Искусственный интеллект для маркетологов: Как с помощью машинного обучения увеличить прибыль

Искусственный интеллект для маркетологов: Как с помощью машинного обучения увеличить прибыль

К 2020 году будет создаваться 45 зеттабайтов данных ежегодно (один зеттабайт — это 152 миллиона лет видео с разрешением 8K). Это невообразимо — количество данных, которыми мы обладаем
и будем обладать в будущем. Источник этих данных — по большей части поведение потребителей и взаимодействие людей в цифровом мире. Этот мощный поток информации маркетологи смогут использовать — если научатся им управлять.

На помощь придет искусственный интеллект. При растущем объеме данных, при высоких потребительских требованиях к качеству взаимодействий в режиме реального времени — машинное обучение станет незаменимым. ИИ поможет компаниям связать воедино разрозненные данные и разработать алгоритмы, предсказывающие поведение людей и/или рекомендующие определенные действия
в реальном времени.

Трей Клевенджер — исполнительный вице-президент по аналитике и директор
по стратегическим вопросам ANSIRA, второго по величине независимого CRM-агентства в США, — работает с компаниями из списка Fortune 500: Domino’s, Subaru, Panera Bread и Coca-Cola. Сведения о развитии ИИ в области цифрового маркетинга
и рекламы он получает из первых рук. «Проблема в том, что большинство компаний не понимает, какие уникальные возможности дает искусственный интеллект, — объясняет Клевенджер. — ИИ применяется в основном для операционных нужд бизнеса. Лишь немногие компании применяют его в маркетинге». Но те, кто применяет, получают отличные результаты.

5 способов использования
ИИ в маркетинге

Рекомендации и курирование контента. Например, Netflix с помощью предиктивной аналитики постоянно улучшает рекомендации клиентам, вовлекая их в более активное использование сервиса.

Ценообразование. Технологии машинного обучения позволяют динамически оптимизировать цены
в зависимости от количества товара, тенденций продаж и других факторов.

Обслуживание клиентов. С помощью ИИ компании могут прогнозировать, когда и по какому поводу
с ними свяжется покупатель. Это позволяет персонализировать коммуникацию с клиентами
и спланировать затраты на содержание службы поддержки.

Рекламный таргетинг. Оптимизируя ставки для рекламодателей, алгоритмы позволяют достигнуть лучших показателей CPA с использованием имеющегося рекламного инвентаря. В программатике машинное обучение повышает вероятность пользовательского клика.

Боты и персональные помощники. Чат-боты можно задействовать для привлечения клиентов и ответов
на простые вопросы. Например, чат-бот LeadBot (разработка Drift) запрограммирован обращать потенциальных клиентов в реальных покупателей.

Источник: Econsultancy

К примеру, один из клиентов ANSIRA взаимодействует со своими клиентами через множество каналов и устройств (приложение, сайт — обычный и мобильный, — систему расчетных терминалов, терминал самообслуживания и т.д.). Клиенты — каким бы каналом ни воспользовались, — ожидают, что компания знает, кто они, предложит подходящие продукты и предоставит скидки на основе их предпочтений. Используя предложения, разработанные на базе ИИ, ANSIRA управляет программой лояльности компании, и в результате количество сделок увеличилось в 2–5 раз,
а стоимость билетов — в 2–3 раза.

«Машинное обучение — мощный инструмент, но для него требуется гораздо больше, чем компьютеры и ПО. Чтобы внедрить ИИ в организации, нужно объединить данные, поступающие в реальном времени, и составлять прогнозы на их основе.
А затем (это самое важное) использовать эти прогнозы на деле во всех возможных комбинациях: кто, что, где, когда и как. Мы называем это «технологией режиссирования впечатлений покупателя, — объясняет Клевенджер. — Это значит, что компаниям нужно нанимать опытных специалистов, которые смогут разработать и поддерживать самообучающиеся платформы, необходимые для долгосрочного успеха компании».

Клевенджер предупреждает, что многие продавцы ПО продвигают «встроенный ИИ», но на деле это просто означает, что такое ПО можно дополнить моделями и инструментами обучения. Вам все равно понадобятся эксперты, умеющие управлять данными, разрабатывать модели и превращать информацию в реальные действия. Клевенджер отмечает, что тестирование этой концепции в течение одного-двух месяцев обойдется в 150–500 тысяч долларов. Так что похоже, что сегодня только крупные компании смогут использовать потенциал ИИ для использования больших данных. Как для самих компаний, так и для их клиентов последствия этого шага весьма многообещающие.

Читать далее: ИИ или проиграешь: почему ваша компания должна внедрить искусственный интеллект как можно скорее