Så kan du använda AI genom hela kundresan

Vid det här laget har du hört det många gånger; ”AI kommer att förändra världen!”. Och det är förmodligen inte helt osant. Andrew Ng, forskningschef vid Baidu Research och lärare på Stamford University, menar att AI kommer att förändra världen på samma sätt som elektriciteten en gång gjorde. 

Ännu har vi bara sett början på vad vi kan åstadkomma med AI. Vi är mitt i det som i Gartners Hype Cycle kallas för ”Peak of inflated expectations” och det kommer att dröja många år innan förväntningarna blir verklighet.

AI är ett utav de områden som svenska marknadschefer ser som en av sina största utmaningar de kommande åren.

Mitt i all denna hype kan det vara svårt att förstå hur man ska kunna applicera AI på sin verksamhet. Men vissa AI-applikationer finns och används redan idag. Chatbottar, röstassistenter och AI-genererat content börjar sakta men säkert att bli en del av vår vardag.  Smart Insights har gjort en lista över 15 AI-applikationer och placerat in dessa i en typisk kundresa (RACE, Reach, Act, Convert, Engage). Här har vi delvis översatt deras innehåll och kompletterat med ytterligare intressant fakta.

Alla teknologier på listan är AI på sättet att de involverar datorintelligens, men de är nedbrutna i tre olika typer av teknologi; Maskininlärning, Applicerade benägenhetsmodeller och AI-applikationer. Maskininlärningsteknik använder algoritmer för att lära sig från historisk data som sedan kan användas för att skapa benägenhetsmodeller. Benägenhetsmodellerna kan sedan appliceras för att förutse olika saker – som till exempel leadskvalificering baserat på sannolikhet för konvertering. AI-applikationer är en annan typ av AI som utför en uppgift som normalt sett skulle utföras av en människa, till exempel att svara på frågor från kunder i en chat eller att skapa olika typer av innehåll.

Varje typ har stor betydelse för marknadsförare, men de spelar olika roller genom kundresan. Vissa är bättre på att attrahera kunder, medan andra är mer användningsbars i konverteringsstadiet eller för att skapa mer lojala kunder.

REACH – Attrahera besökare genom inboundtekniker

För att få reach, eller räckvidd, används olika tekniker som content marketing, SEO, förtjänad media och köpt media. AI och applicerade benägenhetsmodeller kan användas i det här stadiet för att attrahera fler besökare och förse de som besöker din webbplats med en mer engagerande och personaliserad upplevelse.

1. AI-genererat content

AI kan inte skriva politiska debattartiklar eller branschspecifika guider med tips men det finns vissa områden där AI-genererat content kan vara användningsbart och attrahera besökare till din webbplats.

Det finns mjukvara som kan plocka ut data för att strukturera denna till en artikel som framstår skriven av en människa. AI-skrivprogrammet Wordsmith är en NLG-plattform (Natural Language Generator) som under 2016 producerade över 1,5 miljarder contentenheter. Programmet används bl.a för att generera sportartiklar och att skriva årsredovisningar.

Här finns ett spännande case om hur Associated Press använder Wordsmith för att skapa publiceringsbara artiklar ur finansiell rådata: https://automatedinsights.com/customer-stories/associated-press/

2. AI-baserade rekommendationer

Du känner garanterat igen det; ”Kunder som köpte den här produkten köpte också de här produkterna”. Men det kan också appliceras på bloggar och för att personalisera innehåll på webbplatsen. För dig som arbetar med prenumerationsbaserade tjänster är detta en riktigt bra teknik. Ju mer någon använder tjänsten, desto mer data får maskininlärningsalgoritmen att basera sina innehållsrekommendationer på. Spotifys Discover Weekly är exempel på hur detta kan appliceras.

3. Röstsök

Röstsök är en annan typ av AI-teknik. För marknadsförare handlar det inte om att utveckla en egen kompetens, utan snarare att anpassa sig till existerande och framtida teknik. Innehållet du skapar måste vara anpassat för att läsas upp av bl.a Amazon Alexa, Google Home och Siri. Röstsök kommer att förändra framtidens SEO-strategier och som företag gäller det att hänga med. De som lyckas kommer att ha ett enormt försprång och driva mycket organisk trafik från kunder med hög köpbenägenhet. Det är inte en slump att det är just Amazon som leder röstassistentsracet. Nyligen rapporterades att Amazon har nu har sålt över 100 miljoner enheter som har Alexa i sig.

4. Programmatiska medieköp

Häng med nu. Programmatiska medieköp kan använda benägenhetsmodeller som är genererade av maskininlärningsalgoritmer för att mer effektivt rikta annonser till de mest relevanta kunderna. Programmatisk annonsering behöver dock bli bättre, med tanke på skandalen där Google-annonser visades på webbplatser som kunde kopplas till terrorism. AI kan hjälpa till att identifiera tveksamma webbplatser och ta bort de från listan över webbplatser där annonser kan visas.

ACT – Dra in besökare och fånga deras uppmärksamhet

5. Benägenhetsmodellering

Som vi nämnde tidigare är benägenhetsmodellering målet med ett maskininlärningsprojekt. Maskininlärningsalgoritmen matas med stora mängder historiskt data. Datan används av algoritmen för att skapa en benägenhetsmodell som (i teorin) ska kunna göra korreka förutseenden om verkligheten. Diagrammet nedan visar hur processen ser ut.

6. Prediktiv analys

Benägenhetsmodellering kan appliceras på en rad olika områden, som att förutse sannolikheten för en viss kund att konvertera, förutse vilket pris som en kund kommer att köpa för eller vilka kunder som är mest sannolika att göra återkommande köp. Detta kallas för prediktiv analys, för att det använder analys av data för att förutse hur kunder kommer att agera. Det viktigaste att tänka på gällande prediktiv analys är att en benägenhetsmodell aldrig blir bättre än datan som du använde för att skapa den. Så om det finns fel i datan eller om datan är väldigt slumpmässig kommer det att bli omöjligt att göra korrekta förutseenden.

Ather Gattami, grundare av Bitynamics och skribent på Dagens Media har skrivit mer om prediktiv analys här: https://www.dagensmedia.se/experter/tips-inspiration/ai-kan-forutse-kampanjresultaten-6873362

7. Lead scoring

Benägenhetsmodeller som är genererade av maskininlärning kan tränas att poängsätta leads basett specifika kriterier så att ditt säljteam kan avgöra hur ”hett” ett visst lead är och om det är värt att ägna tid åt just det leadet. Det här kan vara särskilt viktigt inom B2B-försäljning med konsultativa säljprocesser där varje sälj tar mycket tid från säljteamet. Genom att kontakta de mest intressanta leadsen kan säljarna spara och och koncentrera sin energi där den ger mest effekt. Insikterna om köpbenägenheten hos ett ett lead kan också användas för att rikta eventuella rabatter mot rätt leads.

8. Riktad annonsering

Maskininlärningsalgoritmer kan gå igenom stora mängder historisk data för att komma fram till vilka annonser som presterar bäst på vilka människor och i vilket steg av köpprocessen. Genom att använda den här datan kan algoritmerna förse kunderna med det mest effektiva innehållet för tidpunkten och kanalen. Genom att använda maskininlärning för att konstant optimera tusentals variabler kan du åstadkomma en mer effektiv placering av annonser och innehåll än med traditionella metoder. Det du inte kommer undan är att en människa fortfarande måste stå för kreativiteten. AI känner inte känslor så som vi människor gör och kan därför inte skapa budskap som berör på samma sätt som en människa.

Convert – Buffa (”nudge”) de mest intresserade konsumenterna till kunder

9. Dynamisk prissättning

Alla marknadsförare vet att rea är en effektiv metod för att få produkterna sålda. Rabatter är extremt kraftfulla, men de kan också vara skadliga för verksamheten. Reor är så effektiva eftersom de får folk, som tidigare inte hade tänkt köpa din produkt på grund av priset, att nu kunna motivera sig själva till att köpa din produkt. Samtidigt innebär rean att folk som hade tänkt köpa din produkt till fullpris nu får ett lägre pris än vad de hade förväntat sig.

Med dynamisk prissättning kan du komma runt det här problemet, genom att rikta erbjudanden och rabatter endast till de kunder som sannolikt behöver de för att genomföra ett köp. Maskininlärning kan bygga en benägenhetsmodell av vilka karaktärsdrag som visar att en kund sannolikt behöver ett erbjudande för att konvertera och vilka som sannolikt konverterar oavsett. Du maximerar helt enkelt vinsten genom att öka försäljningen utan att behöva dra ner på dina marginaler.

10. Personalisering av webbplatser och appar

Att använda en benägenhetsmodell för att prediktera en kunds plats i kundresan låter dig förse just den kunden med det mest relevanta innehållet, antingen på webben eller i en app. Om någon besöker din webbplats för första gången kommer innehåll som informerar och håller de intresserade att vara mest effektivt. Om en person har besökt din webbplats många gånger och är uppenbart intresserade av produkten kommer innehåll som är mer djupgående om produktens fördelar att ge ett bättre resultat.

11. Chattbottar

Chattbottar imiterar mänsklig intelligens genom att tolka och förstå kundens frågor och hjälpa de att genomföra ett köp. Du kanske tror att chattbottar är extremt svåra att utveckla och att bara gigantiska företag med lika gigantiska budgetar kommer att kunna utveckla de. Men det är faktiskt inte så svårt. Genom att använda öppna plattformar för chattbottar kan du relativt enkelt skapa din egen bot (Anna kanske?) utan ett stort utvecklingsteam. 

Facebook jobbar stenhårt för att bli det självklara valet när det kommer till kommunikation mellan kunder och företagens virtuella assistenter. Här kan du läsa mer om vilka möjligheter som finns med Facebooks Messenger för företag: https://developers.facebook.com/docs/messenger-platform

12. Re-targeting

Precis som med riktad annonsering kan maskininlärning användas för att ta reda på vilket innehåll som mest sannolikt drar tillbaka kunder till webbplatsen, baserat på historisk data. Genom att bygga en noggrann prediktiv modell av vilket content som fungerar bäst för att vinna tillbaka olika typer av kunder kan maskininlärning användas för att optimera dina re-targetingannonser och göra de så effektiva som möjligt.

ENGAGE – Få dina kunder att återvända

13. Prediktiv kundservice

Det är betydligt enklare att sälja till befintliga kunder än att attrahera nya kunder. Så att hålla befintliga kunder glada och nöjda är en nyckelfaktor. Det här särskilt viktigt för prenumerationsbaserade tjänster där en hög avprenumereringsfrekvens kan vara extremt kostsamt. Prediktiv analys kan användas för att ta reda på vilka kunder som är mest sannolika att säga upp sin prenumeration, genom att slå fast vilka egenskaper som är vanligast bland kunder som säger upp sin prenumeration. Då kan du nå ut till dessa kunder med erbjudanden, aktiviteter eller service för att försöka undvika en kundförlust.

14. Marketing Automation

Olika tekniker för marketing automation involverar oftast en serie regler, som när de triggas initierar interaktioner med kunden. Men vem sätter reglerna? Generellt sett är det en marknadsförare som i grund och botten gör antaganden och vad som kommer att ge bäst resultat. Maskininlärning kan gå igenom miljarder datapunkter och fastställa när det är mest effektivt att ta kontakt, vilka ord som ska stå i ämnesraden och mycket mer. De här insikterna kan sedan appliceras för att boosta effektiviteten på din marketing automation.

15. Dynamiska 1:1 mail

På ett liknande sätt som med marketing automation, kan insikter som är genererade av maskininlärning skapa extremt effektiva dynamiska 1:1 email. Prediktiv analys som använder en benägenhetsmodell kan fastställa en prenumerants benägenhet att köpa en särskild produktkategori, storlek och färg genom tidigare beteende och visa de mest relevanta produkterna i nyhetsbrev. Lagersaldo, erbjudanden och pris kommer alla att vara synkade och korrekta när mailet öppnas.

Vill du fokusera på rätt saker i byråvalsprocessen? Hör av dig!