کلید قفل آینده بازاریابی با هوش مصنوعی

از میان تمام وظایف یک شرکت، بازاریابی شاید بیشترین سود را از هوش مصنوعی داشته باشد. فعالیت‌های اصلی بازاریابی درک نیازهای مشتری، تطبیق آنها با محصولات و خدمات، و متقاعد کردن مردم برای خرید است – که درواقع قابلیت‌هایی است که هوش مصنوعی می‌تواند به طور چشمگیری افزایش دهد. از زمان پیش از ظهور اینترنت در بازاریابی تک به تک تا سفر مشتری در عصر دیجیتال، شخصی سازی تجربیات مشتری به وضوح مبنایی برای مزیت رقابتی بوده است. امروزه شخصی سازی فراتر از داشتن اطلاعات کامل مشتری در زمان تماس وی با call center و طراحی صفحه فرود وب مطابق با خواسته مشتری است. از این رو، شرکت ها در هر مرحله از سفر مشتری از هوش مصنوعی استفاده می کنند. به ویژه هنگامی که مشتریان بالقوه در مرحله "Consideration" هستند و در مورد محصول تحقیق می کنند، هوش مصنوعی آنها را مورد هدف تبلیغاتی قرار می دهد.

برتری مزیت دیجیتال بسیار فراتر از مرزهای بازاریابی سنتی رفته است و به یک موضوع بسیار گسترده تر
 C-suite  تبدیل شده است.

اکثر برندها تجربیات مشتری را در مقیاس یا عمق لازم برای رقابت با شرکت های پیشرو جهان شخصی سازی نمی کنند. شخصی‌سازی تجربه مشتری بالفعل، نیازمند هماهنگی بین کانال‌هاست – قابلیتی که هیچ برندی به طور کامل بر آن تسلط پیدا نکرده است. اما بسیاری از شرکت های پیشرو از فناوری‌های جدیدتری مانند اینترنت چیزها(IOT)، یادگیری ماشین (Machine Learning)[1]، پلتفرم‌های فناوری بازاریابی (Martech) و تعداد فزاینده‌ای از ابزارهای رسانه‌های دیجیتال بهره برده‌اند که می‌توانند در صورت ترکیب با روش‌های چابک، مزایای قابل‌توجهی ایجاد کنند. با وجود مجموعه گیج‌کننده‌ای ازاین ابزارها، هنوز هیچ پلتفرمی نتوانسته به طور جامع شخصی سازی را مدیریت کند.

هوش مصنوعی می‌تواند فرآیند فروش را با استفاده از داده‌های بسیار دقیق در مورد افراد، از جمله داده‌های موقعیت جغرافیایی در هر زمان، برای ایجاد پیشنهاداتی در مورد محصول یا خدمات شخصی‌ سازی شده، ساده‌سازی کند.

کاربرد هوش مصنوعی در بازاریابی را می توان بر اساس دو بُعد طبقه بندی کرد: سطح هوش intelligence level و اینکه آیا مستقل یا بخشی از یک پلتفرم گسترده تر است. برخی از فناوری‌ها، مانند (chatbot) بات مکالمه یا دستیار مجازی یا (recommendation engine) موتور پیشنهاد کننده یا موتور توصیه گر، می‌توانند در هر یک از دسته‌بندی‌ها قرار بگیرند. نحوه پیاده سازی آنها در یک برنامه خاص، طبقه بندی آنها را تعیین می کند.

بیایید ابتدا دو نوع هوش مصنوعی را بررسی کنیم:

اتوماسیون وظایف. این برنامه ها وظایف تکراری و ساختار یافته ای را انجام می دهند که نیاز به هوش نسبتاً پایینی دارند. آنها به گونه ای طراحی شده اند که از مجموعه ای از قوانین پیروی کنند یا یک توالی از پیش تعیین شده از عملیات را بر اساس ورودی داده اجرا کنند، اما نمی توانند مشکلات پیچیده ای مانند درخواست های متمایز و متنوع مشتری را مدیریت کنند. (chatbot) بات مکالمه ساده تر، مانند آنهایی که از طریق messenger فیس بوک و سایر ارائه دهندگان رسانه های اجتماعی در دسترس هستند، نیز در این دسته قرار می گیرند. آنها می توانند در طول تعاملات اساسی با مشتریان به آنها کمک کنند، به مشتریان در تصمیم گیری کمک کنند، اما نمی توانند هدف مشتریان را تشخیص دهند، پاسخ های سفارشی ارائه دهند.

یادگیری ماشین (Machine Learning). این الگوریتم ها با استفاده از مقادیر زیادی داده برای پیش بینی ها و تصمیم گیری های نسبتاً پیچیده آموزش داده می شوند. چنین مدل هایی می توانند تصاویر را تشخیص دهند، متن را رمزگشایی کنند، مشتریان را تقسیم بندی کنند، و پیش بینی کنند که مشتریان چگونه به اقدامات اولیه مختلف، مانند تبلیغات، پاسخ خواهند داد. یادگیری ماشین(Machine Learning) در حال حاضر خرید برنامه‌ریزی شده را در تبلیغات آنلاین، موتورهای پیشنهاد کننده یا موتور توصیه گرِ تجارت الکترونیک و مدل‌های تمایل به فروش در سیستم‌های مدیریت ارتباط با مشتری (CRM) هدایت می‌کند. این و نوع پیچیده‌تر آن، یادگیری هوشمند(Deep Learning)، داغ‌ترین فناوری‌های هوش مصنوعی هستند و به سرعت در حال تبدیل شدن به ابزارهای قدرتمند در بازاریابی هستند. با این اوصاف، آن مهم است که شفاف سازی برنامه‌های یادگیری ماشینِ موجود هنوز وظایف محدودی را انجام می‌دهند و باید با استفاده از حجم زیادی از داده آموزش ببینند.

حال بیایید هوش مصنوعی مستقل در مقابل یکپارچه را بررسی کنیم:

Stand-alone applications

برنامه های کاربردی مستقل، بهتر است به عنوان برنامه های هوش مصنوعی به وضوح مشخص یا جدا شده درک شوند. آنها جدا از کانال های اصلی هستند که از طریق آنها مشتریان در مورد آنها اطلاعات می گیرند، خریداری می کنند یا برای استفاده از پیشنهادات شرکت پشتیبانی می شوند، یا کانال هایی که کارمندان برای بازاریابی، فروش یا ارائه خدمات از آنها استفاده می کنند. به زبان ساده، مشتریان یا کارمندان برای استفاده از هوش مصنوعی باید یک سفر ویژه فراتر از آن کانال ها انجام دهند.

Integrated applications

برنامه های کاربردی یکپارچه، این برنامه های کاربردی هوش مصنوعی در سیستم های موجود تعبیه شده اند، و اغلب کمتر از برنامه های مستقل برای مشتریان، بازاریابان و فروشندگانی که از آنها استفاده می کنند قابل مشاهده هستند. به عنوان مثال، یادگیری ماشین(Machine Learning) که در چند ثانیه تصمیم می‌گیرد که کدام آگهی دیجیتالی به کاربران ارائه شود، در پلتفرم‌هایی ساخته می‌شود که کل فرآیند خرید و قرار دادن تبلیغات را مدیریت می‌کنند.

ترکیب هر دو نوع هوشمند مصنوعی، چهار ساختار فوق را ایجاد می کند: برنامه‌های یادگیری ماشین(Machine Learning) مستقل، برنامه‌های یادگیری ماشین(Machine Learning) یکپارچه، برنامه‌های اتوماسیون وظایف مستقل، و برنامه‌های اتوماسیون وظایف یکپارچه.

درک اینکه کدام یک از برنامه های کاربردی در کدام قسمت قرار می گیرند می تواند به بازاریابان کمک کند تا برای معرفی کاربردهای جدید برنامه ریزی و ترتیبی دهند. به طور مثال، با توجه به قابلیت پیش بینی هوش مصنوعی، مشروط به سطح دقتِ پیش‌بینی، شرکت‌ها می توانند مدل‌های کسب‌وکار خود را به‌طور اساسی تغییر دهند و کالاها و خدمات را به طور مداوم بر اساس داده‌ها و پیش‌بینی‌های مربوط به نیازهایشان به مشتریان ارائه دهند.

از آنجایی که امروزه، سرعت، کارایی و شخصی‌سازی نقش مهمی در سفر مشتری دارد، استفاده از هوش مصنوعی برای پیش‌بینی تقاضا و تصمیم‌گیری هوشمند یک ضرورت است. ابزارهای هوش مصنوعی از جمله chatbot یا بات گفتگو به مشتریان پشتیبانی 7/24ساعته ارائه می‌کنند و همیشه برای کمک به مشتریان در دسترس هستند. این به تیم های خدمات مشتری اجازه می دهد تا در زمان پاسخگویی به سؤالات رایج صرفه جویی کنند و بر سایر وظایف مهم و سؤالات پیچیده تمرکز کنند. از طرفی هم تصمیم گیری سریع مبتنی بر داده قابلیت دیگری از AI است که می توان با سیستم‌های مجهز به هوش مصنوعی بر روی ابزارهای بازاریابی قرار می گیرند، بینش مفیدی ایجاد کرد تا در زمان مناسب به مشتریان مناسب دست پیدا کرد. علاوه بر اینها، آیا اغلب از انجام یک کار یکسان و مکرر احساس خستگی و گاهی بی انگیزگی می کنید؟ با استفاده از هوش مصنوعی می توانید کارهای روزمره خود را مانند ایمیل‌ها، تجزیه و تحلیل نظرسنجی، گزارش‌دهی، پاسخ دادن به سوالات رایج و موارد دیگر را انجام دهید.

خلاصه کلام اینکه، آیا هوش مصنوعی به پتانسیل‌هایی که به وضوح وجود دارد دست می‌یابد یا خیر؟ بستگی به این دارد که کسب‌وکارها نیاز به رویکرد هماهنگ و استراتژیک برای اجرای بازاریابی هوش مصنوعی را درک کنند. باید به اندازه کافی روشن باشد که چگونه موارد استفاده متفاوتی که در بالا ذکر کردم می توانند به تنهایی مفید باشند. اما ارزش واقعی زمانی آشکار می‌شود که با هدف فوری‌ترین پاسخ به سؤالات، تأثیرگذاری بر مهم‌ترین معیارها و دستیابی به اهداف کلیدی تجاری، بتوانیم از آنها استفاده کنیم.

[1]یکی از زیر مجموعه‌های هوش مصنوعی است که با بهره‌گیری از الگوریتم‌ها، یک ماشین به شکلی طراحی شود که بدون آنکه صراحتا برنامه‌ریزی و تک تک اقدامات به آن دیکته شود بتواند بیاموزد و عمل کند.