AI がデータ品質に役立つ 6 つのマーケティング オートメーションのユースケース

編集者注: これは、マーケティング オートメーション プラットフォームに AI がどのように組み込まれるかについて説明する 4 部構成のシリーズの第 2 部です。 パート 1、AI マーケティング オートメーション: その仕組みとマーケティング担当者が注意すべき理由については、こちらをご覧ください。

2023 年のほとんどの間、AI の宣伝は、生成的な AI コンテンツのユースケース (コピー、画像、ビデオ) に焦点を当ててきました。 生成 AI の最終的な影響を疑問視する人もいますが、主流の採用は、コンテンツに焦点を当てた機能への重点の多くが正当であることを示しています。

しかし、あらゆるマーケティング テクノロジー アプリケーションへの AI の導入という、さらに深刻な動きが進行中です。

マーテックのリーダーにとって、CRM やマーケティング オートメーション プラットフォーム (MAP) などのコア スタック コンポーネントに AI を組み込むことで、精度と生産性が向上します。 その範囲内で、私はデータ管理を優先してきました。データ管理はほとんどのマーケティング運用リーダーも基盤であると認識しています。

データ管理: 最初の (半) 自然言語プロセス

AI の変曲点以前は、データ管理がマーテックの成長を促進した最も初期の「自然言語」の変化でした。 どうやって？ コードを使わない変換により、これまで IT 部門に与えられていた新しいデータベース フィールドを作成できるようになりました。 ランディング ページや Web サイトに統合された社内フィールドと顧客向けフィールドを作成できる機能により、デジタル エンゲージメントが変革されました。

自動化を行っている場合でも、入力の多くは人間の対話とシステム インターフェイスに大きく依存しています。 また、ツールが使いやすくなったにもかかわらず、トレーニングは依然として (適切な) データ入力に対する導入の障壁となっていました。 初期の AI アルゴリズムは、データが不適切に入力されたり不完全だったりした場合に、さまざまなデータ クリーニング プロセスに影響を与えました。 しかし、下流で誤った結果をもたらす不正確なデータがシステムに入力されるのを防ぐことが最も効率的であることは誰もが知っていました。

一般的なフレームワークであるガベージ イン、ガベージ アウト (GIGO) を使用して説明します。

「ゴミが入ってる」

1. データの入力

マーテックのリーダーたちは、データ入力が難しいとユーザーが言うと尻込みします。 特に、時間の経過とともにインターフェースに変更が加えられた場合には、共感が得られるのは当然です。 (もしあなたが Salesforce ショップであり、まだ Classic と Lightning に切り替えているのであれば、それはあなたの共感を思い出させるものです。)

Salesforce を含む多くの大手ベンダーは最近、生成 AI の「プロンプト」革命によりユーザー インターフェイスが永遠に変わるだろうと予測しました。 現在、すべての UI は自然言語を処理する必要があり、ユーザーがデータを入力する際の摩擦 (皮肉な人なら言い訳) を軽減します。

たとえば、ChatSpot (HubSpot の AI インターフェイス) は、ユーザー インターフェイスで GPT モデルを活用しています。 (私はベンダーに依存しませんが、このツールを活用しており、パブリック アルファ リリースでテストできるため、例を抜粋します。)

新しい連絡先を追加するという基本から始めましょう。

ユーザーは、HubSpot の標準インターフェースのどこで「連絡先の追加」をクリックするかを覚えておく必要はありません。 代わりに、次のような単純なプロンプトが使用されます。

3 か月間のアルファ版で、HubSpot には一般的な To Do に基づいてアクションをトリガーするプロンプト テンプレートも追加されたため、このようにお気に入りリストから選択できるようになりました。

2. 人物や企業に関するデータの調査と追加

多くの MAP は、Web サイトから基本的な顧客情報を取得しました。 AI によってこのタスクが簡素化され、連絡先のペルソナを強化したり企業の企業情報を補足したりするための主要なプロファイルの概要バージョンがすぐに作成できるようになりました。 例えば：

3. スプレッドシートに組み込む

MarTech の 2023 年給与およびキャリア調査によると、マーケターの約 70% が週に 10 時間以上スプレッドシートの作業に費やしています。 これらはマーテック スタックの基礎となります。

私は、2023 年 3 月の MarTech カンファレンスのプレゼンテーションで、これらのツール (およびその数式、VLOOKUP 機能など) が依然として複数のデータ ソース間で作業するための秘密のデコーダーであることについて話しました。 多くの大規模チームでは、フルタイムのデータ アナリストがこれらの取り組みをサポートします。 小規模なチームには、Excel の専門知識を持つデータに精通したマーケティング担当者がいることがよくあります。

ただし、VLOOKUP のプログラミングは多くの人にとって技術的すぎます。 マーケティング担当者は現在、生成 AI プロンプトを使用して数式を作成しています。 いくつかの AI プラグイン ユーティリティは、AI によって作成されたプロンプトをスプレッドシートに直接取り込みます。

これらの自然言語の「コードなし」機能は、最も強力で最もよく使用される追加機能になります。 これらは、基礎的なナレッジ ワーク ツール (Google Workspace Labs や Microsoft Co-pilot など) に直接組み込まれます。 ユーザーは AI アシスタントに電子メール アドレスからドメインを抽出し、姓名、会社名などを抽出し、自然言語プロンプトを通じて構造化データを効果的に作成するように依頼します。

「ゴミ出し」

次に、スペクトルの反対側に目を向けてみましょう。AI がデータ出力を支援するユースケースです。

4. 分析用の自然言語インターフェイス

私たちは皆、そこに行ったことがある。 プラットフォームにアクセスするのではなく、PowerPoint または Google Slides でレポートをエクスポートするように求められます。 自然言語プロンプトを通じてアプリケーションからレポートを取得できるようになると、状況が一変します。

「<穴埋め> に基づいたレポートをいただけますか」というプロンプトは、より多くの人が分析に直接アクセスするための障壁を下げることになります。

時間が経つにつれ、ユーザーがデータを入力して適切に反映されることを確認する傾向が強まれば、質の高いエントリを提供する可能性が高くなります。 おそらくユーザーはチャートを修正する代わりに、ソースで修正するでしょう。

5. 注入された視覚化機能

ビジュアライゼーションの作成にも機能が組み込まれます。 プラグイン/インターフェイスを通じて、プラットフォームにこれらの視覚化を要求できるようになります。

多くの人と同様に、私も OpenAI のコード インタープリター機能にアクセスできることを心待ちにしています。 その間、私はそれを操縦している他の人たちをフォローしてきました。その中には、彼の One Useful Thing ニュースレターでその機能をこっそり紹介した Ethan Mollick も含まれます。その内容は最近のニュースレターの投稿で抜粋されています。

6. アクセス可能なビッグデータ

これらのデータ入力と出力の利点はすべて、CRM/MAP の「信頼できる情報源」である特定のデータに限定されるものではありません。

より多くのデータソースへの参入障壁を下げたため、AI ベースのプロンプトを通じて、他のデータ拡張や補足属性にアクセスできるようになるため、ある分析の出力が、これまで考慮されていなかった方法で他の分析の出力にリンクされる可能性があります。良い。

盲信を避けるためにはガバナンスとトレーニングが依然として必要

マーテックのリーダーは、データ管理と品質を AI だけに依存しないように注意する必要があります。 生成 AI ツールが未熟であり、監視されないとデータ品質に影響を与える可能性があることを考慮すると、追加のガバナンスを適用する必要があります。

データ管理の課題は 2 倍の影響を及ぼします。 プロンプトは、連絡先をアカウントに関連付ける際の組織のガイドラインを継承しない場合があります。 これらのガイドラインに従った、より高度なプロンプトを開発する必要がある場合があります。

現在、スプレッドシートにデータをインポートする人は誰でも、数式を適用した後に健全性チェックを行っています。 タイプミスにより、数千のレコードにわたって問題が発生する可能性があります。 しかし、ユーザーが最初から適切なプロンプトを作成していなかった場合、AI が導入した欠陥のあるロジックによって数千のレコードが破損する可能性があります。

次は何ですか？ このシリーズのパート 3 では、MAP キャンペーン プロセスへの AI の導入について詳しく説明します。