Что контент-маркетологи должны знать об ИИ

Как и многие люди во всем мире, я принял несколько профессиональных решений на новый год. Я хотел узнать как можно больше об искусственном интеллекте (ИИ) и технологии блокчейн. Прошла четверть года, и мой поиск знаний об ИИ завершен. На самом деле настолько полным, что его кульминацией стала моя последняя бесплатная электронная книга «Все, что вам нужно знать о маркетинговой аналитике и искусственном интеллекте».

(Примечание редактора: Чад будет совместно вести чат в Твиттере на эту тему с Social Media Today 8 мая. Подать заявку на участие в чате можно здесь: « Что вам нужно знать об искусственном интеллекте и маркетинге» )

В этой статье я расскажу все, что узнал об ИИ и его влиянии на маркетинг. Мы только начинаем новый революционный путь в маркетинге, и это очень интересно.

В жизни можно гарантировать только три вещи: смерть, налоги и разрушение отрасли. Разрушения происходят вокруг нас каждый день. Посмотрите, что Amazon сделала с розничной торговлей, Uber — с такси, LinkedIn — с досками объявлений, Интернет — со СМИ, криптовалюты — с финансами и так далее, и так далее.

Прогнозируется, что только ИИ изменит прогнозирование, обслуживание клиентов, образование, финансы, питание, персонализированное здравоохранение, медицину, логистику, программы лояльности, маркетинг, закупки, связи с общественностью, поиск и безопасность.

По словам технического директора Salesforce Solutions Бретта Колберта, блокчейн призван изменить землепользование, идентичность, глобальную логистику и доставку, автомобилестроение, авиацию, производство, отпускаемые по рецепту лекарства, финансы, правительство, банковское дело и многое другое.

Раньше серьезные потрясения во всей отрасли происходили раз в десятилетие или реже. Однако в сегодняшних условиях мы начинаем видеть, что целые ряды отраслей промышленности разрушаются одновременно.

Сегодня мы начинаем видеть самые первые признаки прорыва в цифровом маркетинге и рекламе. Многие из нас даже не представляют, как это будет выглядеть.

ADYOULIKE интегрировалась с IBM Watson. Salesforce запустила свою технологию Einstein. HubSpot приобрела компанию по машинному обучению Kemi. Блокчейн-компании, такие как adChain, Bitteaser, Native Video Box и AdHive, вышли на рынок рекламных технологий.

Эта новая технология упростит для брендов не только управление большими данными и получение полезной информации, но и поднимет ключевые маркетинговые показатели эффективности (KPI) на новую высоту. Они также откроют новый уровень прозрачности, невиданный ранее в рекламных технологиях.

Как маркетологи, мы все должны спросить себя: «Готовы ли мы к коренным изменениям в маркетинге?»

Независимо от ответа, вероятно, подавляющее большинство из нас не имеет ни малейшего представления о том, как технологии могут навсегда изменить нашу отрасль.

Вышеупомянутые технологические компании обычно являются примерами, приведенными при описании использования ИИ и других прорывных маркетинговых технологий. Тем не менее, электронная почта, оценка потенциальных клиентов и оптимизация онлайн-рекламы — это лишь малая часть того, что ждет в будущем технологии, лежащие в основе нашего маркетинга.

Будущее использование этих технологий повлияет на все аспекты собственных, заработанных и платных медиа. И дело не только в их будущем использовании. Технология существует сегодня, чтобы коренным образом разрушить все маркетинговые и медиа-каналы.

Искусственный интеллект в маркетинге

Многие люди до меня написали тома об ИИ. Многие до сих пор пишут о маркетинге ИИ. На самом деле, мой друг Пол Ретцер основал Институт маркетингового ИИ. На сайте полно хороших статей и размышлений о маркетинге ИИ. Это важно отметить, потому что это означает, что маркетинговый ИИ не является какой-то тенденцией, которая исчезнет в ближайшее время. Настолько, что на самом деле существует центр маркетингового лидерства в области искусственного интеллекта в Интернете.

Ретцер может сказать несколько ценных вещей о маркетинговом ИИ, которые необходимо знать современному маркетологу. Например, он говорит:

«Маркетологи, которые смогут использовать возможности искусственного интеллекта, смогут делать больше с меньшими затратами, проводить персонализированные кампании беспрецедентной сложности и преобразовывать бизнес, как обычно, с помощью новых методов интеллектуального маркетинга. Возможности безграничны для маркетологов и предпринимателей, желающих и видящих, как преобразовать отрасль».

Согласно опросу Forrester, 86% из более чем 700 маркетологов, занимающих руководящие должности в компаниях США, Европы и Австралии, согласились с тем, что ИИ сделает их маркетинговые команды более эффективными и действенными.

Одна из основных проблем с маркетинговыми решениями искусственного интеллекта — это противопоставление маркетинга реальности. Несмотря на то, что многие решения рекламируют использование ИИ, лишь часть из них действительно приносят пользу, используя его. Другие используют эту фразу просто для продвижения продукта и стимулирования продаж. То, как ИИ на самом деле применяется в решении, определяет его ценность.

ИИ, используемый для обработки изображений и типов личности, уже давно доступен. На данном этапе они считаются элементарными и представляют минимальную ценность. Решения, ориентированные на интерпретацию множества различных потоков структурированных и неструктурированных данных, которые помогают масштабировать, составлять отчеты, прогнозировать результаты и повышать точность, — это те решения, которые обеспечивают ценность с помощью ИИ.

Многие из современных маркетинговых ИИ-решений строго ориентированы на человека (кто) в семи «П» маркетинга (подробнее об этом позже). Это нормально. Нам, маркетологам, тоже нужны такие решения. Большинство из них носят просто предсказательный, а не предписывающий характер и по-прежнему требуют от маркетолога переваривания информации и принятия решения о том, какие действия следует предпринять.

Например, использование ИИ для отправки персонализированных электронных писем в лучшее время отдельным получателям, автоматизация оценки потенциальных клиентов и аналитики, а также оценка контента на странице. Все это примеры маркетингового ИИ, который используется для обслуживания человека (кто) и носит предсказательный характер с использованием прошлых данных.

Мы также видим, как маркетинговый ИИ входит в рекламное пространство влиятельных лиц или продвигается в семи P. Эти решения используют искусственный интеллект для эффективного и оптимального подбора влиятельных лиц и брендов, одновременно облегчая финансовые транзакции между ними. Он также существует в сфере бесплатного маркетинга влиятельных лиц, среди прочего, для лучшей идентификации влиятельных лиц.

Во многих отношениях предписывающий ИИ может значительно повысить способность маркетолога быть успешным, добиваться большего и делать больше. В прошлом для выполнения тех же задач, которые предписывающий ИИ сегодня может выполнять предписывающий ИИ, требовались целые команды специалистов по аналитике или специалистов по обработке и анализу данных.

Майк Капут, директор Института маркетингового искусственного интеллекта, считает, что искусственный интеллект улучшит работу маркетологов в одной или нескольких из трех функций. Маркетинговое решение ИИ редко улучшает все три. Следствием этого является то, что большинству маркетологов не грозит потеря работы в ближайшее время. Эти функции представлены ниже:

Оценка: Маркетологи анализируют данные, прошлые результаты и лучшие практики, чтобы узнать, что работает. Они сообщают об этом заинтересованным сторонам и коллегам.

Рекомендация: они используют человеческое творчество, чтобы рекомендовать новые действия, которые могут быть успешными. Эти рекомендации основаны на данных этапа оценки. Но они также включают здоровые дозы интуиции, догадок и предубеждений.

Реализация: маркетологи создают активы и проводят кампании. Они могут делать это с помощью машинных систем, таких как программное обеспечение для автоматизации, или без них.

Forrester также обнаружил, что 46% компаний заявили, что их отделы маркетинга и продаж лидируют в инвестициях в технологии искусственного интеллекта — это самый высокий показатель среди всех отделов. Можно с уверенностью сказать, что джинн ИИ выпущен из бутылки, и маркетологи должны быть готовы его принять.

Искусственный интеллект и аналитика

Есть некоторые части маркетинга, которые принципиально никогда не меняются. Возьмем, к примеру, семь составляющих маркетинга: продукт, цена, продвижение, место, упаковка, позиционирование и люди. В онлайн-маркетинге эти семь «П» все еще существуют. Однако об одном постоянно забывают с тех пор, как первые аналитические программы были интегрированы в веб-сайты, — место (где).

Что делает это место таким мощным в офлайн-мире, довольно просто понять. Там, где обычный бизнес существует по отношению к другим предприятиям, домохозяйствам, правительству и инфраструктуре, они могут сильно повлиять на узнаваемость и жизнеспособность компании.

Этот P, поскольку он относится к онлайн-миру, в значительной степени игнорируется сегодняшними цифровыми маркетологами. Наличие веб-сайта по отношению к другим веб-сайтам имеет важное значение. Инфраструктура соединений через ссылки с этих веб-сайтов в значительной степени способствует видимости и жизнеспособности веб-сайта и, в конечном итоге, во многих случаях самого бизнеса.

Одна степень разделения

Наша аналитика, на которую мы полагаемся, чтобы сообщать о состоянии наших веб-сайтов и влиянии наших кампаний, предоставляет информацию только для веб-сайтов, которые ссылаются на нас на расстоянии одного градуса. И в большинстве случаев атрибуция предоставляется только для последнего штриха. Это означает, что маркетологи понятия не имеют, какая последовательность веб-сайтов в конечном итоге привела посетителя на сайт, который, в свою очередь, привел их на веб-сайт маркетолога. Вот как наша аналитика сообщает информацию:

Теперь давайте вернемся к одному из семи «П» — месту. Это эквивалентно оффлайновому кирпичу и строительному раствору, который знает только о предприятиях и местах, находящихся непосредственно по соседству и через улицу. На самом деле бизнес может располагаться в оживленном центре города с десятками магазинов, ресторанов, парков, здания суда и кондоминиумов. Скорее всего, клиенты этой компании останавливаются в некоторых из этих мест, прежде чем посетить ее.

С большей частью сегодняшней аналитики маркетолог будет видеть только посетителей, которые покинули места по соседству или прямо через улицу. Что, если бы бизнес знал точную частоту посещения мест каждым посетителем непосредственно перед тем, как совершить покупку? Это будет очень подробная атрибуция. Что, если бы они знали эту информацию о каждом бизнесе в этом районе?

Может быть, бизнес обнаруживает, что многие из клиентов его конкурента проживают в кондоминиумах в двух кварталах от него и совершают покупки только после того, как побегают в парке. Это была бы важная информация. Теперь бизнес может запросить спонсирование информационного бюллетеня кондоминиума с помощью купона или отправить сотрудника в парк, одетого в смешной костюм, для рекламы распродажи.

Чрезмерное доверие к тому, кто (кто) сообщает

Большинство современных аналитических программ не сообщают важные данные, упомянутые выше. Почему? Просто потому, что они не могут его собрать. Слишком много больших данных, чтобы анализировать их для технологии, на которой основано большинство современных аналитических платформ. Они были построены на основе 15-летней технологической основы.

Откровенно говоря, у них тоже нет особого стимула меняться. Почему? Все просто – большинство часто используемых аналитических программ сегодня принадлежат одной из четырех или около того сетей онлайн-рекламы. Если бы у маркетологов был уровень видимости, о котором говорилось выше, они могли бы тратить меньше и получать еще лучшие результаты.

Вместо этого эти платформы убедили большинство маркетологов игнорировать место (где) в нашем онлайн-маркетинге. Они были в состоянии сделать это, будучи действительно хорошими в репортаже о человеке (кто) в семи P маркетинга.

Хотя человек, безусловно, важен, как и остальные P, нам никогда не давали полную картину в Интернете. Мы, маркетологи, видим Интернет близоруким, с узким зрением. Это означает, что решения, которые мы принимаем, принимаются с использованием лишь небольшой части существующей информации. Таким образом, сегодняшние аналитические платформы являются только одномерными.

Три степени разделения

Что, если бы ИИ мог взять наше нынешнее одномерное представление об Интернете и преобразовать его в действительно трехмерное представление? Мы сможем увидеть все связи в пределах нашей потенциальной актуальной сферы влияния на расстоянии до трех веб-сайтов. Мы бы знали, какие объявления и влиятельные лица были наиболее успешными в привлечении кликов и привлечении внимания для всех веб-сайтов, которые имели отношение к нашим отраслям. Кроме того, мы бы знали, какие филиалы были наиболее успешными в нашей отрасли.

То, что я описываю, будет новой аналитической системой, основанной на искусственном интеллекте, которая будет сообщать и отслеживать данные на расстоянии до трех градусов от веб-сайта. Другими словами, мы увидели бы данные обо всех веб-сайтах, которые ссылаются на нас, данные о веб-сайтах, которые ссылаются на них, и данные о веб-сайтах, ссылающихся на них.

Чтобы сделать это с помощью наиболее популярных сегодня аналитических программ, потребуется беспрепятственный доступ к тысячам, а в некоторых случаях к миллионам аналитических данных веб-сайтов. Объем генерируемых данных будет огромным и, вероятно, непригодным для использования маркетологами в любом масштабе.

Эта модель аналитики и отчетности рисует более полную картину для маркетологов, включая полную атрибуцию и онлайн-путешествие потенциальных клиентов. Не столько то, как мы обычно описываем путь клиента — только одна степень разделения на собственные, заработанные и платные каналы, — сколько трехмерную картину.

Доступ к такого рода данным может оказать огромное влияние на производительность и стоимость платных медиа, информируя маркетологов, от каких сайтов следует держаться подальше, а какие удвоить. Это также может быть благом для заработанных средств массовой информации, влиятельного маркетинга и работы со СМИ.

С точки зрения собственных СМИ такие данные могут помочь маркетологам узнать, какой контент в их отрасли является наиболее популярным или недостаточно востребованным — настоящая аналитика контента. В этой модели платные и органические данные из социальных сетей будут намного богаче и тщательнее.

Визуальное представление этой новой аналитической системы показано ниже:

Богатый данными. Понимание плохое

Мы живем в мире, который полностью поглощен данными. Но что такое данные на самом деле? В конце концов, это не более чем товар. Ресурс. Что сейчас должно иметь значение для маркетологов, так это то, что они могут с этим сделать. Вопрос, который каждый маркетолог должен задать себе в отношении данных, звучит так: «Какая информация может вывести мои кампании на новый уровень?»

Все больше внимания уделяется идее платформы клиентских данных (CDP). Эта идея, определяемая как унифицированное, интегрированное хранилище всех ваших данных о клиентах, впервые была представлена ​​в 2013 году. CDP имеет решающее значение для целостного понимания потенциальных клиентов и клиентов. Это включает в себя как до приобретения, так и после приобретения.

К сожалению, очень немногие маркетологи имеют настоящий CDP. Вместо этого у большинства есть разрозненный набор систем и инструментов, которые не очень хорошо обмениваются данными или идеями. Те маркетологи, у которых есть доступ к технологии CDP, имеют огромное преимущество перед теми, у кого его нет.

В лучшие технологии маркетинговой аналитики и атрибуции встроен CDP. Настоящая ценность для маркетологов заключается в том, что технология может сделать с данными и рекомендациями, которые они предоставляют. ИИ играет решающую роль в этой функции.

Маркетинговая атрибуция

Как и большая часть современной аналитики, маркетинговая атрибуция по своей природе очень одномерна. Это просто отражение данных, предоставляемых многими современными аналитическими технологиями. Приведенная ниже инфографика от Bizible хорошо объясняет различные типы моделирования, маркетинговые каналы и действия, сопоставление каналов и показатели, связанные с маркетинговой атрибуцией.

Например, реферальный трафик указан как маркетинговый канал. Мы можем легко зайти в нашу аналитику и найти объем трафика, который был доставлен реферальным источником. Часть этого трафика тоже могла стать клиентами.

В зависимости от нашей модели атрибуции (например, «последнее касание») мы можем присвоить доход реферальному трафику с конверсией. Если бы сайт был нашим, а конверсия (продажа) была бы на нашем сайте, это выглядело бы так:

Это нормально в мире одномерной аналитики. Однако на самом деле, скорее всего, что-то вело трафик к источнику реферала, а что-то другое гнало трафик к нему. Это данные, к которым сегодня нет доступа у подавляющего большинства маркетологов. Вот как будет выглядеть эта модель:

Это пример моделирования атрибуции на расстоянии трех степеней. Другие перечисленные веб-сайты могут быть другими источниками рефералов, социальными сетями, электронной почтой, поисковыми системами и т. д. Для маркетолога это чрезвычайно ценная информация.

Если бы мы знали, что такое второй веб-сайт, мы могли бы пойти прямо к ним и стать партнером по спонсорству. Может быть, это популярный блог или интернет-издание. Также возможно пойти по пути заработанных СМИ и предложить им написать историю. Возможно, первый веб-сайт является популярным влиятельным лицом в отрасли. Это возможное маркетинговое партнерство.

Выше приведен чрезвычайно упрощенный пример трехмерного моделирования атрибуции, и его довольно легко понять. Теперь представьте себе модель, которая показывает все, что связано со всеми источниками трафика, и все, что связано с ними. Довольно сложно представить, правда? Это будет выглядеть примерно так, как показано на рисунке ниже.

Вышеупомянутая модель может информировать маркетологов о том, на каких сайтах прекратить рекламу или удвоить ее, а также определить новые и более эффективные сайты, в которые маркетолог должен инвестировать. То же самое он делает и с заработанными медиа, но в данном случае это то, на что потратить время, а не бюджет. Это также позволяет маркетологам получить истинную информацию о содержании того, какие темы находят отклик или недостаточно освещаются в их современной сфере влияния в Интернете.

Каждый веб-сайт, представленный выше, сам по себе может быть не очень важным. Тем не менее, их отношения и связи с остальными веб-сайтами. Обнаружение и идентификация соответствующих кластеров тоже.

Еще одна вещь, которую может сделать трехмерная карта участков Интернета, — это триангуляция. Это означает, что ранее неизвестные источники трафика (прямой трафик) могут быть выявлены во многих случаях. Это очень важно, поскольку на некоторых веб-сайтах огромный процент трафика может быть помечен как прямой.

Представьте, что вы принимаете маркетинговые решения на основе одномерного моделирования атрибуции и пропускаете большой процент данных, потому что они скрыты как прямой трафик. Маркетологам не нужно это представлять, потому что мы делаем это уже более десяти лет, и это было принято. Большинство из нас видят только 20% данных в соответствующей цифровой экосистеме. Это остальные 80%, которые мы не используем для информирования наших маркетинговых решений.

Желтый выше представляет 20% влияния цифровой сферы промышленности, которое может увидеть маркетолог. Это было принято с начала 2000-х годов. Сегодняшняя аналитика, основанная на искусственном интеллекте, впервые позволяет увидеть оставшиеся 80%.

Я знаю, что думают многие читатели, как мы можем получить эти данные, и как мы можем их понять? То, что описано выше, — это действительно большие данные. Не зря эта статья началась с маркетингового ИИ и аналитики. Когда они женаты, это становится возможным.

В настоящее время для этого существует технология, и это не просто прогнозирование — это предписывающий ИИ. Это означает, что он просматривает большое количество структурированных и неструктурированных данных, чтобы явно указать маркетологу, что делать дальше. Таким образом, аналитика, какой мы ее знаем, изменилась навсегда.

Будущее - сегодня

Каждая тактика, связанная с заработанными, собственными и платными медиа, описанная в электронной книге, предлагает автономные решения и не является частью интегрированной аналитической платформы, управляемой искусственным интеллектом. Это помогает стимулировать обжорство маркетологов программного обеспечения Martech, с которым сталкиваются каждый год. Это не идеально.

Только в 2017 году экосистема программного обеспечения Martech насчитывала более 5000 поставщиков. Когда эти категории объединяются в рамках одной аналитической платформы, управляемой искусственным интеллектом, это значительно упрощает интеграцию всего маркетинга с программным обеспечением для продаж и обслуживания, а кривую обучения намного легче ориентировать. Не говоря уже о том, что процесс приобретения одного комплексного решения гораздо приятнее, чем альтернатива.

В противном случае маркетологи рассматривают возможность внедрения 12 уникальных программных решений на основе ИИ для усиления своего маркетинга. Вот почему в этом десятилетии маркетологи внедрили программное обеспечение для автоматизации маркетинга. Конечно, можно задействовать восемь различных поставщиков программного обеспечения, чтобы сделать то, что может сделать один поставщик средств автоматизации маркетинга, но по очевидным причинам это не идеально.

Принятие нескольких маркетинговых технологий, как правило, создает неунифицированные потоки данных, хранящиеся в разных местах. Эти системы не связаны друг с другом и в результате предлагают неполные данные. Представьте, что вам нужно просмотреть 12 уникальных информационных панелей, чтобы расшифровать стратегию и тактику в маркетинге. Это то, что многие делают.

Тем не менее, сейчас будущее, потому что существуют всеобъемлющие аналитические решения на основе ИИ, которые могут унифицировать представление клиентов, сделать большие данные действенными, анализировать структурированные и неструктурированные данные, прогнозировать результаты, предписывать действия, обеспечивать полную маркетинговую атрибуцию и открывать 80 % больше Интернета в глазах маркетолога.

Более десяти лет маркетологи были обязаны лишь нескольким поставщикам аналитики, которые также продают онлайн-рекламу. У них действительно нет стимула помогать маркетологам тратить меньше и при этом получать лучшие результаты. Независимость от данных — единственный способ избежать этого врожденного конфликта интересов.

Альтернативой может быть полное прекращение онлайн-рекламы или сокращение бюджета. В прошлом году Proctor & Gamble объявила, что сократит свои расходы на онлайн-медиа на сумму до 140 миллионов долларов из-за проблем с безопасностью бренда, ботов и нежелательного контента.

Эту проблему можно было бы легко решить, вложив сравнительно консервативные средства в аналитику на основе ИИ. Эта технология позволит Proctor & Gamble сосредоточиться на месте (где) в рамках семи «П» маркетинга — в этом суть их проблемы.

Приносят пользу не только платные СМИ; Эта новая технология может положительно повлиять на платные, заработанные и собственные средства массовой информации — от влиятельного маркетинга и SEO до медийной рекламы и социальных сетей.

Если вы хотите глубже погрузиться в ИИ и эти тактики, ознакомьтесь с моей полной электронной книгой, которая доступна бесплатно. Я отправился узнать все, что мог, об искусственном интеллекте и маркетинге, и я искренне надеюсь, что вы тоже узнали что-то новое в этом путешествии.

(Примечание: у вас есть время до 15 мая, чтобы зарегистрироваться на курс Rutgers Business School «Complete Content Marketing: The Art and Science of Making Content Matter». Это онлайн-курс, который читают мои друзья Ян Клири и Марк Шефер. Ваши лекции тоже. Используйте наш код скидки «grow», чтобы получить скидку 10 %.)

Версия этой статьи была впервые опубликована в Social Media Today.