如何在 AI 时代让您的营销面向未来

人工智能不再是一个闪亮的新事物。 它已经在这里有一段时间了。 如果您完成了 Google 搜索或点击了推荐的产品、文章或电影，那么您就与它进行了互动。

如果您是营销人员，您可能已经使用过它。 Google Ads、Bing 或 Facebook 上的广告正在与 AI 合作。

因此，不要再为“机器的崛起”做好准备。 机器在这里，它们真的很听话。 他们擅长自动化营销中一些最无聊的任务。

问题是，所有这些自动化都将走向何方？ 机器将接管多少任务？ 随着它们的发展，你的工作会是什么样子？ 您如何定位自己和您的公司以充分利用它？

答案比你想象的要简单。 但这是一个四部分的答案。

1. 接受教育。

小测验：机器学习和人工智能有什么区别？

大多数营销人员都无法回答这个问题。 我们可能知道人工智能比机器学习更复杂，机器学习是人工智能的一个子集……。 但事情从那里变得模糊不清。

这是一个定义：

人工智能是使系统能够展示类人智能的任何技术……机器学习是一种人工智能，它使用基于数据训练的数学模型来做出决策。 随着更多数据可用，ML 模型可以做出更好的决策。

老实说，对于现实世界的营销应用程序——未来三年你会在工作中看到的东西——营销人员现在可能不必太担心真正的人工智能。 Google Ads 不会开始讲笑话。 但是机器学习肯定在发挥作用，自动化也是如此。

这是一件好事。 管理得当，机器学习可以让你更有效率和效率。 例如，我们的 PPC 出价和预算管理工具使用成熟的机器学习来管理出价和预算。

正如我们的电子书《自动出价要点代理指南》所解释的，

简单的自动出价包括让计算机遵循一组规则，这些规则将响应某些触发因素，将 PPC 出价增加或减少一定数量。 这种类型的自动化不会学习，它只是根据预先设定的规则执行。

这种级别的自动出价与设置为在某人下载特定白皮书后的特定时间发送特定电子邮件的营销自动化系统没有太大区别。 这是营销人员可以设置的预定义操作，然后期望软件在每次事件发生时执行。

机器学习要复杂得多。

“虽然简单的自动出价需要人类首先确定目标 CPA，但机器学习系统旨在获得尽可能低的 CPA，从而获得最高的点击次数和转化次数。”这需要机器学习系统管理数十种不同的优先级和数据输入（我们称之为“微服务”）以提供所需的结果。

因此，虽然自动出价肯定可以减少营销人员的工作量，但“机器学习将：

• 以低于最高价格上限的平均价格获得最多的转化
• 确保预算持续整个期间
• 确保在广告时间表设置的整个持续时间内，每天的广告都在拍卖中”

这完全是另一个数量级。 如果我们要为人工智能时代重建我们的营销，我们需要了解这些系统是如何工作的，并在细节上有所不同。

有关如何构建机器学习系统的令人惊讶的清晰解释，请观看 Google 的视频系列“AI Adventures”。 随着您在系列中的进展，视频会变得更加技术性，但第一个视频非常易于访问。

这是一个采样器。 在本视频中，您将了解如何设计和训练机器学习程序来区分啤酒和葡萄酒。

2. 清理您的数据。

自动化、机器学习和人工智能都基于数据运行。 因此，“垃圾进，垃圾出”这句话在未来几年将更加有意义。

如您所知，数据管理是营销中的一个大问题。 通常，我们的遗留系统生成的数据不会与来自其他系统的数据“对话”。 或者我们有非结构化的数据，因此无法由机器学习程序处理。

谷歌对机器学习的定义是“用数据回答问题”。 这是一个极好的、清晰的解释，如果您已经在考虑数据质量和组织，它会为您提供一个重要线索，即在任何人提出问题之前，您的数据必须如何组织和准确。

毕竟……您认为您的潜在客户数据库中有多少重复项？ 您是否在内容库中拥有您在营销中使用过的每张图片，按文件格式、主题、多个标签、创建者以及该图片的使用位置进行组织？

那是有组织的数据。 它是确保您的公司面向未来的关键部分，因此您可以在以后使用 AI 或在今年使用机器学习和自动化来发挥奇特的魔力。

3. 定义目标。

机器很棒。 他们完全按照你告诉他们的去做。 没有别的了。 这可能非常令人谦卑。

大约 20 年前，我学习了 Perl（一种编码语言），并立即意识到，如果出了什么问题，那不是代码或硬件的问题。 那是我的。 如果我没有使用正确的操作符，或者只是在某个地方漏掉了一个逗号，那么机器会尽职尽责地按照我的指示完美地执行……这与我真正想要的不符。

我们大多数人不必直接编码（非常感谢所有让我们基本上通过友好的所​​见即所得界面进行编码的应用程序）。 但是我们必须正确地得到我们的指示。

因此，如果您以特定方式为您的机器学习应用程序定义了一个营销合格的潜在客户，它将完全根据这些说明找到人。 如果你的指示有缺陷，你的结果就会有缺陷。 不要责怪应用程序。

如果您想使用数据设置自动化系统，这对于理解这一点至关重要。 数据必须准确且可读。 然后你给机器工作的指令必须是正确的。

如果你给机器错误的指令，它不会纠正你（除非有人写了一些代码来检查你的指令）。 它只会尽职尽责地为您的新广告活动返回错误的受众。 直到三个月后，销售人员告诉您：“该活动的潜在客户非常糟糕”，您可能才意识到您的指示是错误的。

这还有另一个层面：我们必须能够量化我们的目标。

因此，当我们说“我想改善客户体验”时，这很好……但是您如何为计算机量化呢？ 在计算机开始改善客户体验之前，您将需要一些非常具体的测量和非常具体的输入来跟踪这些测量。

计算机的粒度令人难以置信。 他们无法做出人类如此轻松做出的推论和结论。 这就是我们能够保住工作的原因，但这也是程序员的一项令人生畏的工作——将崇高的目标分解为程序化的具体细节。

如果您想使您的营销面向未来，您需要首先确定所有这些基本要素——那些目标和定义。

4.优化语音搜索。

希望到目前为止，我们的建议已经足够具体。 但如果没有，这里有一个非常明确的指令：开始优化语音搜索。

这是人工智能的一个方面，肯定已经存在。 正如 Cady Condyles 在“AI 比您更聪明：调整您的零售策略以跟上潮流”（她在伦敦英雄大会上的主题演讲）中提到的那样，到 2020 年，30% 的网页浏览将是无屏幕的——通过数字语音助手完成。

语音识别是迄今为止人工智能最有意义的发展之一。 搜索是另一个关键的人工智能成就。 因此，如果你想定位你的品牌和你的人工智能营销，有一个非常具体的地方可以集中你的努力：语音搜索。

优化语音搜索实际上只是前面讨论的一个例子：清理你的数据。 使其可供机器访问。 优化网站以进行语音搜索正是这样：将数据（我们的网站）混杂在一起，并将其提炼成机器学习或人工智能应用程序可以解析的东西。

Cady 的另一项建议是“使用基于意图的人工智能来识别和接触您的购物者”，这就是这一原则的反面例子。 如果您使用基于意图的 AI 与人类交流，您需要插入一个系统，该系统已处理来自人类浏览器的 PB 数据并将其提炼成机器学习应用程序。

在这里，原始数据再次被合成到一个可以识别模式和推荐操作的应用程序中。

结束的想法

将有越来越多的这种情况需要大量的数据集并在其中发现模式和趋势。 这很好——机器学习和人工智能需要大量数据才能工作。 他们需要可预测的环境和一致的任务才能真正发挥作用。

这正是人类营销人员无处可去的原因。 我们人类可以用有限的数据很好地运作。 我们可以快速适应新的情况，而且我们擅长在认知上做出巨大的飞跃。 机器还没有。

图片来源

特色图片：Unsplash / Franck V
图 1：通过 Acquisio 的机器学习电子书