El marco

La IA de marketing se puede clasificar de acuerdo con a dos dimensiones: nivel de inteligencia y si es independiente o parte de una plataforma más amplia. Algunas tecnologías, como chatbots o motores de recomendación, pueden caer en cualquiera de las categorías.

Tenemos dos tipos de inteligencia:

• Automatización de tareas. Estas aplicaciones realizan tareas estructuradas y repetitivas que requieren niveles de inteligencia relativamente bajos. Están diseñados para seguir un conjunto de reglas o ejecutar una  secuencia predeterminada de operaciones basadas en una entrada determinada, pero no pueden manejar  problemas complejos como matizaciones de pedidos de cliente. Un ejemplo sería un sistema que envía automáticamente un correo electrónico de bienvenida a cada nuevo cliente. Los chatbots más sencillos, como los disponibles a través de Facebook Messenger y otros proveedores de redes sociales, también están en esta categoría. Pueden proporcionar algunas ayudas a los clientes durante las interacciones básicas, reduciendo a los clientes a un predefinido árbol de decisiones, pero no pueden discernir la intención de los clientes, ofertas personalizadas, respuestas singulares o  aprender de las interacciones rápidamente.

• Aprendizaje automático (machine learning). Estos algoritmos están entrenados usando grandes cantidades de datos para hacer predicciones relativamente complejas y tomar decisiones. Tales modelos pueden reconocer imágenes, descifrar texto, segmentos de clientes y anticiparse a cómo responder a los clientes en algunas iniciativas, como promociones. El aprendizaje automático ya impulsa la compra programática en publicidad online, motores de recomendación en comercio electrónico  y modelos de previsiones de ventas en la relación con los «sistemas de gestión de clientes» (CRM). El machine learning y su variante más sofisticada, deep learning, son las tecnologías más novedosas en IA y se están convirtiendo rápidamente en poderosas herramientas de marketing. Dicho esto, es importante para aclarar que en el aprendizaje automático existente,  las aplicaciones aún funcionan en escasas tareas y necesitan ser entrenados usando voluminosas cantidades de datos.

Ahora consideremos los Sistemas Autónomos frente a IA integrada.

• Aplicaciones independientes. Estos son programas aislados de IA. Están separados desde los canales primarios a través que los cuales los clientes conocen, compran u obtienen soporte para adquirir la oferta de una empresa, o los canales que utilizan los empleados para comercializar, vender o dar servicio a esa ofertas. En pocas palabras, clientes o empleados tienen que hacer un viaje especial más allá de los canales para usar la IA.

Por ejemplo la aplicación de colores creada por Behr, la empresa de pinturas. Usando el lenguaje natural de IBM Watson con sus capacidades de procesamiento y analizador de tono (detección de emociones en el texto),  la aplicación ofrece varias recomendaciones de colores de pintura de Behr que se basan en el estado de ánimo que desean los consumidores para su espacio. Los clientes usan la aplicación para preseleccionar dos o tres colores para la habitación que pretenden pintar. La venta de pintura se ejecuta luego fuera del aplicación, aunque permite una conexión para encargarla en Home Depot.

• Aplicaciones integradas. Incorporado dentro de los sistemas existentes, estas IA las aplicaciones son a menudo menos visibles que independientes para los clientes, especialistas en marketing y vendedores que utilizan ellos. Por ejemplo, aprendizaje automático que toma decisiones instantáneas sobre qué anuncios digitales ofrecer a los usuarios está construido en plataformas que manejan todo proceso de compra y colocación de anuncios. Aprendizaje automático integrado de Netflix ha ofrecido a los clientes recomendaciones de videos durante más de una década; su Las selecciones simplemente aparecen en el menú de ofertas que ven los espectadores cuando van a el sitio. Si el motor de recomendaciones eran independientes, necesitarían para ir a una aplicación dedicada y solicitar sugerencias.

Creadores de sistemas CRM cada vez más construir capacidades de aprendizaje automático en sus productos. En Salesforce, las ventas La suite Cloud Einstein tiene varias capacidades, incluyendo una puntuación de clientes potenciales basada en IA sistema que clasifica automáticamente a B2B el cliente lidera por la probabilidad de compra. Vendedores como Cogito, que vende IA que capacita a los vendedores del centro de llamadas, también integran sus aplicaciones con Sistema CRM de Salesforce.

Combinando los dos tipos de inteligencia y dos tipos de rendimientos de estructura los cuatro cuadrantes de nuestro marco: aplicaciones de aprendizaje automático independientes, aplicaciones integradas de aprendizaje automático, aplicaciones de automatización de tareas independientes, y aplicaciones integradas de automatización de tareas. (Para más, consulte la exposición «Los cuatro tipos de la IA de marketing ”). Entender qué cuadrante las aplicaciones pueden ayudar a los especialistas en marketing planificar y secuenciar la introducción de nuevos usos.

Aplicaciones de IA en Márketing

• Chatbots para el desarrollo de clientes potenciales, atención al cliente y venta cruzada o ventas adicionales

• Análisis de llamadas entrantes y enrutamiento y cliente análisis de comentarios y correos electrónicos, clasificación y respuesta

• Automatización de campañas de marketing (incluidos correos electrónicos, aterrizaje generación de páginas y cliente segmentación)

• Análisis deL MIX de marketing

• Merchandising de productos online

• Precios

• Producto o servicio recomendaciones y altamente ofertas personalizadas

• Compra programática de anuncios digitales

• Puntuación de clientes potenciales

• Planificación de redes sociales, compras, y ejecución

• Análisis de sentimiento en las redes sociales

• Colocación de anuncios de televisión (parcial)

• Narrativa de análisis web Generacion

• Operación del sitio web y optimización (incluidas las pruebas)

Un enfoque escalonado

Creemos que los especialistas en marketing finalmente ver el mayor valor al perseguir aplicaciones integradas de aprendizaje automático, aunque simple basado en reglas y Los sistemas de automatización de tareas pueden mejorar procesos y oferta altamente estructurados potencial razonable para comercial devoluciones. Tenga en cuenta, sin embargo, que hoy en día la automatización de tareas es cada vez más combinado con el aprendizaje automático, para extraer datos clave de los mensajes, hacer decisiones más complejas y personalizar comunicaciones: un híbrido que cuadrantes a horcajadas.

Para empresas con experiencia limitada en IA, una buena forma de comenzar es construyendo o comprar aplicaciones sencillas basadas en reglas. Muchas empresas persiguen un «gatear-caminar-correr» enfoque, comenzando con un automatización de tareas no orientada al cliente aplicación, como una que guía a humanos agentes de servicio que se relacionan con clientes.

Una vez que las empresas adquieren IA básica habilidades y una gran cantidad de clientes y datos de mercado, pueden empezar a moverse de la automatización de tareas a la máquina aprendiendo. Un buen ejemplo de esto último es la IA de selección de ropa de Stitch Fix, que ayuda a sus estilistas a seleccionar ofertas para clientes y se basa en su autoinforme preferencias de estilo, los elementos conservan y devuelven, y sus comentarios. Estos modelos se volvieron aún más efectiva cuando la empresa comenzó a pedir a los clientes que elijan entre Estilo Mezcla fotos, creando un valioso fuente de nuevos datos.

Nuevas fuentes de datos, como internas transacciones, proveedores externos e incluso adquisiciones potenciales, son algo los especialistas en marketing deben buscar constantemente ya que la mayoría de las aplicaciones de IA, particularmente aprendizaje automático, requiere grandes cantidades de datos de alta calidad. Considera el modelo de precios basado en aprendizaje automático que la empresa de chárter XO solía aumentar su EBITDA en un 5%: la clave fue para aprovechar fuentes externas de datos en el suministro de jets privados y sobre factores que afectar la demanda, como eventos importantes, la macroeconomía, actividad estacional y el tiempo. Los datos que usa XO son públicamente disponibles, pero es una buena idea buscar también fuentes propietarias siempre que sea posible, porque los modelos que utilizan datos públicos pueden copiado por la competencia.

A medida que las empresas se vuelven más sofisticadas en su uso de la IA de marketing, muchos automatizan completamente ciertos tipos de decisiones, sacando a los humanos del circuito enteramente. Con repetitivo, de alta velocidad decisiones, como las necesarias para los programas compra de anuncios (donde los anuncios digitales se sirven casi instantáneamente a los usuarios), este enfoque es esencial. En otros dominios, la IA solo puede presentar recomendaciones a una persona enfrentada con una opción, por ejemplo, sugiriendo una película a un consumidor o una estrategia a un Ejecutivo de marketing. Toma de decisiones humana normalmente está reservado para el preguntas más importantes, como ya sea para continuar una campaña o para aprobar un anuncio de televisión caro.

Las empresas deberían pasar decisiones a sistemas automatizados siempre que sea posible. Creemos que aquí es donde los mejores se encontrarán los retornos de la IA de marketing.

Categorizar el potencial aplicaciones según su nivel de inteligencia y la estructura puede ayudarlas empresas planifican el despliegue de su marketingAI.Independiente simple las aplicaciones son un buen lugar para empezar porque son más fácil de configurar, pero si los beneficios son limitados.Una vez que las empresas adquierenHabilidades de IA y amasar datos, pueden agregar aplicaciones que son mas avanzados y son parte de otras plataformas, trabajando su camino hasta integrado aprendizaje automático, que tiene el potencial de crear el mayor valor.

Desafíos y riesgos

Implementando incluso la IA más simple las aplicaciones pueden presentar dificultades. IA autónoma de automatización de tareas, a pesar de su menor sofisticación técnica, puede sigue siendo difícil de configurar para flujos de trabajo y requiere que las empresas Adquirir habilidades de IA adecuadas. Trayendo cualquier tipo de IA en un flujo de trabajo exige un cuidado integración de humano y máquina tareas para que la IA aumente la capacidad de las personas habilidades y no se implementa de manera que cree problemas. Por ejemplo, mientras que muchos las organizaciones utilizan chatbots basados en reglas para automatizar el servicio al cliente, menos capaz Los bots pueden irritar a los clientes. Puede ser es mejor que estos bots ayuden a los humanos agentes o asesores en lugar de interactuar con clientes.

A medida que las empresas adoptan más sofisticados y aplicaciones integradas, otras surgen consideraciones. Incorporando IA en plataformas de terceros, en particular, puede ser complicado. Se ofrece un ejemplo por Olay Skin Advisor de Procter & Gamble, que utiliza el aprendizaje profundo para analizar selfies que los clientes han tomado, evalúe su edad y tipo de piel, y recomiendo productos apropiados. Esta integrado en una plataforma de comercio electrónico y fidelización, Olay.com, y ha mejorado tasas de conversión, tasas de rebote y promedio tamaños de cesta en algunas geografías. Sin embargo, ha sido más difícil integrar con tiendas minoristas y Amazon, tercero partidos que representan un alto porcentaje de las ventas de Olay. El asesor de la piel es no disponible en la extensa tienda de Olay sitio en Amazon, lo que obstaculiza la capacidad para ofrecer una fluida, asistida por experienciaIA del cliente allí. 

Finalmente, las empresas deben mantener los intereses de los clientes son lo más importante. El Aplicaciones de IA más inteligentes e integradas son, los clientes más se preocupan puede tener sobre privacidad, seguridad y propiedad de los datos. Los clientes pueden estar nerviosos sobre aplicaciones que capturan y comparten datos de ubicación sin su conocimiento o sobre altavoces inteligentes que pueden ser escuchándolos. En general, los consumidores han mostrado voluntad (incluso ganas) de intercambiar algo personal datos y privacidad a cambio de la valor que las aplicaciones innovadoras pueden proporcionar. Preocupaciones sobre aplicaciones de IA como Alexa parece ser eclipsada por la apreciación de sus beneficios. Por lo tanto, la clave para especialistas en marketing a medida que amplían la inteligencia y el alcance de su IA es asegurar que sus controles de privacidad y seguridad son transparente, que los clientes tengan decir cómo se recopilan sus datos y utilizado, y que obtienen un valor razonable de la firma a cambio. Para garantizar esos protecciones y mantener a los clientes confianza, los CMO deben establecer la ética y juntas de revisión de privacidad, con expertos en marketing y legales: para examinar la IA proyectos, particularmente aquellos que involucran datos del cliente o algoritmos que pueden ser propenso a sesgos, como la calificación crediticia.

Mientras que la IA de marketing tiene enormes promesas, instamos a los directivos a ser realista sobre sus capacidades actuales. A pesar del bombo publicitario, la IA aún puede lograr solo tareas limitadas, no ejecutar una función o proceso de marketing. A pesar de eso, ya ofrece sustanciales beneficios para los especialistas en marketing, y de hecho es esencial en algunas actividades de marketing— y sus capacidades están creciendo rápidamente. Creemos que la IA finalmente transformar el marketing, pero es un viaje eso llevará décadas. El marketing función y las organizaciones que apoyarlo, TI en particular, necesitará prestar atención a largo plazo a la construcción Capacidades de IA y abordar cualquier riesgos potenciales. Instamos a los especialistas en marketing a comience a desarrollar una estrategia hoy para tomar ventaja de la funcionalidad actual de la IA y su probable futuro.