6 вариантов использования автоматизации маркетинга, где ИИ может помочь с качеством данных

Примечание редактора: это вторая часть серии из четырех статей о том, как ИИ будет внедряться в платформы автоматизации маркетинга. Часть 1, Автоматизация маркетинга с помощью ИИ: как это работает и почему маркетологам это должно быть интересно, находится здесь .

На протяжении большей части 2023 года шумиха вокруг ИИ была сосредоточена на вариантах использования генеративного контента ИИ (копии, изображения, видео). Некоторые все еще сомневаются в окончательном влиянии генеративного ИИ, но массовое внедрение указывает на то, что большая часть внимания к возможностям, ориентированным на контент, оправдана.

И все же, есть еще более глубокое движение: внедрение ИИ в каждое приложение маркетинговых технологий.

Для лидеров маркетинговых технологий внедрение ИИ в основные компоненты стека, такие как CRM и платформы автоматизации маркетинга (MAP), повысит точность и производительность. В этой области я уделяю приоритетное внимание управлению данными, которое большинство руководителей маркетинговых операций также признают основой фундамента.

Управление данными: первый (полу)естественный языковой процесс

До переломного момента в сфере ИИ управление данными было самым ранним изменением «естественного языка», которое способствовало развитию мартеха. Как? Благодаря трансформации без кода, которая позволила нам создавать новые поля базы данных, ранее доступная только для ИТ-специалистов. Возможность создавать внутренние поля и поля для клиентов, интегрированные в целевые страницы и веб-сайты, изменила цифровое взаимодействие.

Даже при автоматизации мы в значительной степени полагаемся на человеческое взаимодействие и системные интерфейсы, чтобы управлять большей частью входных данных. И, несмотря на более простые в использовании инструменты, обучение по-прежнему было препятствием для внедрения (надлежащего) ввода данных. Ранние алгоритмы искусственного интеллекта влияли на различные процессы очистки данных после того, как данные были введены неправильно или были неполными. Но все мы знали, что наиболее эффективно предотвратить попадание неточных данных в систему, что может привести к ошибочным результатам на последующих этапах.

Я буду использовать общую структуру — мусор на входе, мусор на выходе (GIGO) — для иллюстрации.

«Мусор внутри»

1. Ввод данных

Лидеры Martech съеживаются, когда пользователи говорят, что вводить данные сложно. Сопереживание заслуживает, особенно если со временем в интерфейс вносились изменения. (Если вы являетесь магазином Salesforce и по-прежнему переключаетесь на Classic vs. Lightning, это напоминание о сочувствии!)

Многие ведущие поставщики, в том числе Salesforce, недавно предсказали, что революция генеративного искусственного интеллекта навсегда изменит пользовательский интерфейс. Каждый пользовательский интерфейс теперь должен обрабатывать естественный язык, уменьшая трения (или оправдания, если вы циничны) для пользователей при вводе данных.

Например, ChatSpot (интерфейс искусственного интеллекта HubSpot) использует модель GPT в своем пользовательском интерфейсе. (Хотя я независим от поставщика, я использовал этот инструмент и буду приводить примеры, потому что он доступен для тестирования в их общедоступной альфа-версии.)

Начнем с основ — добавления нового контакта.

Пользователям не придется запоминать, где в стандартном интерфейсе HubSpot нажать «Добавить контакт». Вместо этого они будут использовать простую подсказку, подобную этой…

За три месяца альфа-тестирования HubSpot также добавил шаблоны подсказок, которые запускают действия на основе общих задач, поэтому теперь вы можете выбирать из списка избранного, подобного этому.

2. Исследование и добавление данных о людях и компаниях

Многие MAP получали основную информацию о клиентах с веб-сайтов. ИИ упрощает эту задачу, и теперь сводная версия ключевых профилей для дополнения контактных лиц или дополняет фирмографическую информацию о компании. Например:

3. Внедрение в электронные таблицы

Согласно опросу о зарплате и карьере MarTech за 2023 год, примерно 70% маркетологов тратят более 10 часов в неделю на работу с электронными таблицами. Они лежат в основе стеков Martech.

Я говорил о том, что эти инструменты (и их формулы, возможности ВПР и т. д.) по-прежнему являются нашими секретными декодерами для работы с несколькими источниками данных в моей презентации на конференции MarTech в марте 2023 года. Во многих крупных командах аналитик данных, работающий полный рабочий день, поддерживает эти усилия. В небольших командах часто есть маркетолог, разбирающийся в данных и обладающий опытом работы с Excel.

Однако программирование ВПР для многих слишком техническое. Маркетологи теперь используют генеративные подсказки ИИ для создания формул. Несколько подключаемых модулей ИИ вводят созданные ИИ подсказки непосредственно в электронные таблицы.

Эти возможности естественного языка «без кода» будут самыми мощными и наиболее часто используемыми дополнениями. Они будут встроены непосредственно в инструменты работы с базовыми знаниями (например, Google Workspace Labs и Microsoft Co-pilot). Пользователи будут просить помощника ИИ извлекать домены из адресов электронной почты, извлекать имена и фамилии, компании и т. д., а также эффективно создавать структурированные данные с помощью подсказок на естественном языке.

'Мусор'

Давайте теперь перейдем к другой стороне спектра: случаи использования, когда ИИ поможет с выводом данных.

4. Интерфейсы на естественном языке для аналитики

Мы все были там. Вместо доступа к платформе кто-то просит вас экспортировать отчет в PowerPoint или Google Slides. Получение отчета из приложения с помощью подсказок на естественном языке изменит правила игры.

«Можете ли вы дать мне отчет на основе <заполните пустое место>» — это подсказка, которая снижает барьер для прямого доступа большего количества людей к аналитике.

Со временем, если пользователи будут более склонны вводить данные и видеть, что они правильно отражены, они с большей вероятностью будут предоставлять качественные записи. Вместо того, чтобы исправлять диаграмму, возможно, пользователи исправят ее в источнике.

5. Расширенные возможности визуализации

Создание визуализации также будет наполнено возможностями. Мы сможем запрашивать платформы для этих визуализаций через плагины/интерфейсы.

Как и многие, я с нетерпением жду доступа к возможностям интерпретатора кода OpenAI. Тем временем я следил за тем, как другие тестируют его, в том числе Итан Моллик, который кратко рассказал о возможностях в своем информационном бюллетене One Useful Thing — отрывок из его недавнего поста в информационном бюллетене.

6. Доступные большие данные

Все эти преимущества ввода и вывода данных не будут ограничиваться только конкретными данными, которые являются «источником правды» в CRM/MAP.

Поскольку мы снизили барьер для доступа к большему количеству источников данных, результаты одного анализа могут быть связаны с другими способами, которые ранее не рассматривались — поскольку будут доступны другие дополнения к данным и дополнительные атрибуты — через подсказки на основе ИИ, как хорошо.

По-прежнему необходимы управление и обучение, чтобы избежать слепого доверия

Лидеры Martech должны быть осторожны, чтобы не полагаться только на ИИ для управления данными и их качества. Необходимо применять дополнительное управление, учитывая незрелость генеративных инструментов ИИ и их потенциальную возможность влиять на качество данных, если они не контролируются.

Задача управления данными имеет двойное значение. Подсказки могут не наследовать рекомендации вашей организации по связыванию контактов с учетными записями; возможно, потребуется разработать более сложные подсказки, соответствующие этим рекомендациям.

Сегодня любой, кто импортирует данные в электронную таблицу, проверяет работоспособность после применения формул. Опечатки могут создавать проблемы в тысячах записей. Но ошибочная логика, введенная ИИ, может повредить тысячи записей, если пользователи не создали соответствующую подсказку для начала.

Что дальше? В части 3 этой серии я расскажу о внедрении ИИ в процессы кампании MAP.