Editors’ note: Eerder dit jaar zat Nicolas Van Vijnckt, Head of Partnerships – Benelux, DACH & Polen van Selligent, samen met twee experten in marketingautomatisering: Alexei Kounine, VP Product Management & Innovation (Selligent), en Michael Straathof, Commercial Director & Co-founder bij Selligent-partner 100%EMAIL, voor een panelgesprek over het belang van data en hoe artificiële intelligentie merken en marketeers vandaag kan helpen. Deze onderwerpen worden op synergetische wijze benaderd, zowel vanuit technologisch oogpunt (Alexei) als vanuit het perspectief van de marketeer en marketingconsultant (Michael). Het gesprek is te bekijken als meerdelige reeks op onze blog en we hopen dat je de inzichten praktisch en inspirerend vindt. Dit is deel 2 van onze reeks.

NVV: Alexei, wat kan jij vanuit een technologisch perspectief aanbevelen aan merken, zodat ze AI-projecten met succes kunnen opzetten? Begin je van nul, en heb je de meest geavanceerde technologie nodig? Of kan je het ook bij een soort gefaseerde aanpak houden en gaandeweg bijleren?

AK: Een standaardcampagne, dus eentje die representatief is voor de campagnes die mensen doorgaans op poten zetten, begint altijd bij segmentatie. Je selecteert de personen die je met je campagne wilt bereiken, dan creëer je de content, en daarna lanceer je de campagne op een specifiek moment dat is bepaald op basis van alle testen die je gedaan hebt – zoals je favoriete dag of je favoriete tijdstip – en verstuur je de campagne. Dan kan je de resultaten in de gaten houden via dashboards en voer je dezelfde campagne een jaar later misschien nog eens uit, na ze opnieuw te hebben bijgestuurd. Zo ziet het standaardproces er ongeveer uit als je geen beslissingen neemt op een datagestuurde manier. Maar eigenlijk kan je in elke stap van dat proces dingen optimaliseren met behulp van data en AI.

Je kan een algoritme content laten selecteren voor een e-mail, op basis van de persoon voor wie het bericht bestemd is. Elke persoon ontvangt dan een andere e-mail op basis van zijn of haar voorgaande gedrag. Onze Smart Content is zo’n functie die content aanbeveelt. Dat is al één ding.

Voorts gebruik je bij je segmentatie normaal gesproken een constraint editor om je doelpubliek af te bakenen. Je selecteert dan de laatste personen die pakweg de afgelopen 30 dagen in een bericht hebben geklikt, maar die geen conversie op de website hebben opgeleverd. Stel bijvoorbeeld dat je een re-engagementcampagne of een campagne rond verlaten winkelmandjes wil lanceren. Dan denk je als marketeer eerst na over wie je beste doelpubliek is, en creëer je vervolgens de regels om die personen te isoleren, zodat je je campagne op hen kan richten.

Die stap kan je echter ook door een algoritme laten uitvoeren. Smart Audiences, één van onze functies, selecteert op basis van de inhoud van je boodschap de juiste personen die het meest geneigd zullen zijn om erop te reageren. Zelfs als je alleen die twee functies gebruikt, dus eentje die de content automatisch aanmaakt en eentje die het juiste tijdstip selecteert op basis van de specifieke content, kan je een engagement bereiken dat vijf keer hoger is dan wanneer je een gewone segmentatie zou gebruiken of handmatig de content zou uitkiezen. In een volgende stap kan je AI dan in allerlei verschillende functies beginnen toepassen. Je kan het beste moment voorspellen om je boodschap te versturen, je kan het beste kanaal voorspellen, je kan voorspellen wat het juiste aantal berichten is om binnen een bepaalde tijdspanne te verzenden, en ga zo maar door. Dat zijn allemaal cruciale elementen van je campagne waarvoor je data kan inzetten om je beslissing te sturen.

NVV: Data moeten echt tot actie leiden. Je had het over segmentatie en targeting en je haalde een paar voorbeelden aan. Marigold Recommendations is een platform dat die data bruikbaar kan maken. Er zijn vandaag de dag een pak AI-oplossingen op de markt. Welke is de beste, afhankelijk van je doelstelling, je verwachtingen en de investering die je wilt doen? Ga je dan richting een beproefde, hoogwaardige oplossing, of moet je eerder kiezen voor een geïntegreerde oplossing die gebruikmaakt van de ingebouwde database van het marketingplatform, zoals Selligent, om op die manier de verschillende modules voor marketingautomatisering optimaal op mekaar af te stemmen?

AK: De hamvraag voor mij is altijd: “Als je een algoritme ontwikkelt, waar bevinden zich dan de gegevens waarmee je het gaat voeden?” Je hebt die initiële data nodig om je algoritme te trainen. Alle functies die ik heb vermeld, zoals Smart Content, Smart Audience, Send Time Optimization en dergelijke, maken trouwens allemaal deel uit van Marigold Recommendations. Een van de troeven en voordelen van dat systeem is dat je niet hoeft na te denken over het verwerken of opschonen van de data, je hoeft de data niet uit de website te halen of die af te stemmen op e-mailgegevens, je moet er niet voor zorgen dat alle identifiers de juiste zijn en dergelijke. Dat gebeurt namelijk allemaal standaard in het platform zelf.

Als je een AI-functionaliteit van Cortex wilt, hoef je in Selligent alleen maar de module te starten, je content of je doelpubliek te creëren door te klikken, en alle datagerelateerde aspecten en alle machine learning-taken worden in de backend voor jou gedaan. Je hoeft er niet eens aan te denken. Moet je nu kiezen voor een high-end oplossing die volledig AI-gestuurd is, of ga je toch voor een oplossing die rechtstreeks kan integreren met je kerndatabase waarop alle gegevens worden gehost? Dat is wat mij betreft een heel eenvoudige kwestie als je de keuze hebt, maar het hangt natuurlijk allemaal af van je huidige set-up en het soort tool waarnaar je op zoek bent.

Als je al je technologie voor marketingautomatisering moet vervangen door iets dat de kanalen opnieuw opbouwt, de data verzamelt, verslag uitbrengt en ook nog eens AI-functionaliteit toevoegt, is dat een bijzonder groot project. Het verbaast me dus niet dat sommige klanten gewoon kiezen voor iets dat AI toevoegt aan wat ze al in huis hebben. Mijn bedoeling is een platform te bouwen waarmee je kan groeien van een standaardbenadering voor marketing naar de aanpak van een moderne marketeer, die al die AI-gestuurde en datagestuurde tools binnen één en hetzelfde product gebruikt. En dat doen we in feite ook.

MS: Dat klinkt allemaal goed, Alexei! Vind je dit geen geweldige sector om in te werken? Vandaag de dag kan je namelijk meer dan ooit een verschil maken als marketeer. Als je dit leest of je hebt het webinar gevolgd waarin we dieper zijn ingegaan op een aantal voorbeelden, besef je intussen wel dat je je resultaten echt snel een boost kan geven door dit soort technieken toe te passen en je contactstrategie voor je klanten op een andere manier te benaderen. We leven in een verbazingwekkende wereld, en de kansen en mogelijkheden liggen gewoon voor het grijpen.

NVV: Michael, maakt het voor jou een verschil of Marigold Recommendations een volwaardig platform is dat geïntegreerd is met je platform voor marketingautomatisering en marketinguitvoering, of een op zichzelf staande tool? Hoe beoordeel of ontwerp je dan marketingprocessen?

MS: Je moet vooral kijken hoe je aan alle voorwaarden ter plaatse kan voldoen. Hoe organiseer je alle voorwaarden om je doelstellingen te bereiken? Dat betekent dat je moet kijken naar je huidige medewerkers, en hoe capabel en ervaren ze zijn in dat soort zaken. Je kijkt naar je content, naar hoe die is georganiseerd, naar je data en hoe die worden bewaard, maar ook naar je marketing tech stack. Alexei vermeldde het daarnet: als je al een marketing stack hebt en je vindt dat die het goed doet, maar je wil er nog AI en machine learning aan toevoegen, dan is een afzonderlijke oplossing van topkwaliteit misschien het juiste antwoord. Als je echter de keuze hebt, maak het je dan wat eenvoudiger en ga voor een totaaloplossing, waarin alles geïntegreerd is en je niet alle koppelingen tussen de data zelf moet beginnen configureren. Dat is mijn mening, maar het hangt natuurlijk allemaal af van hoe alles in jouw bedrijf op dit ogenblik is georganiseerd.

NVV: Alexei, je verwees naar Marigold Recommendations als een ingebouwde, geïntegreerde technologie in Marigold Engage. Kan je Marigold Recommendations kort toelichten?

AK: Natuurlijk. Marigold Recommendations is de overkoepelende term voor alle machine learning-functies die we in Marigold Engage aanbieden. Ze vallen binnen drie categorieën: we optimaliseren content, we optimaliseren trajecten en we optimaliseren doelgroepen. Met optimaliseren bedoel ik dat we de gegevens gebruiken die al in het platform aanwezig zijn. Daarmee doen we voorspellingen, zodat de parameters van de campagne verbeteren. Zo kan je automatisch segmenteren met behulp van machine learning, waarmee je tot wel vijf keer betere prestaties kan bereiken, zoals sommige klanten hebben aangetoond. Dat is echt wel bijzonder. Je kan er met een tool voor zorgen dat je e-mails vijf keer meer worden geopend, gewoon omdat je je tot de juiste personen richt.

Hetzelfde geldt voor trajecten en voor het verzenden van berichten op het juiste moment. Met Send Time Optimization bereiken we fantastische cijfers wat betreft de stijging in open rates, maar ook wat betreft conversies. Daarnaast hebben we ook klanten gehad die voordeel haalden uit aanbevelingen voor content. De transformaties op hun websites en in hun e-mails stegen met wel 30%, gewoon omdat het algoritme de juiste content had geselecteerd. Daar draait het allemaal om bij Marigold Recommendations.

MS: Nicolas, ik kan hierop inpikken met voorbeelden van klanten die spectaculair betere resultaten behalen. Het is fantastisch dat je die resultaten kan boeken als je slimme technologie begint te gebruiken in je dagelijkse activiteiten. Je ziet dat mensen je e-mails openen en je kan met hen communiceren als ze de juiste mate van hyperpersonalisatie hebben, omdat ze net op iets hebben geklikt, of een contactcentrum hebben gebeld, of een paar producten hebben besteld. En de volgende keer dat je die klant contacteert, moet dat soort content erin zitten. “Natuurlijk,” denk je dan misschien, “maar dat is zo moeilijk zonder al die technieken om dat allemaal te beheren.” Met onze tools en processen wordt het voor jou een fluitje van een cent.

NVV: We hebben het gehad over artificiële intelligentie. Laten we nu terugkeren naar data. CDP’s zijn tegenwoordig heel actueel. Alexei, wat is jouw definitie van een CDP? En hoe houdt het verband met Marigold Engage? Hebben we bepaalde CDP-functionaliteiten, of heb je een apart CDP-platform nodig? Hoe zie jij dat?

AK: Net zoals elk stukje in de marketing tech stack zijn er heel wat acroniemen en heel wat verschillende onderdelen die je kan samenbrengen. Ik kan je daar twee voorbeelden van geven. Marigold Engage is wat mij betreft twee dingen: een dataplatform en een execution engine, of een omnichannel execution engine. Ik keer even terug naar mijn voorbeeld van daarnet. Als je begint te investeren in je marketing tech stack, zal je bedrijf beginnen groeien, en heb je een degelijke oplossing nodig om al je gegevens op één plek te beheren. Dan ga je geavanceerde en complexe tools gebruiken om marketingtrajecten te creëren waarmee je een hoge mate van engagement met je klanten bereikt. In dat geval zit je goed met Marigold Engage. Maar er zijn ook klanten die al een dataplatform hebben van een andere aanbieder. Zij hebben een execution engine nodig, om ervoor te zorgen dat al hun marketing probleemloos via alle verschillende kanalen kan worden verspreid.

In dat geval hebben we sterke API’s en connectoren waarmee je een koppeling kan maken met eender welk CDP. Er zijn dus eigenlijk twee mogelijke set-ups: ofwel host Marigold Engage de data en voert het de campagnes uit, ofwel doen wij alleen de uitvoering omdat de data ergens anders worden gehost. En zoals ik al zei: als de data ergens anders worden gehost, moeten we Marigold Engage er nog steeds mee synchroniseren, zodat we zeker de juiste tools en de juiste consumentenprofielen ter beschikking hebben om van de automatisering een succes te maken, al dan niet met machine learning.

Wil je meer informatie over data en AI voor marketeers? Bekijk dan het webinar dat Nicolas samen met Alexei en Michael heeft gehouden: “59 Minutes of Inspiration: Marketing Automation Strategies for the Future”. Het is nu on demand beschikbaar, dus je kan ernaar luisteren wanneer het voor je past.

Binnenkort vind je op onze blog deel drie, het laatste deel in deze reeks, waarin Alexei en Michael ons nog meer vertellen over dit belangrijke onderwerp.