De snelle opmars van artificiële intelligentie in digitale marketing is ronduit revolutionair. En zeggen dat een paar jaar geleden enkel visionaire geesten beseften dat AI enorme mogelijkheden biedt. Toen geloofde immers maar een een kleine minderheid van bedrijven dat marketing-specifieke AI-machines de richting zouden aangeven waarin marketing zou evolueren.
In 2018 paste slechts 29 % van de marketeers AI toe in hun programma’s. Hetzelfde jaar waarin we na jaren van ontwikkeling Marigold Recommendations op de markt brachten, onze eigen marketing-specifieke AI-machine. In plaats van een algemene AI ‘aan te passen’ voor marketingdoeleinden, hebben we Marigold Recommendations from scratch opgebouwd om te denken en te handelen als een marketeer, maar dan op een bovenmenselijke schaal.
Blijkt nu dat we de juiste keuze hebben gemaakt.
Want sindsdien is de technologie praktisch van de ene dag op de andere van baanbrekend naar doordeweeks geëvolueerd en gaat het aantal marketeers dat AI gebruikt door het dak. De early adopters, die de visie hadden om op AI te vertrouwen, plukken er sindsdien de vruchten van. En nog meer mensen kiezen om mee te gaan in de revolutie: 77 % van de retailers is van plan om in 2021 gebruik te maken van AI.
De essentiële aantrekkingskracht van AI-marketing is dezelfde gebleven: AI stelt marketeers in staat om door middel van realtime klantgegevens hypergepersonaliseerde en uiterst relevante klantervaringen te bieden via verschillende kanalen en toestellen, op gelijk welke schaal, met engagement en journeys die zijn afgestemd op elke individuele klant.
Voor marketeers die alles willen weten over de evolutie van AI-machines in marketing hebben we een gratis e-Book gemaakt: De AI-revolutie in digitale marketing. Je kunt het e-Book nu downloaden. Het geeft een overzicht van hoe AI en machine learning de lat hoger hebben gelegd voor engagement marketing – tot het punt dat ze onmisbare tools werden in de marketingkoker. En het biedt ook succesvolle strategieën voor het gebruik van AI om na de pandemie door de nieuwe realiteit van het leven te navigeren.
Als voorproefje op het nieuwe e-Book beginnen we met een korte inleiding over wat ‘artificiële intelligentie’ en ‘machine learning’ van elkaar onderscheidt.
Technisch gezien is artificiële intelligentie eigenlijk een overkoepelende term voor alles wat te maken heeft met taken laten uitvoeren door machines op dezelfde manier als menselijke hersenen dat doen. Het gaat om redeneren, plannen, leren, beslissingen nemen, enz. Om dat voor elkaar te krijgen, gebruiken computers algoritmes die data analyseren, er statistieken uit afleiden, prestatiecijfers bestuderen en toekomstig gedrag aanpassen – zoals mensen dat zouden doen.
Het interessante hieraan is dat de mens de AI-machines niet hoeft te ‘programmeren’ of te ‘instrueren’ om specifieke taken uit te voeren. De machines doen dat door machine learning of zoeken het zelf uit. Machine learning gebruikt speciale berekeningen (algoritmes) om gegevens te verwerken en er trends in te zoeken. Met die trends gaat het algoritme dan aan de slag om voorspellingen te doen.
In die zin is machine learning totaal anders dan een machine nauwkeurige instructies geven om ze een specifieke taak te laten uitvoeren. Bij machine learning betekent ‘learning’ simpelweg dat een algoritme een wiskundig model creëert op basis van data om een specifieke functie uit te voeren. In de volgende stap wordt het model gewoon gebruikt in de softwarecode om realtime voorspellingen te doen tot er een nieuw model wordt gecreëerd uit de volgende ‘leerfase’. Voor alle nieuw ontwikkelde algoritmes besteden onze ingenieurs veel tijd aan het testen en garanderen van de kwaliteit van een functie met behulp van het algoritme – bijvoorbeeld het identificeren van de meest effectieve marketingboodschap voor een specifiek publiek – totdat het de gewenste resultaten oplevert.
Door de zelfoptimaliserende aard van machine learning (ML)-systemen is de evolutie van functies en mogelijkheden binnen marketing-specifieke AI-machines de afgelopen jaren snel gegaan. Eerst werden algoritmes ontwikkeld om een aantal van de belangrijkste taken te automatiseren die marketeers dagelijks uitvoeren: klantensegmenten identificeren, journeys op maat optimaliseren en persoonlijke productaanbevelingen formuleren met functies als:
Smart Content, waarmee marketeers content dynamisch kunnen personaliseren en aanpassen aan de unieke behoeftes van elke individuele consument. De algoritmes combineren gedrags- en contextuele gegevens voor elke klant met marketing-specifieke bedrijfslogica om de conversie met wel 30 procent te verhogen.
Smart Audiences, die de klantsegmentatie een boost geeft door te voorspellen wie de juiste doelgroep zal zijn voor specifieke inhoud en initiatieven die de marketeer wil promoten. Op basis van alle data in de consumentenprofielen selecteert de AI-machine de juiste doelgroepen voor specifieke aanbiedingen en monitort ze permanent de prestaties om selecties gaandeweg te verfijnen.
Send Time Optimization (STO): Zou het niet mooi zijn om een e-mail of bericht te sturen precies op het moment dat een individuele klant waarschijnlijk het meest openstaat voor berichten? Deze functie berekent de ‘sweet spot’ wanneer een specifieke klant het meest betrokken is op basis van zijn engagementsgedrag en eerdere interacties – en stuurt aangepaste content op het juiste moment.
Hoewel deze functies voor veel bedrijven een game changer zijn, is het belangrijk om voor ogen te houden dat slechts zeer weinig ‘marketing AI’-machines zijn gemaakt om te denken en zich te gedragen als marketeers. Dat komt omdat het merendeel van de AI-machines ontworpen is om gegevens op een algemene manier te begrijpen. Maar echt marketinggerichte machines zijn ontworpen als sets van zelflerende systemen om specifieke op de marketeer gerichte taken op te lossen en evolueren geleidelijk na verloop van tijd.
Gaat het over evolutie, dan is een AI-platform maar zo ‘intelligent’ als de data die erin worden gestopt. Het is dus van cruciaal belang dat een machine geïntegreerd wordt met de rest van het marketingplatform – meer bepaald alle transactie – en voorkeurgebonden data in klantenprofielen – zo kan de machine alle beschikbare data benutten om te leren. Bij Selligent connecteren deze – in real time geüpdatete – profielen rechtstreeks met onze AI-machine voor doorgedreven relevantie.
Dankzij deze platformgebaseerde aanpak – met AI en klantgegevens die centraal staan in Marigold Engage – kunnen we onze systemen trainen om te ‘denken’ als een marketeer en door marketeers gedefinieerde KPI’s te stimuleren. En is het platform in staat te blijven leren en zijn functionaliteiten uit te breiden. Net daarom zijn echt zelflerende AI-systemen de enige mogelijke oplossing voor bedrijven die op lange termijn willen profiteren van de ROI van hun AI-investeringen.
Nooit eerder werd er zoveel geïnvesteerd in AI als vandaag. Tegen 2025 zal AI 95% van alle interacties met klanten aansturen, aldus Selligent-partner Servion. En zowat een kwart van de Selligent-klanten gebruikt nu al een of meer van onze Marigold Recommendations-functionaliteiten. In dat opzicht zal de zelfverbeterende eigenschap van marketing AI-platformen marketeers helpen om trends te detecteren en daarop in te spelen met uitgebreide functionaliteiten die klanten verbonden houden.
Ben jij ook klaar voor deze (r)evolutie? Vond je deze snelstartgids interessant, download dan zeker het volledige e-Book: De AI-revolutie in digitale marketing, om nog meer inzicht te krijgen in wat er staat te gebeuren en in beproefde digitale marketingstrategieën om in deze nieuwe realiteit verbonden te blijven met je publiek.
© 2023 Marigold Engage
Marigold: where relationships take root.
