วิธีการพิสูจน์การตลาดของคุณในอนาคตในยุคของ AI

ปัญญาประดิษฐ์ไม่ใช่สิ่งใหม่ที่เป็นประกายอีกต่อไป มันอยู่ที่นี่มาระยะหนึ่งแล้ว หากคุณทำการค้นหาโดย Google หรือคลิกผลิตภัณฑ์ บทความ หรือภาพยนตร์ที่แนะนำ แสดงว่าคุณได้โต้ตอบกับสิ่งนั้นแล้ว

หากคุณเป็นนักการตลาด คุณอาจเคยร่วมงานกับมันมาแล้ว การโฆษณาบน Google Ads, Bing หรือ Facebook ทำงานร่วมกับ AI

ดังนั้นหยุดประคองตัวเองกับ "การเพิ่มขึ้นของเครื่องจักร" เครื่องจักรอยู่ที่นี่ และพวกเขาค่อนข้างเชื่อฟัง พวกเขาทำได้ดีในการทำงานที่น่าเบื่อที่สุดของการตลาดให้เป็นแบบอัตโนมัติ

คำถามคือ ระบบอัตโนมัติทั้งหมดนี้จะไปไหน? เครื่องจักรจะเข้ายึดครองงานได้กี่งาน? งานของคุณจะเป็นอย่างไรเมื่อมีวิวัฒนาการ? และคุณจะวางตำแหน่งตัวเองและบริษัทของคุณเพื่อให้เกิดประโยชน์สูงสุดได้อย่างไร

คำตอบนั้นง่ายกว่าที่คุณคิด แต่เป็นคำตอบสี่ส่วน

1. รับการศึกษา

แบบทดสอบป๊อป: แมชชีนเลิร์นนิงและปัญญาประดิษฐ์ต่างกันอย่างไร

นักการตลาดส่วนใหญ่ไม่สามารถตอบคำถามนั้นได้ เราอาจรู้ว่า AI นั้นซับซ้อนกว่าแมชชีนเลิร์นนิง และแมชชีนเลิร์นนิงนั้นเป็นส่วนย่อยของ AI…. แต่สิ่งต่าง ๆ มืดมนจากที่นั่น

นี่คือคำจำกัดความหนึ่งข้อ:

AI คือเทคโนโลยีใดๆ ก็ตามที่ช่วยให้ระบบสามารถแสดงความฉลาดเหมือนมนุษย์… Machine Learning เป็น AI ประเภทหนึ่งที่ใช้แบบจำลองทางคณิตศาสตร์ที่ฝึกฝนเกี่ยวกับข้อมูลในการตัดสินใจ เมื่อมีข้อมูลมากขึ้น โมเดล ML สามารถตัดสินใจได้ดีขึ้น

จริงๆ แล้ว สำหรับแอปพลิเคชันการตลาดในโลกแห่งความเป็นจริง – สิ่งที่คุณจะเห็นในงานในอีกสามปีข้างหน้า – นักการตลาดอาจไม่จำเป็นต้องกังวลมากเกินไปเกี่ยวกับปัญญาประดิษฐ์ที่แท้จริงในตอนนี้ Google Ads จะไม่เริ่มเล่าเรื่องตลก แต่แมชชีนเลิร์นนิงมีบทบาทแน่นอน เช่นเดียวกับระบบอัตโนมัติ

นี้เป็นสิ่งที่ดี การจัดการที่ดี แมชชีนเลิร์นนิงสามารถทำให้คุณมีประสิทธิภาพและประสิทธิผลมากขึ้น ตัวอย่างเช่น เครื่องมือการจัดการการเสนอราคา PPC และงบประมาณของเราใช้การเรียนรู้ของเครื่องอย่างเต็มรูปแบบเพื่อจัดการราคาเสนอและงบประมาณ

ตามที่ ebook ของเรา "The Agency Guide to Automated Bidding Essentials" อธิบายว่า

การเสนอราคาอัตโนมัติอย่างง่ายประกอบด้วยการปล่อยให้คอมพิวเตอร์ปฏิบัติตามชุดของกฎที่จะตอบสนองต่อทริกเกอร์บางอย่าง เพิ่มหรือลดราคาเสนอ PPC ตามจำนวนที่กำหนด ระบบอัตโนมัติประเภทนี้ไม่ได้เรียนรู้ แต่ดำเนินการตามกฎที่ตั้งไว้ล่วงหน้า

การเสนอราคาอัตโนมัติระดับนี้ไม่ได้แตกต่างจากระบบอัตโนมัติทางการตลาดที่ตั้งค่าให้ส่งอีเมลบางฉบับในเวลาใดเวลาหนึ่งหลังจากที่มีคนดาวน์โหลดเอกสารไวท์เปเปอร์ฉบับใดฉบับหนึ่ง เป็นการดำเนินการที่กำหนดไว้ล่วงหน้าที่นักการตลาดสามารถตั้งค่าได้ จากนั้นจึงคาดหวังให้ซอฟต์แวร์ดำเนินการทุกครั้งที่เกิดเหตุการณ์นั้นขึ้น

แมชชีนเลิร์นนิงซับซ้อนกว่ามาก

“ในขณะที่การเสนอราคาอัตโนมัติแบบธรรมดาต้องการให้มนุษย์สร้าง CPA เป้าหมายก่อน ระบบแมชชีนเลิร์นนิงมีเป้าหมายเพื่อให้ได้ CPA ต่ำที่สุดเท่าที่จะเป็นไปได้สำหรับจำนวนคลิกและ Conversion สูงสุด” การดำเนินการนี้ต้องใช้ระบบแมชชีนเลิร์นนิงเพื่อจัดการลำดับความสำคัญและข้อมูลที่แตกต่างกันหลายสิบรายการ อินพุต ("ไมโครเซอร์วิส" ตามที่เราเรียกว่า) เพื่อส่งมอบผลลัพธ์ที่ต้องการ

ดังนั้น แม้ว่าการเสนอราคาอัตโนมัติจะสามารถลดงานที่นักการตลาดต้องทำได้อย่างแน่นอน แต่ "แมชชีนเลิร์นนิงจะ:

• รับ Conversion สูงสุดในราคาเฉลี่ยต่ำกว่าราคาสูงสุด
• ตรวจสอบให้แน่ใจว่างบประมาณมีตลอดระยะเวลา
• ตรวจสอบให้แน่ใจว่าโฆษณาอยู่ในการประมูลทุกวันตลอดระยะเวลาที่กำหนดโดยกำหนดเวลาโฆษณา”

นั่นคือลำดับความสำคัญอื่นทั้งหมด และถ้าเราจะสร้างการตลาดของเราขึ้นมาใหม่สำหรับยุค AI เราต้องเข้าใจว่าระบบเหล่านี้ทำงานอย่างไรและแตกต่างกันในรายละเอียด

สำหรับคำอธิบายที่ชัดเจนอย่างน่าประหลาดใจเกี่ยวกับวิธีการสร้างระบบการเรียนรู้ของเครื่อง ให้ชมซีรีส์วิดีโอของ Google “AI Adventures” วิดีโอจะมีเนื้อหาทางเทคนิคมากขึ้นเมื่อคุณเล่นซีรีส์ แต่วิดีโอแรกเข้าถึงได้ง่ายมาก

นี่คือตัวอย่าง ในวิดีโอนี้ คุณจะเห็นว่าโปรแกรมแมชชีนเลิร์นนิงอาจได้รับการออกแบบและฝึกฝนเพื่อแยกแยะระหว่างเบียร์และไวน์ได้อย่างไร

2. ล้างข้อมูลของคุณ

ระบบอัตโนมัติ แมชชีนเลิร์นนิง และ AI ทั้งหมดทำงานบนข้อมูล ดังนั้นคำว่า "ขยะเข้า ขยะออก" จะมีความหมายมากขึ้นในอีกไม่กี่ปีข้างหน้า

อย่างที่คุณทราบ การจัดการข้อมูลเป็นปัญหาใหญ่ในด้านการตลาด บ่อยครั้ง เรามีระบบเดิมที่สร้างข้อมูลที่จะไม่ "พูด" กับข้อมูลจากระบบอื่น หรือเรามีข้อมูลที่ไม่มีโครงสร้าง ดังนั้นจึงไม่สามารถประมวลผลโดยโปรแกรมการเรียนรู้ของเครื่อง

คำจำกัดความของแมชชีนเลิร์นนิงของ Google คือ "การใช้ข้อมูลเพื่อตอบคำถาม" นี่เป็นคำอธิบายที่ยอดเยี่ยมและชัดเจน และหากคุณกำลังคิดเกี่ยวกับคุณภาพของข้อมูลและการจัดระเบียบอยู่แล้ว ข้อมูลนี้จะให้ข้อมูลสำคัญเกี่ยวกับการจัดระเบียบและความถูกต้องของข้อมูลก่อนที่จะมีใครซักถามเกี่ยวกับข้อมูลดังกล่าว

ท้ายที่สุด… คุณคิดว่ามีข้อมูลซ้ำกันกี่รายการในฐานข้อมูลผู้มีแนวโน้มจะเป็นลูกค้าของคุณ? คุณมีรูปภาพทุกรูปที่คุณเคยใช้ในการทำการตลาดในห้องเก็บเนื้อหา ซึ่งจัดระเบียบตามรูปแบบไฟล์ หัวเรื่อง แท็กหลายรายการ ผู้สร้าง และที่ใดที่รูปภาพนั้นถูกใช้ไปแล้ว

นั่นคือข้อมูลที่จัดระเบียบ และเป็นส่วนสำคัญในการพิสูจน์อนาคตบริษัทของคุณ เพื่อให้คุณสามารถทำสิ่งมหัศจรรย์ด้วย AI ในภายหลัง หรือด้วยการเรียนรู้ของเครื่องและระบบอัตโนมัติในปีนี้

3. กำหนดเป้าหมาย

เครื่องดีมาก พวกเขาทำสิ่งที่คุณบอกให้ทำ และไม่มีอะไรอื่น นี้สามารถถ่อมตัวมาก

ฉันเรียนภาษา Perl (ภาษาเขียนโค้ด) เมื่อประมาณยี่สิบปีที่แล้ว และตระหนักในทันทีว่าหากมีสิ่งใดผิดพลาด นั่นไม่ใช่ความผิดของรหัสหรือฮาร์ดแวร์ มันเป็นของฉัน ถ้าฉันไม่ได้ใช้โอเปอเรเตอร์ที่ถูกต้อง หรือพลาดเครื่องหมายจุลภาคไปที่ไหนสักแห่ง เครื่องก็จะทำงานตามหน้าที่และสมบูรณ์แบบตามคำสั่งของฉัน…ซึ่งจะไม่ตรงกับสิ่งที่ฉันต้องการให้ทำจริงๆ

พวกเราส่วนใหญ่ไม่ต้องเขียนโค้ดโดยตรง (ขอบคุณมากสำหรับแอปทั้งหมดที่ให้เราเขียนโค้ดผ่านอินเทอร์เฟซ WYSIWYG ที่เป็นมิตร) แต่เราต้องได้รับคำแนะนำที่ถูกต้อง

ดังนั้น หากคุณกำหนดลูกค้าเป้าหมายที่ผ่านการรับรองด้านการตลาดสำหรับแอปพลิเคชันการเรียนรู้ของเครื่องด้วยวิธีใดวิธีหนึ่ง มันจะค้นหาผู้คนตามคำแนะนำเหล่านั้นอย่างแน่นอน หากคำแนะนำของคุณมีข้อบกพร่อง ผลลัพธ์ของคุณก็จะมีข้อบกพร่อง อย่าโทษแอปพลิเคชัน

นี่เป็นสิ่งสำคัญที่ต้องทำความเข้าใจว่าคุณต้องการตั้งค่าระบบอัตโนมัติด้วยข้อมูลหรือไม่ ข้อมูลจะต้องมีความถูกต้องและสามารถอ่านได้ จากนั้นคำแนะนำที่คุณให้เครื่องทำงานจะต้องถูกต้อง

หากคุณให้คำแนะนำที่ไม่ถูกต้องกับเครื่อง จะไม่สามารถแก้ไขคุณได้ (เว้นแต่จะมีบางคนเขียนโค้ดเพื่อตรวจสอบคำแนะนำของคุณ) จะเป็นหน้าที่ในการเสนอราคา ส่งคืน พูดผิด ผู้ชมสำหรับแคมเปญโฆษณาใหม่ของคุณ คุณอาจไม่ทราบว่าคำสั่งของคุณไม่ดีจนกว่า Sales จะบอกคุณสามเดือนต่อมาว่า "โอกาสในการขายจากแคมเปญนั้นแย่มาก"

มีระดับอื่นในเรื่องนี้เช่นกัน: เราต้องสามารถวัดเป้าหมายของเราได้

เมื่อเราพูดว่า “ฉันต้องการปรับปรุงประสบการณ์ของลูกค้า” นั้นเยี่ยมมาก… แต่คุณจะหาปริมาณสิ่งนั้นสำหรับคอมพิวเตอร์ได้อย่างไร คุณจะต้องใช้การวัดที่เจาะจงมากและอินพุตที่เจาะจงมากเพื่อติดตามการวัดเหล่านั้น ก่อนที่คอมพิวเตอร์จะสามารถเริ่มปรับปรุงประสบการณ์ของลูกค้าได้

คอมพิวเตอร์มีความละเอียดรอบคอบ พวกเขาไม่สามารถทำการอนุมานและข้อสรุปที่มนุษย์สร้างขึ้นได้อย่างง่ายดาย นั่นเป็นเหตุผลที่เราต้องรักษางานของเราไว้ แต่ก็เป็นงานที่น่ากลัวของโปรแกรมเมอร์เช่นกัน - เพื่อทำลายเป้าหมายที่สูงส่งเป็นน็อตและสลักเกลียวแบบเป็นโปรแกรม

หากคุณต้องการพิสูจน์การตลาดของคุณในอนาคต คุณจะต้องทำความเข้าใจกับเป้าหมายและคำจำกัดความทั้งหมดก่อน

4. ปรับให้เหมาะสมสำหรับการค้นหาด้วยเสียง

หวังว่าเราจะได้รับคำแนะนำอย่างเป็นรูปธรรมเพียงพอจนถึงตอนนี้ แต่ถ้าไม่ใช่ นี่เป็นแนวทางที่ชัดเจนมาก: เริ่มปรับให้เหมาะสมสำหรับการค้นหาด้วยเสียง

นี่เป็นหนึ่งในแง่มุมของ AI ที่มีอยู่แล้วอย่างแน่นอน ดังที่ Cady Condyles กล่าวถึงใน “AI ฉลาดกว่าคุณ: ปรับกลยุทธ์การค้าปลีกของคุณให้ทัน” (การนำเสนอประเด็นสำคัญของเธอที่ Hero Conf London) ภายในปี 2020 การท่องเว็บ 30% จะไม่มีหน้าจอ – ทำผ่านผู้ช่วยเสียงดิจิทัล

การรู้จำเสียงเป็นหนึ่งในการพัฒนาที่มีความหมายมากที่สุดของ AI จนถึงตอนนี้ การค้นหาเป็นความสำเร็จที่สำคัญอีกประการหนึ่งของ AI ดังนั้น หากคุณต้องการวางตำแหน่งแบรนด์ของคุณและการตลาดสำหรับ AI มีสถานที่หนึ่งที่เจาะจงมากในการมุ่งเน้นความพยายามของคุณ นั่นคือ การค้นหาด้วยเสียง

ที่จริงแล้ว การเพิ่มประสิทธิภาพสำหรับการค้นหาด้วยเสียงเป็นเพียงตัวอย่างหนึ่งของประเด็นก่อนหน้าที่กล่าวถึงในที่นี้ นั่นคือ ล้างข้อมูลของคุณ ทำให้สามารถเข้าถึงเครื่องได้ การปรับเว็บไซต์ให้เหมาะสมสำหรับการค้นหาด้วยเสียงนั้นถูกต้อง: การนำข้อมูลมาผสมผสานกัน (เว็บไซต์ของเรา) และกลั่นกรองให้เป็นบางสิ่งที่แมชชีนเลิร์นนิงหรือแอปพลิเคชัน AI สามารถแยกวิเคราะห์ได้

คำแนะนำอีกประการหนึ่งของ Cady ในการ "ใช้ AI แบบตั้งใจเพื่อระบุและเข้าถึงผู้ซื้อของคุณ" คือตัวอย่างของหลักการนี้ในทางกลับกัน หากคุณใช้ AI แบบตั้งใจเพื่อสื่อสารกับมนุษย์ คุณจะต้องเชื่อมต่อกับระบบที่ประมวลผลข้อมูลระดับเพตะไบต์จากเบราว์เซอร์ของมนุษย์และกลั่นลงในแอปพลิเคชันการเรียนรู้ของเครื่อง

ที่นี่อีกครั้ง ข้อมูลดิบถูกสังเคราะห์ลงในแอปพลิเคชันที่สามารถจดจำรูปแบบและแนะนำการดำเนินการได้

ปิดความคิด

จะมีมากขึ้นเรื่อย ๆ ของสิ่งนี้ที่ใช้ชุดข้อมูลขนาดใหญ่และค้นหารูปแบบและแนวโน้มในตัวมัน และนั่นก็ดี – แมชชีนเลิร์นนิงและ AI ต้องการข้อมูลจำนวนมากในการทำงาน พวกเขาต้องการสภาพแวดล้อมที่คาดเดาได้และงานที่สอดคล้องกันเพื่อให้โดดเด่นอย่างแท้จริง

ซึ่งเป็นเหตุผลว่าทำไมนักการตลาดมนุษย์ถึงไม่ไปไหน มนุษย์เราสามารถทำงานได้ค่อนข้างดีเมื่อมีข้อมูลจำกัด เราสามารถปรับตัวให้เข้ากับสถานการณ์ใหม่ได้อย่างรวดเร็ว และเราเก่งในการก้าวกระโดดทางปัญญาครั้งใหญ่ เครื่องก็ยังไม่มี

เครดิตรูปภาพ

ภาพเด่น: Unsplash / Franck V
ภาพที่ 1: ผ่าน eBook การเรียนรู้ของเครื่องของ Acquisio