AI研究院 | 營銷受到人工智慧衝擊!看看那些挑戰與應對策略

【編者按:《AI研究院》由網易智能頻道與杭州研究院共同打造,每日一篇,專註AI行業研究與深度分析,並提供技術應用交流。轉載請聯繫我們獲得授權,公號 smartman163)】

【網易智能訊3月23日消息】你知道,現在有超過3874家公司可以提供營市場銷技術嗎?這讓我們直觀感受到,整個營銷行業面臨著巨大挑戰。

「營銷有一個獨特的挑戰,那就是沒有一個典型、通用的範例或者說流程。」「如果你去看看任何一家財富500強公司,他們會有數百種魚龍混雜的產品。」Salesforce產品營銷副總裁Eric Stahl指出。

這些業內領先的市場營銷專家認為,市場營銷人員和廣告商所提供的大量工具對客戶來說既是一種祝福,也是一種詛咒。各種各樣的選擇使營銷人員能夠適應消費者和客戶行為不斷變化的數字環境,但專業人士往往會選擇使用其中的20到50種不同工具來管理所有營銷任務。

其結果是管理軟體的時間比管理策略的時間更多。我們與之交談過的每一位營銷主管都強調,供應商的變化和不兼容是現代營銷的頭號挑戰:如何尋找和收集可靠的數據。

要理解人工智慧如何應對現代營銷挑戰,你首先需要了解營銷人員每天所使用的工具。如果你不是專業的營銷人員,請先容我們簡短介紹一下整體營銷技術,這涵蓋到典型的企業「用例」以及各種附加解決方案。

挑戰1:缺乏可靠、統一性的數據

公司的每一個功能都在試圖解決數據收集、整理和集中分析問題,但不一致的標準和不兼容的集成度,使得數據流分析對市場營銷人員來說尤其困難。

除了工具的變化,營銷技術(martech)和廣告技術(adtech)通常都是相互孤立的。TouchCR公司的首席信息官里奇黑爾(Ritchie Hale)警告稱,「這兩種方式的分離會產生一種識別鴻溝,在我們沒有可識別的信息之前,就不得不努力尋找廣告受眾。」

工具之間缺乏互操作性的一個關鍵因素是營銷技術領域技術發展以及併購速度在不斷加快。「和諸如甲骨文、Adobe或Facebook這樣的公司所擁有的大多數數據管理平台和營銷自動化工具,最近都出現了大規模併購,但還沒有相互整合到一起,」Synerise的全球營銷經理Monika Ambrozowicz解釋道。

Mark Kovscek指出,另一個問題是,為不同的營銷目的而準備得數據有著細微差別。「數據收集以及導入會針對特定的用例進行優化(例如,程序、活動報告、媒體歸屬),因此會創建了不同版本的數據。」

如果沒有可靠的、精確的數據,營銷人員註定會遭遇諸如效率低下以及機會錯失等諸多問題。許多關鍵決策,如創意、信息傳遞和活動數據,對市場營銷的成功至關重要,但它們都是由直覺驅動的,而不是科學。即使是在做決定的時候,市場營銷人員每周仍然需要花費超過3個小時來分析不同的數據來源。

工具不兼容帶來的的另一個潛在影響是會加大擾亂自己營銷活動的風險。RocketFuel首席技術官Mark Torrence警告稱,「如果多個合作夥伴使用類似的數據或目的想法來購買流量,他們可能會相互競爭,反而推高了購買成本,降低了效率。」

數據缺乏統一性也會導致消費者的消費體驗不佳。使用廣告重新定位的零售商通常不會意識到你已經購買了商品,還會給你發送了大量無關、無用、煩人的廣告。

人工智慧將如何應對這一挑戰

許多營銷技術公司的目標是成為人工智慧技術公司,通過營銷工具集中並管理信息和數據。最有可能獲得勝利的是Salesforce、甲骨文和Adobe等大型企業,它們已經在自己的生態系統中提供了端到端解決方案,並能夠大舉收購和整合規模較小的公司。

2016年,Salesforce首席執行官馬克貝尼奧夫(Marc Benioff )斥資40多億美元收購人工智慧公司併入Einstein,後者優化了Salesforce所有雲計算的結果。其客戶Fanatics是一家體育用品零售商,利用Marketing Cloud Einstein來進行個性化產品推薦。

體育迷們有不同的需求,比如鐵杆球迷、裝備狂熱者、學校或當地球隊的球迷,還有球迷的粉絲,那些為朋友和家人購買運動裝備的球迷需求各有千秋。根據Salesforce公司營銷公司副總裁Stahl的說法,Einstein把顧客分成了幾大類,但也提供了「細分」領域,這導致Fanatic電子郵件廣告的點擊次數提高了15%到20%。

同樣的個性化服務也可以被移植到Salesforce商務雲服務上。在那裡,由於更好的推薦,Einstein幫助一些客戶的營收提高了28%,平均訂單價值提高了11%。

與之類似,Adobe也控制著一套龐大的創意工具,以及一款面向企業的流行的數據管理平台和網頁分析工具。副總裁Amit Ahuja負責Adobe的人工智慧業務,其通過雲解決方案統一數據。由於Adobe擁有很多基礎的視頻和內容創作工具,Ajuha解釋稱Sensei能夠「收集所有的創意和所有的元數據,從而為品牌所有者提供更多信息,讓他們在消費者面前有更多創意。」

Ahuja預測:「當人工智慧的炒作消失時,差異化將在數據層體現出來。」「在谷歌之外,我們坐擁著所有行為數據的最大記錄系統。」「沒有人能做到我們所做的事。

像Salesforce和Adobe這樣的巨頭並不是唯一在市場營銷中能夠從容應對數據挑戰的公司。像Swiftype這樣的小公司也能夠解決在營銷工作流程中資產和文檔協調面臨的瓶頸問題。

干坐著等待創意部門發送信息副本和圖表,然後再分析出最新的績效指標,這種方法痛苦又低效。Swiftype整合了多個數據源的知識和數據,比如Marketo和Salesforce的營銷活動,任務管理工具,以及Dropbox和Google Drive等的代碼庫。

公司營銷副總裁Praveena Khatri解釋說:「商業客戶從這種方式中獲得了明顯的好處(例如,搜索「勺子」也會為提供「匙」相關搜索結果),為客戶更有效地建立索引,並根據相關性和日期來組織內容。

挑戰2:人才瓶頸

運行大量的工具還會給營銷團隊帶來培訓方面的挑戰,並造成專業技能的瓶頸。當涉及到培訓初級員工來操作複雜的企業軟體時,過程非常乏味且容易出錯。 Strike Social聯合創始人馬克肖爾(Mark Shore)抱怨道:「為了省錢,員工們通常只選取一個或兩個參數開展活動。這就導致了效果較差。」

大企業面臨的另一個挑戰是,其往往需要依賴外部人才進行必要的工作。Torrence of Rocket Fuel解釋說,大多數財富500強公司都依賴於營銷合作夥伴,從谷歌、YouTube和Facebook的業務中購買媒體資源。此外,他們中的大多數「仍有大量的媒體支出是由廣告機構合作夥伴控制和管理,他們自己僅僅是看最終效果。」

如果掌握營銷工具是困難的,那麼掌握人工智慧的研發就更難了。很少有組織能在這方面取得了成功。即使一家公司在一個系統中奇蹟般地集中了可靠和高容量的數據,仍然需要專門的人才來運營工作模型。

財富500強公司內部並沒有這種傾向性或者資源,他們通常會在開發過程中失敗。「因此,問題在於如何購買,」ActionIQ首席執行官Tasso Argyros如是指出。就連擁有數據科學家和工程師團隊的專業公司,也常常發現由於其員工缺乏先進的數學背景,無法在現代人工智慧中獲得真正創新。

就連工程師本身也不能確保成功。市場營銷高管認為,專業領域的專業知識和商業需求應該推動人工智慧研究,而不是反過來。「最重要的不是先進的數學模型或複雜的神經網路,」營銷情報機構SEMrush 的Yulia Khansvyarova斷言。最重要的部分是功能工程學。你擁有的專業領域知識越多越好。從而可以不斷驗證你對最終用戶的假設。」

AI將如何應對這一挑戰

營銷任務自動化提高了準確性,減少了工作量,讓營銷團隊更有效率。儘管提供自動話解決方案的服務提供商很多,但許多營銷高管都看到了市場早期的吸引力。

Shore of Strike Social聲稱,它的技術能夠「自動完成單調乏味的活動開展過程,發現人類無法察覺的微妙模式差異,並將廣告活動細化成若干個微型廣告,從而把廣告開支重點實時轉移到表現最佳的目標上。」該公司能夠將YouTube的觀看率提高25%,同時將運營時間減少75%。

RocketFuel是另一家以人工智慧為導向的營銷公司,其用更智能的自動化取代手動優化。「我們使用各種各樣的機器學習和優化技術,包括神經網路、邏輯回歸、多策略優化、性能感知、倍增競價等等。」我們經常通過兩種或更多的模型取得平衡,以實現多目標優化。」RocketFuel的Torrence解釋道。

RocketFuel和另外三家供應商進行了競爭,其餘所有的供應商都在進行手動優化。RocketFuel基於人工智慧的優化策略是競爭對手的平均成本開支的8分之一。

除了自動化運行,創新的營銷公司也建立了對話式方法。正如Equals 3管理合伙人Scott Litman所描述的那樣,該公司開發的對話式機器人「露西」是「營銷人員的認知伴侶」。露西可以成為用戶信任的市場分析師,幫助客戶進行研究、細分和規劃。它可以堅持24小時工作,而且對待數據更為智能化。Litman聲稱,作為世界上最大的媒體機構之一,Havas Media已經成功利用露西實現了目標,這使得其開支成本降低了75%,同時開展活動的速度提升了7倍。

挑戰3:無法計算投資回報率

並不是所有的數據都是一致的。營銷人員很難將數據轉化為自己的見解,更不用說計算他們決策的投資回報率了。

Ben Plomion是口香糖公司的首席營銷官,他強調了營銷活動「無處不在的痛點」,「品牌在全球範圍內的各大體育賽事贊助中花費超過600億美元,但卻經常無法在廣播電視和社交媒體上捕捉到他們商標的全部價值。」

公司政治可能也會影響真正的投資回報率計算。許多營銷部門都害怕被問責,因此往往會刻意挑選易於出成績的指標,而不是分析真正起作用的真實情況。

AI如何應對這一挑戰

像深度學習這樣的新神經網路方法具有超能力檢測模式,從而在圖像識別和計算機視覺方面取得了許多新的突破。計算機不僅可以對照片和視頻中的對象進行可靠的分類,還能識別特定的品牌和產品。

GumGum的Plomion就解釋了為什麼這種突破性的技術會徹底改變品牌營銷:「沒有相關技術,分析一個3小時遊戲的不同商標植入廣告可能需要幾天時間。」通過利用計算機視覺技術,一台機器可以在幾秒鐘內分析出視頻每一幀的每一個贊助商和位置,讓一個完整的遊戲在幾小時或更短的時間內完成結果分析。突然之間,人工智慧讓贊助或廣告活動的投資回報率變得容易計算了。

視覺智能還能讓品牌通過個性化的客戶體驗來推動用戶參與。StackLa幫助各品牌「發現以品牌的為主題最佳用戶生成內容(UGC),將其歸類為客戶角色,並推薦合適的營銷渠道,」公司首席技術官彼得卡西迪(Peter Cassidy)解釋道。

利用從StackLa平台上發現的用戶內容,維珍假日酒店的預訂比前一年增加了260%,而Topshop在線產品銷售也增長了75%。根據另一家視覺智能公司Cloudsight聯合創始人Brad Folkens的說法,通過向每一位用戶展示最相關的圖片,公司幫助客戶在網站停留時間方面實現了4倍的增長。

人工智慧還可以替代舊的方法,以更好地評估不同的數據源,並將其轉化為更準確的商業洞察。對細分受眾及行為進行深入分析,從而能夠開展對顧客行為的理解和處理,如購買力的預測以及客戶流失程度。通過使用人工智慧將營銷與人口統計和心理指標相匹配,TouchCR在廣告發送率降低60%的情況下,自己的業務增長了20%。

ReFuel4首席執行官Kazuhiro Takiguchi也為Spotify等客戶帶來了類似的效果,Spotify的廣告點擊率提高了40%,而應用程序安裝量達到了此前的3倍,這都超過了之前的營銷活動。根據Takiguchi的說法,這樣的結果是通過「利用現有的和過去的廣告表現來預測未來的創新表現」。

結論

「一直以來,市場營銷人員的聖杯都是個性化客戶的購買成本,」Reputation.com首席人力官Pascal Bensoussan說。「人工智慧和機器學習正在成為營銷技術及廣告技術的核心組成部分。」

雖然數據採集和統一化的挑戰,人才招聘和培訓的挑戰,將繼續困擾營銷團隊。但人工智慧和機器學習的興起,為克服現代營銷中那些曾經無法解決的困難提供了一種清晰的方式。

(英文來源/venturebeat 編譯/機器小易 校對/晗冰)

2017年3月23日


推薦閱讀:

2016 年美國大選的投票結果中,有哪些數據值得分析?
Python 的隨機漫步
《R語言實戰》第四部分第十五章-時間序列學習筆記(I)
工作3年後轉行 互聯網數據分析 是否來得及?

TAG:人工智能 | 数据分析 | 市场营销 |