برای درک پتانسیل عظیم هوش مصنوعی، مدیران ارشد بازاریابی باید فهم درستی از انواع مختلف برنامه‌های کاربردی موجود و چگونگی تکامل آنها داشته باشند. این مقاله مدیران بازاریابی را از وضعیت فعلی هوش مصنوعی آگاه ساخته و چارچوبی را ارائه می‌دهد که به آنها کمک می‌کند پروژه‌های موجود خود را طبقه‌بندی کرده و راه‌اندازی موثر پروژه‌های آتی را برنامه‌ریزی کنند. این مقاله هوش مصنوعی را در دو بعد طبقه‌بندی می‌کند: سطح هوشمندی و اینکه آیا مستقل است یا بخشی از یک پلت‌فرم گسترده‌تر است.
به گزارش دنیای اقتصاد به نقل از hbr، کاربرد‌های ساده و خوداتکای اتوماسیون مکان خوبی برای شروع هستند؛ اما کاربرد‌های پیشرفته و یکپارچه که یادگیری ماشین را دربرمی‌گیرند، بیشترین پتانسیل را برای ایجاد ارزش دارند؛ بنابراین مادامی‌که شرکت‌ها در حال ساخت قابلیت‌های خود هستند، باید به سمت آن فناوری‌ها حرکت کنند.
از میان تمامی عملکرد‌های یک شرکت، بازاریابی شاید بیشترین پتانسیل را برای بهره‌برداری از هوش مصنوعی دارد. فعالیت‌های اصلی بازاریابی درک نیاز‌های مشتری، تطبیق آنها با محصولات و خدمات و ترغیب مردم به خرید است، قابلیت‌هایی که هوش مصنوعی می‌تواند آنها را به طور چشمگیری بهبود بخشد.
جای تعجب نیست که تجزیه و تحلیل مک کینزی در سال ۲۰۱۸ نشان داد، بازاریابی حوزه‌ای است که در آن هوش مصنوعی بیشترین ارزش را خواهد داشت. مدیران ارشد بازاریابی به طور فزاینده‌ای از این فناوری استقبال می‌کنند: یک مطالعه انجام شده توسط انجمن بازاریابی آمریکا در آگوست ۲۰۱۹ نشان داد که پیاده‌سازی هوش مصنوعی در یک و نیم سال گذشته ۲۷ درصد افزایش یافته است. درحالی که هوش مصنوعی در بازاریابی تاخت‌وتاز فراوانی داشته است، ما انتظار داریم که در سال‌های آینده نقش‌های بزرگ‌تری را در راستای این عملکرد بر عهده گیرد.
با توجه به پتانسیل عظیم فناوری، برای مدیران ارشد بازاریابی حیاتی است که انواع کاربرد‌های موجود مارکتینگ محور هوش مصنوعی و اینکه چگونه ممکن است رشد و نمو کنند را درک کنند. با تکیه بر بیش از یک دهه تجربه در زمینه تجزیه و تحلیل داده‌ها، هوش مصنوعی و بازاریابی و مشاوره شرکت‌ها در صنایع مختلف، ما چارچوبی را ایجاد کرده‌ایم که می‌تواند به مدیران ارشد بازاریابی در طبقه‌بندی پروژه‌های هوش مصنوعی موجود و برنامه‌ریزی راه‌اندازی پروژه‌های آینده کمک کند؛ اما قبل از توضیح چارچوب، بیایید وضعیت فعلی را بررسی کنیم.
بسیاری از شرکت‌ها در حال حاضر از هوش مصنوعی برای انجام کار‌های محدود مانند تبلیغات دیجیتال (معروف به «خرید برنامه‌ای» کمک به پردازش داده‌ها، مانند افزایش دقت پیش‌بینی‌ها (به پیش‌بینی‌های فروش فکر کنید) و افزایش تلاش‌های بشر در کار‌های سازمان یافته مانند خدمات به مشتریان، استفاده می‌کنند.
همچنین شرکت‌ها از هوش مصنوعی در هر مرحله از سفر مشتری استفاده می‌کنند. هنگامی که مشتریان بالقوه در مرحله «بررسی» و تحقیق درباره یک محصول هستند، هوش مصنوعی تبلیغات را برای آنها هدف قرار می‌دهد و می‌تواند به هدایت جست‌وجوی آنها کمک کند.
ما شاهد این اتفاق در خرده‌فروش آنلاین مبلمان وی‌فر (way fair) هستیم که از هوش مصنوعی برای تعیین مشتریانی که احتمال متقاعد شدنشان بیشتر است، استفاده می‌کند و بر اساس سابقه جست‌وجوی آنها، محصولاتی را برای نمایش به آنها انتخاب می‌کند؛ و بات‌های مجهز به هوش مصنوعی می‌توانند به بازاریابان در درک نیاز‌های مشتریان، افزایش مشارکت آنها در جست‌وجو، هدایت آنها به جهت دلخواه (به عنوان‌مثال، به یک صفحه وب خاص) و در صورت نیاز، اتصال آنها به نماینده فروش انسانی از طریق چت، تلفن، ویدئو کمک کنند.
هوش مصنوعی می‌تواند فرآیند فروش را با استفاده از داده‌های بسیار دقیق درباره افراد، ازجمله داده‌های موقعیت جغرافیایی در زمان واقعی، جهت پیشنهاد محصولات یا خدمات بسیار شخصی‌سازی شده، ساده کند. در ادامه این سفر، هوش مصنوعی به بیش‌فروشی (upsell) و فروش مکمل (crossell) کمک می‌کند و می‌تواند این احتمال را که مشتریان سبد‌های خرید دیجیتال خود را رها کنند، کاهش دهد.
به عنوان مثال، پس از پر شدن یک سبد توسط مشتری، بات‌های هوش مصنوعی می‌توانند قدردانی انگیزشی برای کمک به بسته شدن فروش ارائه دهند، مانند ارسال یک پیام شخصی‌سازی شده با عبارت: «خرید عالی! جیمز از ورمونت همین تشک را خرید.» چنین ابتکاراتی می‌تواند نرخ تبدیل را پنج برابر یا بیشتر افزایش دهد. پس از فروش، نمایندگان خدمات دارای هوش مصنوعی ۲۴ ساعته در دسترس هستند تا بتوانند درخواست‌های مشتریان را بررسی کنند و می‌توانند با حجم متغیر درخواست‌های خدمات، بهتر از نمایندگان انسانی برخورد کنند. آنها می‌توانند سوالات ساده‌ای راجع به زمان تحویل یا تعیین وقت ملاقات را بهتر کنترل کنند و می‌توانند نسبت به یک نماینده انسانی، به موضوعات پیچیده بهتر رسیدگی کنند.
هوش مصنوعی در بازاریابی را می‌توان بر اساس دو بعد طبقه‌بندی کرد: سطح هوش و اینکه آیا مستقل است یا بخشی از یک پلت‌فرم گسترده‌تر است. برخی از فناوری‌ها، مانند چت بات‌ها یا موتور‌های توصیه گر، می‌توانند در هر یک از دسته‌ها قرار گیرند.
اتوماسیون وظیفه: این برنامه‌ها کار‌های تکراری و ساختارمندی را انجام می‌دهند که به سطوح نسبتا پایینی از هوشمندی نیاز دارند. آنها برای پیروی از مجموعه‌ای از قوانین یا اجرای دنباله‌ای از عملیات از پیش تعیین شده بر اساس ورودی داده شده طراحی‌شده‌اند، اما نمی‌توانند مشکلات پیچیده‌ای مانند درخواست‌های ظریف مشتری را اداره کنند. یک مثال می‌تواند سیستمی باشد که به طور خودکار یک ایمیل خوشامدگویی به هر مشتری جدید ارسال می‌کند.
چتبات‌های ساده‌تر، مانند آن‌هایی که از طریق فیس‌بوک مسنجر و دیگر ارائه‌دهندگان رسانه‌های اجتماعی در دسترس هستند نیز در این دسته قرار می‌گیرند. آنها می‌توانند در طول تعاملات ابتدایی به مشتریان کمک کنند و مشتریان را در یک درخت تصمیم‌گیری مشخص قرار دهند، اما نمی‌توانند قصد مشتریان را تشخیص دهند و پاسخ‌های سفارشی‌سازی شده پیشنهاد کنند یا در طول زمان از تعاملات درس بگیرند.
یادگیری ماشینی: این الگوریتم‌ها با استفاده از حجم زیادی از داده‌ها برای پیش‌بینی و تصمیم‌گیری نسبتا پیچیده آموزش دیده‌اند. چنین مدل‌هایی می‌توانند تصاویر را تشخیص دهند، متن را رمزگشایی کنند، مشتریان را تقسیم‌بندی کنند و نحوه واکنش مشتریان به ابتکارات مختلف مانند تبلیغات را پیش‌بینی کنند. یادگیری ماشین در حال حاضر، خرید برنامه‌ای در تبلیغات آنلاین، موتور‌های توصیه تجارت الکترونیک و مدل‌های گرایش به فروش در سیستم‌های مدیریت ارتباط با مشتری را به پیش می‌برد که داغ‌ترین فناوری‌ها در هوش مصنوعی هستند و به سرعت به ابزار‌های قدرتمندی در بازاریابی تبدیل می‌شوند. با این اوصاف، مهم است که روشن شود که برنامه‌های کاربردی یادگیری ماشین هنوز کار‌های محدودی را انجام می‌دهند و باید با استفاده از حجم وسیعی از داده‌ها آموزش ببینند.
ما معتقدیم که بازاریابان درنهایت با دنبال کردن برنامه‌های یکپارچه یادگیری ماشین بیشترین نفع را خواهند برد، اگرچه سیستم‌های ساده مبتنی بر قوانین و اتوماسیون وظایف می‌توانند فرآیند‌های بسیار ساختار یافته را افزایش و پتانسیل معقولی برای بازده تجاری ارائه دهند. با این حال، توجه داشته باشید که امروزه اتوماسیون وظیفه به‌طور فزاینده‌ای با یادگیری ماشین برای استخراج داده‌های کلیدی از پیام‌ها، تصمیم‌گیری‌های پیچیده‌تر و شخصی‌سازی ارتباطات ترکیب می‌شود.
برنامه‌های مستقل در جایی قرار دارند که در آن، ادغام و یکپارچگی دشوار یا غیرممکن است؛ بنابراین مزایای آنها محدودیت‌هایی دارد. به همین دلیل، ما به بازاریابان توصیه می‌کنیم که به جای ادامه مسیر با برنامه‌های مستقل، طی زمان به سمت هوش مصنوعی یکپارچه در سیستم‌های بازاریابی فعلی حرکت کنند و درواقع، بسیاری از شرکت‌ها در این جهت کلی حرکت می‌کنند.
برای شرکت‌هایی که تجربه هوش مصنوعی محدودی دارند، یک راه خوب برای شروع ساخت یا خرید برنامه‌های کاربردی ساده مبتنی بر قوانین است. هنگامی که شرکت‌ها مهارت‌های اولیه هوش مصنوعی و فراوانی داده‌های مشتری و بازار را به دست آوردند، می‌توانند از اتوماسیون وظیفه به سمت یادگیری ماشین حرکت کنند.
منابع جدید داده ها- مانند معاملات داخلی، تامین‌کنندگان خارج و حتی خرید‌های احتمالی-چیزی است که بازاریابان باید دائما به دنبال آن باشند؛ زیرا اکثر برنامه‌های هوش مصنوعی، به ویژه یادگیری ماشین، به حجم وسیعی از داده‌های باکیفیت بالا نیاز دارند. با پیچیده‌تر شدن شرکت‌ها در استفاده از هوش مصنوعی بازاریابی، بسیاری از انواع تصمیمات را کاملا خودکار می‌کنند و انسان‌ها را به طور کامل از حلقه خارج می‌کنند.
برای تصمیمات تکراری و با سرعت بالا، مانند تصمیمات مورد نیاز برای خرید تبلیغات برنامه‌ای (جایی که تبلیغات دیجیتالی تقریبا به‌صورت لحظه‌ای در اختیار کاربران قرار می‌گیرد)، این رویکرد ضروری است و تا جایی که ممکن است شرکت‌ها باید به سمت تصمیمات خودکارتر حرکت کنند. ما معتقدیم اینجاست که بیشترین بازدهی از بازاریابی هوش مصنوعی پیدا خواهد شد.
پیاده‌سازی حتی ساده‌ترین برنامه‌های هوش مصنوعی می‌تواند مشکلاتی را به همراه داشته باشد و شرکت‌ها را ملزم به کسب مهارت‌های هوش مصنوعی مناسب می‌کند. وارد کردن هر نوع هوش مصنوعی به گردش کار مستلزم ادغام دقیق وظایف انسان و ماشین است؛ به طوری که هوش مصنوعی باعث افزایش مهارت‌های افراد شود.
در نهایت، شرکت‌ها باید منافع مشتریان را در ذهن داشته باشند. هرچه برنامه‌های هوش مصنوعی هوشمندتر و یکپارچه‌تر باشند، نگرانی مشتریان درباره حفظ حریم خصوصی، امنیت و مالکیت داده‌ها بیشتر می‌شود. ممکن است مشتریان درباره برنامه‌هایی که داده‌های مکان را بدون اطلاع آنها ضبط و به اشتراک می‌گذارند یا بلندگو‌های هوشمندی که ممکن است در حال شنود آنها باشد، تردید کنند.
به طور کلی، مصرف‌کنندگان تمایل مبادله برخی از داده‌های شخصی و حریم خصوصی را در ازای ارزشی که برنامه‌های نوآورانه می‌توانند ارائه دهند، نشان داده‌اند. به نظر می‌رسد نگرانی‌ها درباره برنامه‌های هوش مصنوعی مانند الکسا با درک مزایای آنها کم شده است؛ بنابراین کلید موفقیت برای بازاریابان همان طور که هوش و دسترسی به هوش مصنوعی خود را گسترش می‌دهند، اطمینان از شفافیت در کنترل‌های حریم خصوصی و امنیت آن است.
برای تضمین پشتیبانی و حفظ اعتماد مشتریان، مدیران ارشد بازاریابی باید هیات‌هایی برای ایجاد اصول اخلاقی و حفظ حریم خصوصی متشکل از کارشناسان بازاریابی و حقوقی را برای بررسی پروژه‌های هوش مصنوعی، به‌ویژه مواردی که شامل داده‌های مشتری یا الگوریتم‌هایی هستند که ممکن است مستعد سوگیری باشند، ایجاد کند.
درحالی که بازاریابی هوش مصنوعی جای پیشرفت دارد، ما از مدیران ارشد بازاریابی می‌خواهیم که درباره قابلیت‌های فعلی خود واقع‌بین باشند. با وجود تبلیغات زیاد، هوش مصنوعی هنوز می‌تواند وظایف محدودی را انجام دهد، نه اینکه کل عملکرد یا فرآیند بازاریابی را اجرا کند. با این وجود، در حال حاضر مزایای قابل‌توجهی برای بازاریابان ارائه می‌دهد و در واقع در برخی از فعالیت‌های بازاریابی ضروری است و قابلیت‌های آن به سرعت در حال رشد است.
ما معتقدیم که هوش مصنوعی درنهایت بازاریابی را متحول می‌کند، اما این سفری است که ده‌ها سال به طول می‌انجامد. عملکرد بازاریابی و سازمان‌هایی که از آن پشتیبانی می‌کنند، به‌ویژه فناوری اطلاعات، باید به ایجاد قابلیت‌های هوش مصنوعی و رسیدگی به خطرات احتمالی توجه طولانی‌مدت داشته باشند. ما از بازاریابان می‌خواهیم که امروز از یک استراتژی برای استفاده از قابلیت‌های فعلی هوش مصنوعی و آینده احتمالی آن استفاده کنند.
مترجم: سمیرا حسینی
