6 kasus penggunaan otomasi pemasaran di mana AI dapat membantu dengan kualitas data

Catatan editor: Ini adalah Bagian 2 dari seri empat bagian tentang bagaimana AI akan dimasukkan ke dalam platform otomasi pemasaran. Bagian 1, otomasi pemasaran AI: Cara kerjanya dan mengapa pemasar harus peduli, ada di sini .

Untuk sebagian besar tahun 2023, hype AI berfokus pada kasus penggunaan konten AI generatif (salinan, gambar, video). Beberapa masih mempertanyakan dampak akhir AI generatif, tetapi adopsi arus utama menunjukkan bahwa banyak fokus pada kemampuan yang berfokus pada konten diperlukan.

Namun, ada gerakan yang lebih mendalam yang sedang terjadi: Memasukkan AI ke dalam setiap aplikasi teknologi pemasaran.

Bagi pemimpin martech, memasukkan AI ke dalam komponen tumpukan inti seperti CRM dan platform otomasi pemasaran (MAP) akan meningkatkan akurasi dan produktivitas. Dalam lingkup itu, fokus saya adalah memprioritaskan manajemen data, yang juga diakui oleh sebagian besar pemimpin operasi pemasaran sebagai fondasi yayasan.

Manajemen data: Proses bahasa alami pertama (semi).

Sebelum titik belok AI, manajemen data adalah perubahan “bahasa alami” paling awal yang mendorong pertumbuhan martech. Bagaimana? Melalui transformasi tanpa kode yang memberdayakan kami untuk membuat bidang basis data baru, hak istimewa yang sebelumnya disediakan untuk TI. Kemampuan untuk membuat bidang internal dan menghadap pelanggan yang terintegrasi ke halaman arahan dan situs web mengubah keterlibatan digital.

Bahkan dengan otomatisasi, kami sangat bergantung pada interaksi manusia dan antarmuka sistem untuk mendorong sebagian besar masukan. Dan terlepas dari alat yang lebih mudah digunakan, pelatihan masih menjadi penghalang adopsi untuk input data (yang tepat). Algoritme AI awal memengaruhi berbagai proses pembersihan data setelah data dimasukkan dengan tidak benar atau tidak lengkap. Namun, kami semua tahu bahwa hal yang paling efisien adalah mencegah data yang tidak akurat memasuki sistem, yang akan mengakibatkan hasil yang salah di hilir.

Saya akan menggunakan kerangka umum — sampah masuk, sampah keluar (GIGO) — sebagai ilustrasi.

'Sampah masuk'

1. Memasukkan data

Pemimpin Martech merasa ngeri saat pengguna mengatakan memasukkan data itu sulit. Empati memang pantas, terutama bila ada perubahan pada antarmuka dari waktu ke waktu. (Jika Anda adalah toko Salesforce, dan masih beralih ke Klasik vs. Petir, itu adalah pengingat empati Anda!)

Banyak vendor terkemuka, termasuk Salesforce, baru-baru ini meramalkan bahwa revolusi "permintaan" AI generatif akan selamanya mengubah antarmuka pengguna. Setiap UI sekarang perlu memproses bahasa alami, mengurangi gesekan (atau alasan, jika Anda sinis) bagi pengguna untuk memasukkan data.

Misalnya, ChatSpot (antarmuka AI HubSpot) memanfaatkan model GPT dalam antarmuka penggunanya. (Sementara saya vendor-agnostik, saya telah memanfaatkan alat ini dan akan mengutip contoh karena tersedia untuk diuji dalam rilis alfa publik mereka.)

Mari kita mulai dengan dasar — ​​menambahkan kontak baru.

Pengguna tidak perlu mengingat di mana di antarmuka standar HubSpot untuk mengklik "Tambahkan Kontak". Sebagai gantinya, mereka akan menggunakan perintah sederhana seperti ini…

Dalam tiga bulan alfa, HubSpot juga telah menambahkan template prompt yang memicu tindakan berdasarkan hal-hal umum yang harus dilakukan, jadi sekarang Anda dapat memilih dari daftar favorit seperti ini.

2. Meneliti dan menambahkan data tentang orang dan perusahaan

Banyak MAP menarik informasi pelanggan dasar dari situs web. AI sedang menyederhanakan tugas ini, dan sekarang versi ringkasan dari profil utama untuk menambah persona kontak atau melengkapi info firmografi perusahaan dapat segera dilakukan. Misalnya:

3. Dimasukkan ke dalam spreadsheet

Sekitar 70% pemasar menghabiskan lebih dari 10 jam seminggu mengerjakan spreadsheet, menurut Survei Gaji dan Karier 2023 MarTech. Mereka mendasar dalam tumpukan martech.

Saya berbicara tentang bagaimana alat ini (dan formulanya, kemampuan VLOOKUP, dll.) masih menjadi decoder rahasia kami untuk bekerja di berbagai sumber data dalam presentasi konferensi MarTech Maret 2023 saya. Untuk banyak tim yang lebih besar, analis data penuh waktu mendukung upaya ini. Tim yang lebih kecil sering kali memiliki pemasar yang paham data dengan keahlian Excel.

Namun, pemrograman VLOOKUP terlalu teknis bagi banyak orang. Pemasar sekarang menggunakan perintah AI generatif untuk membuat formula. Beberapa utilitas plug-in AI memasukkan petunjuk buatan AI langsung ke spreadsheet.

Kemampuan "tanpa kode" bahasa alami ini akan menjadi tambahan yang paling kuat dan paling banyak digunakan. Mereka akan disematkan langsung ke alat kerja pengetahuan dasar (misalnya, Google Workspace Labs dan Microsoft Co-pilot). Pengguna akan meminta asisten AI untuk mengekstrak domain dari alamat email, mengeluarkan nama depan/belakang, perusahaan, dll., dan secara efektif membuat data terstruktur melalui perintah bahasa alami.

'Sampah keluar'

Sekarang mari beralih ke sisi lain dari spektrum: Gunakan kasus di mana AI akan membantu keluaran data.

4. Antarmuka bahasa alami untuk analitik

Kita semua pernah ke sana. Alih-alih mengakses platform, seseorang meminta Anda untuk mengekspor laporan di PowerPoint atau Google Slide. Mendapatkan laporan dari aplikasi melalui petunjuk bahasa alami akan menjadi pengubah permainan.

“Can you give me a report based on <fill in the blank>” akan menjadi permintaan yang menurunkan penghalang bagi lebih banyak orang untuk mengakses analitik secara langsung.

Seiring waktu, jika pengguna lebih cenderung memasukkan data dan melihatnya tercermin dengan benar, mereka akan cenderung memberikan entri yang berkualitas. Alih-alih memperbaiki bagan, mungkin pengguna akan memperbaikinya di sumbernya.

5. Kemampuan visualisasi yang diinfuskan

Membuat visualisasi juga akan menambah kemampuan. Kami akan dapat meminta platform untuk visualisasi ini melalui plug-in/antarmuka.

Seperti kebanyakan orang, saya sangat menantikan akses ke kemampuan juru bahasa OpenAI. Sementara itu, saya telah mengikuti orang lain yang menguji cobanya, termasuk Ethan Mollick, yang mengintip sekilas kemampuan dalam buletin One Useful Thing miliknya — dikutip dari pos buletinnya baru-baru ini.

6. Data besar yang dapat diakses

Semua manfaat entri dan keluaran data ini tidak hanya terbatas pada data spesifik yang merupakan "sumber kebenaran" di CRM/MAP.

Karena kami telah menurunkan penghalang masuk untuk lebih banyak sumber data, maka output dari satu analisis dapat dihubungkan dengan cara lain yang tidak dipertimbangkan sebelumnya — karena augmentasi data lainnya dan atribut tambahan akan dapat diakses — melalui petunjuk berbasis AI sebagai Sehat.

Tata kelola dan pelatihan masih diperlukan untuk menghindari kepercayaan buta

Pemimpin Martech perlu berhati-hati agar tidak hanya mengandalkan AI untuk manajemen dan kualitas data. Tata kelola tambahan harus diterapkan mengingat ketidakmatangan alat AI generatif dan potensinya untuk memengaruhi kualitas data jika tidak diawasi.

Tantangan untuk manajemen data memiliki dampak dua kali lipat. Perintah mungkin tidak mewarisi panduan organisasi Anda untuk mengaitkan kontak dengan akun; petunjuk lebih lanjut yang mengikuti pedoman tersebut mungkin perlu dikembangkan.

Saat ini, siapa pun yang mengimpor data ke dalam spreadsheet melakukan pemeriksaan kewarasan setelah menerapkan rumus. Salah ketik dapat menimbulkan masalah di ribuan rekaman. Tetapi logika yang diperkenalkan AI yang salah dapat merusak ribuan catatan jika pengguna tidak membuat permintaan yang sesuai untuk memulai.

Apa berikutnya? Di Bagian 3 dari seri ini, saya akan menggali infus AI ke dalam proses kampanye MAP.