L’aprenentatge automàtic està de moda, però com es veu realment a la pràctica, com a part d’una estratègia de màrqueting digital?
Us heu trobat amb una estratègia d’aprenentatge automàtic si heu utilitzat un lloc web que recomana productes basats en compres anteriors.
L’aprenentatge automàtic és una faceta de la intel·ligència artificial (IA) que utilitza algorismes per completar tasques específiques, com ara recomanacions de productes.
Pot assolir multitud de funcions per als venedors digitals, com ara:
L’aprenentatge automàtic ha estat en màrqueting digital des de fa anys.
De fet, estàs utilitzant aprenentatge automàtic sempre que utilitzeu motors de cerca.
Tot i que encara és una estratègia nova per a la majoria, moltes empreses han començat a implementar aquesta tecnologia a les seves campanyes de màrqueting.
A continuació es mostren vuit exemples d’aprenentatge automàtic en màrqueting digital.
1. Caça
El 2019, el gegant bancari, Chase Bank, es va associar amb Persado per ajudar a crear còpies de màrqueting per a les seves campanyes.
Van desafiar l’empresa d’IA a generar una còpia que produeixi més clics, cosa que van fer.
Alguns exemples de la còpia generada per l’aprenentatge automàtic són:
Còpia humana: “Sense paper i guanya 5 dòlars en efectiu de devolució”.
Còpia generada per màquina: “Oferta per temps limitat: us recompensarem amb una devolució de 5 dòlars en efectiu quan no us feu paper”.
Resultats: la còpia d’IA ha generat gairebé el doble de clics.
Còpia humana: “Accedeix a l’efectiu des del patrimoni net de casa teva” amb un botó “Fes una ullada”.
Còpia generada per màquina: “És cert: podeu desbloquejar diners en efectiu del capital a casa vostra” amb un ràpid “Feu clic per aplicar”.
Resultats: La còpia AI va atreure 47 sol·licitants a la setmana, mentre que la còpia humana va atreure 25 sol·licitants a la setmana.
Còpia humana: “Afanya’t, acaba el 31 de desembre Guanyi un 5% de devolució en efectiu a grans magatzems, clubs a l’engròs”.
Còpia generada per màquina: “Sobre la teva targeta: t’està esperant un 5% de devolució en efectiu”
Resultats: la còpia d’IA ha generat gairebé cinc vegades els clics únics.
Tot i que la còpia generada per màquina pot haver tingut un millor rendiment amb els clients, és important recordar que va funcionar amb redactors humans que li van alimentar idees.
Junts, els redactors humans i l’aprenentatge automàtic poden crear i optimitzar còpies que ressonen.
2. Starbucks
Amb botigues a tot el món, Starbucks obté moltes dades.
Starbucks pot accedir a les estadístiques de compra i convertir aquesta informació en material de màrqueting amb la targeta de fidelització de Starbucks i l’aplicació mòbil. Aquesta estratègia s’anomena anàlisi predictiva.
Per exemple, l’aprenentatge automàtic recull les begudes que compra cada client, on les compra i quan les compren, i les relaciona amb dades externes, com ara el temps i les promocions, per oferir anuncis ultra personalitzats als clients.
Una instància inclou identificar el client mitjançant el sistema de punt de venda de Starbucks i proporcionar al barista la seva comanda preferida.
L’aplicació també pot suggerir nous productes basats en compres anteriors (que poden canviar segons les condicions meteorològiques o les vacances).
L’aprenentatge automàtic pot eliminar les conjectures de les recomanacions de productes.
Els gegants del comerç minorista com Starbucks tenen milions de clients, però poden fer sentir que cadascú reben recomanacions personalitzades perquè poden filtrar les dades de manera ràpida i eficient.
3. eBay
eBay té milions de subscriptors de correu electrònic. Cada correu electrònic necessitava línies d’assumpte atractives que fessin clic al client.
Tanmateix, oferir més de 100 milions de línies de temes atractius va resultar aclaparador per als escriptors humans.
Introduïu l’aprenentatge automàtic.
eBay es va associar amb Phrasee per ajudar a generar línies d’assumptes atractives que no van activar filtres de correu brossa. A més, la còpia generada per màquina s’alineava amb la veu de la marca d’eBay.
Els seus resultats mostren èxit:
- Augment del 15,8% de les tarifes obertes.
- Augment del 31,2% en clics mitjans.
- Més de 700.000 obertures incrementals per campanya.
- Més de 56.000 clics incrementals per campanya.
L’aprenentatge automàtic pot prendre les tasques més descoratjadores i completar-les en qüestió de minuts a escala.
Com a resultat, les empreses poden centrar-se més en campanyes de gran format que en microtasques.
4. Guió de porta
Doordash opera milers de campanyes de màrqueting als seus canals de màrqueting.
El seu equip actualitza manualment les ofertes en funció del rendiment dels anuncis.
No obstant això, l’equip va trobar que aquesta tasca era llarga i aclaparadora.
Així doncs, Doordash va recórrer a l’aprenentatge automàtic per optimitzar la seva despesa en màrqueting.
Va crear una plataforma d’automatització de màrqueting basada en dades d’atribució.
Aquestes dades indiquen a l’empresa quin canal ha fet la conversió i amb quina campanya.
Tanmateix, pot ser difícil recollir ràpidament aquest tipus de dades amb milers de campanyes en marxa alhora.
L’aprenentatge automàtic ajuda a fer front a aquesta tasca recopilant aquestes dades i creant recomanacions de despesa perquè puguin optimitzar el seu pressupost de manera ràpida i eficient.
5. Autodesk
Autodesk va veure la necessitat de chatbots més sofisticats.
Els consumidors sovint es senten frustrats per les limitacions dels chatbots i, per tant, prefereixen parlar amb un humà.
Malgrat això, Els chatbots poden ajudar a guiar els clients de manera eficient al contingut, al venedor o a la pàgina de servei que necessiten.
Així, Autodesk va recórrer a l’aprenentatge automàtic i la IA.
El chatbot d’Autodesk utilitza l’aprenentatge automàtic per crear diàlegs basats en paraules clau del motor de cerca.
Aleshores, el chatbot es pot connectar amb el client de l’altre extrem, permetent taxes de conversió més ràpides.
Des que va implementar el seu bot de xat, Autodesk va tenir tres vegades més compromís amb el xat i un augment del 109% en el temps dedicat a la pàgina.
6. Baidu
El 2017, Baidu, el motor de cerca xinès, va crear un sistema anomenat Deep Voice que utilitza l’aprenentatge automàtic per convertir text en veu. Aquest sistema pot aprendre 2.500 veus amb mitja hora de dades cadascuna.
Baidu explica que Deep Voice pot portar a experiències més immersives en videojocs i audiollibres.
L’objectiu de Baidu amb Deep Voice és ensenyar a les màquines a parlar de manera més humana imitant milers de veus humanes.
Aviat, el motor de cerca espera que el sistema pugui dominar 10.000 o més veus amb diferents accents.
Quan es perfecciona, Deep Voice podria millorar coses que fem servir cada dia, com ara:
- Siri.
- Alexa.
- Assistent de Google.
- Traducció en temps real.
- Seguretat biomètrica.
Fins i tot pot ajudar les persones que han perdut la veu a tornar-se a comunicar.
Tot i que no hi ha hagut cap actualització recent, Baidu té l’esperança que Deep Voice revolucioni la nostra tecnologia.
7. Marques a mida
Usos de Tailor Brands aprenentatge automàtic per ajudar els seus usuaris a crear logotips.
La màquina, “Això o allò”, ajuda a Tailor Brands a entendre el gust d’un usuari mitjançant algorismes de presa de decisions.
En triar exemples del que els agrada, els usuaris indiquen al generador de logotips les seves preferències d’estils, tipus de lletra i altres aspectes de disseny.
Tailor Brands utilitza àlgebra lineal.
La decisió de cada usuari s’incorpora a una equació que ajuda a la màquina a conèixer les preferències de l’usuari.
La propera vegada que algú generi un logotip, Tailor Brands pot mostrar estils semblants als que han utilitzat abans.
8. Yelp
Yelp rep milions de fotos cada dia a tot el món.
L’empresa es va adonar que necessitava una manera sofisticada de combinar les fotos amb empreses específiques.
Així ells desenvolupat un sistema de comprensió fotogràfica per crear dades semàntiques sobre fotografies individuals.
Aquest sistema permet a Yelp ordenar les fotos en categories rellevants per a la cerca de l’usuari.
Primer, Yelp va crear etiquetes per a les fotos que rebien dels usuaris, com ara “begudes” o “menú”.
A continuació, l’empresa va recopilar dades de subtítols de fotos, atributs de fotos i crowdsourcing.
Després, va implementar l’aprenentatge automàtic per reconèixer les etiquetes de les fotos, a partir de les quals el sistema podia classificar les fotos en categories.
Aquest sistema de classificació de fotografies ajuda a crear una millor experiència d’usuari a Yelp.
Per exemple, pot ajudar a diversificar les fotos de portada i crear pestanyes que permetin als usuaris accedir a la informació exacta que busquen.
Els venedors digitals només estan ratllant la superfície del que l’aprenentatge automàtic pot fer per ells.
Els humans i les màquines poden treballar junts per crear-ne més experiències significatives dels clients i campanyes més optimitzades en menys temps. És un win-win-win.
Més recursos:
Imatge destacada: /Shutterstock
