Нажмите "Enter", чтобы перейти к контенту

От аналитики к действиям: как искусственный интеллект меняет работу маркетологов

Основная задача специалистов по маркетингу и продажам — правильно и эффективно продвигать продукты компании на рынке, грамотно используя для этого человеческие, информационные и финансовые ресурсы.

И если несколько лет назад многие операции выполнялись вручную, то сегодня все кардинально меняется. Маркетологи изучают digital-инструменты и активно используют их, чтобы отследить индексы посещаемости сайтов, отзывы клиентов и другие показатели, которые помогут понять, например, по каким каналам и какую рекламу запустить, чтобы повысить продажи.

Пожалуй, нельзя сказать, что маркетинг стал менее творческим. Например создаются персонализированные лендинги для размещения своих услуг или товаров. Такие лендинги нацелены на конкретный сегмент аудитории, что делает их более эффективными. В том числе на таких страницах содержится ясный призыв к действию, затрагивающий потребности того или иного посетителя. Заказать разработку такого лендинга можно здесь.

Согласно данным Digital Intelligence Briefing от Adobe, наиболее эффективные компании в два раза чаще используют возможности ИИ для решения задач маркетинга. В последние годы мы в основном слышали о чат-ботах, персонализированном контенте и решениях для прогнозирования покупок и оттока.

Но что, если автоматизировать можно не только взаимодействие с клиентами? Уже сегодня мы можем говорить о пяти главных трендах, которые начали менять сферу маркетинга в этом году и продолжат совершенствовать ее в 2020-м.

Кросс-функциональность и синергия

Технологии искусственного интеллекта способны объединить кросс-департаментные бизнес-процессы, устранить сложности в коммуникациях, противоречия во взаимодействии и согласовании бизнес-решений между различными департаментами. В первую очередь речь идет о решениях класса Sales & Operation Planning (S&OP).

Например, бренд-менеджер маркетингового отдела использует бюджет на трейд-маркетинг для продвижения определенного товара. Промоактивности, которые он планирует, увеличивают продажи и, соответственно, интересны коммерческому отделу. При этом увеличение или снижение объемов продукции влияет на загрузку производственных линий и работу департамента логистики.

Как всем отделам компании договориться между собой, при этом не потратив на согласование бюджетов и планов львиную долю времени? Здесь как раз поможет ИИ, который на основе статистики предоставит обоснование наилучшей комбинации производственных, финансовых, человеческих, логистических и других ресурсов для достижения необходимого результата, тем самым исключая различные толкования и конфликт интересов.

От аналитики к действиям

Маркетинговая аналитика переходит от анализа данных к конкретно направленным действиям. Решения Business Intelligence дополняются надстройками, инструментами Decision Intelligence — по сути, это триггерная аналитика и автоматическое моделирование принятия решений, подкрепленных имеющимися в системе данными.

Например, спрогнозированное изменение объема продаж может стать триггером для запуска целого ряда процессов: активизации маркетинговых программ, корректировки стратегии работы с сетью и других. Искусственный интеллект помогает устанавливать связи между зафиксированными в системе событиями и подтвердить экспертное мнение сотрудников, построив «дерево решений» на основе заданных KPI.

Кросс-индустриальное «опыление технологиями»

Те или иные отрасли используют возможности инновационных технологий по-своему, но при этом с готовностью перенимают опыт других индустрий. Например, прототипами роботов-дронов для опыления растений в агропромышленности, вероятно, стали дроны, используемые для видеонаблюдения.

Вслед за проектом воздушной доставки почтовых посылок возникли идеи о поставке таким способом лекарственных средств, пиццы и других товаров. В частности, правительство индийского штата Телангана планирует запустить в 2020 году пилотный проект по доставке с помощью дронов в отдаленные регионы жизненно важных лекарственных средств.

То же происходит и в сфере маркетинга. Например, специалисты из фармацевтической отрасли смотрят на решения, кейсы, которые успешно апробировались в секторе FMCG, в ретейле или где-то еще, и ищут у себя аналогичные сценарии, в которых эти решения могут быть применены.

Совсем недавно фармпроизводители до 80% своих инвестиций в продвижение тратили на объемные контракты с сетями и только небольшую часть бюджета — на трейд-маркетинг. Сегодня такие гиганты отрасли, как Egis и Stada, полностью или частично отказываются от объемных соглашений и переходят к модели продвижения, свойственной производителям товаров широкого потребления.

Эффективно инвестировать в трейд-маркетинг также помогают «умные» системы, которые одновременно учитывают множество факторов вроде популярности акций, проходимости торговых точек, количества посетителей, а затем строят автоматические прогнозы.

Сложный ИИ в user-friendly-исполнении

Применение пользовательского опыта (design thinking) — это тренд, который усвоили уже практически все разработчики программных приложений: удобный интерфейс, начиная с расположения кнопок на экране, кастомизация продукта для разных типов устройств, персонализированное меню. Когда клиент будет искать среди одинаковых по функционалу приложений одно, эти нюансы могут стать решающими: люди выбирают тот продукт, с которым работать комфортнее.

Для пользователя это означает, что даже сложные технологии, такие как искусственный интеллект, становятся доступны специалисту с минимальной подготовкой — снижается «порог входа», обучение сотрудника проходит легче и быстрее. Помогают обучить персонал решения класса e-learning или digital adoption — например, WalkMe (цифровая платформа для адаптации сотрудников в любом бизнес-приложении).

Помимо интерфейса, для маркетинга и продаж также важно совершенствование разнообразных систем отчетности, которые представляют проанализированные данные в удобном и лаконичном виде. Ярким примером реализации дизайн-мышления и грамотной визуализации можно назвать популярную аналитическую систему Tableau.

Человеческий капитал как основа ИИ

Человеческий капитал, или капитал знаний, для разработчиков ИИ представляет наибольшую ценность: его задача сводится к тому, чтобы обучить систему принимать логичные решения на основании реальных best practices — этот процесс можно отдаленно сравнить с прецедентной системой права в юриспруденции.

Без человеческого капитала ни один «умный» алгоритм не смог бы существовать. Поэтому сегодня и появляется много новых профессий, например data scientist. Эффективно использовать машинное обучение, big data и другие хайповые технологии и инструменты могут только люди.

Вместе с тем активное использование ИИ-решений в маркетинге ставит перед нами важный вопрос о цифровой культуре: сюда входят грамотность работы с данными и цифровая этика. Из пяти трендов в эволюции бизнес-аналитики, выделенных Gartner, этот, пожалуй, больше других нуждается в обсуждении.

Источник: РБК