Текущие проблемы с искусственным интеллектом в маркетинге роста
21 ноября 2022 г.Искусственный интеллект начинает набирать обороты, и многие препятствия на этом пути уже устранены: доступность вычислительных мощностей, систем управления данными и т. д. Однако предстоит еще много испытаний, чтобы ведущие отраслевые тенденции маркетинга ИИ были успешными.
Вот некоторые из наиболее серьезных проблем, с которыми вы, вероятно, столкнетесь, и способы их смягчения.
Сбор данных
Фундаментальная проблема для стартапов, использующих искусственный интеллект, – получение от своих пользователей достаточного количества данных о клиентах из первых рук. Трудно четко указать, сколько данных нужно компании, чтобы по-настоящему использовать ИИ, — это зависит от того, с каких вариантов использования они хотят начать. Это может быть основано на целях конверсии или исторических коэффициентах конверсии; например, это может быть аналитика или сегментация и таргетинг.
Мне нравится думать об искусственном интеллекте и машинном обучении как о наборе инструментов, которые помогают использовать преимущества автоматизации маркетинга. . Благодаря таким вещам, как глубокое обучение, набор инструментов стал глубже и содержит более мощные инструменты.
Таким образом, все компании, от стартапов на ранней стадии до крупных многомиллиардных предприятий, могут использовать ИИ, если у них есть правильная стратегия сбора данных. Я думаю, будет справедливо сказать, что стартапы должны быть еще более стратегическими в том, какие данные они собирают и как они их собирают; например, в некоторых случаях они могут запускать свои алгоритмы, лицензируя для начала сторонние наборы данных, и повышать производительность своих моделей с помощью собственных данных.
Большая часть разногласий при сборе данных возникает из-за недоверия клиентов к стартапам, которым не хватает узнаваемости бренда или которые не предлагают привлекательных ценностных предложений для решения своих проблем. Крайне важно быстро построить доверие и прочные отношения, когда вы запрашиваете данные у новых клиентов, и способ сделать это — постоянно повторять ценность. Сбор данных идет даже раньше, чем алгоритмы, чтобы добиться долгосрочного успеха в использовании ИИ и машинного обучения в маркетинге роста.
<цитата>Ценность собственных данных о клиентах бесценна, и общедоступные данные никогда не обеспечат такое же конкурентное преимущество.
Доступ к уникальным данным не является проблемой для крупных платформ, таких как Google, Facebook и Amazon, потому что они являются хорошо зарекомендовавшими себя брендами, которые продолжают предоставлять очевидную ценность в обмен на сбор пользовательских данных. Однако большинство стартапов начинают с нуля, чтобы убедить людей поделиться с ними своими данными. К сожалению, ИИ бесполезен до тех пор, пока ваш продукт или услугу не использует достаточное количество людей, чтобы вы могли зафиксировать критическую массу событий данных. Только с таким потоком информации интеллектуальная машина с искусственным интеллектом может помочь вам в привлечении, удержании и монетизации на протяжении всего пути клиента.
Запуск процесса маховика данных и поддержание его в рабочем состоянии — это то, с чем сталкиваются все компании с помощью ИИ, но это в еще большей степени относится к стартапам. Тем не менее, стартапы не должны отказываться от ИИ, потому что в долгосрочной перспективе он предлагает много возможностей для прорыва, инноваций и более быстрого решения проблем. Ключ в том, чтобы убедиться, что у вас есть хороший продукт/рынок, который вынуждает людей отказываться от своих данных до того, как вы достигнете масштаба, чтобы обеспечить оптимальную ценность от запуска маховика данных.
<цитата>Ценность собственных данных о клиентах бесценна, и общедоступные данные никогда не обеспечат такое же конкурентное преимущество.
Это означает, что вам необходимо приложить усилия для разработки надежной стратегии сбора данных, которая обеспечивает ценность или стимулы для клиентов за то, что они отказываются от своих данных. Примером может служить Amazon Prime, который предлагает участникам гораздо больше, чем бесплатную двухдневную доставку, и все потому, что Amazon знает, что участники Prime имеют значительно более высокий LTV, чем участники без Prime. Из-за добавленной стоимости Amazon собирает множество данных о клиентах, что позволяет лучше ориентироваться на новых пользователей и давать рекомендации по продуктам текущим клиентам. Ключом к их успеху было инвестирование в стратегию сбора данных с самого начала, а затем использование этих данных для последовательного предоставления ценности своим клиентам.
Конфиденциальность
Данные — это товар, ценность которого будет расти по мере того, как во всем мире будет приниматься все больше правил, касающихся данных, таких как GDPR и средства контроля конфиденциальности. Я ожидаю, что больше крупных медиа-платформ, таких как Google, Facebook и другие, будут использовать упреждающие меры «конфиденциальности», чтобы предоставить пользователям больше информации о том, какими данными они хотят делиться с рекламодателями.
Трудно предсказать, как это повлияет на эти компании в отношении их политики в отношении данных клиентов, но это, безусловно, будет для них серьезным отвлечением. Это может создать дополнительные проблемы для роста, если компании в конечном итоге будут делиться меньшим объемом данных для идентификации и отслеживания пользователей, приходящих со своих платформ, на которые тратится основная часть бюджета на платное привлечение.
Существует большой риск того, что Apple и Google могут полностью перестать делиться идентификаторами приложений мобильных устройств с платформами атрибуции, которые играют роль в отслеживании клиентов на мобильных устройствах. Это может привести к тому, что интеллектуальные машины с искусственным интеллектом будут вынуждены принимать решения с меньшей точностью и прозрачностью данных атрибуции, от которых они зависят.
<цитата>Кроссплатформенная атрибуция пути клиента уже представляет собой сложную задачу, но вскоре она станет еще более сложной, поскольку эти крупные технологические компании тщательно изучают конфиденциальность пользователей по всем направлениям.
Политика конфиденциальности Facebook и всех других крупных медиа-партнеров будет представлять собой постоянную проблему по мере их развития. Все они хотят дать пользователям возможность влиять на нормативные дебаты о конфиденциальности данных. Правда в том, что, требуя от пользователей внесения множества изменений для отказа, большинство людей проигнорируют это и в конечном итоге будут использовать настройки разрешений Facebook и Google по умолчанию (что позволит компаниям собирать их информацию).
Сокращение команды
В новостях много пугающих заголовков о том, что искусственный интеллект убивает рабочие места. Новый отчет McKinsey Global Institute прогнозирует, что к 2030 году до 800 миллионов рабочих мест могут быть связаны с тем, что большинство клиентов высоко ценят персонализированные рекомендации и контент, и предлагает большинству клиентов ценные персонализированные рекомендации и контент. , и предложения, которые влияют на повседневную трудовую жизнь, сравнимую с отходом от сельскохозяйственных обществ во время промышленной революции. Ожидается, что только в Соединенных Штатах будет автоматизировано от 39 до 73 млн рабочих мест, что составляет примерно треть от общей численности рабочей силы.
Компании увидят трансформационные изменения во всех областях своей организационной структуры. Это потребует от них переоснащения своих бизнес-процессов и переоценки своих кадровых стратегий и потребностей в рабочей силе. Им придется тщательно продумать, какие работники нужны, кого можно перевести на другую работу и где требуются новые таланты. Существует опасность политической реакции в случае роста безработицы. Многие компании понимают, что обучение и подготовка работников к новому миру труда отвечает их личным интересам и является частью их социальной ответственности.
На группу роста повлияет автоматизация большего количества ролей и задач с помощью ИИ. Это будет особенно заметно в больших командах роста, где многие роли специалистов по кампаниям, медийным покупкам и исследователям данных устаревают, поскольку машины доказывают, что они могут выполнять эту работу лучше, умнее и эффективнее, чем люди. Если вы знаете, что искусственный интеллект станет частью вашей будущей стратегии роста; вы должны убедиться, что ваша команда знает об этом и хочет узнать, как это улучшит их работу. Очень важно инвестировать время и ресурсы в обучение сотрудников, которые будут иметь ключевое значение для успеха интеллектуальной машины с искусственным интеллектом.
<цитата>Команды будущего роста будут намного компактнее, поскольку организационная структура эволюционирует, чтобы люди и машины могли сосуществовать.
Машины станут намного умнее, продуктивнее и будут достигать лучших результатов благодаря использованию искусственного интеллекта, а люди будут играть вспомогательную роль в расширении их возможностей. Этот процесс начнется с автоматизации небольших задач, но со временем будет расширяться.
Команды будущего роста будут намного компактнее, поскольку организационная структура эволюционирует, чтобы люди и машины могли сосуществовать.
Наилучшей гарантией для работников является принятие упреждающих мер по формированию набора навыков, чтобы они соответствовали будущей работе. У команды маркетинга роста есть много ролей с элементарными задачами, которые созрели для автоматизации. Вместо того, чтобы беспокоиться о потере работы, потратьте время на приобретение новых и актуальных навыков, которые позволят вам выполнять задачи более высокого уровня в технической, стратегической, творческой областях, решении проблем, коммуникации и лидерстве. ИИ создаст спрос на новые рабочие места, которые принесут пользу работникам, если они останутся открытыми для развития необходимых талантов и способностей.
Новые каналы и возможности
Существует старая поговорка, очень подходящая для этого зарождающегося века ИИ: "не кладите все яйца в одну корзину". Другими словами, бизнес должен использовать несколько каналов и диверсифицировать различные платные и органические платформы, чтобы максимизировать свои возможности по привлечению клиентов. Ключ в том, чтобы снизить риск, не будучи сильно зависимым от какого-либо одного источника трафика. Ошибка, которую совершают многие стартапы, заключается в том, что они используют платные команды по привлечению пользователей, которые сосредоточены на нескольких надежных каналах, таких как Google и Facebook. Оба являются источниками трафика хорошего качества, но ваш стартап рискует привлечь платных клиентов, если они не взорвутся, иначе вам тоже конец.
Задача состоит в том, чтобы убедиться, что различные каналы, которые вы тестируете, легко интегрируются в вашу интеллектуальную машину с искусственным интеллектом. Лучший способ сделать это — убедиться, что у них есть API и они уже настроены в вашем партнере по измерению атрибуции, чтобы вы могли легко управлять новыми кампаниями, корректируя бизнес-входы (ставки, бюджеты, объявления и цели) для тестирования, учиться и масштабировать с помощью ИИ для достижения желаемых бизнес-результатов.
Борьба с мошенничеством
В нашем современном мире нет ничего определенного, кроме смерти, налогов и мошенничества. Как только рекламодатели узнали о схемах мотивированного трафика и бот-ферм много лет назад, мошенники быстро разработали новые механизмы, чтобы выманивать у рекламодателей их бюджеты. Согласно отчету eMarketer Digital Ad Fraud 2019, оценки мошенничества сильно различаются, но даже самые скромные оценки
привлеченные деньги ежегодно исчисляются миллиардами по всему миру. Недавние оценки варьируются от 6,5 млрд до 19 млрд долларов США. Этот диапазон указывает на сложность измерения истинного воздействия мошенничества.
Многие сообщники в экосистеме заинтересованы в том, чтобы поддерживать мошенничество, потому что они получают от этого личную выгоду. К сожалению, нет согласованного определения мошенничества и согласования между ключевыми заинтересованными сторонами на платформах атрибуции, рекламных сетях, рекламных агентствах и покупателях медиа. В конечном счете, никто не заинтересован в решении этой проблемы, потому что это повлияет на их будущую компенсацию и доход.
Один из подходов, который используют многие крупные рекламодатели, заключается в работе со сторонним инструментом обнаружения мошенничества от их поставщика атрибуции для мониторинга и фильтрации трафика на предмет аномалий. Это может быть эффективным из-за сложности алгоритмов обнаружения и их представления мошеннического трафика несколькими рекламодателями.
Однако самый простой способ свести к минимуму мошенничество — избегать двусмысленных, непрозрачных каналов и покупать медиа напрямую из авторитетных источников. Постоянная проблема заключается в том, что мошенничество влияет на атрибуцию, вводя неверные сигналы данных в интеллектуальную машину ИИ, которая разрушает алгоритмы. Несмотря на технологический прогресс, мошенничество с рекламой будет оставаться серьезной проблемой из-за роста расходов на цифровую рекламу — или, по крайней мере, до тех пор, пока мошенники не перестанут зарабатывать легкие деньги.
Столкновение с трудностями
Эти проблемы постоянны и постоянно меняются, потому что ИИ все еще находится в зачаточном состоянии, а маркетинг еще не исчерпан. Тем не менее, решение всех этих текущих проблем открывает много возможностей для обучения и роста как индивидуально, так и коллективно в команде. В конце концов, всегда лучше научиться быть нарушителем, чем быть нарушителем.
Об авторе
Ломит Патель — директор по развитию Tynker с 20-летним опытом помощи стартапам в развитии. успешные предприятия. Lomit ранее играл решающую роль в масштабировании роста стартапов, в том числе Roku (IPO), TrustedID (приобретен Equifax), Texture (приобретен Apple) и IMVU (игровое приложение № 2 по прибыльности). Ломит является оратором, автором и советником, получившим множество похвал и наград на протяжении всей своей карьеры, в том числе признание Liftoff героем мобильных устройств. Книга Ломит =eyJxc2MiOiIwLjUxIiwicXNhIjoiMC4wMCIsInFzcCI6IjAuMDAifQ%3D%3D&sprefix=lean%20ai%2Caps%2C147&sr=8-1&ref=hackernoon.com">Lean AI является частью бестселлера Эрика Риса "Бережливый стартап" серия.
Оригинал