Rozwiązania AI w branży marketingowej

Branża marketingowa nie tylko na świecie, ale również w Polsce jest jedną z tych, które najszybciej adaptują swoje działania do nowych rozwiązań technologicznych. Taka postawa „early adoptera” wynika jej specyfiki, misji i celów biznesowych. Marketing musi skutecznie wspierać sprzedaż, a żeby to było możliwe, powinien swoje strategie komunikacyjne dostosowywać do zmieniających się ludzkich pragnień, zainteresowań, stanu umysłu, nastrojów itp.

Stały wzrost zainteresowania

W Stanach Zjednoczonych wartość rynkowa branży oprogramowania do automatyzacji marketingowej w 2019 roku wynosiła ponad 6 mld dolarów i rosła rocznie o 20%. Jak wynika z badań opublikowanych w „State of Marketing Automation Survey” z 2019 roku w USA 75% przedsiębiorstw działających w branży marketingowej wdrożyło w swojej działalności jakieś formy z obszaru martech. W Polsce marketing jest jedną z branż najchętniej korzystających z zaawansowanych rozwiązań opartych na sztucznej inteligencji (wyprzedza go jedynie branża big data/business intelligence). Badania przeprowadzone przez Fundację Digital Poland w 2019 roku pokazują wyraźną tendencję wzrostową w liczbie firm marketingowych kupujących takie rozwiązania przed 2017 rokiem i w latach 2017-18 (29% vs. 46%). 

W komunikacji marketingowej przybierają na znaczeniu takie rozwiązania z obszaru AI, które m.in. wspierają proces personalizacji przekazu, generowaniu bardziej pożądanych treści, optymalizację komunikatów w poszczególnych kanałach, skuteczniejsze zarządzanie kontekstem czy projektowanie doświadczeń potencjalnych klientów. Poniżej przedstawiamy 3 obszary, które obecnie są gorącym tematem, a w niedalekiej przyszłości z dużym prawdopodobieństwem będą wspierać pracę coraz liczniejszych firm i działów marketingu.

Analiza predykcyjna – czyli odkrywanie ukrytych pragnień


Odkryć, czego naprawdę pragną konsumenci i w jakim kierunku zmierza konkurencja, to dwa cele, które od zawsze towarzyszyły marketerom i do pewnego stopnia warunkowały skuteczność ich działań. Wraz z rozwojem mediów cyfrowych i digital marketingu znacząco wzrósł dostęp do danych dotyczących rzeczywistych zachowań konsumenckich i działań konkurencyjnych podmiotów. Hasło big data już kilkanaście lat temu rozgrzewało wyobraźnię marketerów i badaczy, kilka lat później zaczęto dużo mówić o deep data, czyli o zaawansowanych strategiach analitycznych pozwalających na łączenie informacji i nadawanie im celowości i sensu w ramach wielkich zbiorów danych.

Na tym etapie pojawił się cały szereg problemów i ograniczeń związanych z tym, że jesteśmy tylko ludźmi i nawet najbardziej utalentowani z nas (pod względem zdolności analitycznych) mają ograniczone zasoby czasowe oraz możliwości poznawcze pozwalające na wyodrębnianie kluczowych prawidłowości w czasie rzeczywistym z ogromnej ilości informacji. I tu z pomocą przychodzi sztuczna inteligencja, która pozwala wycisnąć zdecydowanie więcej ze zbieranych i posiadanych danych oraz unikać błędów, jakie często przytrafiają się ludzkim zespołom. Generalnie, przewagi sztucznej inteligencji w tej dziedzinie są trudne do podważenia, z uwagi na jej prędkość działania i zdolność do konsekwentnego wyodrębniania powtarzalnych wzorców. Zastosowanie analizy predykcyjnej pomaga na trzech najważniejszych poziomach:

-> analizy rzeczywistych zachowań, potrzeb i działań konsumentów w celu ich lepszej segmentacji czy pozyskiwania insightów, a nawet pozyskiwania odpowiedzi na problemy biznesowe (oczywiście duże znaczenie ma tu jakość posiadanych danych),

-> przewidywania trendów i dokonywania prognoz w oparciu o analizę złożonej sytuacji rynkowej, różnorodnych posunięć konkurencji, które mogą mieć wpływ na naszą markę, czy też danych użtywników, które pozwalają przewidywać, czego jak będzie żyć i czego będzie pragnąć konsument jutra,

-> porządkowania danych, ujednolicania ich, łączenia w sensowne i łatwe do skonsumowania całości (np. łączenie danych klientów z różnych kanałów, wiązanie danych marketingowych i pochodzących innych struktur w firmie itp.).

Według danych zebranych przez Digital Poland w 2019 roku analiza danych była jedną z najważniejszych form wykorzystywania sztucznej inteligencji w działaniach biznesowych (55% zakupów dokonywanych w polskich firmach AI) i można przewidywać, że rok 2020 przyniesie dalszy wzrost tego obszaru.

Wyszukiwanie głosowe – czyli dostosowanie się do prawdziwych zachowań

W dobie mediów cyfrowych nie ma odwrotu od klientocentrycznej strategii, która uwzględnia przyzwyczajenia konsumentów w komunikowaniu się z nimi. Rozwiązania technologiczne oferowane użytkownikom sieci zmieniają, rzecz jasna, ich nawyki. Doskonałym przykładem jest sposób wyszukiwania treści w sieci.

Coraz więcej osób w skali świata, ale i Polski korzysta z asystentów głosowych czy inteligentnych głośników, takich jak Alexa czy Google Home. Powszechnie używamy narzędzi zainstalowanych w telefonach czy komputerach pozwalających na używanie wyszukiwarek czy wysyłanie wiadomości (głosowych lub przetworzonych na tekst). W związku z postępującą zmianą zachowań użytkowników coraz częściej słyszy się opinie, że wyszukiwanie głosowe to przyszłość SEO. Różnica zasadza się w tym, że 2 czy 3 miejsce na liście wyszukiwania przestaje być tak atrakcyjne jak dawniej, ponieważ, zadając pytanie asystentowi głosowemu, użytkownik otrzyma jeden najbardziej trafny wynik.

Równolegle zmienia się forma wyszukiwania wynikająca z odmienności języka mówionego i pisanego. Zaobserwować można, że hasła wrzucane do wyszukiwarki za pomocą klawiatury są mniej złożone od tych głosowych, co oczywiście wiąże się z tym, że znacznie łatwiej i naturalniej wypowiedzieć długie zapytanie niż je zapisywać. Ma to już wpływ na strategie SEO.

Na horyzoncie pojawiają się jednak kolejne głębsze zmiany, a mianowicie tzw. konwersacyjna sztuczna inteligencja (conversational AI) pozwalająca nie tylko na rozpoznawanie dialektów czy slangu albo przetwarzanie niedoskonałości mowy ludzkiej, ale i – dzięki uczeniu maszynowemu – do dostosowywania wyników wyszukiwań na podstawie wcześniejszych rozmów albo wykrywania emocji na podstawie danych głosowych. Eksperci nie są jeszcze zgodni co do tego, w jakim kierunku/kierunkach należy rozwijać SEO, aby skutecznie odpowiedzieć na zmieniające się zachowania. Niemniej jednym głosem twierdzą, że są to wyzwania, o których należy myśleć już teraz, gdyż wkrótce staną się codziennością, do której powinniśmy być przygotowani.

 Zarządzanie treścią i kontekstem – czyli adekwatne reagowanie na to, co się dzieje w sieci

Wsparcie sztucznej inteligencji w zakresie content marketingu znajduje liczne zastosowania. Najbardziej oczywistym z nich jest dostosowywanie treści do zmiennych w czasie zainteresowań odbiorców, aby uzyskiwać ich więcej reakcji, głębsze zaangażowanie i skutecznie wzbudzać intencję zakupową.

Jeszcze ciekawsze są rozwiązania związane ze wsparcie w generowaniu treści przez sztuczną inteligencję w odniesieniu do wyników analizy danych. Tworzenie bardziej skomplikowanych treści w tej chwili dotyczy przede wszystkim języka angielskiego. Z uwagi na zawiłości polskiego języka narzędzia takie to dopiero przyszłość. Niemniej proste zadania przyspieszające i optymalizujące kreację (np. dobór headlinów) coraz częściej są również w polskich firmach wykonywane przez sztuczną inteligencję.

W marketingu jednak liczy się nie tylko kontent, ale i kontekst. Umieszczenie treści w niewłaściwym kontekście, jak pokazują historie licznych wpadek, może zarówno ośmieszyć przekaz, jak i zdewaluować sam kontekst (np. osoby, wartości, idee). Sztuczna inteligencja oparta na maszynowym uczeniu się, przetwarzaniu języka naturalnego (NLP) czy obrazów chroni marki przed błędnym osadzaniem treści i zwiększa ich oddziaływanie poprzez optymalizację kontekstu.

Aut. Grzegorz Wierchowiec