Zaawansowane, zintegrowane aplikacje, które wykorzystują uczenie maszynowe, mają obecnie największy potencjał tworzenia wartości. Muszą być jednak przeszkolone przy użyciu ogromnych ilości danych.
Głównym zadaniem marketingu jest zrozumienie potrzeb klienta, zaoferowanie dopasowanego produktu lub usługi i przekonanie do zakupu. Są to działania, które może znacząco wzmocnić sztuczna inteligencja (AI). Nie jest to wiedza tajemna – już 84% marketerów deklaruje korzystanie z AI (dane Salesforce za 2020 rok) – do zwiększania przychodów i obniżania kosztów. Niestety większość z nich nie potrafi efektywnie wykorzystywać tej technologii, na co wskazują autorzy raportu State of Marketing AI Report. Jak w nim czytamy 50% ankietowanych marketerów przyznało, że technologię AI i jej możliwości rozumie na poziomie zaledwie podstawowym. Kolejnych 37% osób uważa, że radzi sobie z tymi zagadnieniami na poziomie średniozaawansowanym. Jednocześnie 70% respondentów jest zdania, że przeszkodą w skutecznym wdrażaniu AI w ich organizacjach są brak edukacji i odpowiednich szkoleń.
Aby wykorzystać potencjał marketingu AI, szefowie działów marketingu (CMO) muszą znać rodzaje dostępnych aplikacji, po to, by klasyfikować istniejące projekty i zaplanować efektywne wdrażanie przyszłych.
Marketing AI to metoda wykorzystywania sztucznej inteligencji i uczenia maszynowego do analizy danych klienta i przewidywania jego następnych kroków.
Poniżej przedstawiamy podział sztucznej inteligencji według dwóch wymiarów: poziomu „inteligencji” oraz tego, czy algorytm AI jest samodzielną aplikacją, czy też elementem większej platformy.
Dwa rodzaje inteligencji
Aplikacje służące do automatyzacji zadań, wykonują powtarzalne czynności, które nie wymagają wysokiego poziomu inteligencji. Zaprojektowano je w taki sposób, aby realizowały ściśle określone instrukcje – sekwencje operacji na podstawie wprowadzonych danych wejściowych. Nie radzą sobie jednak ze złożonymi problemami. Przykładem takiej aplikacji jest system wysyłający powiadomienia mailowe, ale i proste chatboty, które mogą zapewnić klientowi pomoc podczas podstawowych operacji. Nie są natomiast przystosowane do tego, aby na podstawie rozmów z konsumentami uczyć się i nawiązywać pogłębione relacje oraz wchodzić w interakcje.
Kolejnym rodzajem aplikacji są te, które wykorzystują uczenie maszynowe (ML). Algorytmy, przy użyciu dużych zbiorów danych, są szkolone w taki sposób, aby mogły samodzielnie podejmować stosunkowo złożone decyzje. Tego typu modele potrafią dokonać podziału klientów na segmenty i zgodnie z tym podziałem przewidzieć kolejne kroki konsumenta na ścieżce zakupowej. Ponadto ML napędza silniki rekomendacji e‑commerce i modele skłonności do sprzedaży w systemach zarządzania relacjami z klientami (CRM).
Uczenie maszynowe oraz tzw. głębokie uczenie (deep learning) są obecnie najpotężniejszymi narzędziami marketingowymi i najbardziej pożądanymi technologiami AI. Warto przy tym zaznaczyć, że aplikacje je wykorzystujące wciąż wykonują tylko wąski zakres zadań i do sensownego działania potrzebują szkolenia na ogromnych ilościach danych.
Samodzielna i zintegrowana sztuczna inteligencja
Samodzielne aplikacje to wyraźnie rozgraniczone lub izolowane programy AI. Aby skorzystać z mechanizmów sztucznej inteligencji klienci (lub pracownicy), muszą odbyć podróż poza kanały, za pośrednictwem których dowiadują się o produktach lub uzyskują wsparcie w zakresie korzystania ofert firmy. Przykładowo firma Behr (producent farb) za pośrednictwem rozwiązania IBM Watson – przygotowuje dla swoich klientów zalecenia, spersonalizowane pod ich potrzeby, dotyczące kolorów farb pasujących do danej przestrzeni. Z poziomu aplikacji nie można ich jednak kupić. Sprzedaż jest realizowana poza nią.
Zintegrowane aplikacje to programy osadzone w innych, istniejących systemach. Bardzo dobrym przykładem tego typu mechanizmu są algorytmy uczenia maszynowego Netflixa, które rekomendują użytkownikom serwisu pozycje, jakie mogą im przypaść do gustu – na podstawie obejrzanych wcześniej filmów seriali. Ta aplikacja AI jest niewidoczna dla użytkownika. Rekomendacje po prostu pojawiają się na głównym ekranie użytkownika. Gdyby silnik rekomendacji był samodzielnym „bytem”, widzowie musieliby przejść do specjalnej aplikacji i poprosić o sugestie.
Warto wiedzieć, że… twórcy systemów CRM coraz częściej wbudowują w swoje produkty rozwiązania wykorzystujące uczenie maszynowe. Przykładowo w Salesforce pakiet Sales Cloud Einstein ma ich kilka, w tym oparty na sztucznej inteligencji system oceny potencjalnych klientów, który automatycznie klasyfikuje potencjalnych klientów B2B według prawdopodobieństwa zakupu.
Sztuczna inteligencja zmieni obraz marketingu, jednak nie stanie się to z dnia na dzień. Będzie to raczej proces rozłożony na lata. Niemniej warto, aby marketerzy zaczęli opracowywać strategie marketingu AI już dziś, aby wykorzystać obecne funkcjonalności sztucznej inteligencji i przygotować się na te nadchodzące.
Tekst powstał na bazie artykułu How to Design an AI Marketing Strategy*, który został opublikowany na stronie Harvard Business Review.
