Ik moet denken aan een verhaal dat ik kort geleden hoorde over hoe de meest geavanceerde vliegtuigen snel te technologisch werden voor bediening door een menselijke piloot. Een vergelijkbaar verhaal doet zich nu voor in marketing, waar de technologische vooruitgang heeft geleid tot verwachtingen van consumenten die marketeers amper kunnen bijbenen in al hun complexiteit. Als gevolg hiervan zijn er drie primaire drijfveren voor het toepassen van kunstmatige intelligentie en machine learning in marketing.

• De complexiteit van de nieuwe uitdagingen in marketing: het aantal kanalen, het enorme volume van de data, de fragmentatie van de technische hulpmiddelen en de onvoorstelbare aard van het traject van de klant;
• De behoefte dit allemaal in real time te verwerken: beslissingen over aanbiedingen, personalisering en de context gebeuren in milliseconden – de betrokkenheid via digitale kanalen te verbeteren.
• De omvang waarop dit moet gebeuren: de complexiteit en het ogenblikkelijk reageren zijn misschien nog beheersbaar met regels bij de afhandeling van enkele interacties. Maar in werkelijkheid betreft het miljoenen transacties.

Wie dit bij elkaar optelt, begrijpt meteen waar het heen gaat: de kloof tussen de verwachtingen van consumenten en de complexiteit van de technologie betekent dat marketeers hulp nodig hebben.

Hoeveel van de drukte om AI is alleen hype en welke marketingtaken kunnen robots echt overnemen?

Er wordt veel overdreven bij deze technologieën. In plaats van te focussen op wat machine learning of AI werkelijk inhouden, kunnen we beter nadenken hoe ze bedrijven en marketeers kunnen helpen om te bereiken wat ze willen.

Of we nu automatisering op basis van regels bedoelen, natuurlijke taalverwerking of machine learning en AI doet eigenlijk niet ter zake. Essentieel is dat we hulp nodig hebben om moeilijke taken af te wikkelen. Hiertoe behoren het verzamelen van alle gegevens rond de interactie van klanten, hun verwerking om inzichten te vergaren, de visualisering, het toepassen van de kennis via contactpunten en het meten van de resultaten. Marketeers moeten de focus leggen op de waarde die we willen toevoegen: Relevantere ervaringen voor klanten, betere bedrijfsresultaten dankzij die relevantie en een doelmatige toepassing om goed binnen ons budget te blijven. Dat is de toegevoegde bedrijfswaarde.

Vandaag zijn kunstmatige intelligentie en machine learning nog relatieve nieuwe categorieën voor marketing. Maar ze ontwikkelen zich razendsnel. Dit gaat niet om een gevecht tussen mens en machine zoals Skynet in Terminator. Het is veel meer zoals met cruise control in uw auto: we beschikken over veel complexe technologieën en processen onder de motorkap. Maar de chauffeur bestuurt de auto nog steeds. De technologie helpt alleen om de rijervaring prettiger te maken.

Machine learning en intelligente automatisering beginnen hun waarde op steeds meer gebieden te bewijzen. Daaronder vallen optimalisering, personalisering, klantsegmentatie en contextuele intelligentie. In dergelijke gevallen is de technologie handig voor marketeers om onvoorstelbaar complexe processen te automatiseren, zodat zij zich kunnen concentreren op marketing in plaats van op handmatige taken. Terwijl de algoritmen en praktijkvoorbeelden zich verder blijven ontwikkelen zullen we meer voordelen zien als de trend op grotere schaal aanvaard gaat worden.

De randvoorwaarden voor marketingteams die AI en machine learning tegenwoordig implementeren

Het eerste wat marketingteams moeten doen om zich voor te bereiden op deze technologieën is een verandering van hun mentaliteit. Wie het eerst reageert, zal de voordelen van AI en machine learning herkennen en dus een concurrentievoordeel krijgen doordat sneller betere gebruikerservaringen en betere programma's mogelijk zijn. De meeste marketingteams benutten waarschijnlijk al AI op punten waar ze het zelfs niet eens vermoeden, bijvoorbeeld in hun geautomatiseerde marketing of e-commerce aanbevelingen en op andere gebieden. Maar er moet nog veel gebeuren.

Een andere voorwaarde is dat u beschikt over de juiste gegevens, goed voorbereid om te worden geanalyseerd, geïntegreerd, opgeschoond en gecontroleerd. Als u geen toegang hebt tot de data die de interacties van klanten opleveren, of die data verborgen zijn in een kanaal of een app, dan is uw vermogen om machine learning te versterken erg beperkt. Het is essentieel de data juist gestructureerd te hebben.

Met de installatie van deze elementen kunnen marketeers beginnen nieuwe automatiseringsmogelijkheden toe te passen voor hun marketingfuncties. Ze kunnen hun systemen en platformen helpen de allernieuwste contextuele, gepersonaliseerde interactie te bieden waar hun klanten naar op zoek zijn.

Ilse Lauwens, Marketing Manager Benelux & France bij Sitecore