En fersk undersøkelse viser at markedssjefer over hele verden er optimistiske og trygge på GenAIs fremtidige evne til å øke produktiviteten og skape konkurransefortrinn. Sytti prosent bruker allerede GenAI, og 19 prosent tester det. De viktigste områdene de utforsker, er personalisering (67 %), innholdsproduksjon (49 %) og markedssegmentering (41 %).

 

For mange merkevarer er det imidlertid et stort gap mellom forventninger og virkelighet. Markedsførere som ser for seg en sømløs, magisk kundeopplevelse, må være klar over at effektiviteten til kunstig intelligens avhenger av underliggende data av høy kvalitet. Hvis ikke, faller AI til jorden og etterlater markedsførerne med en virkelighet som ikke er helt magisk.

 

AI-drevet markedsføring mislykkes

 

La oss se nærmere på hvordan AI-drevet markedsføring med dårlig datakvalitet kan se ut. La oss si at jeg er kunde i en sports- og friluftsbutikk og planlegger min kommende årlige skitur. Jeg gleder meg til å bruke personlig AI for å gi meg en enkel og tilpasset opplevelse.

 

Jeg trenger å fylle noen hull i skigarderoben min, så jeg ber personal shopper AI om å foreslå noen plagg jeg kan kjøpe. Men den kunstige intelligensen lager svarene sine basert på data om meg som er spredt rundt i varemerkets mange systemer. Uten å ha et klart bilde av hvem jeg er, ber den meg om grunnleggende informasjon som den allerede burde kjenne til. Litt irriterende… Jeg er vant til å oppgi informasjonen min når jeg handler på nettet, men jeg hadde håpet at AI-oppgraderingen av opplevelsen ville gjøre det enklere for meg.

 

Fordi dataene mine er så fragmenterte, har AI-conciergen bare en bestilling knyttet til navnet mitt fra to år tilbake, som faktisk var en gave. Uten et fullstendig bilde av meg klarer ikke denne personlige shopperen å generere nøyaktig innsikt og ender opp med å dele anbefalinger som ikke er nyttige.

 

Til syvende og sist gjør denne dårlige opplevelsen at jeg får mindre lyst til å handle fra dette merket, og jeg bestemmer meg for å gå et annet sted.

 

Den skyldige bak en frakoblet og upersonlig generativ AI-opplevelse er datakvaliteten – dårlig datakvalitet = dårlig kundeopplevelse.

 

AI-drevet markedsføring som vinner

 

La oss nå gå tilbake til scenariet fra sportsbutikken, men tenk deg at den personlige AI-en drives av nøyaktige, enhetlige data som har en fullstendig historikk over min interaksjon med merkevaren fra første kjøp til siste retur.

 

Jeg skriver inn mitt første spørsmål og får et superpersonlig og vennlig svar, som allerede begynner å skape en opplevelse av en personlig kontakt med en hjelpsom ekspeditør. Den refererer automatisk til kjøpshistorikken min og kobler sammen tidligere kjøp med de aktuelle behovene mine.

 

Basert på spørsmålene og svarene mine gir conciergen et skreddersydd sett med anbefalinger for å fylle ut skigarderoben min, sammen med direkte kjøpslenker. Den kunstige intelligensen er i stand til å generere sofistikert innsikt om meg som kunde og til og med forutsi hvilke typer produkter jeg ønsker å kjøpe basert på tidligere kjøp, noe som øker sannsynligheten for at jeg kjøper og potensielt til og med utvider handlekurven min for å kjøpe flere varer.

 

I denne opplevelsen kan jeg faktisk bruke conciergen til å bestille uten å måtte navigere andre steder. Jeg vet også at returer og eventuelle fremtidige kjøp vil bli innlemmet i profilen min.

 

Fordi Generative AI kjente historikken og preferansene mine, kunne de skape en kjøpsopplevelse for meg som var svært personlig og praktisk. Dette er et merke jeg kommer til å vende tilbake til ved fremtidige kjøp.

 

Med andre ord, når det gjelder AI for markedsføring, gir bedre data = bedre resultater.

 

Så hvordan løser man egentlig utfordringen med datakvalitet? Og hvordan kan det se ut i denne nye AI-verdenen?

 

Å løse problemet med datakvalitet

 

Det første kritiske elementet i en effektiv AI-strategi er et enhetlig grunnlag av kundedata. Det vanskelige er at det er vanskelig å forene kundedata på en nøyaktig måte på grunn av omfanget og kompleksiteten – de fleste forbrukere har minst to e-postadresser, har flyttet over elleve ganger i løpet av livet og bruker i gjennomsnitt fem kanaler (hvis de tilhører millenniumsgenerasjonen eller generasjon Z, er det faktisk tolv kanaler).

 

Mange av de kjente metodene for å forene kundedata er regelbaserte og bruker deterministisk matching, men disse metodene er rigide og bryter sammen når dataene ikke samsvarer perfekt. Dette skaper i sin tur en unøyaktig kundeprofil som faktisk kan gå glipp av en stor del av kundens livshistorie med merkevaren, og som ikke tar hensyn til nylige kjøp eller endringer i kontaktinformasjonen.

 

En bedre måte å bygge et enhetlig datagrunnlag på er å bruke AI-modeller (en annen type AI enn generativ AI for markedsføring) til å finne sammenhenger mellom datapunkter for å avgjøre om de tilhører samme person, med samme nyansering og fleksibilitet som et menneske, men i stor skala.

 

Når kundedataverktøyene dine kan bruke AI til å forene alle berøringspunkter i kundereisen fra første interaksjon til siste kjøp og videre (lojalitetsdata, e-post, nettstedsdata osv.), blir resultatet en omfattende kundeprofil som forteller deg hvem kundene dine er og hvordan de samhandler med varemerket ditt.

 

Hvordan datakvalitet i generativ AI skaper vekst

 

Markedsførere har stort sett tilgang til det samme settet med generative AI-verktøy, og derfor er det drivstoffet du bruker, det som skiller deg ut.

 

Datakvalitet for å drive AI gir fordeler på tre områder:

 

Kundeopplevelser som skiller seg ut – mer persontilpassede, kreative tilbud, bedre interaksjon med kundeservice, en smidigere helhetsopplevelse osv.
Økt driftseffektivitet for teamene dine – raskere time-to-market, færre manuelle inngrep, bedre ROI på kampanjer osv.

 

Reduserte beregningskostnader – bedre informert AI trenger ikke å gå frem og tilbake med brukeren, noe som sparer deg for en rekke API-anrop som fort kan bli dyre.

 

Etter hvert som generative AI-verktøy for markedsføring fortsetter å utvikle seg, kan de gi løfter om å komme tilbake til det nivået av en-til-en-personalisering som kundene forventer i favorittbutikkene sine, men nå i stor skala. Dette skjer imidlertid ikke av seg selv – merkevarene må forsyne AI-verktøyene med nøyaktige kundedata for at AI-magien skal komme til live.

 

Hva man bør og ikke bør gjøre med AI i markedsføringen

 

AI er et nyttig hjelpemiddel i mange bransjer, spesielt innen markedsføring – så lenge det utnyttes på riktig måte. Her er et raskt “jukseark” som kan hjelpe markedsførere på deres GenAI-reise:

 

Gjør:

 

1. Vær eksplisitt om de spesifikke bruksområdene der du planlegger å bruke data og AI, og spesifiser de forventede resultatene. Hvilke resultater forventer du å oppnå?
2. Vurder nøye om GenAI er det mest hensiktsmessige verktøyet for ditt spesifikke bruksområde.
3. Prioriter datakvalitet og -omfang – det er avgjørende for en effektiv AI-strategi å etablere et enhetlig datagrunnlag.

 

Ikke forhast deg:

 

Forhaste deg med å implementere GenAI på alle områder. Begynn med et håndterbart bruksområde, for eksempel generering av emnelinjer.