人工智能可以帮助提高数据质量的 6 个营销自动化用例

编者注：这是关于如何将人工智能融入营销自动化平台的四部分系列中的第二部分。 第 1 部分，人工智能营销自动化：它是如何工作的以及为什么营销人员应该关心，请参见此处。

在 2023 年的大部分时间里，人工智能炒作都集中在生成式人工智能内容用例（复制、图像、视频）上。 一些人仍然质疑生成式人工智能的最终影响，但主流采用表明，对以内容为中心的功能的大部分关注是有必要的。

然而，一场更深远的运动正在进行中：将人工智能融入到每一个营销技术应用中。

对于 Martech 领导者来说，将 AI 融入 CRM 和营销自动化平台 (MAP) 等核心堆栈组件将提高准确性和生产力。 在此范围内，我的重点是优先考虑数据管理，大多数营销运营领导者也将其视为基础的基石。

数据管理：第一个（半）自然语言处理

在人工智能拐点之前，数据管理是最早推动 Martech 增长的“自然语言”变革。 如何？ 通过无代码转换，我们能够创建新的数据库字段，这是以前为 IT 保留的特权。 创建集成到登陆页面和网站中的内部和面向客户的字段的能力改变了数字参与。

即使实现了自动化，我们仍然严重依赖人机交互和系统界面来驱动大部分输入。 尽管有更易于使用的工具，培训仍然是（正确的）数据输入的采用障碍。 早期的人工智能算法在数据输入不正确或不完整后会影响各种数据清理过程。 但是，我们都知道最有效的方法是防止不准确的数据进入系统，从而导致下游结果错误。

我将使用一个通用框架——垃圾输入，垃圾输出（GIGO）——来进行说明。

“垃圾进来”

1. 输入数据

当用户表示输入数据很困难时，Martech 领导者感到畏缩。 同理心是值得的，尤其是当界面随着时间的推移发生变化时。 （如果您是 Salesforce 商店，并且仍然切换到 Classic 与 Lightning，这就是您的同理心提醒！）

包括 Salesforce 在内的许多领先供应商最近预测，生成式 AI“即时”革命将永远改变用户界面。 现在每个 UI 都需要处理自然语言，减少用户输入数据的摩擦（或者借口，如果你愤世嫉俗的话）。

例如，ChatSpot（HubSpot 的 AI 界面）在其用户界面中利用了 GPT 模型。 （虽然我与供应商无关，但我一直在利用该工具并将摘录示例，因为它可以在其公开 alpha 版本中进行测试。）

让我们从基础知识开始 - 添加新联系人。

用户无需记住 HubSpot 标准界面中的哪个位置即可单击“添加联系人”。 相反，他们会使用像这样的简单提示......

在三个月的 alpha 测试中，HubSpot 还添加了提示模板，可以根据常见的待办事项触发操作，因此您现在可以从这样的收藏夹列表中进行选择。

2. 研究和添加有关人员和公司的数据

许多 MAP 从网站上提取基本的客户信息。 人工智能正在简化这项任务，现在可以立即获得关键配置文件的摘要版本，以增强联系人角色或补充公司公司信息。 例如：

3. 融入电子表格

根据 MarTech 的 2023 年薪资和职业调查，大约 70% 的营销人员每周花在电子表格上的时间超过 10 个小时。 它们是 Martech 堆栈的基础。

我在 2023 年 3 月的 MarTech 会议演讲中谈到了这些工具（及其公式、VLOOKUP 功能等）如何仍然是我们跨多个数据源工作的秘密解码器。 对于许多大型团队来说，全职数据分析师会支持这些工作。 较小的团队通常拥有一位精通数据且具备 Excel 专业知识的营销人员。

然而，对许多人来说，编程 VLOOKUP 技术性太强。 营销人员现在正在使用生成式人工智能提示来创建公式。 一些人工智能插件实用程序将人工智能创建的提示直接注入电子表格中。

这些自然语言“无代码”功能将是最强大和最常用的补充。 它们将直接嵌入基础知识工作工具（例如 Google Workspace Labs 和 Microsoft Co-pilot）中。 用户将要求人工智能助手从电子邮件地址中提取域名、提取名字/姓氏、公司等，并通过自然语言提示有效地创建结构化数据。

“垃圾出去”

现在让我们转向光谱的另一边：人工智能有助于数据输出的用例。

4. 用于分析的自然语言界面

我们都去过那里。 有人要求您导出 PowerPoint 或 Google 幻灯片中的报告，而不是访问该平台。 通过自然语言提示从应用程序获取报告将改变游戏规则。

“你能给我一份基于<填空>的报告吗”将成为一个提示，降低更多人直接访问分析的障碍。

随着时间的推移，如果用户更倾向于输入数据并看到数据得到正确反映，他们将更有可能提供高质量的条目。 也许用户不会修复图表，而是会从源头修复它。

5. 注入可视化功能

创建可视化也将被注入功能。 我们将能够通过插件/界面提示平台进行这些可视化。

和许多人一样，我热切地等待使用 OpenAI 的代码解释器功能。 与此同时，我一直在关注其他人的试用，包括 Ethan Mollick，他在他最近的新闻通讯文章中摘录的《一件有用的事情》中提供了对这些功能的一睹为快的信息。

6. 可访问的大数据

所有这些数据输入和输出的好处将不仅仅局限于 CRM/MAP 中“真实来源”的特定数据。

因为我们降低了更多数据源的进入门槛，所以一项分析的输出可能会通过基于人工智能的提示以以前未考虑过的方式与其他分析的输出相关联（因为其他数据增强和补充属性将是可访问的）出色地。

仍需要治理和培训来避免盲目信任

Martech 领导者需要小心，不要仅仅依赖人工智能来进行数据管理和质量。 鉴于生成式人工智能工具的不成熟以及如果不加以监督它们可能会影响数据质量，因此应该应用额外的治理。

数据管理面临的挑战具有两倍的影响。 提示可能不会继承您的组织关于将联系人与帐户关联的准则； 可能需要制定遵循这些准则的更高级提示。

如今，任何将数据导入电子表格的人都会在应用公式后进行完整性检查。 打字错误可能会在数千条记录中产生问题。 但是，如果用户一开始没有创建适当的提示，错误的人工智能引入逻辑可能会损坏数千条记录。

下一步是什么？ 在本系列的第 3 部分中，我将深入探讨将 AI 融入 MAP 活动流程。

获取营销技术！ 日常的。 自由的。 在您的收件箱中。

企业电子邮件地址

订阅 加工...

见条款。