 |
| 不只是縮時，還有粉塵、噪音、位移偵測 |
摘要
為了實現人工智慧的巨大潛力，CMO 需要很好地掌握各種可用的應用，以及它們可能如何演變。本報導引導行銷高管瞭解人工智慧的現狀，並提出了一個框架，該框架將幫助他們對現有專案進行分類，並計劃未來專案的有效推出。它根據兩個維度對人工智慧進行分類：智力水準，以及它是獨立還是更廣泛平台的一部分。簡單的獨立任務自動化應用，是一個很好的起點。但結合了機器學習的高階整合應用，具有最大的創造價值的潛力，因此隨著公司的能力建設，他們應該轉向這些技術。
在公司的所有職能中，行銷也許從人工智慧中獲益最多。行銷的核心活動是瞭解客戶需求，將其與產品和服務相搭配，並說服人們購買 —— 人工智慧可以顯著提高這些能力。難怪 2018 年麥肯錫對 400 多個高階案例的分析顯示，行銷是人工智慧將貢獻最大價值的領域。
首席行銷官越來越接受這項技術：美國行銷協會 2019 年 8 月的一項調查顯示，人工智慧的實施在前一年半內成長了 27%。2020 年德勤對早期人工智慧採用者的全球調查顯示，五大人工智慧目標中，有三個是以行銷為導向的：增強現有產品和服務，創造新產品和服務，以及增強與客戶的關係。
雖然人工智慧在行銷方面取得了進展，但我們預計在未來幾年，它將在整個職能中扮演越來越大的角色。鑑於該技術的巨大潛力，首席行銷官必須瞭解當今可用的行銷人工智慧應用類型，以及它們可能如何演變。憑藉十多年來研究資料分析、人工智慧和行銷的經驗，並為各行業的公司提供有關這些方面的建議，我們開發了一個框架，可以幫助首席行銷官對現有人工智慧專案進行分類，並計劃未來專案的推出。但在我們描述框架之前，讓我們先看看目前的狀況。
今天的人工智慧
許多公司現在使用人工智慧來處理狹窄的任務，如數位廣告投放（也稱為「程式化購買」）；協助完成廣泛的任務，如提高預測的準確性（想想銷售預測）；以及在客戶服務等結構化任務中增加人力努力。（有關人工智慧可以支援的一些常見活動的列表，請參閱邊欄「行銷中建立良好的人工智慧應用」
營銷中確立的人工智慧應用
公司在客戶旅程的每個階段，都使用人工智慧。當潛在客戶處於「考慮」階段，並研究產品時，人工智慧將針對他們投放廣告，並可以幫助引導他們的搜尋。我們在線上傢俱零售商 Wayfair 看到這種情況，該公司使用人工智慧來確定哪些客戶最有可能被說服，並根據他們的瀏覽歷史選擇產品來展示給他們。來自 Vee24 等公司的人工智慧機器人，可以幫助行銷人員瞭解客戶的需求，提高他們對搜尋的參與度，將他們推向預期的方向（例如，到特定的網頁），如果需要，透過聊天、電話、影片，甚至「瀏覽」，將他們連線到人類銷售代理 —— 允許代理幫助客戶瀏覽共享螢幕。
人工智慧可以透過使用極其詳細的個人資料（包括即時地理位置資料）來簡化銷售流程，以建立高度個性化的產品或服務。在旅程的後期，人工智慧協助追加銷售和交叉銷售，並可以降低客戶放棄數位購物車的可能性。例如，在客戶裝滿購物車後，人工智慧機器人可以提供激勵性的證明，來幫助完成銷售 —— 例如「偉大的購買！ 來自佛蒙特州的 James 買了同樣的床墊。」 此類措施可將轉化率提高五倍或更多。
出售後，來自 Amelia（前身為 IPsoft）和 Interactions 等公司的人工智慧支援服務代理，可以全天候對客戶的請求進行分類，並且能夠比人類代理更好地處理波動的服務請求量。他們可以處理關於交貨時間，或安排預約的簡單查詢，並可以將更複雜的問題升級到人工代理。在某些情況下，人工智慧透過分析客戶的語氣和建議差異性反應、輔導代理商，怎樣去最好地滿足客戶需求，或建議主管進行干預來協助人類代表。
框架
行銷人工智慧可以按兩個維度進行分類：智力水準，以及它是獨立的還是更廣泛的平台的一部分。一些技術，如聊天機器人或推薦引擎，可以屬於任何類別；在特定應用中實現它們的方式，決定了它們的分類。
讓我們先看看這兩種智慧。
任務自動化。這些應用執行重複、結構化的任務，需要相對較低的智力水準。它們目的在遵循一組規則，或根據給定的輸入，執行預定的操作順序，但它們無法處理複雜的問題，如細微的客戶請求。例如，系統會自動向每個新客戶傳送歡迎電子郵件。更簡單的聊天機器人，例如透過 Facebook Messenger 和其他社交媒體提供商提供的聊天機器人，也屬於這一類。他們可以在基本互動期間，為客戶提供一些幫助，讓客戶down 定義的決策樹，但他們無法辨別客戶的意圖，提供定製的響應，或從互動中學習。
機器學習。這些演算法使用大量資料進行訓練，以做出相對複雜的預測和決策。此類模型可以辨識影像，破譯文字，細分客戶，並預測客戶將如何響應各種措施，如促銷活動。機器學習已經推動了線上廣告、電子商務推薦引擎和客戶關係管理（CRM）系統中的銷售傾向模型的程序化購買。它及其更複雜的變體，即深度學習，是人工智慧中最熱門的技術，正在迅速成為強大的營銷工具。也就是說，重要的是要澄清，現有的機器學習應用，仍然只是執行狹窄的任務，需要使用大量資料進行訓練。
現在讓我們考慮一下獨立人工智慧與整合人工智慧。
獨立應用。這些最好理解為明確劃定或孤立的人工智慧規劃（program）。它們與客戶瞭解、購買或獲得使用公司產品支援的主要渠道或員工用於行銷、銷售或服務這些產品的通路是分開的。簡而言之，客戶或員工必須在這些通路之外進行一次特殊的旅行，才能使用人工智慧。
考慮一下油漆公司 Behr 建立的色彩發現應用 app。使用 IBM Watson 的自然語言處理和 Tone Analyzer 功能（可以檢測文字中的情緒），該應用 app 提供了幾個個性化的 Behr 油漆顏色建議，這些建議基於消費者對其空間的情緒需求。客戶使用該應用 app，將他們打算粉刷的房間的兩到三種顏色列入短名單。然後，油漆的實際銷售在應用 app 之外執行，儘管它確實允許從家得寶訂購連線。
整合應用。這些人工智慧應用嵌入在現有系統中，對使用這些應用的客戶、行銷人員和銷售人員來說，這些應用通常比獨立應用更不可見。例如，機器學習在處理購買和投放廣告的整個過程的平台上，可以瞬間決定向用戶提供哪些數字廣告。十多年來，Netflix 的整合機器學習一直為客戶提供影片推薦；其選擇只是出現在觀眾訪問網站時看到的產品選單中。如果推薦引擎是獨立的，他們需要去一個專用的應用並請求建議。
客戶關係管理系統的製造商，越來越多地將機器學習能力納入其產品中。在 Salesforce，銷售雲愛因斯坦套件具有多種功能，包括基於人工智慧的領先評分系統，該系統可根據購買可能性自動對 B2B 客戶進行排名。像 Cogito 這樣的供應商，銷售人工智慧，為呼叫中心銷售人員提供指導的人工智慧，也將其應用與 Salesforce 的 CRM 系統整合。
結合兩種類型的智慧和兩種類型的結構，產生了我們框架的四個象限：獨立的機器學習應用、整合的機器學習應用、獨立的任務自動化應用和整合的任務自動化應用。
瞭解屬於哪個象限應用，可以幫助行銷人員計劃和順序引入新用途。
一步一步的方法
我們相信，行銷人員最終將透過追求整合的機器學習應用，看到最大的價值，儘管簡單的基於規則和任務自動化系統，可以增強高度結構化的流程，併為商業回報提供合理的潛力。然而，請注意，如今的任務自動化越來越多地與機器學習相結合 —— 從訊息中提取關鍵資料，做出更複雜的決策，並個性化通訊 —— 一種跨越象限的混合體。
獨立應用繼續處於整合困難或不可能的位置，儘管它們的好處是有限的。因此，我們建議行銷人員隨著時間的推移，將人工智慧整合到當前的行銷系統中，而不是繼續使用獨立的應用式。事實上，許多公司正朝著這個總體方向前進；在 2020 年德勤調查中，74% 的全球人工智慧高管同意「人工智慧將在三年內整合到所有企業應用中。」
開始
對於人工智慧經驗有限的公司來說，一個好的開始方法是建構或購買簡單的基於規則的應用。許多公司採用「爬行-步行-執行」方法，從獨立的非面向客戶的任務自動化應用開始，例如指導與客戶互動的人類服務代理。
一旦公司掌握了基本的人工智慧技能，以及豐富的客戶和市場資料，他們就可以開始從任務自動化轉向機器學習。後者的一個很好的例子是 Stitch Fix 的服裝選擇人工智慧，它幫助其造型師為客戶策劃優惠，並基於他們自我報告的風格偏好、他們保留和退貨的物品，以及他們的回饋。當公司開始要求客戶在 Style Shuffle 照片中進行選擇時，這些模型變得更加有效，從而創造了一個寶貴的新資料來源。
新的資料來源 —— 如內部交易、外部供應商，甚至潛在的收購 —— 是行銷人員應該不斷尋找的東西，因為大多數人工智慧應用，特別是機器學習，需要大量的高品質資料。考慮包機公司 XO 用於將其 EBITDA 增加 5% 的基於機器學習的定價模型：關鍵是利用外部來源獲取私人飛機供應和影響需求的因素的資料，如重大事件、總體經濟、季節性活動和天氣。XO 使用的資料是公開的，但最好儘可能地尋找專有來源，因為使用公共資料的模型可以被競爭對手複製。
隨著公司在使用行銷人工智慧方面變得更加成熟，許多公司完全自動化了某些類型的決策，將人類完全排除在循環之外。對於重複的高速決策，例如程式化廣告購買所需的決策（數位廣告幾乎立即提供給使用者），這種方法是必不可少的。在其他領域，人工智慧可能只向面臨選擇的人提供建議 —— 例如，向消費者推薦電影或向行銷主管推薦策略。人類決策通常只用於最重要的問題，例如是繼續競選還是批准昂貴的電視廣告。
公司應儘可能轉向更自動化的決策。我們相信，這就是行銷人工智慧的最大回報所在。
挑戰和風險
即使是最簡單的人工智慧應用，實施也會出現困難。獨立任務自動化人工智慧，儘管其技術複雜性較低，但仍然很難為特定的工作流程進行配置，並要求公司獲得合適的人工智慧技能。將任何類型的人工智慧納入工作流程，都需要仔細整合人類和機器任務，以便人工智慧增強人們的技能，而不是以造成問題的方式佈署。例如，雖然許多組織使用基於規則的聊天機器人，來自動化客戶服務，但能力較差的機器人可能會刺激客戶。讓這樣的機器人幫助人類代理人或顧問，可能比與客戶互動要好。
隨著公司採用更複雜和整合的應用，出現了其他考慮因素。特別是將人工智慧納入第三方平台可能很棘手。寶潔銀行的 Olay Skin Advisor 提供了一個恰當的例子，它使用深度學習來分析客戶拍攝的自拍，評估他們的年齡和面板類型，並推薦合適的產品。它已整合到電子商務和忠誠度平台 Olay.com 中，並在某些地區提高了轉換率、跳出率和平均籃子大小。然而，將其與零售店和亞馬遜整合變得更加困難，這些第三方佔 Olay 銷售額的很大比例。面板顧問在亞馬遜上的 Olay 廣泛的商店網站上不可用，這阻礙了該品牌在那裡提供無縫、人工智慧輔助的客戶體驗的能力。
最後，公司必須把客戶的利益放在首位。人工智慧應用程式越聰明、越整合，客戶對隱私、安全性和資料所有權的擔憂就越多。客戶可能會對在不知情的情況下，捕獲和共享位置資料的應用 app，或可能竊聽他們的智慧揚聲器感到膽怯。一般來說，消費者表現出願意（甚至渴望）交換一些個人資料和隱私，以換取創新應用可以提供的價值。
對 Alexa 等人工智慧應用的擔憂，似乎因欣賞其好處而相形見絍。因此，行銷人員在擴大人工智慧的智慧和覆蓋範圍時，關鍵是確保其隱私和安全控制是透明的，客戶對如何收集和使用其資料有一些發言權，並從公司獲得公允價值作為交換。為了保證這些保護並保持客戶的信任，首席行銷官應建立道德和隱私審查委員會 —— 包括行銷和法律專家 —— 以審查人工智慧專案，特別是那些涉及客戶資料或可能容易出現偏見的演算法的專案，如信用評分。
. . .
雖然行銷人工智慧有巨大的希望，但我們敦促首席行銷官對其目前的能力持現實態度。儘管有炒作，但人工智慧仍然只能完成狹窄的任務，而不是執行整個行銷功能或流程。儘管如此，它已經為行銷人員提供了巨大的好處 —— 事實上，在一些行銷活動中是必不可少的 —— 其能力正在迅速成長。我們相信人工智慧最終將改變行銷，但這是一個需要幾十年的旅程。行銷職能和支援它的組織，特別是 IT 部門，需要長期關注人工智慧能力的建設和應對任何潛在風險。我們敦促行銷人員從今天開始制訂策略，以利用人工智慧的當前功能及其可能的未來。
沒有留言:
張貼留言