6 casi d'uso dell'automazione del marketing in cui l'IA può aiutare con la qualità dei dati

Nota del redattore: questa è la seconda parte di una serie in quattro parti su come l'intelligenza artificiale verrà infusa nelle piattaforme di automazione del marketing. Parte 1, Automazione del marketing basata sull'intelligenza artificiale: come funziona e perché i professionisti del marketing dovrebbero interessarsene, è qui .

Per gran parte del 2023, l'entusiasmo per l'IA si è concentrato sui casi d'uso di contenuti di intelligenza artificiale generativa (copia, immagine, video). Alcuni mettono ancora in dubbio l'impatto finale dell'IA generativa, ma l'adozione mainstream indica che gran parte dell'attenzione sulle capacità incentrate sui contenuti è giustificata.

Eppure, c'è un movimento ancora più profondo in atto: l'infusione dell'intelligenza artificiale in ogni applicazione di tecnologia di marketing.

Per i leader del martech, l'integrazione dell'intelligenza artificiale nei componenti principali dello stack come CRM e piattaforme di automazione del marketing (MAP) aumenterà l'accuratezza e la produttività. In tale ambito, il mio obiettivo è stato dare priorità alla gestione dei dati, che la maggior parte dei leader delle operazioni di marketing riconosce anche come il fondamento della fondazione.

Gestione dei dati: il primo (semi) processo di linguaggio naturale

Prima del punto di svolta dell'IA, la gestione dei dati è stata il primo cambiamento del "linguaggio naturale" che ha alimentato la crescita del martech. Come? Attraverso la trasformazione senza codice che ci ha consentito di creare nuovi campi di database, un privilegio precedentemente riservato all'IT. La capacità di creare campi interni e rivolti al cliente integrati nelle pagine di destinazione e nei siti Web ha trasformato il coinvolgimento digitale.

Anche con l'automazione, facciamo molto affidamento sull'interazione umana e sulle interfacce di sistema per guidare gran parte dell'input. E nonostante gli strumenti più facili da usare, la formazione era ancora un ostacolo all'adozione per l'inserimento (corretto) dei dati. I primi algoritmi di intelligenza artificiale hanno avuto un impatto su vari processi di pulizia dei dati dopo che i dati sono stati inseriti in modo errato o erano incompleti. Ma sapevamo tutti che era più efficiente impedire l'ingresso di dati imprecisi nel sistema, il che si tradurrebbe in risultati errati a valle.

Userò un framework comune - Garbage In, Garbage Out (GIGO) - per illustrare.

'Rifiuti dentro'

1. Inserimento dati

I leader di Martech rabbrividiscono quando gli utenti affermano che l'inserimento dei dati è difficile. L'empatia è meritata, soprattutto quando ci sono state modifiche all'interfaccia nel tempo. (Se sei un negozio Salesforce e passi comunque a Classic vs. Lightning, questo è il tuo promemoria di empatia!)

Molti fornitori leader, tra cui Salesforce, hanno recentemente previsto che la rivoluzione del "prompt" dell'IA generativa cambierà per sempre l'interfaccia utente. Ogni interfaccia utente ora deve elaborare il linguaggio naturale, riducendo l'attrito (o scusa, se sei cinico) per gli utenti per inserire i dati.

Ad esempio, ChatSpot (l'interfaccia AI di HubSpot) sfrutta il modello GPT nella sua interfaccia utente. (Anche se sono indipendente dal fornitore, ho sfruttato lo strumento ed estrarrò esempi perché è disponibile per il test nella loro versione alfa pubblica.)

Iniziamo con le basi: aggiungere un nuovo contatto.

Gli utenti non dovranno ricordare dove nell'interfaccia standard di HubSpot fare clic su "Aggiungi contatto". Invece, useranno un semplice prompt come questo...

In tre mesi di alpha, HubSpot ha anche aggiunto modelli di prompt che attivano azioni basate su cose da fare comuni, quindi ora puoi scegliere da un elenco di preferiti come questo.

2. Ricerca e aggiunta di dati su persone e aziende

Molti MAP hanno estratto le informazioni di base sui clienti dai siti web. L'intelligenza artificiale sta semplificando questo compito e ora una versione riepilogativa dei profili chiave per aumentare le persone di contatto o integrare le informazioni firmografiche dell'azienda è pronta. Per esempio:

3. Infuso in fogli di calcolo

Circa il 70% dei professionisti del marketing trascorre più di 10 ore alla settimana lavorando su fogli di calcolo, secondo il sondaggio sugli stipendi e sulla carriera del 2023 di MarTech. Sono fondamentali negli stack martech.

Ho parlato di come questi strumenti (e le loro formule, le capacità di VLOOKUP, ecc.) siano ancora i nostri decodificatori segreti per lavorare su più fonti di dati nella mia presentazione alla conferenza MarTech di marzo 2023. Per molti team più grandi, un analista di dati a tempo pieno supporta questi sforzi. I team più piccoli spesso hanno un marketer esperto di dati con esperienza in Excel.

Tuttavia, la programmazione VLOOKUP è troppo tecnica per molti. Gli esperti di marketing stanno ora utilizzando i suggerimenti dell'IA generativa per creare formule. Diverse utility plug-in AI infondono i prompt creati dall'IA direttamente nei fogli di calcolo.

Queste funzionalità "senza codice" in linguaggio naturale saranno le aggiunte più potenti e più utilizzate. Saranno integrati direttamente negli strumenti di lavoro della conoscenza di base (ad esempio, Google Workspace Labs e Microsoft Co-pilot). Gli utenti chiederanno a un assistente AI di estrarre i domini dagli indirizzi e-mail, estrarre nomi/cognomi, società, ecc. e creare efficacemente dati strutturati tramite prompt in linguaggio naturale.

'Rifiuti fuori'

Passiamo ora all'altro lato dello spettro: casi d'uso in cui l'IA aiuterà con l'output dei dati.

4. Interfacce in linguaggio naturale per l'analisi

Ci siamo passati tutti. Invece di accedere alla piattaforma, qualcuno ti chiede di esportare un report in PowerPoint o Presentazioni Google. Ottenere il rapporto dall'applicazione tramite prompt in linguaggio naturale sarà un punto di svolta.

"Puoi darmi un rapporto basato su <riempire lo spazio vuoto>" sarà una richiesta che abbasserà la barriera per più persone per accedere direttamente all'analisi.

Nel tempo, se gli utenti sono più inclini a inserire i dati e vederli correttamente riflessi, sarà più probabile che forniscano voci di qualità. Invece di aggiustare il grafico, forse gli utenti lo aggiusteranno alla fonte.

5. Capacità di visualizzazione infuse

La creazione di visualizzazione sarà anche capacità infuse. Saremo in grado di sollecitare le piattaforme per queste visualizzazioni tramite plug-in/interfacce.

Come molti, attendo con impazienza l'accesso alle capacità dell'interprete di codice di OpenAI. Nel frattempo, ho seguito altri che lo sperimentano, incluso Ethan Mollick, che ha fornito un'anteprima delle funzionalità nella sua newsletter One Useful Thing, estratto nel suo recente post sulla newsletter.

6. Big data accessibili

Tutti questi vantaggi di immissione e output dei dati non saranno limitati solo ai dati specifici che sono "fonte di verità" in CRM/MAP.

Poiché abbiamo abbassato la barriera all'ingresso per più fonti di dati, i risultati di un'analisi potrebbero essere collegati ad altri in modi che non erano stati considerati in precedenza, poiché altri potenziamenti dei dati e attributi supplementari saranno accessibili, tramite prompt basati sull'intelligenza artificiale come BENE.

Governance e formazione sono ancora necessarie per evitare la fiducia cieca

I leader Martech devono fare attenzione a non fare affidamento solo sull'intelligenza artificiale per la gestione e la qualità dei dati. Dovrebbe essere applicata una governance aggiuntiva data l'immaturità degli strumenti di IA generativa e il loro potenziale impatto sulla qualità dei dati se non supervisionati.

La sfida per la gestione dei dati ha un impatto doppio. I prompt potrebbero non ereditare le linee guida dell'organizzazione per l'associazione dei contatti agli account; potrebbe essere necessario sviluppare prompt più avanzati che seguano tali linee guida.

Oggi, chiunque importi dati in un foglio di calcolo esegue un controllo di integrità dopo aver applicato le formule. Gli errori di battitura possono generare problemi in migliaia di record. Ma una logica errata introdotta dall'intelligenza artificiale può corrompere migliaia di record se gli utenti non hanno creato il prompt appropriato per cominciare.

Qual è il prossimo? Nella parte 3 di questa serie, approfondirò l'infusione di AI nei processi della campagna MAP.