Uczenie maszynowe uczy marketerów, jak pielęgnować nastawienie na rozwój

W związku z Google

Podczas gdy cyfryzacja nadwerężyła tradycyjne metody i środki działu marketingu w ostatnich latach, funkcja ta odzyskuje energię, podłączając się do bogatego i obfitego źródła zasilania: danych.

Istniejące dane przedsiębiorstwa, a także informacje zebrane podczas kontaktów z konsumentami, stały się cennym zasobem biznesowym. Wraz z pojawieniem się uczenia maszynowego — rodzaju algorytmu, który identyfikuje wzorce w danych i poprawia się wraz z doświadczeniem — firmy mogą wykorzystywać dane do przewidywania i uczenia się identyfikowania konsumentów, którzy wydają się być klientami o wysokiej wartości.

Restrukturyzacja biznesu, która ma miejsce dzisiaj, odzwierciedla transformację zachodzącą w całych branżach, od mediów po produkcję, w miarę jak firmy przestawiają się, aby konkurować w zalanym cyfrowo środowisku. Przez długi czas nikt z nas nie przypuszczał, że sprzedaż żywności i napojów zamiast handlu elektronicznego będzie tak dużym biznesem, mówi Shyam Venugopal, wiceprezes ds. globalnej strategii mediów i danych konsumenckich w PepsiCo. Działamy w środowisku, które ciągle się zmienia.

Nikt z nas nie pomyślałby, że sprzedaż żywności i napojów przez e-commerce byłaby tak dużym biznesem. Działamy w środowisku, które ciągle się zmienia.

Biorąc pod uwagę rosnącą złożoność podróży zakupowych klientów, która obecnie obejmuje wiele urządzeń, platform i punktów styku, nadążanie za nimi może wydawać się przytłaczające. Marketerzy musieli radykalnie przemyśleć swoje podejście do docierania do potencjalnych klientów w erze nieskończonych możliwości tworzenia i dystrybucji treści. Ich cel jest jeszcze bardziej ambitny: dokładne przewidywanie kolejnych ruchów potencjalnych klientów, uchwycenie, a nawet kształtowanie tego, czego chcą i potrzebują.

Obfitość danych, które firmy mogą gromadzić, stanowi okazję do spełnienia życzeń dyrektorów marketingu w dużych firmach, pragnących wrócić do budowania relacji jeden-do-jednego z klientami. Inwestując i wykorzystując techniki uczenia maszynowego do przeszukiwania danych w celu uzyskania szczegółowych informacji, identyfikacji wzorców i tworzenia modeli predykcyjnych, marketerzy mogą mapować podróż klienta. Mogą zrozumieć, w jaki sposób różne segmenty podejmują decyzje zakupowe i prezentować im bardziej spersonalizowane komunikaty.

Przełamanie schematu marketingowego dzięki uczeniu maszynowemu

• Pobierz raport

Przejmowanie danych

Niedawne badanie przeprowadzone przez MIT Technology Review Insights, we współpracy z Google, potwierdziło kluczową rolę danych w budowaniu hiperspersonalizowanej strategii marketingowej. W ankiecie wzięło udział 1419 dyrektorów marketingu z firm o rocznych przychodach przekraczających 100 milionów dolarów, z różnych branż, w tym usług finansowych, handlu detalicznego, technologii i edukacji.

Po dokładnym rozważeniu wskaźników biznesowych, respondentów można by sklasyfikować jako liderów lub maruderów: Liderzy reprezentują firmy, które osiągnęły ponad 15-procentowy wzrost przychodów w ciągu dwóch lat lub ponad 15-procentowy wzrost udziału w rynku w tym samym czasie Kropka. Natomiast maruderami były firmy, które w tym samym okresie odnotowały spadek przychodów lub utratę udziału w rynku. Wśród respondentów dwie trzecie liderów twierdzi, że sposób, w jaki firmy wykorzystują ich dane, będzie odgrywał kluczową rolę w ich zdolności do rozwoju.

Oprócz mostów technicznych, które trzeba pokonać, aby wydobyć z danych praktyczne wnioski, należy również obniżyć bariery funkcjonalne. Badanie wykazało, że liderzy są o 60 procent bardziej skłonni niż maruderzy wierzą, że zespół marketingowy powinien posiadać strategię klienta opartą na danych, która wspiera wszystkich interesariuszy organizacji. W przeszłości marketing mógł nadzorować generowanie popytu, ale przekazywał te tropy sprzedaży. Teraz marketing musi przejąć kontrolę nad całym doświadczeniem, rozpowszechniając spostrzeżenia i analizy w całej firmie.

Projektowanie ścieżki bez oporu

Dzięki zdolności do zrozumienia i przewidywania najbardziej efektywnego podejścia marketingowego dla każdego obecnego i potencjalnego klienta, uczenie maszynowe uwalnia marketerów od ciężaru związanego z pobieraniem i manipulowaniem ogromnymi ilościami danych.

Rozważmy na przykład funkcję marketingową, która zgromadziła 2,5 miliona adresów e-mail i chce skontaktować się z osobami, które najprawdopodobniej będą otwarci na nową ofertę produktową. Ręczne segmentowanie tej liczby klientów jest czasochłonne, ale spryskiwanie ich spamem spowoduje anulowanie subskrypcji, a odnośnie - nabycie jest zaporowo kosztowne. Uczenie maszynowe może wydajnie wyodrębniać adresy e-mail, których właściciele mają na przykład 25% szans na otwarcie wiadomości e-mail i 1% na anulowanie subskrypcji. Kierując się logiką uczenia maszynowego, marketerzy mogą identyfikować i mieszać optymalną kombinację elementów, która prawdopodobnie doprowadzi do pomyślnego celu biznesowego.

Śledzenie wpływu w całej firmie

Konsekwentne wykonywanie na tym poziomie wymaga jednak czegoś więcej niż tylko nakładania warstw w nowej technologii. Maksymalizacja procesów zorientowanych na klienta oznacza ich ujednolicenie, powiązanie ze sobą różnych systemów i umieszczenie ich w centrum biznesu. W przypadku firm, które zazwyczaj są zorganizowane według lokalizacji lub linii produktów, wstrząs ten oznacza zmianę kulturową na poziomie DNA — nową architekturę korporacyjną, która wspiera zarządzanie doświadczeniami klientów.

Gdzie może się zacząć taki wysiłek? W każdej części organizacji definicja klienta może być inna, zauważa Allison Hartsoe, założycielka i dyrektor generalna Ambition Data, firmy konsultingowej zajmującej się analizą danych. Organizacja musi stworzyć ujednolicony obraz klienta — większą, szerszą definicję, z której wszyscy korzystają.

Zaangażowanie w zorientowanie na klienta i skoncentrowanie się na danych niezmiennie wymaga restrukturyzacji organizacyjnej. Staje się to konieczne, ponieważ dane klientów są rozmieszczone w tak wielu działach; więc aby być wszechstronnym, musisz dostosować organizację, mówi Hartsoe. Chodzi o zmianę sposobu myślenia całej firmy. W niektórych firmach osiągnięcie tego celu oznacza dodanie do kadry kierowniczej dyrektora ds. analityki.

W każdym razie przekształcenie się w silną organizację opartą na wskaźnikach wymaga znacznie ściślejszej współpracy odrębnych funkcji. W jednej z firm zajmujących się grami, mówi Hartsoe, menedżerowie produktu nie podejmują decyzji o tym, które funkcje produktu dodać bez uzyskania informacji od grupy badawczej klientów. Biorąc pod uwagę decyzję firmy o skupieniu się na klientach o wysokiej wartości, zanim zostanie dokonany jakikolwiek wybór, menedżerowie produktu chcą go przemyć przez wskaźniki klientów o wysokiej wartości, aby mogli podejmować decyzje w sposób zorientowany na klienta, mówi Hartsoe. Stosowanie metryk zmienia proces podejmowania decyzji. Umożliwia także firmom prewencyjną ocenę wpływu każdej rozważanej iteracji produktu.

Wyposażeni w technologię uczenia maszynowego marketerzy nie tylko będą wykonywać swoją pracę inaczej, ale także będą wykonywać inną pracę. W ankiecie prawie trzy czwarte (73 procent) liderów marketingu inwestujących w uczenie maszynowe twierdzi, że przesunęło ponad 10 procent swojego czasu z ręcznej aktywacji na generowanie strategicznych informacji. Mogą teraz bardziej sumiennie zarządzać swoimi decyzjami dotyczącymi alokacji inwestycji, poświęcając swoje ograniczone zasoby najbardziej obiecującym potencjalnym klientom. Systemy uczące się mogą porównywać dane historyczne dotyczące osób, które stały się kupującymi, z nowicjuszami, którzy wykazują podobne zachowanie przed zakupem. Wynik: model predykcyjny oparty na przyszłych zamiarach klienta.

Jak wynika z ankiety, liderzy są o 53 procent bardziej skłonni niż maruderzy twierdzą, że uczenie maszynowe przetwarza sygnały danych, aby pomóc marketerom lepiej wykrywać intencje konsumentów. Możliwość zbierania, organizowania i analizowania danych z wielu źródeł umożliwia marketerom dokładne określenie, jak blisko są klienci do decyzji o zakupie, kształtując komunikaty, które są istotne, a nie natrętne. Współcześni konsumenci, których oczekiwania co do tego, co mogą kupić, kiedy – a mianowicie cokolwiek i teraz – wolą robić interesy z firmami, które ich rozumieją i pomagają.

Nagromadzenie takich pozytywnych doświadczeń klientów tworzy elementy składowe tego, co może być najtrwalszą przewagą konkurencyjną: lojalności klienta.

Zdobywanie klientów, przechwytywanie zwrotów

Działy marketingu mogą teraz sortować klientów w grupy z większą dokładnością. Definiując segmenty klientów oparte na wartości, firmy mogą zwiększyć zwrot z inwestycji w marketing poprzez synchronizację dostarczania wiadomości, gdy dane wskazują, że potencjalni klienci są bliscy podjęcia decyzji.

Uczenie maszynowe może również mierzyć, jak skutecznie marketing inwestuje swój budżet, stale obliczając zwrot. Badanie wykazało, że liderzy dwa razy częściej niż maruderzy zgadzają się, że wykorzystanie uczenia maszynowego w kampaniach medialnych poprawiło najgorsze ROI o 10 procent lub więcej. Marketerzy mogą mierzyć wpływ stosowania różnych taktyk marketingowych, a także określać ilościowo wartość pojedynczych elementów w ramach każdego z tych działań. Mając to na uwadze, mogą realokować swoje budżety, odchodząc od najmniej wydajnych kanałów.

Łącząc rozłączne silosy danych i stosując uczenie maszynowe do wszystkich danych organizacji, marketing zyska i utrzyma jaśniejszy niż kiedykolwiek wcześniej wgląd w tych klientów i będzie napędzać rozwój firmy. W miarę jak marketerzy nabierają zaufania do wartości dodanej wynikającej z integracji uczenia maszynowego z ich funkcjami, coraz więcej osób zostanie przekształconych w entuzjastycznych studentów technologii — bezcennego towaru w predykcyjnej, cyfrowej erze.

Dowiedz się więcej o wpływie uczenia maszynowego na marketing.

ukryć