AI 시대에 마케팅의 미래를 대비하는 방법

인공 지능은 더 이상 빛나는 새로운 것이 아닙니다. 그것은 잠시 동안 여기에 있었다. Google 검색을 하거나 추천 제품, 기사 또는 영화를 클릭했다면 해당 제품과 상호작용한 것입니다.

당신이 마케터라면 아마 이미 일을 해본 적이 있을 것입니다. Google Ads, Bing 또는 Facebook의 광고는 AI와 협력하고 있습니다.

그러니 "기계의 부상"에 대한 대비를 중단하십시오. 기계가 여기 있고 정말 순종적입니다. 그들은 마케팅의 가장 지루한 작업 중 일부를 자동화하는 데 탁월합니다.

문제는 이 모든 자동화가 어디로 가고 있는지 입니다. 얼마나 많은 작업을 기계가 대신할 것인가? 그들이 진화함에 따라 당신의 직업은 어떻습니까? 그리고 자신과 회사가 이를 최대한 활용하기 위해 어떻게 포지셔닝할 수 있습니까?

답은 생각보다 간단합니다. 그러나 그것은 네 부분으로 된 대답입니다.

1. 교육을 받으십시오.

팝 퀴즈: 머신 러닝과 인공 지능의 차이점은 무엇입니까?

대부분의 마케터는 이에 대한 답을 내뱉을 수 없습니다. 우리는 아마도 AI가 기계 학습보다 더 정교하고 기계 학습이 AI의 하위 집합이라는 것을 알고 있을 것입니다. 그러나 거기에서 상황이 흐려집니다.

다음은 한 가지 정의입니다.

AI는 시스템이 인간과 같은 지능을 보여줄 수 있도록 하는 모든 기술입니다. 머신 러닝은 데이터에 대해 훈련된 수학적 모델을 사용하여 의사 결정을 내리는 AI 유형 중 하나입니다. 더 많은 데이터를 사용할 수 있게 되면 ML 모델이 더 나은 결정을 내릴 수 있습니다.

솔직히 말해서, 실제 마케팅 응용 프로그램의 경우(향후 3년 동안 직장에서 보게 될 것입니다.) 마케터는 지금 당장은 진정한 인공 지능에 대해 너무 많이 걱정할 필요가 없을 것입니다. Google Ads는 농담을 시작하지 않습니다. 그러나 자동화와 마찬가지로 기계 학습은 확실히 작동 중입니다.

이것은 좋은 일입니다. 잘 관리하면 기계 학습을 통해 훨씬 더 효율적이고 효과적일 수 있습니다. 예를 들어, 우리의 PPC 입찰 및 예산 관리 도구는 완전한 기계 학습을 사용하여 입찰 및 예산을 관리합니다.

eBook "자동 입찰 필수 사항에 대한 대행사 가이드"에서 설명하는 것처럼

단순 자동 입찰은 컴퓨터가 특정 트리거에 대한 반응으로 특정 금액만큼 PPC 입찰가를 높이거나 낮추는 일련의 규칙을 따르도록 하는 것으로 구성됩니다. 이러한 유형의 자동화는 학습하지 않고 사전 설정된 규칙에 따라 단순히 실행합니다.

이 수준의 자동 입찰은 누군가가 특정 백서를 다운로드한 후 특정 시간에 특정 이메일을 보내도록 설정된 마케팅 자동화 시스템과 크게 다르지 않습니다. 이는 마케터가 설정할 수 있는 사전 정의된 작업이며 해당 이벤트가 발생할 때마다 소프트웨어가 실행될 것으로 예상합니다.

기계 학습은 훨씬 더 정교합니다.

"간단한 자동 입찰에서는 사람이 먼저 타겟 CPA를 설정해야 하지만 머신 러닝 시스템은 가장 많은 클릭과 전환에 대해 가능한 가장 낮은 CPA를 얻는 것을 목표로 합니다." 원하는 결과를 제공하기 위해 입력("마이크로서비스"라고 부름).

따라서 자동 입찰은 마케터가 해야 하는 작업의 양을 확실히 줄일 수 있지만 "머신 러닝은 다음을 수행합니다.

• 최대 가격 상한선 아래의 평균 가격으로 가장 많은 전환을 얻으십시오.
• 예산이 전체 기간 동안 지속되는지 확인
• 매일 광고가 광고 일정에 의해 설정된 전체 기간 동안 경매에 있는지 확인하십시오."

그것은 완전히 다른 차원입니다. 그리고 AI 시대를 위한 마케팅을 재구축하려면 이러한 시스템이 어떻게 작동하고 어떻게 다른지 자세히 이해해야 합니다.

기계 학습 시스템이 구축되는 방식에 대한 놀랍도록 명확한 설명을 보려면 Google의 비디오 시리즈 "AI Adventures"를 시청하십시오. 비디오는 시리즈를 진행하면서 더 기술적으로 발전하지만 첫 번째 비디오는 매우 쉽게 접근할 수 있습니다.

여기 샘플러가 있습니다. 이 비디오에서는 맥주와 와인을 구별하기 위해 기계 학습 프로그램을 설계하고 훈련하는 방법을 볼 수 있습니다.

2. 데이터를 정리하십시오.

자동화, 기계 학습 및 AI는 모두 데이터에서 실행됩니다. 따라서 “쓰레기 인, 가비지 아웃”이라는 말은 앞으로 더욱 의미가 있을 것입니다.

아시다시피 데이터 관리는 마케팅에서 큰 문제입니다. 종종 다른 시스템의 데이터와 "대화"하지 않는 데이터를 생성하는 레거시 시스템이 있습니다. 또는 구조화되지 않아 기계 학습 프로그램에서 처리할 수 없는 데이터가 있습니다.

Google에서 기계 학습에 대한 정의는 "데이터를 사용하여 질문에 답변하는 것"입니다. 이것은 훌륭하고 명확한 설명이며, 이미 데이터 품질과 구성에 대해 생각하고 있다면 누군가가 질문을 하기 전에 데이터가 얼마나 체계적이고 정확해야 하는지에 대한 큰 단서를 제공합니다.

결국... 잠재 고객 데이터베이스에 얼마나 많은 중복 항목이 있다고 생각합니까? 마케팅에 사용한 모든 이미지가 파일 형식, 주제, 여러 태그, 작성자 및 해당 이미지가 사용된 위치별로 구성된 콘텐츠 보관소에 있습니까?

정리된 데이터입니다. 그리고 이는 회사의 미래를 대비하는 중요한 부분이므로 나중에 AI 또는 올해 기계 학습 및 자동화로 멋진 마술을 할 수 있습니다.

3. 목표를 정의하십시오.

기계는 훌륭합니다. 그들은 당신이 그들에게 지시한 대로 합니다. 그리고 다른 것은 없습니다. 이것은 매우 겸손할 수 있습니다.

나는 약 20년 전에 Perl(코딩 언어)을 공부했고, 무언가 잘못되면 코드나 하드웨어의 잘못이 아니라는 것을 즉시 깨달았습니다. 내 것이었다. 올바른 연산자를 사용하지 않았거나 어딘가에 쉼표가 누락된 경우, 기계는 내 지시에 따라 충실하고 완벽하게 실행될 것입니다. 이는 내가 실제로 원하는 것과 일치하지 않을 것입니다.

우리 대부분은 직접 코딩할 필요가 없습니다(기본적으로 친숙한 WYSIWYG 인터페이스를 통해 코딩할 수 있게 해주는 모든 앱에 감사드립니다). 그러나 우리는 우리의 지시를 올바르게 받아야 합니다.

따라서 특정 방식으로 기계 학습 애플리케이션에 대한 마케팅 자격을 갖춘 리드를 정의한 경우 정확히 해당 지침을 기반으로 사람을 찾을 것입니다. 지시에 결함이 있으면 결과에 결함이 있습니다. 응용 프로그램을 비난하지 마십시오.

이는 데이터로 자동화 시스템을 설정하려는 경우 이해하는 데 중요합니다. 데이터는 정확하고 읽을 수 있어야 합니다. 그런 다음 기계에게 작업을 수행하도록 지시하는 지침이 정확해야 합니다.

당신이 기계에 잘못된 지시를 하면, 그것은 당신을 수정하지 않을 것입니다(누군가 당신의 지시를 확인하기 위해 코드를 작성하지 않는 한). 예를 들어 새 광고 캠페인에 대해 잘못된 청중을 반환하는 것은 의무적으로 입찰을 수행하는 것입니다. 3개월 후 영업팀에서 "그 캠페인의 리드가 끔찍했습니다."라고 말할 때까지 지침이 잘못되었다는 것을 깨닫지 못할 수도 있습니다.

여기에는 또 다른 수준도 있습니다. 목표를 수량화할 수 있어야 합니다.

따라서 "고객 경험을 개선하고 싶습니다."라고 말하면 정말 좋은 일입니다. 하지만 컴퓨터의 경우 이를 어떻게 수량화할 수 있습니까? 컴퓨터가 고객 경험을 개선하기 시작하기 전에 이러한 측정을 추적하려면 몇 가지 매우 구체적인 측정과 매우 구체적인 입력이 필요합니다.

컴퓨터는 놀라울 정도로 세분화되어 있습니다. 그들은 인간이 그렇게 쉽게 만드는 추론과 결론을 내릴 수 없습니다. 이것이 우리가 직업을 유지하는 이유이기도 하지만, 높은 목표를 프로그래밍 방식의 너트와 볼트로 분해하는 프로그래머의 겁나는 일이기도 합니다.

마케팅을 미래에 대비하려면 먼저 모든 기본 사항과 볼트, 즉 이러한 목표와 정의를 확인해야 합니다.

4. 음성 검색에 최적화하십시오.

바라건대 우리는 지금까지 우리의 제안에서 충분히 구체적이었습니다. 그러나 그렇지 않다면 여기에 매우 분명한 지시가 있습니다. 음성 검색을 위한 최적화를 시작하십시오.

이것은 분명히 이미 여기에 있는 AI의 한 측면입니다. Cady Condyles가 2020년까지 "AI는 당신보다 더 똑똑합니다: 계속 유지하기 위한 소매 전략 조정"(Hero Conf London에서 그녀의 기조 연설)에서 언급했듯이 웹 브라우징의 30%가 디지털 음성 비서를 통해 화면 없이 이루어집니다.

음성 인식은 지금까지 AI의 가장 의미 있는 발전 중 하나입니다. 검색은 또 다른 주요 AI 성과입니다. 따라서 AI에 대한 브랜드와 마케팅을 포지셔닝하려는 경우 집중해야 할 매우 구체적인 장소가 있습니다. 바로 음성 검색입니다.

음성 검색을 위한 최적화는 실제로 여기에서 논의된 이전 요점의 한 예일 뿐입니다. 데이터 정리. 기계가 접근할 수 있도록 하십시오. 음성 검색을 위해 웹사이트를 최적화하는 것은 정확히 말하자면, 뒤죽박죽인 데이터(당사 웹사이트)를 기계 학습 또는 AI 애플리케이션이 구문 분석할 수 있는 것으로 추출하는 것입니다.

Cady의 또 다른 권장 사항 중 하나인 "의도 기반 AI를 사용하여 쇼핑객을 식별하고 도달"은 이 원칙의 반대 예입니다. 인텐트 기반 AI를 사용하여 인간과 통신하는 경우 인간 브라우저에서 페타바이트 규모의 데이터를 처리하고 이를 기계 학습 애플리케이션으로 정제한 시스템에 연결해야 합니다.

여기서 다시 원시 데이터가 패턴을 인식하고 작업을 권장할 수 있는 응용 프로그램으로 합성되었습니다.

마무리 생각

거대한 데이터 세트를 가져와서 패턴과 추세를 찾는 일이 점점 더 많아질 것입니다. 그리고 그것은 좋은 일입니다. 기계 학습과 AI가 작동하려면 많은 데이터가 필요합니다. 실제로 빛을 발하려면 예측 가능한 환경과 일관된 작업이 필요합니다.

이것이 바로 휴먼 마케터가 아무데도 가지 않는 이유입니다. 우리 인간은 제한된 데이터로 아주 잘 기능할 수 있습니다. 우리는 새로운 상황에 빠르게 적응할 수 있으며 인지 능력을 크게 향상시킵니다. 기계는 아직 없습니다.

이미지 크레딧

특집 이미지: Unsplash / 프랑크 V
이미지 1: Acquisio의 기계 학습 eBook을 통해