6 casos de uso de automatización de marketing en los que la IA puede ayudar con la calidad de los datos

Nota del editor: Esta es la Parte 2 de una serie de cuatro partes sobre cómo se incorporará la IA en las plataformas de automatización de marketing. La Parte 1, Automatización del marketing con IA: cómo funciona y por qué los especialistas en marketing deberían preocuparse, está aquí .

Durante gran parte de 2023, la exageración de la IA se ha centrado en casos de uso de contenido generativo de IA (copia, imagen, video). Algunos aún cuestionan el impacto final de la IA generativa, pero la adopción generalizada indica que gran parte del enfoque en las capacidades centradas en el contenido está justificado.

Y, sin embargo, hay un movimiento aún más profundo en marcha: la infusión de IA en cada aplicación de tecnología de marketing.

Para los líderes de martech, infundir IA en los componentes principales de la pila, como CRM y plataformas de automatización de marketing (MAP), aumentará la precisión y la productividad. Dentro de ese alcance, mi enfoque ha sido priorizar la gestión de datos, que la mayoría de los líderes de operaciones de marketing también reconocen como la base de la fundación.

Gestión de datos: el primer (semi) proceso de lenguaje natural

Antes del punto de inflexión de la IA, la gestión de datos fue el primer cambio de "lenguaje natural" que impulsó el crecimiento de martech. ¿Cómo? A través de la transformación sin código que nos permitió crear nuevos campos de base de datos, un privilegio previamente reservado para TI. La capacidad de crear campos internos y orientados al cliente integrados en páginas de destino y sitios web transformó el compromiso digital.

Incluso con la automatización, dependemos en gran medida de la interacción humana y las interfaces del sistema para impulsar gran parte de la entrada. Y a pesar de las herramientas más fáciles de usar, la capacitación seguía siendo una barrera de adopción para la entrada de datos (adecuada). Los primeros algoritmos de IA afectaron varios procesos de limpieza de datos después de que los datos se ingresaron incorrectamente o estaban incompletos. Pero todos sabíamos que era más eficiente evitar que ingresaran datos inexactos en el sistema, lo que daría lugar a resultados erróneos en sentido descendente.

Usaré un marco común (basura entra, basura sale (GIGO)) para ilustrar.

'Basura en'

1. Introducir datos

Los líderes de Martech se estremecen cuando los usuarios dicen que ingresar los datos es difícil. La empatía es merecida, especialmente cuando ha habido cambios en la interfaz a lo largo del tiempo. (Si tiene una tienda de Salesforce y aún cambia a Classic vs. Lightning, ¡ese es su recordatorio de empatía!)

Muchos proveedores líderes, incluido Salesforce, han predicho recientemente que la revolución generativa de "mensajes" de IA cambiará para siempre la interfaz de usuario. Cada interfaz de usuario ahora necesita procesar el lenguaje natural, lo que reduce la fricción (o la excusa, si es cínico) para que los usuarios ingresen datos.

Por ejemplo, ChatSpot (la interfaz de IA de HubSpot) aprovecha el modelo GPT en su interfaz de usuario. (Si bien soy independiente del proveedor, he estado aprovechando la herramienta y extraeré ejemplos porque está disponible para probar en su versión alfa pública).

Comencemos con lo básico: agregar un nuevo contacto.

Los usuarios no tendrán que recordar en qué parte de la interfaz estándar de HubSpot hacer clic en "Agregar contacto". En su lugar, usarán un mensaje simple como este...

En tres meses de alfa, HubSpot también agregó plantillas de solicitud que activan acciones basadas en tareas pendientes comunes, por lo que ahora puede elegir de una lista de favoritos como esta.

2. Investigar y agregar datos sobre personas y empresas.

Muchos MAP obtuvieron información básica de los clientes de los sitios web. AI está simplificando esta tarea, y ahora una versión resumida de los perfiles clave para aumentar las personas de contacto o complementar la información firmagráfica de la empresa está a un paso. Por ejemplo:

3. Infundido en hojas de cálculo

Aproximadamente el 70 % de los especialistas en marketing pasan más de 10 horas a la semana trabajando en hojas de cálculo, según la Encuesta de salario y carrera de 2023 de MarTech. Son fundamentales en las pilas de martech.

Hablé sobre cómo estas herramientas (y sus fórmulas, capacidades de BUSCARV, etc.) siguen siendo nuestros decodificadores secretos para trabajar con múltiples fuentes de datos en mi presentación de la conferencia MarTech de marzo de 2023. Para muchos equipos más grandes, un analista de datos de tiempo completo apoya estos esfuerzos. Los equipos más pequeños a menudo tienen un especialista en marketing experto en datos con experiencia en Excel.

Sin embargo, programar BUSCARV es demasiado técnico para muchos. Los especialistas en marketing ahora usan indicaciones generativas de IA para crear fórmulas. Varias utilidades de complementos de IA infunden avisos creados por IA directamente en las hojas de cálculo.

Estas capacidades de lenguaje natural "sin código" serán las adiciones más poderosas y más utilizadas. Se integrarán directamente en las herramientas de trabajo de conocimiento fundamental (por ejemplo, Google Workspace Labs y Microsoft Co-pilot). Los usuarios le pedirán a un asistente de IA que extraiga dominios de las direcciones de correo electrónico, extraiga nombres/apellidos, empresas, etc., y cree de manera efectiva datos estructurados a través de indicaciones en lenguaje natural.

'La basura fuera'

Pasemos ahora al otro lado del espectro: casos de uso en los que la IA ayudará con la salida de datos.

4. Interfaces de lenguaje natural para análisis

Todos hemos estado allí. En lugar de acceder a la plataforma, alguien le pide que exporte un informe en PowerPoint o Google Slides. Obtener el informe de la aplicación a través de indicaciones en lenguaje natural cambiará las reglas del juego.

"¿Me puede dar un informe basado en <completar el espacio en blanco>" será un mensaje que reduce la barrera para que más personas accedan a los análisis directamente.

Con el tiempo, si los usuarios están más inclinados a ingresar los datos y verlos correctamente reflejados, será más probable que proporcionen entradas de calidad. En lugar de arreglar el gráfico, quizás los usuarios lo arreglen en la fuente.

5. Capacidades de visualización infundidas

La creación de visualización también se infundirá capacidades. Podremos solicitar las plataformas para estas visualizaciones a través de complementos/interfaces.

Como muchos, espero ansiosamente el acceso a las capacidades del intérprete de código de OpenAI. Mientras tanto, he estado siguiendo a otros que lo están probando, incluido Ethan Mollick, quien brindó un adelanto de las capacidades en su boletín One Useful Thing, extraído de su publicación reciente.

6. Grandes datos accesibles

Todos estos beneficios de entrada y salida de datos no solo se limitarán a los datos específicos que son la "fuente de la verdad" en CRM/MAP.

Debido a que hemos reducido la barrera de entrada para más fuentes de datos, entonces los resultados de un análisis pueden vincularse de maneras que no se consideraron anteriormente, ya que se podrá acceder a otros atributos complementarios y de aumento de datos, a través de indicaciones basadas en IA como Bueno.

Aún se necesita gobernanza y capacitación para evitar la confianza ciega

Los líderes de Martech deben tener cuidado de no confiar solo en la IA para la gestión y la calidad de los datos. Se debe aplicar una gobernanza adicional dada la inmadurez de las herramientas de IA generativa y su potencial para afectar la calidad de los datos si no se supervisan.

El desafío para la gestión de datos tiene el doble de impacto. Es posible que las solicitudes no hereden las pautas de su organización para asociar contactos con cuentas; Es posible que sea necesario desarrollar indicaciones más avanzadas que sigan esas pautas.

Hoy en día, cualquiera que importe datos en una hoja de cálculo realiza una verificación de cordura después de aplicar fórmulas. Los errores tipográficos pueden generar problemas en miles de registros. Pero la lógica defectuosa introducida por la IA puede corromper miles de registros si los usuarios no crearon el aviso adecuado para empezar.

¿Que sigue? En la Parte 3 de esta serie, profundizaré en la infusión de IA en los procesos de campaña MAP.