는 일입니다.

콘텐츠 큐레이션

콘텐츠 큐레이션 도구는 관심 있는 관련 콘텐츠를 찾는 데 유용합니다.

예를 들어, 일련의 키워드를 설정하면 해당 키워드와 관련하여 인기 있는 콘텐츠를 찾습니다.

하지만….

…콘텐츠 큐레이션 도구의 AI 버전은 추가 단계를 수행합니다.

Frase.io를 예로 들어 보겠습니다.

이것은 콘텐츠를 찾은 다음 AI를 사용하여 콘텐츠를 요약하므로 모든 내용을 읽을 필요가 없습니다.

나는 당신에 대해 모르지만 그것은 나에게 대단하게 들립니다!!!

콘텐츠 큐레이션 측면에서 AI는 다음 워크플로를 지원해야 합니다.
– 미디어 모니터링 시 보다 표적화된 쿼리 및 노이즈 제거
– 지식 근로자가 콘텐츠를 더 빨리 소비하고 관련성이 있을 때만 더 깊이 파고들 수 있도록 정보를 요약합니다.
– 주제 간의 관계 식별 및 시간 경과에 따른 추세 그리기
AI를 통한 향상된 콘텐츠 큐레이션은 마케터가 더 나은 뉴스레터를 만들고, 원본 콘텐츠에 대한 더 많은 연구를 통합하고, 소셜 미디어 게시물을 확장하고, 더 풍부한 내부 마이크로사이트를 만드는 데 도움이 됩니다. 디지털 게시자는 AI 기반 콘텐츠 큐레이션을 사용하여 보고서를 자동으로 생성하고 편집 워크플로를 강화할 수 있습니다.

토마스 라티아 CEO Frase.io

AI 및 분석

우리는 일반적으로 분석을 서술적, 예측적, 처방적 분석으로 분류하지만 네 번째 차원을 추가해 보겠습니다.

기술 분석은 오랫동안 사용되어 왔습니다.

이에 대한 예는 Google Analytics 데이터를 보고 있지만 무엇을 해야 할지 모르는 경우입니다.

예측 분석은 수행할 수 있는 작업에 대한 아이디어를 제공하고 규범적 분석은 수행해야 할 작업을 알려줍니다.

조치 지향 분석은 규정된 내용을 기반으로 조치가 자동으로 수행되고 테스트되는 곳입니다.

가끔 아내의 Netflix 계정에 실수로 로그인했는데 추천 대부분이 내가 볼 영화가 아닙니다!

하지만 내 Netflix 계정에 로그인하면 항상 관심 있는 항목이 표시됩니다.

Netflix는 자동으로 사람들을 다양한 카테고리로 분류하고 등급은 귀하가 속한 카테고리 내의 피드백을 기반으로 합니다.

따라서 내가 영화를 좋아할 가능성을 나타내는 백분율 등급을 볼 때 이 등급은 아내가 다른 범주에 있기 때문에 다를 수 있습니다.

Netflix는 사용자에게 더 나은 영화를 마케팅하기 위해 더 나은 추천을 제공하기 위해 지속적으로 노력합니다.

그러나 그들은 당신이 보기 시작한 영화/쇼만 보는 것이 아닙니다. 그들은 또한 다음을 볼 것입니다:

• 당신은 그것의 일부를보고 시청을 중단 했습니까?
• 이틀 밤 동안 봤어?
• 당신이 그것을 보았을 때, 즉 한 달 전, 1년 전 등

물론 훨씬 더 많습니다.

이들은 시간이 지남에 따라 학습하고 자동으로 조정되는 기계 학습 알고리즘입니다.

Datalytyx라는 영국 회사는 수십억 개의 레코드를 분석하는 것과 같이 대용량 데이터를 분석하는 주요 문제를 해결하는 AI 솔루션에 대한 특허를 받았습니다.

AI 소프트웨어는 데이터의 가장 관련성이 높은 1%를 식별하고 이를 기반으로 보고서를 실행합니다.

AI 및 마케팅 자동화

일반적인 마케팅 자동화 작업은 이메일 목록에 옵트인한 사용자에게 일련의 이메일을 보내는 것입니다.

그런 다음 이메일과의 상호 작용을 기반으로 사람들을 다른 경로로 안내합니다.

예를 들어 시퀀스의 두 번째 이메일에 있는 새 제품에 대한 링크를 클릭하면 다른 이메일이 트리거됩니다.

이것은 스마트 이메일 자동화이지만 AI는 아닙니다.

AI는 완전히 새로운 차원의 지능을 추가합니다. 여기 몇 가지 예가 있어요.

Watson은 AI를 사용하여 데이터에 대해 자세히 알아보는 IBM 플랫폼입니다.

'왓슨 마케팅'은 ... 짐작하시겠지만 ... 마케팅에 초점을 맞춘 Watson 플랫폼의 일부입니다.

구성 요소 중 하나는 대상 이메일 캠페인을 만드는 것입니다.

AI를 사용하여 캠페인의 각 개인에 대해 더 많이 이해하고 이 데이터를 기반으로 커뮤니케이션을 조정합니다.

예를 들어, 사람들이 작성하는 양식을 기반으로 사람들을 버킷에 넣는 대신 다양한 소스에서 데이터를 가져와 라이프스타일, 사회적 행동, 생애 단계, 위치 등을 기반으로 마이크로 세그먼트를 생성합니다.

그러나 이 데이터를 지속적으로 평가하고 새로운 데이터 및 성능 분석을 기반으로 세그먼트 간에 사람들을 자동으로 이동합니다.

대규모 데이터 세트로 작업할 때 특정 작업을 자동화하고 데이터를 이해하기 위해 AI가 필요합니다.

예를 들어:

다양한 소스의 데이터를 컴파일하고 라이프스타일, 사회적 행동, 삶의 단계, 위치 등을 기반으로 마이크로 세그먼트를 만듭니다.

원래 캠페인의 결함을 발견하고 이를 기반으로 세그먼트 및 제안을 변경합니다.

AI와 대화형 마케팅

챗봇은 다른 사람과의 대화를 시뮬레이션하도록 설계된 컴퓨터 프로그램입니다.

챗봇을 쉽게 만들 수 있는 많은 도구(예: 모바일 원숭이)가 있습니다.

입력을 기반으로 작업을 자동으로 생성할 수 있는 빌더 프로그램이 있습니다.

그러나 이러한 챗봇은 AI를 지원하지 않습니다. 특정 사용자 의도를 인식하도록 교육을 받고 지식 기반을 활용하여 답변을 검색합니다(검색 기반 챗봇).

사용자가 즉석에서 생성할 수 있는 무제한의 답변을 사용자에게 제공할 수 있는 챗봇은 아직 볼 수 없습니다. 이것이 직장에서 진정한 AI가 될 것입니다.

오늘날 대부분의 챗봇은 특정 틈새 시장에서 작동하며 그들이 알고 할 수 있는 일의 양이 매우 제한적입니다. 그러나 그들은 여전히 ​​NLP 기술을 사용하여 인간의 언어를 이해합니다. 더 정교한 것들은 또한 사용자의 말 뒤에 숨겨진 감정을 이해하기 위해 감정 분석을 사용합니다.

오늘날과 같이 챗봇은 영업 및 마케팅 프로세스의 특정 부분을 자동화하는 데 도움이 되는 매우 유용한 도구입니다.

예를 들어 챗봇은 다음을 수행할 수 있습니다.

• 사용자와의 개인화된 대화를 통해 참여도를 높입니다.
• 웹사이트에서 고객 문의 처리
• 사용자에 대한 유용한 통찰력을 수집하여 타겟팅 개선

이제 웹 사이트에서 이미 챗봇을 사용하고 있는 회사의 경우, 그들이 얼마나 잘 수행하고 있는지 이해하는 데 도움이 되는 도구가 있습니다.

Liveperson.com은 실시간으로 챗봇 대화를 분석하여 고객의 고객 경험이 좋지 않을 때를 평가합니다. 그런 다음 회사는 이를 기반으로 조치를 취할 수 있습니다.

우리가 이것을 사용할지는 확실하지 않습니다… 새로운 도표가 나올 수도 있습니다.

AI 및 이메일 마케팅

이메일 마케팅은 AI로부터 엄청난 혜택을 받을 수 있는 영역 중 하나입니다.

생각해 보십시오. AI 도구는 어떤 유형의 콘텐츠를 보내야 하는지, 언제 보내야 하는지를 결정하여 개별 잠재 고객을 전환할 가능성을 높이는 데 도움이 될 수 있습니다.

AI가 엄청난 양의 데이터를 순식간에 처리할 수 있다는 사실을 감안할 때 더 나은 ROI로 더 스마트하고 효율적인 캠페인을 운영할 수 있습니다. A/B 테스트에서 절약할 수 있는 시간은 말할 것도 없습니다!

AI로 구동되는 이메일 마케팅 도구는 마케터에게 또 다른 어려운 영역인 고도로 개인화된 이메일을 대규모로 보내는 데 도움이 될 수 있습니다.

AI는 고객과 회사의 이력을 고려하여 가장 효과적인 메시징 유형과 제안을 결정할 수 있습니다.

예를 들어 Phrasee는 AI를 사용하여 제목, 본문 및 CTA를 생성하여 더 높은 클릭률과 이메일 마케팅 캠페인 참여를 유도하는 이메일 마케팅 도구입니다.

AI와 SEO

인공 지능은 검색을 보다 인간적으로 만들 수 있는 잠재력이 있습니다.

이는 검색 엔진이 이제 더 의미 있는 결과를 제공하기 위해 검색자의 쿼리의 의미와 컨텍스트를 더 많이 살펴봄을 의미합니다.

키워드 스터핑의 시대는 끝났다. 검색 알고리즘은 이제 사용자의 컨텍스트와 검색 의도에 초점을 맞추고 있습니다.

이것은 좋은 일입니다.

마케터는 AI 도구를 활용하여 콘텐츠 순위를 높일 수도 있습니다.

이제 AI를 사용하여 다음과 같은 다양한 방법으로 SEO 노력을 개선할 수 있습니다.

• 콘텐츠 기회 식별
• 키워드 리서치 수행
• 콘텐츠 최적화 기회 파악
• 콘텐츠 개인화 등.

AI와 소셜 미디어

Facebook에 로그인하여 뉴스 피드를 볼 때마다 AI가 작동하는 것을 볼 수 있습니다.

Facebook은 팔로우하는 사람, 상호 작용하는 대상, 콘텐츠 소비 방식 등을 지속적으로 모니터링하고 있습니다.

이러한 알고리즘은 시간이 지남에 따라 더 나은 뉴스 피드 결과를 생성하기 위해 학습합니다.

페이스북은 참여에 관한 모든 것입니다.

플랫폼에서 더 많은 시간을 보내면 더 많은 광고를 표시하고 더 많은 돈을 벌 수 있습니다.

간단합니다!

상호 작용하고 상호 작용하지 않는 항목을 추적하는 것이 좋습니다.

Facebook 페이지를 팔로우하고 게시한 게시물과 상호 작용하지 않는다면 이는 해당 페이지의 콘텐츠에 관심이 없다는 확실한 신호입니다.

소셜 미디어용 AI의 또 다른 예는 다음과 같습니다.

Persado는 "모든 채널에서 최대의 성과를 낼 수 있는 기계 생성 마케팅 카피"를 제공합니다.

더 많은 참여를 유도하기 위해 최고의 단어, 구문, 영상 및 감정을 선택합니다.

소셜 미디어는 모두 참여에 관한 것입니다.

이 소셜 미디어 모듈을 사용하면 자동으로 텍스트를 만들고 가장 많은 참여를 유도할 최고의 이미지를 찾습니다.

AI 및 전환율 최적화(CRO)

전환율 최적화는 전환율 향상에 관한 것입니다.

예를 들어 웹사이트 방문자 100명 중 2%를 전환한 다음 웹사이트를 변경하고 전환율을 3%로 높입니다.

전환율을 높이는 방법에는 여러 가지가 있습니다.

• 더 높은 클릭률과 더 낮은 비용을 얻을 수 있도록 광고를 개선하십시오.
• 제안에 더 나은 잠재고객을 보낼 수 있도록 광고를 개선하세요.
• 다른 판매 유입경로를 구축합니다. 예를 들어 누군가가 구매한 후 상향 판매 옵션을 추가합니다.
• 깔때기의 일부인 페이지(예: 색상, 텍스트, 이미지, 비디오 등)를 변경합니다.

이것은 시간이 많이 걸리고 수동 프로세스이며 AI가 도움을 줄 수 있는 곳입니다.

Unbounce는 방문 페이지 도구입니다.

그들은 최근 AI를 중심으로 파일럿 프로젝트를 구축했으며 6주 동안 34명의 고객을 포함했습니다.

AI는 실제 캠페인에서 랜딩 페이지의 성능을 분석하고 전환 전문가에게 무엇을 변경해야 하는지 지시했습니다.

평균적으로 페이지의 전환 증가는 19.8%였으며 한 페이지는 100% 이상을 달성했습니다.

이것은 확실히 전환 전문가와 협력하여 얻을 것으로 기대하는 것보다 더 높은 성능 향상입니다.

AI와 듣기/모니터링

모든 회사는 가능한 한 자신의 브랜드에 대한 대화를 최대한 많이 캡처할 수 있기를 원합니다.

목표는 사람들이 자신의 브랜드, 제품 또는 서비스에 대해 말하는 것뿐만 아니라 그에 대해 어떻게 느끼는지 이해하는 것입니다.

이를 통해 마케터는 브랜드 존재를 분석하고 이러한 통찰력을 사용하여 청중과의 커뮤니케이션을 개선하고 캠페인을 더 잘 타겟팅할 수 있습니다.

NLP와 감정 분석은 이 영역에서 정말 도움이 될 수 있습니다.

기업은 AI를 사용하여 제품에 대한 대화를 이해하여 잠재적인 문제를 발견하고 이에 대해 조치를 취하며 구매 의도를 파악할 수 있습니다.

AI 및 이미지 인식

우리는 모두 마케팅에서 시각적 콘텐츠가 얼마나 중요한지 알고 있습니다.

이제 우리는 AI 및 이미지 인식 도구를 사용하여 트렌드를 분석하고 소셜 미디어 및 기타 채널에서 최상의 결과를 가져올 시각적 유형을 파악할 수 있습니다.

이미지 인식을 통해 마케터는 이미지를 통해 청중이 말하는 내용을 '듣고' 해당 청중의 관심사에 맞는 시각적 콘텐츠를 전달할 수 있습니다.

AI는 수백만 개의 소셜 미디어 게시물을 분석하고 사람들이 공유하고 참여하는 이미지를 필터링하는 데 도움이 될 수 있습니다.

이미지 인식 도구가 없었다면 마케터가 이 정도의 시각적 자료를 분석하는 것은 불가능했을 것입니다!

이에 대한 한 가지 예는 Brandwatch의 Image Insights 플랫폼입니다. 이 도구는 사람들이 소셜 미디어에서 자신의 브랜드가 포함된 이미지를 사용하는 방법을 회사에서 밝힐 수 있도록 돕는 데 중점을 둡니다.

기본적으로 수백만 개의 소셜 미디어 게시물에서 브랜드 로고의 시각적 언급을 분석합니다.

AI와 인플루언서 마케팅

인플루언서 마케팅은 매우 강력한 마케팅 방식이지만 브랜드는 올바른 인플루언서를 식별하기가 어렵습니다.

AI 기술을 통해 이제 인플루언서를 분석하고 찾는 더 스마트한 방법이 있습니다.

예를 들어:

신뢰할 수 있는 전문가의 유용한 콘텐츠에 대한 수요는 인플루언서 협업의 형태로 마케팅 세계를 폭풍으로 몰아넣고 있으며 AI는 여러 역할을 하고 있습니다.

150만 팔로워를 보유한 @lilmiquela와 같은 Instagram의 AI 기반 가상 인플루언서부터 인플루언서 마케팅 플랫폼에 사용되는 정교한 AI 시스템에 이르기까지 인플루언서 마케팅에 대한 인공 지능의 영향과 의미는 이제 막 시작되었습니다.

AI 및 인플루언서 마케팅의 미래 응용 프로그램에는 특정 인플루언서, 콘텐츠 유형 및 채널 조합의 잠재적 영향을 예측하는 기능과 가짜 팔로워가 있는 인플루언서에 대한 고급 필터링이 포함됩니다.

Lee Odden – 설립자 TopRank Marketing

챕터 – 4

AI에 대한 보안 우려

2018년에 EU는 GDPR(글로벌 데이터 보호 규정)이라는 규정을 도입했습니다.

그 목표는 회사가 허가 없이 개인 데이터를 수집, 저장 및 사용하는 것을 규제하는 것입니다.

소비자가 자신의 개인 데이터 사용에 점점 더 관심을 갖게 됨에 따라 전 세계의 다른 지역에서도 유사한 규정이 시행될 것으로 기대합니다.

AI는 데이터 수집 및 처리에 관한 것이기 때문에 심각한 영향을 미칩니다.

슈퍼마켓에 들어갔고 슈퍼마켓에서 얼굴 인식을 사용하여 사용자를 식별한 다음 사용 가능한 데이터를 기반으로 경험을 맞춤화했다고 가정해 보겠습니다. 그들이 이것을 할 수 있는 권한이 있습니까? 유럽에는 없습니다.

따라서 AI는 매우 강력하지만 일부 사용은 승인을 받아야 합니다.

요약

AI의 밝은 미래가 우리 앞에 있습니다.

향후 수년간 마케팅에 큰 영향을 미칠 것입니다.

이는 마케팅 역할을 바꾸고 일부를 완전히 제거하며 이전에는 불가능했던 완전히 새로운 수준의 정교함을 제공할 것입니다.

마케터로서 걱정해야 합니까?

물론.

AI의 발전 상황을 파악하고 이를 마케팅에 통합하는 방법을 확인해야 합니다.

마케터로서의 역할과 앞으로의 역할이 어떻게 발전하거나 대체될지 생각해야 합니다.