Интеллектуальный подход к управлению лояльностью | Полезное - только важное и актуальное renchen.ru
Технологии

Интеллектуальный подход к управлению лояльностью

Абхиджит Гуха , Дхрув Грювал , Томас Дейвенпорт
Интеллектуальный подход к управлению лояльностью
Иллюстрация: Giulio Bonasera

Маркетинг, пожалуй, выигрывает от искусственного интеллекта больше, чем все другие функции компании. Такие задачи, как узнать, что нужно клиенту, подобрать для него товары и услуги и убедить его сделать покупку, ИИ решает отлично. Неудивительно, что проведенный в 2018 году компанией McKinsey анализ более чем 400 случаев активного использования ИИ доказал, что применение этой технологии в маркетинге приносит максимальную выгоду бизнесу.

Профильные директора все успешнее осваивают ИИ: Американская ассоциация маркетинга в августе 2019 года провела исследование, показавшее, что внедрение технологии подскочило на 27% за полтора года. А глобальный опрос недавно начавших работать с ИИ компаний, организованный Deloitte в 2020 году, обнаружил, что три из пяти самых распространенных целей, для которых он применяется, относятся к сфере маркетинга: это доработка имеющихся и создание новых продуктов и услуг, а также улучшение отношений с клиентами.

Успехи ИИ в маркетинге — только начало, и мы ожидаем, что в ближайшие годы эта технология будет играть все более важную роль во всех функциях. Ее потенциал колоссален, поэтому компаниям важно сначала разобраться в имеющихся способах использования ИИ в маркетинге, а затем предположить, что произойдет дальше. Полагаясь на более чем десятилетний опыт изучения аналитики данных, ИИ и маркетинга, а также консультирования компаний разных отраслей по этим темам, мы разработали принципы, которые помогут директорам классифицировать существующие проекты в сфере ИИ и планировать будущие. Но прежде чем перейти к описанию этих принципов, давайте посмотрим на текущую ситуацию.

ИДЕЯ КОРОТКО

Проблема
Маркетологи многих фирм сейчас быстро осваивают ИИ. Но чтобы полностью реализовать его потенциал, профильным директорам необходимо разобраться, какие виды ИИ бывают и как они разовьются в будущем.
Схема
Классификация ИИ по уровню аналитики (простая автоматизация задач или передовое машинное обучение) и структуре (автономное решение или интегрированное в платформу) поможет фирмам решить, какие технологии использовать и когда.
Внедрение
Компаниям имеет смысл развертывать технологии постепенно: от автономных программ на основе правил, помогающих сотрудникам точнее принимать решения, до более сложных интегрированных систем для взаимодействия с клиентами.

ИИ СЕГОДНЯ

Многие современные фирмы используют ИИ для решения узких вопросов: размещают онлайн-рекламу (так называемые алгоритмические закупки), оптимизируют с его помощью более крупные операции, в том числе уточняют прогнозы продаж, эффективнее решают структурированные задачи — например, при обслуживании заказчика. (Цели, которые руководители чаще всего стремятся достичь с помощью ИИ, см. во врезке «Хорошо зарекомендовавшие себя инструменты ИИ в маркетинге».)

Фирмы применяют ИИ на каждом этапе взаимодействия с потребителями. Пока потенциальный клиент еще раздумывает и изучает рынок, ИИ таргетирует на него рекламу и подталкивает его в нужную сторону. Характерный пример — онлайн-ритейлер мебели Wayfair, который с помощью ИИ находит людей, наиболее склонных к покупке, и на базе истории поиска подбирает для них оптимальные артикулы. ИИ-боты от компаний вроде Vee24 помогают маркетологам лучше понять потребности покупателя, активнее вовлечь его в поиск, переключить его внимание в нужном направлении (скажем, на ту или иную страницу) и связать его с живым продавцом через чат, звонок, видео или даже кобраузинг (при котором оператор помогает клиенту в поиске через общий экран).

ИИ может упростить сам процесс продажи, моментально предложив потребителю максимально востребованный товар или услугу, детально проанализировав всю имеющуюся информацию о данном пользователе, включая геолокацию в реальном времени.

При дальнейшем контакте с заказчиком ИИ обратит его внимание на уже более дорогой или дополнительный продукт, а также снизит вероятность, что человек забудет о товаре, отложенном в корзину. Например, после того, как клиент что-то выберет, ИИ-бот может побудить завершить покупку, показав мотивирующий текст вроде «Отличный выбор! Джеймс из штата Вермонт только что приобрел такой же матрас». Подобные инициативы способны повысить конверсию в пять и более раз.

Когда покупка совершена, в дело вступают ИИ-агенты по сервису (такие фирмы, как Amelia — бывшая IPsoft — и Interactions, предлагают услуги в режиме 24/7): они намного успешнее людей работают в условиях постоянно меняющейся нагрузки и справляются с простыми задачами — скажем, уточнить время доставки или назначить встречу. Более сложные вопросы они передают живому оператору. Иногда ИИ помогает сотрудникам проанализировать тон клиента и выбрать нужный ответ, таким образом, люди быстрее учатся удовлетворять потребности клиентов или вовремя перенаправлять вопросы на уровень выше.

НАША КЛАССИФИКАЦИЯ

Маркетинг с применением ИИ можно подразделять на типы по двум критериям: уровню аналитики (проще/сложнее) и степени автономности (используется отдельно или как часть платформенного решения). Некоторые технологии, например чат-боты и рекомендательные системы, могут попасть в любую категорию в зависимости от того, с какой целью их используют, чтобы достичь нужной цели.

Давайте сначала посмотрим на разные уровни аналитики.

Автоматизация задач. Здесь технологии выполняют шаблонные структурированные действия, требующие сравнительно небольшого анализа. Они рассчитаны на соблюдение правил или заданную последовательность операций, но не в состоянии решить сложную задачу — например, адекватно ответить на нетривиальный запрос клиента. Примером может служить система, автоматически направляющая новым заказчикам приветственное сообщение. Сюда же относятся чат-боты вроде используемых в Facebook Messenger и других соцсетях. Они помогают потребителю совершать простые действия, подсказывая ему решения, но не умеют распознавать его намерения, выполнять индивидуальные задачи или выстраивать новые взаимодействия.

Машинное обучение. Эти алгоритмы, анализируя массивы данных, учатся формулировать сравнительно сложные прогнозы и решения. Они могут распознавать изображения, расшифровывать текст, а также сегментировать клиентов и предвидеть, как они отреагируют на разные предложения, например, на рекламу. Машинное обучение уже сегодня управляет алгоритмической торговлей в онлайн-рекламе, лежит в основе рекомендательных систем электронной коммерции и моделей, определяющих предрасположенность клиентов к покупке на основе их действий в CRM-системах. Именно оно (и его усложненный вариант — глубинное обучение) сейчас на пике моды в ИИ и быстро становится ключевым инструментом маркетинга. Важно отметить, однако, что нынешние решения пока годятся лишь для узких задач и нуждаются в обучении с использованием больших объемов данных.

Теперь перейдем к самостоятельным и встроенным технологиям ИИ.

Автономные решения. Яркий пример — полностью изолированные программы. Они отделены от основных каналов, через которые клиент узнает о предложениях компании, покупает товар и получает сервисную поддержку — или через которые фирма продвигает, продает и обслуживает свои продукты и услуги. Короче говоря, чтобы воспользоваться ИИ, клиенту или сотруднику надо обратиться к ресурсу вне привычных каналов.

Производитель красок Behr разработал независимое приложение для выбора цвета. Клиент описывает настроение, которое ему хочется создать в помещении, а программа использует технологии обработки естественного языка и Tone Analyzer (решение, выявляющее эмоции в тексте) от Watson (IBM) и выдает персонализированные рекомендации по цвету краски от Behr. В итоге формируется список из двух-трех оттенков для каждой комнаты. При этом купить краску прямо в приложении нельзя: надо перейти по ссылке в магазин Home Depot.

Интегрированные решения. Для пользователей — клиентов, маркетологов и продавцов — эти встроенные в существующие системы ИИ-программы зачастую менее заметны, чем автономные. Скажем, технология машинного обучения, за доли секунды решающая, какую рекламу предложить пользователю, применяется в рамках платформ, управляющих всем процессом покупки и размещения рекламных объявлений. Интегрированное машинное обучение в Netflix уже более десятка лет предлагает пользователям подборки видео: они автоматически появляются в меню на сайте. Если бы движок, формирующий такие списки, функционировал отдельно, зрителю понадобилось бы зайти в специальное приложение и запросить рекомендации.

ХОРОШО ЗАРЕКОМЕНДОВАВШИЕ СЕБЯ ИНСТРУМЕНТЫ ИИ В МАРКЕТИНГЕ

· Чат-боты для разработки лидов, поддержки клиентов, кросс- или апселлинга
· Анализ и маршрутизация входящих вызовов; анализ и классификация комментариев и сообщений клиентов, а также ответы на них
· Автоматизация маркетинговых кампаний (в том числе написание писем, создание лендинга, сегментация клиентов)
· Анализ комплекса маркетинга
· Мерчандайзинг онлайн-продукта
· Ценообразование
· Рекомендации продуктов или услуг, высокоперсонализированные предложения
· Алгоритмические закупки цифровой рекламы
· Лид-скоринг
· Работа с соцсетями: планирование, закупка и реализация
· Анализ тона высказываний в соцсетях
· Размещение телерекламы (частично)
· Генерация нарратива веб-аналитики
· Контроль и оптимизация веб-сайтов (включая тестирование)

Создатели CRM-систем все чаще встраивают машинное обучение в свои продукты. В Salesforce решение Sales Cloud Einstein обладает несколькими возможностями, включая систему оценки заказчиков, которая автоматически ранжирует перспективных клиентов B2B в зависимости от вероятности покупки. Такие поставщики, как Cogito, продающий ИИ, который обучает продавцов колл-центров, также интегрируют свои приложения с CRM-системой Salesforce.

Сочетание типов интеллекта и структуры можно отобразить в схеме, состоящей из четырех частей. Она учитывает как автономные, так и интегрированные решения для машинного обучения и для приложений по автоматизации задач. (Подробнее см. во врезке «Четыре вида ИИ в маркетинге».)

Войдите на сайт, чтобы читать полную версию статьи