Agencia de Diseño Gráfico, Agencia Marketing Digital, Agencia de Video, Agencia Redes Sociales | ¿Debería confiar en la Inteligencia Artificial para impulsar su marketing de contenido?
13612
post-template-default,single,single-post,postid-13612,single-format-standard,eltd-core-1.1,qode-core-1.2,ajax_fade,page_not_loaded,,pitch-ver-2.1, vertical_menu_with_scroll,smooth_scroll,side_menu_slide_from_right,grid_1300,blog_installed,wpb-js-composer js-comp-ver-5.0.1,vc_responsive
servicios de marketing de contenidos

¿Debería confiar en la Inteligencia Artificial para impulsar su marketing de contenido?

Antes del desayuno, reviso mis noticias de Facebook y LinkedIn para una rápida sinopsis del día. Al saltar en la ducha, golpeé “descargar” en una película recomendada en Netflix, sabiendo que tengo un vuelo largo esta noche. Mientras devorando mi cereal, hago clic una vez para comprar un regalo para el cumpleaños de un amigo la próxima semana. Mi iPhone suena para decirme que tengo que salir ahora si quiero hacer esa reunión temprana 70 km de distancia. Y cuando entro en mi coche, uso la activación por voz para reproducir mi lista favorita de Spotify, y Apple Maps me informa que tardará cinco minutos en llegar a la estación de tren esta mañana.

Con ejemplos reales de valor demostrable en el mercado, ya no podemos bromear sarcásticamente que AI significa “casi implementado”.

Todos estamos condicionados a depender de la tecnología en nuestra vida cotidiana, no sólo para la comunicación, sino también para la toma de decisiones. Esta interfaz cada vez más profunda con la tecnología está rewiring nuestro cerebro para procesar la información de manera diferente, como Nicholas Carr escribe en The Shallows. Lo mismo ocurre con nuestros clientes.

Las aplicaciones de consumo populares han llevado a la adopción masiva inconsciente de tecnología avanzada predictiva. Y sin embargo … mientras estamos subcontratando cada vez más nuestros procesos cognitivos a innumerables aplicaciones y herramientas de consumo, la empresa sólo ahora se está despertando a este nuevo nivel de expectativas de los clientes. Esta adopción desequilibrada es más clara cuando consideramos que ahora confiamos en el sistema de prevención de colisiones incorporado en un automóvil para proteger nuestras vidas, pero todavía nos preguntamos si una máquina puede recomendar qué escribir a continuación en un programa de mercadeo o qué cliente debe recibir un nuevo Oferta del producto.

Confiamos en la inteligencia artificial para conducir nuestros coches con seguridad, pero no para recomendar la estrategia de marketing.

Verdad inconveniente

En los últimos 10 años, la automatización de marketing se ha convertido en una industria de mil millones de dólares, prometiendo aportar personalización y eficiencia a los programas de marketing. La llamada de la sirena de la consolidación automatizada del plomo, de la puntuación del plomo, y de las respuestas activadas a las actividades del prospecto crítico ha demostrado ser irresistible a las organizaciones del B2B: Había casi 11 veces más compañías con la automatización del mercadeo en 2014 que allí a principios de 2011 (SiriusDecisions) De las empresas que entregaran por lo menos 500 millones de dólares adoptaron la automatización de marketing para 2014 (Raab Associates).

Sin embargo, la verdad inconveniente acerca de la automatización de marketing de primera generación es que no es realmente automatizado. Es una fantástica herramienta central de flujo de trabajo que puede alcanzar la escala, pero requiere recursos para configurar, integrar, administrar y optimizar. De hecho, en muchas organizaciones B2B, la frase “alimentar a la bestia” ha sido aceptada en el lenguaje de marketing como una forma de describir las demandas de recursos de la automatización de marketing. Más fundamentalmente, existe el problema de la fluencia de reglas. A medida que se configuran las campañas, se definen reglas de negocio: “Si A ocurre, entonces B” o “Si el individuo tiene esta característica, luego ponerlos en el segmento 4.” Estos pueden ser sencillos para empezar, pero siempre son inadecuados Reducción de complejos y variados viajes de compradores. Por lo tanto, añade más reglas para que la campaña sea más específica. Y cada vez que mide resultados, el resultado es que más reglas deben ser escritas. Algunos de nuestros clientes empresariales estiman que gastan $ 500,000 al año en estos elementos manuales de automatización de mercadotecnia, y que está ignorando la inversión vital y significativa en la creación de contenido en curso.

Mientras que la automatización de la comercialización promete al mundo, lo que realmente hace es automatizar la ejecución del marketing de contenido, mientras que la toma de decisiones sigue siendo un esfuerzo prácticamente manual. Ofrece a los vendedores un flujo de trabajo fuerte e incluso ideas, pero no proporciona una forma automatizada de actuar sobre esas ideas a escala. Fundamentalmente, el contenido de esos sistemas es tonto; El sistema no entiende de qué se trata el contenido y quién debe leerlo. Forrester comenzó recientemente un nuevo tema de investigación que llama “inteligencia de contenido”, que define como “el uso de tecnologías de inteligencia artificial para comprender y capturar las cualidades inherentes a cualquier contenido”. El analista de tecnología David Raab dice: “Algo tiene que dar: o los comercializadores dejan de intentar tomar las mejores decisiones o dejan de confiar en las reglas”.

Brecha de expectativas

Frente a las crecientes expectativas de los clientes, los principales comercializadores están invirtiendo en herramientas basadas en la IA, una categoría que abarca desde herramientas de personalización que “aprenden” del comportamiento en línea de los individuos para recomendar contenidos de manera más eficaz, hasta herramientas que pueden detectar patrones diminutos a través de Conjuntos masivos de datos de consumo y predecir el comportamiento futuro. Estos son algunos de los más interesantes en la creciente lista de aplicaciones potenciales para la IA en marketing:

  • Estrategia de contenido: recomendar qué contenido crear a continuación
  • Estrategia de la campaña: recomendar qué secuencia de comunicaciones entregar
  • Personalización – recomendar el contenido adecuado para cada cliente basado en el comportamiento
  • Segmentación – agrupación de clientes basada en el comportamiento o la intención
  • Automatización de copias – generando automáticamente líneas de asunto y descripciones
  • Priorización de la cuenta – ranking de clientes potenciales o cuentas por su probabilidad de cerrar
  • Estrategia de ventas: recomendar el producto / servicio adecuado y el contenido que se debe utilizar en las ventas.
  • Intención de ventas: predecir la oferta del producto adecuado, el tamaño del acuerdo y la fecha de cierre
  • Retargeting: recomendar el contenido adecuado en los bloques de anuncios orientados de nuevo

Dado que las principales suites de marketing todavía no han implementado o producido completamente sus ofertas de AI, la adopción de AI generalmente requiere una mezcla de soluciones puntuales y conjuntos de datos.

De hecho, los vendedores están juntando cada vez más sus propias pilas de tecnología de las mejores soluciones puntuales de la clase, permitiendo que la tecnología se construya alrededor de la necesidad del cliente en lugar de las características del proveedor. Especialmente en entornos complejos de clientes -por ejemplo, ventas de relación de alto contacto con largos ciclos de compra- la aplicación de AI promete empezar a tender un puente entre la expectativa del cliente y la experiencia real. Esto es más pertinente en los negocios globales, como AI resuelve para (y confía en) la escala.

Para Byron O’Dell, director senior de marketing de IHS Markit, el empleo del aprendizaje predictivo de la máquina en lugar de la automatización de marketing ha sido sobre superar los desafíos de la escala. Él explica, “permitir la relevancia de la comercialización a escala es un reto, pero el aprendizaje predictivo de la máquina nos está dando un camino para lograr esto”.

Inicialmente, la mayoría de los comercializadores están considerando dos casos de uso clave: la personalización y puntuación predictiva de plomo. La personalización implica la adaptación del contenido a la evolución de la necesidad del cliente, particularmente cuando el contenido se produce a escala ya menudo mal clasificado. El puntaje predictivo de liderazgo es impulsado por el deseo insaciable de nuevas conversaciones de ventas, donde las señales que identifican una cuenta interesada son difíciles de identificar o descubrir.

Negocio orientado a las perspectivas

Estos nuevos enfoques abordan un desafío fundamental: el proceso de compra ha cambiado, con el comprador cada vez más empoderado, informado y conectado, pero las empresas se venden en gran medida de la misma manera que siempre. El uso de contenido para atraer, participar y convertir es parte de la solución, pero los principales vendedores también están utilizando contenido para entender al cliente.

En un mundo cada vez más competitivo, cualquier negocio que no comprenda a sus compradores perderá rápidamente cuota de mercado a medida que crecen nuevos competidores digitales. Los perturbadores obsesionan con su cliente; Se centran en ofrecer una experiencia excelente y perfecta para el cliente; No están obstaculizados por la tecnología obsoleta y los procesos rígidos. Ellos aprecian que ganar y actuar sobre la comprensión del cliente más profundo construir una ventaja competitiva.

Forrester Research está construyendo un cuerpo de evidencia alrededor de lo que llama “negocios impulsados ​​por las percepciones”. Una definición de estas empresas es que no tienen fricción entre el punto de entender al cliente y el punto de entregar la siguiente respuesta. Hay un bucle de retroalimentación que está completamente automatizado. La cohorte de negocios que Forrester define en esta categoría – las empresas de rápido crecimiento que innovan basadas en la comprensión y experiencia del cliente – debe ser verdaderamente aterradora para los titulares.

Marketing AI promete interacciones de clientes no estructurados y en tiempo real que ofrecen valor. Los sistemas basados ​​en reglas actuales simplemente no pueden escalar, ni los equipos de marketing pueden completar un proceso manual en el tiempo necesario para ofrecer relevancia.

Factores de éxito

A medida que un número creciente de empresas están invirtiendo en enfoques basados ​​en la IA, los puntos en común entre los proyectos exitosos se están aclarando.

  • Patrocinio ejecutivo – Una y otra vez, un claro patrocinio ejecutivo para el concepto general se eleva a la parte superior de la lista. Mientras que los vendedores de nivel medio pueden comprar con éxito soluciones puntuales, las organizaciones más grandes encontrarán que para abrir los conjuntos de datos correctos y generar valor empresarial global, finalmente necesitan un patrocinador ejecutivo para defender un enfoque más automatizado.
  • Resultados definidos – Los primeros innovadores tuvieron que dar saltos de fe sin un objetivo conocido. Pero a medida que el panorama de los proveedores madura y se documentan los ejemplos de los clientes, cada proyecto puede y debe tener objetivos vinculados a resultados empresariales valiosos y mensurables.
  • Conjunto de datos disponibles – La mayoría de los expertos estarían de acuerdo en que un algoritmo mediocre con un gran conjunto de datos siempre supera un gran algoritmo con un pequeño conjunto de datos. Explore las opciones disponibles, limpie lo que pueda, integre nuevas fuentes de datos y ejecute pruebas para ver los resultados.
  • Composición del equipo – Aunque el objetivo de los sistemas AI es reducir las tareas manuales, la tecnología todavía necesita encajar en un equipo y un proceso de negocio que entiende su valor. Cada vez más, los usuarios de negocios no técnicos están siendo atendidos, pero mientras tanto, es importante asegurarse de que el equipo entiende los datos y son lo suficientemente técnicos para captar las fortalezas y las deficiencias de un enfoque algorítmico. Quizás lo más importante, debe ser humilde y ansioso por aprender, y orientado a los datos (es decir, dispuesto a vincular la actividad con los resultados).
  • Selección de proveedores – A pesar de que existe un caso para la construcción en la empresa o el uso de una agencia para una aplicación a medida, el menú de opciones en el mercado de los proveedores es cada vez más robusto. Para elegir el proveedor adecuado, pregunte sobre el conjunto de datos, pruebe varias demostraciones o ensayos competitivos, y presione para entender si el sistema está pre-entrenado o requiere que lo haga.

Empresa predictiva

Un cambio hacia la empresa predictiva requiere una rededicación ideológica y práctica para comprender al cliente. La ventaja competitiva proporcionada por la inteligencia artificial no se basa en el algoritmo o la aplicación eventual, sino más bien en la comprensión del cliente en más profundidad – y actuando en esa visión en el momento.

Los obstáculos obvios son exclusivamente centrados en la organización: política, obstáculos técnicos, limitaciones de recursos y síndrome no inventado aquí. Sin embargo, en un mundo plano, con innovadores nuevos participantes que se centran en una calidad y la experiencia del cliente sin fisuras, la única opción sostenible es invertir por delante de la competencia.

Para retorcer la cotización de Wayne Gretsky, es hora de patinar a donde va el mercado, no donde ha estado. La ironía es que en este caso, no es necesario adivinar o confiar en el instinto. El cliente ya se mudó. Como cliente, espero un feed de contenido inspirado en Facebook, con la consiguiente compensación de privacidad. Espero que las recomendaciones de Amazon sean útiles. Y, a la Google, espero que anticipe mis necesidades y ofrezca ayuda antes de preguntar. Llevar a cabo la empresa inteligente y predictiva.

Pensamientos al principio

Las incursiones iniciales en el marketing predictivo se han enganchado a los datos de perfil de primer partido en sistemas de gestión de clientes y CRM grandes. No siempre se trata de datos limpios, pero es un buen comienzo. Los enfoques más profundos y más defendibles abordan un problema fundamentalmente más difícil: convertir los datos de los clientes no estructurados en información útil.

Los datos no estructurados, a menudo llamados datos oscuros, son en gran medida no utilizados dentro de la empresa, pero comprende el 88% de todos los datos recopilados (IBM Research). En Idio, resumimos nuestro enfoque de los datos oscuros con la tesis: “Eres lo que lees”. Lo que queremos decir es que el contenido que consumes es altamente indicativo de tus intereses y altamente predictivo de tu intención. Las herramientas habilitadas para AI analizan estos datos oscuros – esencialmente cómo sus clientes se involucran y se comportan con su contenido – para predecir sus intereses e intenciones y personalizar su experiencia.

Considere la posibilidad de utilizar esta lista de verificación del proyecto para ayudarle a su empresa en el marketing predictivo:

  • ¿Tengo patrocinio ejecutivo para un enfoque basado en la IA?
  • ¿He definido varios resultados empresariales?
  • ¿Hay una urgencia y un calendario claro para lograr esos resultados?
  • ¿Hay un conjunto de datos para modelar?
  • ¿Mi equipo ha comprado el proyecto?
  • ¿He evaluado la decisión de construir vs. comprar?
  • ¿He creado una lista corta de vendedores?
  • ¿Sus sistemas están pre-entrenados o hay un largo proceso de entrenamiento?

Definiciones de términos clave

Como usted está comenzando a utilizar verdaderamente los beneficios de la IA y el marketing predictivo, es importante que todo el mundo se base en las mismas definiciones. He aquí un breve resumen:

  • La inteligencia artificial (AI) es la ciencia de construir máquinas que hacen cosas que serían consideradas inteligentes si las hacía un ser humano.
  • El aprendizaje automático es el subconjunto de la IA que permite a las computadoras aprender sin ser explícitamente programadas.
  • Los casos comunes de uso de la máquina de aprendizaje son la optimización (con el tiempo la elección de la mejor opción para alcanzar un objetivo establecido), la identificación (extracción de significado de imágenes o texto), la detección de anomalías (aislar un evento que ocurre fuera de la norma) y la segmentación Basadas en características inferidas o conocidas).
  • La inteligencia de contenido es la aplicación de AI a la gestión de contenidos, especialmente la comprensión y clasificación de contenido para mejorar la focalización y medir el rendimiento.
  • El marketing predictivo es la aplicación de la IA al marketing, generalmente para identificar prospectos, predecir lo que podría estar interesado y recomendar la siguiente mejor pieza de contenido o información del producto.

Conclusión

Con esta comprensión de la AI y algunos consejos sobre cómo empezar, es su momento de convertir “casi implementado” en una realidad de AI para mejorar su marketing empresarial y realmente entender y conectarse con sus clientes.