Como projetar uma estratégia de marketing com IA

O que a tecnologia pode fazer hoje e o que espera o nosso futuro

De todas as funções de uma empresa, o marketing talvez tenha mais a ganhar com a inteligência artificial. As atividades principais do marketing são entender as necessidades dos clientes, combiná-las com produtos e serviços e persuadir as pessoas a comprar – recursos que a IA pode melhorar drasticamente. Não é à toa que uma análise da McKinsey de 2018 de mais de 400 casos de uso avançados mostrou que o marketing era o domínio em que a IA contribuiria com o maior valor.

Os diretores de marketing estão adotando cada vez mais a tecnologia: uma pesquisa de agosto de 2019 da American Marketing Association revelou que a implementação da IA ​​aumentou 27% no ano e meio anterior. E uma pesquisa global de 2020 da Deloitte com os primeiros adeptos da IA ​​mostrou que três dos cinco principais objetivos da IA ​​eram orientados para o marketing: aprimorar produtos e serviços existentes, criar novos produtos e serviços e aprimorar o relacionamento com os clientes.

Embora a IA tenha feito incursões no marketing, esperamos que ela assuma papéis cada vez maiores em toda a função nos próximos anos. Dado o enorme potencial da tecnologia, é crucial que os CMOs entendam os tipos de aplicativos de IA de marketing disponíveis hoje e como eles podem evoluir. Com base em mais de uma década de experiência estudando análise de dados, IA e marketing e assessorando empresas de todos os setores sobre eles, desenvolvemos uma estrutura que pode ajudar os CMOs a classificar projetos de IA existentes e planejar a implantação de projetos futuros. Mas antes de descrevermos a estrutura, vamos dar uma olhada no estado atual do jogo.

A IA de hoje

Muitas empresas agora usam IA para lidar com tarefas restritas, como colocação de anúncios digitais (também conhecida como “compra programática”); auxiliar em tarefas amplas, como melhorar a precisão das previsões (pense nas previsões de vendas); e aumentar os esforços humanos em tarefas estruturadas, como atendimento ao cliente.

Aplicativos de IA bem estabelecidos em marketing

Chatbots para desenvolvimento de leads, suporte ao cliente e análise e roteamento de chamadas de entrada ou de venda cruzada e ...

As empresas também empregam IA em todas as etapas da jornada do cliente. Quando os clientes em potencial estão na fase de “consideração” e pesquisando um produto, a IA direcionará anúncios para eles e pode ajudar a orientar sua pesquisa. Vemos isso acontecendo na varejista de móveis online Wayfair, que usa IA para determinar quais clientes têm maior probabilidade de serem persuasivos e, com base em seus históricos de navegação, escolhem produtos para mostrá-los. E os bots habilitados para IA de empresas como a Vee24 podem ajudar os profissionais de marketing a entender as necessidades dos clientes, aumentar seu envolvimento em uma pesquisa, direcioná-los na direção desejada (por exemplo, para uma página da Web específica) e, se necessário, conectá-los a um humano agente de vendas por chat, telefone, vídeo ou até mesmo “cobrowsing” – permitindo que um agente ajude o cliente a navegar em uma tela compartilhada.

A IA pode agilizar o processo de vendas usando dados extremamente detalhados sobre indivíduos, incluindo dados de geolocalização em tempo real, para criar ofertas de produtos ou serviços altamente personalizados. Mais tarde na jornada, a IA auxilia no upselling e cross-selling e pode reduzir a probabilidade de os clientes abandonarem seus carrinhos de compras digitais. Por exemplo, depois que um cliente preenche um carrinho, os bots de IA podem fornecer um depoimento motivador para ajudar a fechar a venda, como “Ótima compra! James de Vermont comprou o mesmo colchão.” Essas iniciativas podem aumentar as taxas de conversão em cinco vezes ou mais.

Após a venda, os agentes de serviço habilitados para IA de empresas como Amelia (anteriormente IPsoft) e Interactions estão disponíveis 24 horas por dia, 7 dias por semana para fazer a triagem das solicitações dos clientes – e são capazes de lidar com volumes flutuantes de solicitações de serviço melhor do que os agentes humanos. Eles podem lidar com consultas simples sobre, digamos, tempo de entrega ou agendamento de um compromisso e podem escalar problemas mais complexos para um agente humano. Em alguns casos, a IA auxilia os representantes humanos analisando o tom dos clientes e sugerindo respostas diferenciadas, orientando os agentes sobre a melhor forma de satisfazer as necessidades dos clientes ou sugerindo a intervenção de um supervisor.

O quadro

A IA de marketing pode ser categorizada de acordo com duas dimensões: nível de inteligência e se é independente ou parte de uma plataforma mais ampla. Algumas tecnologias, como chatbots ou mecanismos de recomendação, podem se enquadrar em qualquer uma das categorias; é como eles são implementados em um aplicativo específico que determina sua classificação.

Vejamos primeiro os dois tipos de inteligência.

Automação de tarefas.

Esses aplicativos executam tarefas repetitivas e estruturadas que exigem níveis relativamente baixos de inteligência. Eles são projetados para seguir um conjunto de regras ou executar uma sequência predeterminada de operações com base em uma determinada entrada, mas não podem lidar com problemas complexos, como solicitações diferenciadas de clientes. Um exemplo seria um sistema que envia automaticamente um e-mail de boas-vindas para cada novo cliente. Os chatbots mais simples, como os disponíveis no Facebook Messenger e outros provedores de mídia social, também se enquadram nessa podem fornecer alguma ajuda aos clientes durante as interações básicas, levando os clientes a uma árvore de decisão definida, mas não conseguem discernir a intenção dos clientes, oferecer respostas personalizadas ou aprender com as interações ao longo do tempo.

Aprendizado de máquina (ML).

Esses algoritmos são treinados usando grandes quantidades de dados para fazer previsões e decisões relativamente complexas. Esses modelos podem reconhecer imagens, decifrar textos, segmentar clientes e antecipar como os clientes responderão a várias iniciativas, como promoções.

O aprendizado de máquina já impulsiona a compra programática em publicidade online, mecanismos de recomendação de comércio eletrônico e modelos de propensão a vendas em sistemas de gerenciamento de relacionamento com o cliente (CRM). Ele e sua variante mais sofisticada, o aprendizado profundo, são as tecnologias mais quentes em IA e estão rapidamente se tornando ferramentas poderosas em marketing. Dito isso, é importante esclarecer que os aplicativos de aprendizado de máquina existentes ainda executam apenas tarefas restritas e precisam ser treinados usando grandes quantidades de dados.

Agora vamos considerar a IA autônoma versus a integrada.

Aplicativos autônomos.

Estes são mais bem compreendidos como programas de IA claramente demarcados ou isolados. Eles são separados dos canais principais por meio dos quais os clientes aprendem, compram ou obtêm suporte para usar as ofertas de uma empresa ou os canais que os funcionários usam para comercializar, vender ou atender essas ofertas. Simplificando, clientes ou funcionários precisam fazer uma viagem especial além desses canais para usar a IA.

Considere o aplicativo de descoberta de cores criado pela Behr, a empresa de tintas. Usando os recursos de processamento de linguagem natural e Tone Analyzer do IBM Watson (que detectam emoções no texto), o aplicativo oferece várias recomendações personalizadas de cores de tinta Behr baseadas no humor que os consumidores desejam para seu espaço. Os clientes usam o aplicativo para selecionar duas ou três cores para a sala que pretendem pintar. A venda real de tinta é então executada fora do aplicativo, embora permita uma conexão para encomendar da Home Depot.

Aplicativos integrados.

Incorporados aos sistemas existentes, esses aplicativos de IA geralmente são menos visíveis do que os autônomos para os clientes, profissionais de marketing e vendedores que os utilizam. Por exemplo, o aprendizado de máquina que toma decisões em frações de segundo sobre quais anúncios digitais oferecer aos usuários é incorporado a plataformas que lidam com todo o processo de compra e colocação de anúncios. O aprendizado de máquina integrado da Netflix oferece recomendações de vídeo aos clientes há mais de uma década; suas seleções simplesmente aparecem no menu de ofertas que os espectadores veem quando acessam o site. Se o mecanismo de recomendação fosse autônomo, eles precisariam acessar um aplicativo dedicado e solicitar sugestões.

A Impact Strategy que agrega IA aos sistemas de CRM incorporam cada vez mais recursos de aprendizado de máquina em seus produtos. Na Salesforce, o pacote Sales Cloud Einstein tem vários recursos, incluindo um sistema de pontuação de leads baseado em IA que classifica automaticamente os leads de clientes B2B pela probabilidade de compra. Fornecedores como a Impact, que vende IA que treina vendedores de call center, também integram seus aplicativos ao sistema CRM da Salesforce.

A combinação dos dois tipos de inteligência e dois tipos de estrutura produz os quatro quadrantes de nossa estrutura: aplicativos de aprendizado de máquina autônomos, aplicativos de aprendizado de máquina integrados, aplicativos de automação de tarefas autônomos e aplicativos de automação de tarefas integrados.

Entender em qual quadrante os aplicativos se enquadram pode ajudar os profissionais de marketing a planejar e sequenciar a introdução de novos usos.

Uma Abordagem Escalonada

Acreditamos que os profissionais de marketing verão o maior valor ao buscar aplicativos integrados de aprendizado de máquina, embora sistemas simples baseados em regras e automação de tarefas possam aprimorar processos altamente estruturados e oferecer um potencial razoável de retorno comercial. Observe, no entanto, que hoje em dia a automação de tarefas é cada vez mais combinada com aprendizado de máquina – para extrair dados importantes de mensagens, tomar decisões mais complexas e personalizar as comunicações – um híbrido que abrange quadrantes.

Aplicativos autônomos continuam a ter seu lugar onde a integração é difícil ou impossível, embora haja limites para seus benefícios. Portanto, aconselhamos os profissionais de marketing a avançar com o tempo para integrar a IA nos sistemas de marketing atuais, em vez de continuar com aplicativos independentes. E, de fato, muitas empresas estão indo nessa direção geral; na pesquisa da Deloitte de 2020, 74% dos executivos globais de IA concordaram que “a IA será integrada a todos os aplicativos corporativos dentro de três anos”.

Começando

Para empresas com experiência limitada em IA, uma boa maneira de começar é construindo ou comprando aplicativos simples baseados em regras. Muitas empresas seguem uma abordagem “rastrear-andar-correr”, começando com um aplicativo autônomo de automação de tarefas não voltado para o cliente, como um que orienta os agentes de atendimento humano que interagem com os clientes.

Depois que as empresas adquirem habilidades básicas de IA e uma abundância de dados de clientes e de mercado, elas podem começar a passar da automação de tarefas para o aprendizado de máquina. Um bom exemplo disso é a IA de seleção de roupas da Stitch Fix, que ajuda seus estilistas a selecionar ofertas para os clientes e se baseia em suas preferências de estilo autorrelatadas, nos itens que mantêm e devolvem e em seus comentários. Esses modelos se tornaram ainda mais eficazes quando a empresa começou a pedir aos clientes que escolhessem entre as fotos do Style Shuffle, criando uma valiosa fonte de novos dados.

Novas fontes de dados – como transações internas, fornecedores externos e até aquisições em potencial – são algo que os profissionais de marketing devem procurar constantemente, pois a maioria dos aplicativos de IA, principalmente o aprendizado de máquina, exige grandes quantidades de dados de alta qualidade. Considere o modelo de precificação baseado em aprendizado de máquina que a empresa de jatos charter XO usou para aumentar seu EBITDA em 5%: A chave era acessar fontes externas para obter dados sobre a oferta de jatos particulares e sobre fatores que afetam a demanda, como grandes eventos, a macroeconomia, a atividade sazonal e o clima. Os dados que o XO usa estão disponíveis publicamente, mas é uma boa ideia também buscar fontes proprietárias sempre que possível, porque os modelos que usam dados públicos podem ser copiados pelos concorrentes.

AI-Powered Marketing

Provavelmente, você não fez as perguntas certas.

À medida que as empresas se tornam mais sofisticadas no uso da IA ​​de marketing, muitas automatizam totalmente certos tipos de decisões, tirando totalmente os humanos do circuito. Com decisões repetitivas e de alta velocidade, como as necessárias para a compra de anúncios programáticos (onde os anúncios digitais são exibidos quase instantaneamente aos usuários), essa abordagem é essencial. Em outros domínios, a IA pode apresentar recomendações apenas a uma pessoa diante de uma escolha – por exemplo, sugerir um filme a um consumidor ou uma estratégia a um executivo de marketing. A tomada de decisão humana é normalmente reservada para as questões mais importantes, como continuar uma campanha ou aprovar um anúncio de TV caro.

As empresas devem adotar decisões mais automatizadas sempre que possível. Acreditamos que é aqui que os maiores retornos da IA ​​de marketing serão encontrados.

Desafios e Riscos

Implementar até mesmo os aplicativos de IA mais simples pode apresentar dificuldades. A IA de automação de tarefas autônoma, apesar de sua menor sofisticação técnica, ainda pode ser difícil de configurar para fluxos de trabalho específicos e exige que as empresas adquiram habilidades de IA adequadas. Trazer qualquer tipo de IA para um fluxo de trabalho exige uma integração cuidadosa de tarefas humanas e de máquina para que a IA aumente as habilidades das pessoas e não seja implantada de maneira a criar problemas. Por exemplo, enquanto muitas organizações usam chatbots baseados em regras para automatizar o atendimento ao cliente, bots menos capazes podem irritar os clientes. Pode ser melhor que esses bots ajudem agentes ou consultores humanos em vez de interagir com os clientes.

À medida que as empresas adotam aplicativos mais sofisticados e integrados, surgem outras considerações. Incorporar IA em plataformas de terceiros, em particular, pode ser complicado. Um exemplo é oferecido pelo Olay Skin Advisor da Procter & Gamble, que usa aprendizado profundo para analisar selfies que os clientes tiraram, avaliar sua idade e tipo de pele e recomendar produtos apropriados. Ele está integrado a uma plataforma de e-commerce e fidelidade, Olay.com, e melhorou as taxas de conversão, taxas de rejeição e tamanhos médios de cesta em algumas regiões. No entanto, tem sido mais difícil integrá-lo com lojas de varejo e Amazon, terceiros que respondem por uma alta porcentagem das vendas da Olay. O Skin Advisor não está disponível no extenso site de lojas da Olay na Amazon, prejudicando a capacidade da marca de oferecer uma experiência de cliente perfeita e assistida por IA.

Por fim, as empresas devem manter os interesses dos clientes em primeiro lugar. Quanto mais inteligentes e integrados forem os aplicativos de IA, mais preocupações os clientes poderão ter sobre privacidade, segurança e propriedade de dados. Os clientes podem ficar nervosos com aplicativos que capturam e compartilham dados de localização sem o conhecimento deles ou com alto-falantes inteligentes que podem estar os espionando. Em geral, os consumidores demonstraram disposição (até mesmo ânsia) de trocar alguns dados pessoais e privacidade em troca do valor que aplicativos inovadores podem oferecer.

As preocupações com aplicativos de IA como o Alexa parecem ser diminuídas pela apreciação de seus benefícios. Assim, a chave para os profissionais de marketing à medida que expandem a inteligência e o alcance de sua IA é garantir que seus controles de privacidade e segurança sejam transparentes, que os clientes tenham alguma opinião sobre como seus dados são coletados e usados ​​e que obtenham valor justo da empresa. em troca. Para garantir essas proteções e manter a confiança dos clientes, os CMOs devem estabelecer conselhos de revisão de ética e privacidade - com especialistas em marketing e jurídicos - para avaliar projetos de IA, principalmente aqueles que envolvem dados de clientes ou algoritmos que podem ser propensos a vieses, como pontuação de crédito.

Embora a IA de marketing seja uma enorme promessa, pedimos aos CMOs que sejam realistas sobre suas capacidades atuais. Apesar do hype, a IA ainda pode realizar apenas tarefas restritas, não executar uma função ou processo de marketing inteiro. No entanto, já está oferecendo benefícios substanciais aos profissionais de marketing – e, de fato, é essencial em algumas atividades de marketing – e suas capacidades estão crescendo rapidamente. Acreditamos que a IA acabará por transformar o marketing, mas é uma jornada que levará décadas. A função de marketing e as organizações que a apoiam, a TI em particular, precisarão prestar atenção a longo prazo na criação de recursos de IA e na abordagem de quaisquer riscos potenciais. Pedimos aos profissionais de marketing que comecem a desenvolver uma estratégia hoje para aproveitar a funcionalidade atual da IA ​​e seu provável futuro.

Quer saber mais sobre esse tema? Fale conosco