人工智能可以幫助提高數據質量的 6 個營銷自動化用例

編者註：這是關於如何將人工智能融入營銷自動化平台的四部分系列中的第二部分。 第 1 部分，人工智能營銷自動化：它是如何工作的以及為什麼營銷人員應該關心，請參見這裡。

在 2023 年的大部分時間裡，人工智能炒作都集中在生成式人工智能內容用例（複製、圖像、視頻）。 一些人仍然質疑生成式人工智能的最終影響，但主流採用表明，對以內容為中心的功能的大部分關注是有必要的。

然而，一場更深遠的運動正在進行中：將人工智能融入到每一個營銷技術應用中。

對於 Martech 領導者來說，將 AI 融入 CRM 和營銷自動化平台 (MAP) 等核心堆棧組件將提高準確性和生產力。 在此範圍內，我的重點是優先考慮數據管理，大多數營銷運營領導者也將其視為基礎的基石。

數據管理：第一個（半）自然語言處理

在人工智能拐點之前，數據管理是最早推動 Martech 增長的“自然語言”變革。 如何？ 通過無代碼轉換，我們能夠創建新的數據庫字段，這是以前為 IT 保留的特權。 創建集成到登陸頁面和網站中的內部和麵向客戶的字段的能力改變了數字參與。

即使實現了自動化，我們仍然嚴重依賴人機交互和系統界面來驅動大部分輸入。 儘管有更易於使用的工具，培訓仍然是（正確的）數據輸入的採用障礙。 早期的人工智能算法在數據輸入不正確或不完整後會影響各種數據清理過程。 但是，我們都知道最有效的方法是防止不准確的數據進入系統，從而導致下游結果錯誤。

我將使用一個通用框架——垃圾輸入，垃圾輸出（GIGO）——來進行說明。

“垃圾進來”

1. 輸入數據

當用戶表示輸入數據很困難時，Martech 領導者感到畏縮。 同理心是值得的，尤其是當界面隨著時間的推移發生變化時。 （如果您是 Salesforce 商店，並且仍然切換到 Classic 與 Lightning，這就是您的同理心提醒！）

包括 Salesforce 在內的許多領先供應商最近預測，生成式 AI“即時”革命將永遠改變用戶界面。 現在每個 UI 都需要處理自然語言，減少用戶輸入數據的摩擦（或者藉口，如果你憤世嫉俗的話）。

例如，ChatSpot（HubSpot 的 AI 界面）在其用戶界面中利用了 GPT 模型。 （雖然我與供應商無關，但我一直在利用該工具並將摘錄示​​例，因為它可以在其公開 alpha 版本中進行測試。）

讓我們從基礎知識開始 - 添加新聯繫人。

用戶無需記住 HubSpot 標準界面中的哪個位置即可單擊“添加聯繫人”。 相反，他們會使用像這樣的簡單提示......

在三個月的 alpha 測試中，HubSpot 還添加了提示模板，可以根據常見的待辦事項觸發操作，因此您現在可以從這樣的收藏夾列表中進行選擇。

2. 研究和添加有關人員和公司的數據

許多 MAP 從網站上提取基本的客戶信息。 人工智能正在簡化這項任務，現在可以立即獲得關鍵配置文件的摘要版本，以增強聯繫人角色或補充公司公司信息。 例如：

3. 融入電子表格

根據 MarTech 的 2023 年薪資和職業調查，大約 70% 的營銷人員每週花在電子表格上的時間超過 10 個小時。 它們是 Martech 堆棧的基礎。

我在 2023 年 3 月的 MarTech 會議演講中談到了這些工具（及其公式、VLOOKUP 功能等）如何仍然是我們跨多個數據源工作的秘密解碼器。 對於許多大型團隊來說，全職數據分析師會支持這些工作。 較小的團隊通常擁有一位精通數據且具備 Excel 專業知識的營銷人員。

然而，對許多人來說，編程 VLOOKUP 技術性太強。 營銷人員現在正在使用生成式人工智能提示來創建公式。 一些人工智能插件實用程序將人工智能創建的提示直接注入電子表格中。

這些自然語言“無代碼”功能將是最強大和最常用的補充。 它們將直接嵌入基礎知識工作工具（例如 Google Workspace Labs 和 Microsoft Co-pilot）中。 用戶將要求人工智能助手從電子郵件地址中提取域名、提取名字/姓氏、公司等，並通過自然語言提示有效地創建結構化數據。

“垃圾出去”

現在讓我們轉向光譜的另一邊：人工智能有助於數據輸出的用例。

4. 用於分析的自然語言界面

我們都去過那裡。 有人要求您導出 PowerPoint 或 Google 幻燈片中的報告，而不是訪問該平台。 通過自然語言提示從應用程序獲取報告將改變遊戲規則。

“你能給我一份基於<填空>的報告嗎”將成為一個提示，降低更多人直接訪問分析的障礙。

隨著時間的推移，如果用戶更傾向於輸入數據並看到數據得到正確反映，他們將更有可能提供高質量的條目。 也許用戶不會修復圖表，而是會從源頭修復它。

5. 注入可視化功能

創建可視化也將被注入功能。 我們將能夠通過插件/界面提示平台進行這些可視化。

和許多人一樣，我熱切地等待使用 OpenAI 的代碼解釋器功能。 與此同時，我一直在關注其他人的試用，包括 Ethan Mollick，他在他最近的新聞通訊文章中摘錄的《一件有用的事情》中提供了對這些功能的一睹為快的信息。

6. 可訪問的大數據

所有這些數據輸入和輸出的好處將不僅僅局限於 CRM/MAP 中“真實來源”的特定數據。

因為我們降低了更多數據源的進入門檻，所以一項分析的輸出可能會通過基於人工智能的提示以以前未考慮過的方式與其他分析的輸出相關聯（因為其他數據增強和補充屬性將是可訪問的）出色地。

仍需要治理和培訓來避免盲目信任

Martech 領導者需要小心，不要僅僅依賴人工智能來進行數據管理和質量。 鑑於生成式人工智能工具的不成熟以及如果不加以監督它們可能會影響數據質量，因此應該應用額外的治理。

數據管理面臨的挑戰具有兩倍的影響。 提示可能不會繼承您的組織關於將聯繫人與帳戶關聯的準則； 可能需要製定遵循這些準則的更高級提示。

如今，任何將數據導入電子表格的人都會在應用公式後進行完整性檢查。 打字錯誤可能會在數千條記錄中產生問題。 但是，如果用戶一開始沒有創建適當的提示，錯誤的人工智能引入邏輯可能會損壞數千條記錄。

下一步是什麼？ 在本系列的第 3 部分中，我將深入探討將 AI 融入 MAP 活動流程。

獲取營銷技術！ 日常的。 自由的。 在您的收件箱中。

企業電子郵件地址

訂閱 加工...

見條款。