Известный технический футуролог объясняет, как искусственный интеллект произведет революцию в маркетинге B2B благодаря глубокому обучению

Стратегический футурист, автор и спикер доктор Марк ван Рейменам о том, как использовать искусственный интеллект, чтобы изменить ваш маркетинг B2B.

Если вы достаточно взрослый, вы можете вспомнить, как впервые купили что-то на Amazon, а затем получили электронное письмо с сообщением вроде: «Основываясь на вашей недавней покупке, мы подумали, что вас могут заинтересовать эти продукты» или «Люди, которые купили этот продукт, также купили эти продукты», а затем рекомендации по продуктам, которые соответствуют вашим предпочтениям.

Это было почти жуткое чувство, потому что рекомендации были вещами, которые вы действительно рассматривали бы для покупки.

Рекомендательные системы, представленные Amazon 25 лет назад, в 1998 году, начали менять подход бизнеса к клиентам. Эти системы были одним из первых применений искусственного интеллекта (ИИ) в маркетинге и электронной коммерции и помогли вступить в эпоху персонализации маркетинга .

У нас были увлекательные дискуссии о цифровом будущем с доктором Марком ван Рейменамом, ведущим стратегом-футуристом, основным докладчиком, автором пятикратного бестселлера и основателем Института цифрового будущего. ^{[ 1 ]}

В нашей первой беседе мы говорили о будущем отношений бизнес-клиент . Теперь давайте посмотрим конкретно на ИИ, на то, как он уже меняет маркетинг и как он может изменить ваши маркетинговые методы в будущем.

Рекомендательные системы стали пионерами цифровой персонализации

«Когда Amazon начала использовать рекомендательные системы, — говорит ван Рейменам, — их продажи выросли на 30 %».

Сегодня алгоритмы рекомендаций составляют примерно 35% транзакций Amazon. ^{[ 2 ]} И эти рекомендательные системы только улучшаются, говорит ван Рейменам. Имея более качественные данные, компании могут создавать более совершенные алгоритмы, что означает более совершенные рекомендательные системы.

Может ли ИИ предсказать, чего мы хотим? Ван Рейменам отмечает, что мы думаем, что мы непредсказуемы и постоянно вносим изменения в нашу жизнь, поэтому ИИ не может этого понять.

Правда в том, что мы чрезвычайно предсказуемы, говорит он. Мы делаем одни и те же вещи снова и снова. «Это идеально для ИИ, чтобы понять, что вы собираетесь делать дальше», — добавляет он.

Продавцы могут знать, что вы собираетесь заказывать определенные товары, основываясь на вашем поведении. Ван Рейменам отмечает, что именно здесь ИИ чрезвычайно эффективен, чтобы обнаруживать эти закономерности в огромном количестве данных, понимать, что происходит, и выяснять основные закономерности, которые помогают нам вести нашу жизнь.

И это хорошо. Нам нужна структура, иначе наша жизнь была бы слишком хаотичной. «Подумайте о том, насколько сложной была бы жизнь, если бы вам приходилось решать, что вы едите на завтрак каждый день. Наши процедуры позволяют ИИ предсказывать, что мы будем делать дальше».

Глубокое обучение делает возможной гиперперсонализацию

Если мы выведем эту способность ИИ предсказывать наше поведение на новый уровень, мы достигнем глубокого обучения. Ван Рфийменам объяснил глубокое обучение в нашем разговоре: это подмножество машинного обучения , а машинное обучение — это просто обучение на основе данных. Чем больше у нас данных, тем больше мы можем узнать из этих данных .

Глубокое обучение использует несколько нейронных сетей глубокого обучения. У них есть разные методы, чтобы лучше понять эти данные. Это может стать более техническим, но ван Рейменам говорит: «Главное, что мы используем эти методы, чтобы понять и извлечь уроки из данных о том, что происходит в реальном мире».

Он поделился следующим примером, чтобы помочь нам увидеть, что делает глубокое обучение.

Если вы хотите, чтобы ИИ понял, что такое кошка, ему нужно просмотреть миллионы изображений кошек, потому что ИИ по своей природе не умен. Людям достаточно увидеть одну или две фотографии кошки, чтобы выбрать кошку из 1000 разных животных. ИИ не может сделать это всего лишь с двумя изображениями. Таким образом, необходимо использовать большие объемы данных, чтобы понять, что происходит и что требуется.

Нейронные сети и глубокое обучение имитируют работу человеческого мозга, чтобы установить эти связи и создать алгоритм, который, в свою очередь, создает ИИ для прогнозирования и идентификации.

«Тогда система распознавания изображений может сказать: «С вероятностью 80% или 90% это изображение X, Y, Z». И это то, что происходит. Просто из данных он знает, что происходит».

Что сегодня могут использовать маркетологи для гиперперсонализации?

В нашем предыдущем разговоре о технологиях, которые меняют отношения между бизнесом и клиентами, мы говорили о современных диалоговых чат-ботах с искусственным интеллектом , которые используют обработку естественного языка (NLP) и понимание естественного языка (NLU) для создания человеческого общения. Маркетологи могут использовать эти инструменты, чтобы предоставить покупателям ответы, которые им нужны, прежде чем они будут готовы поговорить с продавцом.

Мы также обсудили генеративный ИИ, который может помочь вам автоматизировать создание электронных писем, сообщений в блогах и других типов маркетингового контента в любом масштабе.

Чтобы продемонстрировать силу этих технологий, после нашего разговора ван Рейменам написал целую книгу всего за пять дней с помощью нового генеративного ИИ, который штурмом покорил Интернет. Его книга «Видения будущего» была написана, отредактирована и разработана ИИ в качестве эксперимента, чтобы продемонстрировать, что сегодня возможно с готовым искусственным интеллектом.

Предприятия могут использовать предиктивную аналитику на базе ИИ для создания нужного продукта в нужный момент, для нужного покупателя по нужной цене и через правильный канал. Ван Рейменам подчеркнул, что все начинается с данных. Вы не можете гиперперсонализировать, если не знаете своих клиентов, где они находятся в цикле покупки и что они могут делать дальше.

Если вы знаете, что собирается сделать клиент, вы можете создать правильное сообщение или правильный продукт по правильной цене. Если мое предложение и потребности клиента совпадают, у меня высокая конверсия.

Доктор Марк ван Рейменам

Ведущий технический стратег

Как выглядит будущее маркетинга?

Зная, что ИИ никуда не денется, ван Рейменам поделился своими прогнозами о будущем маркетинга: «Я думаю, что он станет намного более персонализированным и автоматизированным».

Далее он описал будущее с иммерсивным Интернетом, который позволит маркетологам узнавать покупателей и влиять на них в еще большей степени. В мире B2C ван Рейменам привел в качестве примера индустрию моды, отметив, что индустрия ежегодно выбрасывает несколькомиллиардов долларов возвращенной одежды.«В этой одежде нет ничего плохого. Кто-то заказывает свитер трех размеров, примеряет их все, отправляет два обратно, один оставляет себе. Те два, что были отправлены обратно, попадают на свалку, потому что дешевле их выбросить, чем очистить и перепродать. Если розничные продавцы одежды смогут использовать иммерсивные технологии, покупатели смогут увидеть, как они выглядят в этом свитере, как этот свитер движется вместе с ними, когда они идут или бегают. Тогда покупатель может заказать один размер и знать, что он подойдет. Это не только рентабельно, но и может оказать огромное влияние на устойчивость».

Важно помнить, что в будущем речь по-прежнему будет идти о человеческих отношениях. До появления современных технологий предприятия полагались на личные продажи. Они знали своих клиентов и их потребности через отношения один на один. С помощью ИИ мы теперь можем иметь отношения один к миллионам — с тем же персонализированным опытом.

Советы маркетологам, только начинающим работать с ИИ

Совет Ван Рейменама для маркетологов, впервые использующих ИИ-решения, прост: обучайтесь, экспериментируйте и ориентируйтесь на долгосрочную перспективу.

Он также предупреждает, что на рынке есть много инструментов, которые обещают ИИ, но на самом деле не используют его, так что сделайте свою домашнюю работу.

«Если вы понимаете, что такое ИИ, если вы понимаете, какие существуют технологии с точки зрения маркетинга и как они могут повлиять на вашу работу, тогда вы начинаете экспериментировать с ним», — советует ван Рейменам. «И когда вы закончите экспериментировать, вы начнете реализовывать его с долгосрочной перспективой».

Он поделился еще одним советом из личного опыта:

Вам не нужно брать это на себя. Попросите кого-нибудь из вашей команды помочь вам опережать развитие технологий или обратитесь к надежному внешнему консультанту.

Помните: ваши конкуренты также внедряют эти новые технологии, и внедрение правильной технологии является неотъемлемой частью любой маркетинговой функции.

ИИ не должен усложнять вашу работу. Это должно помочь сделать вашу работу проще и лучше.

Как советует ван Рейменам: «Экспериментируйте. Если это не сработает, вы чему-то научились. Делайте маленькие шаги. Это не должно пугать».

Будьте в курсе персонализированной маркетинговой тактики и соответствующих правил

Технологии всегда можно использовать для хороших или плохих целей. По мере того, как рекомендательные системы стали повсеместными, они также начали посягать на нашу свободную волю, отмечает ван Рейменам; эти системы направляют людей по определенному пути, через фильтр продавцов.

Когда людей направляют в определенном направлении, не осознавая этого; они не видят, как это происходит. Вот почему Институт цифрового будущего ван Рейменама уделяет особое внимание обеспечению процветающего цифрового будущего как для бизнеса, так и для общества. И одной из составляющих этого процветающего будущего является образование.

«Люди могут быть цифровыми аборигенами, не обязательно обладая цифровой грамотностью, и между ними есть большая разница. Люди используют инструменты, но они не обязательно говорят на языке цифрового мира. Они не видят опасности, потому что не понимают опасности».

Суть здесь в том, что покупатели, будь то B2B или B2C, должны быть начеку, чтобы они не полагались исключительно на маркетологов при принятии решений о покупке, а маркетологи должны убедиться, что они соблюдают постоянно меняющиеся правила в отношении данных о клиентах.