1. 首页
  2. 营销圈

谈谈人工智能对内容营销的影响

我们习惯于在日常生活中依赖技术,不仅仅是为了沟通还为了决策我们的工作内容,这种与技术不断深化的界面正在重新布线,以不同的方式处理信息。

受欢迎的消费者应用程序会大量采用先进的预测技术。将我们的认知过程外包给消费者应用程序和工具时,企业会意识这种新的客户期望。当我们认为汽车的内置防碰撞系统能保护我们的生活时,我们仍然会质疑机器是否可以给我们推荐营销计划中下一步写什么或者哪个客户应该收到新的产品报价。我们相信人工智能可以安全驾驶我们的汽车但营销策略不行。

难以忽视的真相

在过去的十年中,营销自动化已经发展成为一个价值十亿美元的行业,承诺将个性化和效率带入营销计划。对于B2B组织而言,自动化领导培育,领导评分以及触发对潜在客户活动的响应的警报已被证明是不可抗拒的:2014年,营销自动化的公司数量比2011年初多近11倍,而60%到2014年,至少有5亿美元的公司采用营销自动化。

然而事实上第一代营销自动化并不是真正的自动化,它是一个出色的中央工作流工具,可以实现扩展,但它需要资源来设置、集成、管理和优化。在许多B2B组织中,“喂养野兽”这一短语已被接受为营销用语,作为描述营销自动化资源需求的一种方式。在设置广告系列时,你可以定义业务规则:“如果A发生,则执行B”或“如果个人具有此特征,则将其置于第4段。”这些虽然很简单,但始终不能减少复杂多样的买家旅程。因此你添加了更多规则,让广告系列更具针对性。每次测量结果时,都需要编写更多规则。我们的一些企业客户估计,他们每年在营销自动化的这些手动元素上花费50万美元,这无视对正在进行的内容创建的重要和重大投资。

营销自动化它实际上做的是自动执行内容营销,而决策仍然是一种不切实际的手动操作。它为营销人员提供了强大的工作流程甚至是见解,但未能提供一种自动化的方式大规模地对这些见解采取行动。从根本上说,这些系统中的内容是愚蠢的; 系统不了解真正的内容。为了追踪那些正在寻求解决这个问题的人,Forrester最近开始了一个新的研究主题,它称之为“内容智能”,它定义为“使用人工智能技术来理解和捕捉任何内容中固有的特性。”作为营销技术分析师大卫拉布说:“必须给出一些东西:要么营销人员不再试图做出最好的决定,要么他们不再依赖规则。”

期望差距

面对不断上升的客户期望,领先的营销人员正在投资基于人工智能的工具 。 这一类别涵盖了从个人化工具“学习”个人的在线行为到更有效地推荐内容的各种工具,以及能够检测到微小模式的工具。大量的消费者数据集并预测未来的行为。这些是人工智能在营销中不断增加的潜在应用列表中最有趣的一些:

  • 内容策略,推荐下一步要创建的内容
  • 广告系列策略 ,建议要传递的通信顺序
  • 个性化,根据行为为每个客户推荐正确的内容
  • 细分,根据行为或意图对客户进行聚类
  • 复制自动化,自动生成主题行和描述
  • 领导或帐户优先排序,根据其关闭的可能性对潜在客户或帐户进行排名
  • 销售策略,推荐正确的产品或服务产品和用于销售的内容
  • 销售意图,预测正确的产品供应,交易规模和结束日期
  • 重新定位,在重定向广告单元中推荐正确的内容

由于主要营销套件尚未完全部署或生产其AI产品,因此采用AI通常需要点对点解决方案和数据集。

实际上,营销人员正在越来越多地将自己的技术堆栈与最佳的点解决方案拼凑在一起,从而使该技术能够围绕客户需求而非供应商功能构建。特别是在复杂的客户环境中。 例如长期购买周期的高接触关系销售,人工智能的应用有望开始弥合客户期望与实际经验之间的差距。这是全球业务中最相关的,因为AI解决(并依赖)规模。

最初,大多数营销人员正在考虑两个关键用例:个性化和预测性领先评分。个性化需要将内容与不断变化的客户需求相匹配,特别是当内容大规模生产且通常分类不佳时。预测性领先评分是由对新销售对话的永不满足的需求驱动的,其中识别感兴趣帐户的信号难以识别或发现。洞察力驱动的业务

这些新方法解决了一个根本性挑战:购买过程发生了变化,买方越来越有权力,知情和联系,但企业主要以与以往相同的方式进行销售。使用内容来吸引,参与和转换是解决方案的一部分,但领先的营销人员也在使用内容来了解​​客户。

营销AI承诺提供非结构化,实时的客户互动,以实现价值。当前基于规则的系统根本无法扩展,营销团队也无法在提供相关性所需的时间内完成手动流程。

成功因素

随着越来越多的企业投资于基于人工智能的方法,成功项目之间的共性变得越来越清晰。

  • 高管赞助,虽然中级营销人员可能成功购买点解决方案,但大型组织会发现正确的数据集能推动整体业务价值,他们需要一位执行赞助商来支持更自动化的方法。
  • 定义的结果,早期的创新者必须在没有已知目标的情况下实现信仰的飞跃。但随着供应商格局的成熟和客户案例的记录,每个项目都可以而且应该将目标与有价值和可衡量的业务成果联系起来。
  • 可用的数据集,大多数专家都认为,使用大数据集的平庸算法总是胜过一个使用小数据集的优秀算法。深入了解可用选项,清理可能的内容,集成新数据源以及运行测试以查看结果。
  • 团队组成,尽管人工智能系统的目标是减少手动任务,但该技术仍需要适应了解业务流程。确保团队理解数据并且技术足以掌握算法方法的优势和缺点非常重要,也许更重要的是,他们必须谦虚,渴望学习,并且懂得数据驱动。
  • 供应商选择,尽管存在内部构建或使用代理商进行定制应用的情况,但供应商在市场上的选项菜单越来越强大。要选择合适的供应商,询问数据集,尝试多个竞争演示或试验,并推动了解系统是否经过预先培训。

预测性企业

向预测性企业的转变需要意识形态和实践的重新理解来理解客户,人工智能提供的竞争优势不是基于算法或最终应用,而是基于更深入地了解客户 并在当下采取行动。

显而易见的障碍只是以组织为中心:政治,技术障碍,资源限制和非发明。这里的综合症。颠覆性的新进入者专注于高质量和无缝的客户体验,唯一可持续的选择是在竞争中领先。

关键术语的定义

当你开始真正利用人工智能和预测营销的好处时,每个人都必须以相同的定义为基础。这是一个简短的入门读物:

  • 人工智能(AI)是建造机器的科学,这些机器可以做一些人类完成时会被认为是智能的东西。
  • 机器学习是AI的子集,它允许计算机在没有明确编程的情况下学习。常见的机器学习用例是优化(随着时间的推移选择实现设定目标的最佳选择),识别(从图像或文本中提取含义),异常检测(隔离在规范之外发生的事件)和分段(聚类)基于推断或已知的特征)。
  • 内容智能是人工智能在内容管理中的应用,尤其是对内容的理解和分类,以改善目标和衡量绩效。
  • 预测性营销是人工智能在营销中的应用,通常用于识别潜在客户,预测他们可能感兴趣的内容,并推荐下一个最佳内容或产品信息。

结论

通过对人工智能的理解和一些如何入门的技巧,我们需要将“几乎实施”转变为人工智能现实,以改善企业营销,真正理解并与客户建立联系。

免责声明:本文仅代表作者个人观点,与穷思笔记网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

发表评论

登录后才能评论

联系我们

18217712232 

在线咨询:点击这里给我发消息

邮件:572693986@qq.com

QR code