Paul Roetzer, Người sáng lập và Giám đốc điều hành của Viện trí tuệ nhân tạo tiếp thị, đã chia sẻ một tuyên bố khiêu khích với tư cách là khách mời của tôi cho Tập bảy của Quan điểm dữ liệu khách hàng. “Cá nhân hóa giống như chén thánh,” ông nói, khi nói về chiến lược tiếp thị quan trọng được các nhà tiếp thị B2C và B2B tìm kiếm từ lâu.
Paul đã giáo dục các nhà tiếp thị về tầm quan trọng của việc bỏ lại các chiến thuật tiếp thị dựa trên quy tắc như các phương pháp kế thừa và chuyển sang các phương pháp tiếp cận “thế hệ tiếp theo” dựa trên Machine Learning, xử lý ngôn ngữ tự nhiên và các dạng trí tuệ nhân tạo khác. Trong cuốn sách mới của anh ấy, “Tiếp thị trí tuệ nhân tạo”, Ông đề xuất các phương pháp và công cụ tốt nhất để áp dụng AI trong bán hàng, dịch vụ khách hàng và một số phương pháp tiếp thị kỹ thuật số, bao gồm tối ưu hóa công cụ tìm kiếm, tiếp thị qua email và tiếp thị truyền thông xã hội.
Các nhà tiếp thị nội dung có nguy cơ tụt hậu nếu không có AI
Trong podcast, Paul giải thích cách anh ấy tiếp cận với AI, bắt đầu từ nền tảng của anh ấy về báo chí, tiếp thị nội dung và điều hành một công ty. Ông nói: “Chúng tôi cần tạo ra 500 khách hàng tiềm năng mới mỗi quý hoặc tăng lượng khán giả của chúng tôi lên 20%. “Là nhà tiếp thị, chúng tôi cố gắng dự đoán hành động cần thực hiện để tạo ra kết quả, nhưng vào năm 2011-12, con người không thể xử lý tất cả các lựa chọn và hàng nghìn cách bạn có thể chi tiền tiếp thị. Mối quan tâm của tôi đối với AI rất tập trung. Nó có thể giúp tôi xây dựng chiến lược và giúp tôi phân bổ ngân sách của mình không? ”
Paul giải thích chi tiết lý do tại sao các nhà tiếp thị nội dung phải đón nhận AI trước khi quá muộn, một tuyên bố mà anh ấy chia sẻ trong cuốn sách. Paul nói: “Tất cả chúng ta đều tạo ra nội dung và rất nhiều thương hiệu ngày nay được xây dựng về bản chất là các công ty truyền thông,” ngụ ý rằng nhu cầu tạo ra cơ hội cho các khoản đầu tư vào AI và công nghệ. Các nhà tiếp thị nội dung hàng đầu có thể phát triển lợi thế cạnh tranh bằng cách sử dụng các công nghệ hỗ trợ AI để mở rộng quy mô sáng tạo nội dung, thực hiện thử nghiệm A / Z, cá nhân hóa tin nhắn và vượt trội ở các khả năng khác tận dụng dữ liệu khách hàng.
Các nhà tiếp thị có thể bắt đầu với các công cụ cơ bản như Grammarly và xử lý ngôn ngữ tự nhiên cơ bản được tích hợp trong các công cụ văn phòng, nhưng điều đó không đủ tốt để cạnh tranh ngày nay. “Nếu bạn không thử nghiệm các công cụ tạo ngôn ngữ, như Copy.ai, Jatpe, HyperWritehoặc các công cụ dựa trên GPT3 khác, thì có thể bạn đang bị tụt lại phía sau, ”ông nói.
Cá nhân hóa trải nghiệm Yêu cầu thử nghiệm và cải thiện dữ liệu khách hàng
Nhưng tuyên bố của Paul về cá nhân hóa mà tôi thấy hấp dẫn nhất vì chúng ta đã nói về việc cá nhân hóa các site, ứng dụng dành cho thiết bị di động, quảng cáo và trải nghiệm của khách hàng – hai thập kỷ nay? Bất cứ điều gì không tĩnh, trải nghiệm một kích thước phù hợp với tất cả có thể được gắn nhãn là được cá nhân hóa. Ngược lại, chúng tôi muốn đảm bảo rằng hoạt động cá nhân hóa không vượt qua ranh giới riêng tư và đi vào những điều đáng sợ, thiên vị, không phù hợp hoặc bất hợp pháp.
Paul nói: “Nhiều thương hiệu, đặc biệt là bên B2B, nghĩ rằng cá nhân hóa là tên tuổi và công ty. “Các thương hiệu B2C mà bạn cho rằng sẽ có khả năng cá nhân hóa ở mức độ tốt hơn, nhưng họ không làm tốt như mong muốn”. Tất cả chúng ta đều có những câu chuyện về sự cố không thành công hoặc nhắm mục tiêu lại và Paul chia sẻ một ví dụ kinh điển trong podcast.
Vì vậy, Paul đưa ra một mục tiêu thực tế cho việc cá nhân hóa và nói rằng các nhà tiếp thị nên “thực sự hiểu sự khác biệt giữa ý định của bạn và ý định của tôi dựa trên lịch sử nhấp chuột của chúng tôi hoặc các lần mở bản tin của chúng tôi”. Tôi sẽ thêm hoạt động trên mạng xã hội, hành động không (như không mở email) và bất kỳ sự kiện nào khác mà chúng tôi nắm bắt và tập trung vào hồ sơ dữ liệu khách hàng.
Vậy tại sao các nhà tiếp thị B2C và B2B lại khó và lâu để cung cấp trải nghiệm được cá nhân hóa? Paul trả lời, “Thật khó bởi vì một doanh nghiệp trung bình có khoảng hàng trăm 101-120 giải pháp công nghệ tiếp thị và bán hàng. Vì vậy, làm cho tất cả những điều đó nói chuyện với nhau để thúc đẩy quá trình cá nhân hóa này là một thách thức. “
Tôi đã nói về những thách thức này với những vị khách trước đây của Quan điểm dữ liệu khách hàng, bao gồm Khuyến nghị của Scott Brinker về tích hợp và Các khuyến nghị của David Raab về cách các nền tảng hồ sơ dữ liệu khách hàng (CDP) là giải pháp.
CDP và Hành trình đến Trải nghiệm Cá nhân hóa
Tôi đồng ý với Paul khi anh ấy nói, “Đi từ 0 đến 100 sẽ không xảy ra ở hầu hết các tổ chức” khi thực hiện cá nhân hóa. Trong podcast, anh ấy chia sẻ một số cách đơn giản để bắt đầu trải nghiệm người dùng front-end, từ lên lịch gửi email đến chọn tiêu đề chủ đề.
Nhưng cá nhân hóa cũng yêu cầu thu thập thêm thông tin về khách hàng, xây dựng hồ sơ của họ, tích hợp dữ liệu trong suốt hành trình của họ và làm phong phú thêm bằng dữ liệu của bên thứ ba. tôi tin triển khai CDP trong các lần lặp lại là khoản đầu tư quan trọng để từng bước cải thiện dữ liệu và cho phép Machine Learning hỗ trợ nó.
Cá nhân hóa cũng phải tuân thủ, và Paul và tôi để lại khuyến nghị cho các CMO về những bước họ nên cân nhắc để hỗ trợ thử nghiệm nhanh trong khi tránh rủi ro về quyền riêng tư. Các chương trình Machine Learning và AI hướng tới khách hàng thành công đòi hỏi sự hợp tác giữa các nhà tiếp thị, nhà khoa học dữ liệu và nhân viên bảo mật, đặc biệt là khi mở rộng các thử nghiệm thành công.
Tăng tốc từ Cá nhân hóa đến Tương lai của AI
Các nhà tiếp thị không còn có thể giữ chân đầu tư vào một CDP, cải thiện chất lượng dữ liệu, tích hợp các công cụ tiếp thị và thử nghiệm với AI. Trong podcast, Paul chia sẻ hai tương lai tiềm năng của AI, một tương lai liên quan đến trí thông minh nhân tạo (AGI), trong đó các thuật toán AI có bối cảnh tốt hơn và nhận thức giống con người, và một tương lai khác tập trung vào AI nâng cao khả năng sáng tạo của con người. Cả hai tương lai đều hợp lý, nhưng các nhà tiếp thị nắm giữ các chiến thuật thế hệ cuối cùng sẽ thiếu dữ liệu quan trọng và khả năng phân tích cần thiết để cạnh tranh trong một thế giới được hỗ trợ bởi Machine Learning và trí tuệ nhân tạo.
Nguồn : cdp.com (post by Automation bot)
