人工智能的领导者预测 到2020年 现金流可能会翻倍

大多数营销人员已经知道，他们可以使用人工智能(AI)做出更明智的决策，更好地吸引目标受众，并为组织带来收入。

然而，根据2019年发布的Demandbase调查，只有18%的B2B营销人员和销售专业人员在使用这项技术。

同一项研究还发现，67%的营销人员期望AI为潜在客户带来更高的质量，而56%的营销人员认为这项技术可以帮助更好地与客户和潜在客户互动。

那么，是什么阻止了营销人员使用它呢？

尽管营销人员意识到技术可以带来的价值，但他们通常缺乏优先级和有效用例、人员/组织能力以及有效实施人工智能策略的技术的完美结合。

不幸的是，因为他们没有掌握这三者，营销人员将自己(和他们的公司)置于过时的风险之中。

麦肯锡公司(McKinsey & Company)的专家预测，到2030年，人工智能技术可能会导致领导者(在企业中充分吸收人工智能工具)与非采纳者或部分采纳者之间出现巨大的绩效差距。

人工智能的领导者预测，到2020年，现金流可能翻一番，这意味着到2030年，净现金流将增加约6%，而非用户的现金流可能比今天的水平减少约20%。

为了避免落后并开始获得利润，每个营销人员必须优先确定最合适的用例，雇佣和/或培训合适的人员，并在来年实施合适的技术。

人工智能环境中充满了失败的项目，所以为了提高成功的可能性，请记住以下几点：

确定最合适的人工智能用例

虽然营销人员最终可能会执行数百个人工智能用例，但营销人员应该首先根据两个维度(价值和可行性)确定他们的最佳候选人。

你可以先大胆思考，但之后你需要缩小范围。

常见使用案例包括：智能聊天机器人、更智能的个性化数字广告、内容生成和管理、基于AI的账户或潜在客户评分、AI辅助的电子邮件回复、多渠道营销归因、最佳行动、客户生命周期价值和情感分析。

营销人员应该估计每个用例的交付价值(潜在的高收入、上市时间、减少的人工、客户满意度)，以及看到可行结果所需的时间和精力。

如果用例既没有很高的价值，也没有很高的可行性，并且你不知道如何根据预测结果采取行动，那么你应该把它从短期愿望列表中删除。

不确定从何入手的营销人员应考虑评估以下常见高影响力应用的价值：

优化广告支出：营销人员每年在广告上花费数十亿美元，但通常无法量化这些投资是否值得。在人工智能的帮助下，营销人员可以更准确地将销售归因于特定的广告计划，从而优化支出，以更少的资源吸引更多的潜在客户。

提升客户体验：AI可以让营销人员根据客户喜好进行磨练，根据过往的购买和浏览行为打造个性化体验。这不仅可以增强客户对品牌的认知，还可以增加销量，尤其是当他们是以前从未考虑过的推荐产品时。

客户流失的预测和缓解：客户保留团队通常资源有限，无法对每个客户给予同等关注。为了解决这个问题，营销人员可以实施人工智能解决方案，该解决方案可以在历史客户活动中找到模式，以准确预测哪些客户可能会将他们留给竞争对手。有了这些信息，团队可以更好地关注风险最大的客户，并为他们提供保持忠诚度的激励。

在营销团队确定了应用人工智能的过程之后，它可以开始确定负责实现这些实现的个人以及将这些用例付诸实践的技术。

雇佣或培训合适的人

现代营销人员的技能发展迅速。

营销人员需要管理大量的数字客户接触点(包括桌面和移动设备、社交媒体等。)，营销人员需要使用、分析和利用无数数据来做出决策。

数据对于推广有价值的人工智能应用非常重要。没有它，系统将没有必要的信息来产生关键的见解，如预测消费者行为或创建真正个性化的内容。

因此，Marketing Land 2019年1月的数字代理调查发现，72%的代理营销人员表示，数据科学和分析将是未来几年最需要的技术技能，其次是转化率优化(59%)和计算机科学/AI和技术SEO(各52%)。

不幸的是，这些技能很难掌握。事实上，寻找AI相关作业的个人数量下降了14.5%。2018年5月至2019年5月，他们还发现2013年至2019年对数据科学家的需求增长了344%，而人才库在2018年仅增长了14%。

虽然人才的短缺无疑给营销人员带来了挑战，但解决的方法还是很多的。营销人员可以识别内部“公民数据科学家”。

这些人具有深厚的领域知识并具有强大的分析背景，但没有正规的数据科学培训。

借助正确的工具和培训，公民数据科学家可以快速掌握组织的AI战略。

此外，营销人员应考虑聘请AI顾问以支持其计划，或在其致力于将AI添加到其营销DNA并将其作为长期能力的基础上，向其平台提供商寻求有关AI策略的近期指导。 。

实施正确的AI技术

无论用例如何，营销人员都可以采用不同的方法在营销流程中利用AI。

营销人员很清楚，可以在martech堆栈中利用大约7,000多种不同的供应商工具，并且其中包括或至少声称拥有AI的工具数量呈指数增长。

如今，营销人员最常用的方法是利用内置于martech工具中的AI，该AI已针对该单点解决方案或功能进行了优化。

这意味着营销人员可能拥有10种不同的AI工具来实现10种不同的功能，但这是当今最常见的方法，可缩短上市时间，而无需在第一天就内部雇用或开发AI能力。

尽管拥有这些积分解决方案现在可以解决某些问题，但现实情况是，积分工具无法解决营销或客户忠诚度方面的一些最高价值的问题。

诸如次优报价，交叉销售/追加销售，客户流失预测和减少，客户体验优化，价格弹性建模，客户满意度等用例需要更广泛的企业解决方案。

为此，找到合适的人工智能技术或平台，并辅以一些业务转型的帮助，对于营销人员的人工智能成功至关重要。

选择AI技术时，以下是成功的三个注意事项：

无需编码或数据科学工具即可自动创建机器学习模型。这不仅使非数据科学家能够部署自己的模型，而且使专家从模型构建所创建的重复任务中解脱出来，从而使他们能够利用自己独特的专业知识来选择和微调模型以满足市场需求。这些步骤包括准备数据，修改数据以改进模型，使算法多样化等。

监视模型的性能。这对于确保算法成功至关重要，因为监视组件可以识别并解决性能问题，基础架构挑战和数据更改。如果无法监视和管理部署，则AI模型很可能最终会失败。

但是在AI驱动的时代，营销人员对AI感兴趣还远远不够。为了真正取得成功，他们需要认真思考将成为其AI任务核心的流程，人员和技术。

那些掌握了这种组合的人将很容易识别，因为他们的组织将在未来几年内占据主导地位。

比尔Hobbib负责全球营销DataRobot拥有超过25年的经验，营销突破性技术为各种规模的组织，包括数据管理，分析超过十年，而SaaS领域。