Tekoäly on pian niin halpaa, että siitä tulee markkinoinnin ja viestinnän valtavirtaa. Suurimmat markkinoijat myös Suomessa hyödyntävät jo tekoälyn algoritmeja, esimerkiksi asiakaspoistuman ennustamisessa. Mitä kaikkea on odotettavissa? Vai joko väsyit hypetykseen?
Suomeen mahtuu yksi kuuma trendi kerrallaan, ja nyt se on tekoäly, kuten kollegani Toni Stubin äskettäin kirjoitti oivaltavassa blogissaan. Hype missä tahansa voi ärsyttää, mutta sen takia ei kannata sulkea silmiä ja korvia. Olemmehan teknologiaoptimisteja!
Omat harmaat aivosoluni pullauttivat päähän tekoälyn ja markkinointiviestinnän yhdistelmän hieman yllättävää polkua. Kävin toukokuun lopussa Vantaalla IoT Summit 2018 -tapahtumassa. Kuvittelin, että esillä olisi esineiden internetin ratkaisuja, mutta keskeinen teema olikin tekoäly, sen keinot ja osa-alueet, kuten koneoppiminen ja ennustava analytiikka.
Mitä tekoälyn keskeisyys osoitti? Hypetystä, kyllä, mutta ennen muuta se osoitti hienosti, että suomalaiset yritykset ymmärtävät, mikä on IoT:n pihvi: datan jalostaminen liiketoiminnan palvelukseen. Dataa syntyy koko ajan hurjia määriä valtavasta määrästä antureita.
Miten tämä liittyy markkinointiin? Meidän kannattaa pilkkoa myös markkinoinnin osa-alueet lukemattomiin “antureihin”, jotka tuottavat meille raakadataa: yksi markkinoinnin kohdehenkilö, yksittäinen mainosnäyttö, yksi sosiaalisen median promopostaus.
Markkinointiautomaatio pyrkii tällaiseen datalähteiden pilkontaan ja analytiikkaan omalla tavallaan, mutta tekoälyyn siitä on vielä pitkä matka. Yhtä kaikki, tulevaisuudessa markkinointiautomaatio perustuu koneoppimisen algoritmeihin ja ennakoivaan analytiikkaan.
Tekoäly nostaa markkinointikoneen tuottavuutta
Markkinointi tehostuu tuntuvasti tekoälyn avulla. Kampanjat osuvat maaliin entistä paremmin ja tiimien tuottavuus kasvaa, kun markkinoinnista tulee yhä datavetoisempaa ja tarkemmin mittaroitua. Elämme varhaista vaihetta, mutta pian hypeusva haihtuu. Mitä tekoälyn hedelmiä voimme alkaa poimia?
1. Parempi ymmärrys asiakaskäyttäytymisestä
Churn eli asiakaspoistuma on tärkeä liiketoiminnan ongelma, johon big dataa, koneoppimista ja ennakoivaa analytiikkaa on alettu soveltaa ensimmäisenä: mitkä syyt johtavat poistumaan ja miten asiakkaista voidaan pitää kiinni? Ongelman ratkaisuissa markkinointi nousee keskeiseen rooliin: mitkä markkinoinnin toimenpiteet ja millä hetkellä auttavat? Samalla analyysin kohteeksi nousee se, millainen asiakaskokemus on ylipäänsä. Tekoälyn välineet siis kohentavat ymmärrystä siitä, miten asiakas käyttäytyy eri tilanteissa, ja antavat eväitä tiedon hyödyntämiseksi.
2. Parempi liidien luokittelu
Liidien luokittelu on tärkeä ominaisuus markkinointiautomaation ohjelmistoissa, mutta monta kertaa ne voivat arvioida liidien laatua väärin. Hyvinkin lähellä ostokynnystä oleva liidi voi jäädä havaitsematta, ja kuumaksi liidiksi voi nousta henkilö, joka myyjän yhteydenotossa paljastuukin jääkylmäksi. Pian markkinointiautomaation ohjelmistojen konepellin alle viritetään jo “tehtaalla” koneoppimisen algoritmeja. Liidien luokittelun arvioidaan kohentuvan merkittävästi.
3. Oikea tuote markkinoille
Markkinointi on tietenkin pulassa, jos tuotekehitys pullauttaa markkinoille tuotteen, joka on kaikkea muuta kuin mitä asiakkaat ovat nyt vailla. Tekoälyn avulla yritykset pystyvät pöyhimään markkinoiden signaaleja paljon tarkemmin ja välttämään hutipotkut. Markkinoinnista tulee organisaatiossa selvemmin se osa, jolla on tuntosarvet asiakkaiden suuntaan ja joka välittää tietoa asiakaspalveluun ja tuotekehitykseen. Churn-algoritmeja voi soveltaa laajasti. Parhaiten ennakoivaa analytiikkaa hyödyntävät markkinoijat jyräävät kilpailijat jalkoihinsa.
4. Tarkempi sisällön kohdennus oikeaan aikaan
Markkinoinnin sisältöjen personointi digitaalisen käyttäytymisen pohjalta on vanha juttu Amazonin kirjakaupasta, mutta ilman tekoälyä markkinoinnin sisältöjä ei tulevaisuudessa tehdä. Data-analytiikka rouhii tehtyjä markkinoinnin toimenpiteitä ja pureutuu “atomitasolle” asti. Mikä viesti ja miksi puri juuri tähän liidiin, joka otti asiakaspolulla tärkeän askeleen eteenpäin? Tärkeä muuttuja on myös ajoitus: mikä on oikea hetki iskeä? Milloin liidi ilahtuu, milloin närkästyy ja miksi? Koneoppimisen tuloksena syntyy yhä tarkemmin yksilöityjä ja optimoituja sisältöjä.
5. Tekoälyyn perustuvat markkinointistrategiat
Tällä hetkellä koneoppimisen algoritmit tepsivät parhaiten, kun kysymyksenasettelu on hyvin tarkasti rajattu. Vähitellen tekoäly valjastetaan yhä laajempien kokonaisuuksien rakentamisen välineeksi. Yritysten koko markkinoinnin strategiaa ohjataan jatkossa ennakoivan analytiikan avulla.
Lopuksi: Datatieteilijän puheenvuoro
Intoilu tekoälyn kanssa voi johtaa myös hakoteille. Hyvästä datasta voi vääntyä silkkaa dadaa. Tästä IoT Summitissa varoitti eCraftin johtava datatieteilijä Tommi Vilkamo erinomaisessa esityksessään, joka perustui hänen kokemuksiinsa suomalaisten yritysten tekoälyhankkeissa.
Datatieteilijät törmäävät vielä turhan usein perustason ongelmiin: datan huteraan laatuun, väärään kysymyksenasetteluun ja yksilöurheilun harhaan. Vaikka dataa olisi valtavasti, se voi olla huonoa, laadultaan epätasaista tai vääränlaista käsillä olevan ongelman kannalta.
On turha palkata datagurujen armeijaa, jos ei ensin pysty tunnistamaan, mikä liiketoiminnan ongelma datalla olisi ratkaistavissa ja mikä on datalle esitettävä oikea kysymys. Lisäksi täytyy oivaltaa, että tuloksia syntyy vain joukkueen voimin: dataosaajien täytyy toimia yhdessä liiketoiminnan osaajien kanssa.
Vilkamo sanoi myös, että työpaikkojen menetystä tekoälyn takia on turha pelätä – paitsi jos työsi on uuvuttavaa rutiinia, etkä halua muutosta. Markkinoinnissa ja viestinnässä voimme toivottaa tekoälyn tervetulleeksi kollegaksi ja markkinointiautomaation aisapariksi. Kunhan muistamme, että tämäkin kollega kaipaa toisen kollegan tukea ollakseen tuottava työntekijä.
Millä tavalla sinä olet ajatellut hyödyntää tekoälyn hedelmiä? Jos olet tällä hetkellä miettimässä, miten voisit paremmin hyödyntää markkinointiautomaatiota, lataa alta oppaamme “B2B-teknologiayrityksen 7 askelta markkinointiautomaation maailmaan”!
