Bagaimana kecerdasan buatan mengubah pemasaran email

Semua orang berbicara tentang kecerdasan buatan (AI) akhir-akhir ini, dan pemasar email tidak terkecuali.

Terlepas dari kenyataan bahwa email jauh dari saluran pemasaran digital terbaru dan paling menarik, itu tetap menjadi salah satu yang paling produktif bagi banyak perusahaan. Faktanya, menurut Campaign Monitor, untuk setiap $1 yang dibelanjakan, pemasaran email menghasilkan pendapatan sebesar $38.

Mengingat pentingnya email bagi banyak bisnis perusahaan, tidak mengherankan jika penggunaan AI, dan pembelajaran mesin (ML) khususnya, berkembang di kalangan pemasar email.

Berikut ini adalah bagaimana AI diterapkan pada pemasaran email.

Multivarian dan Pengujian A/B

Pemasar email yang canggih telah menggunakan pengujian multivarian dan A/B selama bertahun-tahun, tetapi AI dan ML memungkinkan pemasar melakukan pengujian dengan cara yang sebelumnya tidak mungkin dilakukan.

Semakin banyak vendor teknologi yang menawarkan platform pengujian bertenaga AI dan ML yang memungkinkan pemasar membuat pengujian yang lebih kuat, lebih cepat mengidentifikasi tren dan membuat prediksi, serta mengidentifikasi perbedaan halus antara pengujian yang mungkin luput dari perhatian tanpa bantuan AI.

Beberapa platform, seperti Optimail, bahkan menawarkan pemasar email kemampuan untuk mengoptimalkan kampanye mereka dengan cepat, menghilangkan risiko kehilangan pendapatan saat pengujian berjalan.

Baris subjek dan pengoptimalan salinan

Baris subjek dan salinan email apa yang akan memberikan hasil terbaik? Selama bertahun-tahun, pemasar telah berjuang untuk menghilangkan dugaan untuk membuat email yang sempurna – tanpa banyak keberhasilan.

Sekarang, berkat platform yang ditawarkan oleh perusahaan seperti Phrasee dan Persado, pemasar email dapat membiarkan AI menentukan baris subjek, salinan isi, dan penerima ajakan bertindak mana yang paling mungkin untuk ditanggapi.

Pembelajaran mesin memungkinkan platform ini mempelajari apa yang paling sesuai dengan audiens pemasar tertentu. Platform ini kemudian menggunakan teknologi bahasa alami untuk membuat baris subjek, body copy, dan ajakan bertindak yang tidak hanya terdengar seperti ditulis oleh manusia, tetapi juga konsisten dengan bahasa yang biasanya digunakan oleh merek tersebut.

Hasil? Menurut Phrasee, baris subjek yang dihasilkan AI mengungguli baris subjek yang ditulis manusia lebih dari 95% dari waktu, dan Persado melangkah lebih jauh dengan mengklaim bahwa "konten kognitif" mengungguli konten buatan manusia 100% dari waktu.

Sementara klaim semacam itu sulit ditolak, bahkan pemasar email yang belum nyaman membiarkan AI mengambil alih kemudi memiliki kemampuan untuk memanfaatkan teknologi. Misalnya, Touchstone memungkinkan pemasar untuk membuat "simulasi virtual" pelanggan email mereka dan memprediksi tayangan, klik, dan tingkat konversi untuk baris subjek yang berbeda.

Kirim optimasi waktu

Dalam hal mengoptimalkan keberhasilan kampanye pemasaran email, beberapa detail terlalu kecil untuk diabaikan. Ambil waktu kirim. Selama bertahun-tahun, pemasar telah menyadari bahwa ketika mereka mengirim email dapat memiliki dampak yang berarti pada pembukaan dan klik.

Misalnya, penerima email di London kemungkinan kecil akan membuka email yang dikirim di tengah malam karena waktu pengiriman dioptimalkan untuk pelanggan di zona waktu yang jauh. Untuk alasan ini, beberapa pemasar email mengelompokkan pelanggan mereka dalam upaya untuk memastikan bahwa email mereka terkirim ke setiap segmen pada waktu yang dianggap ideal.

Pembelajaran mesin, bagaimanapun, menawarkan pendekatan yang lebih baik: alih-alih membuat asumsi besar dan membuat segmen besar, adalah mungkin bagi mesin untuk belajar ketika setiap penerima individu kemungkinan besar akan membuka email dan kemudian mengoptimalkan waktu pengiriman pada per pelanggan. dasar.

Melakukan ini secara manual akan sangat mustahil, tetapi pekerjaan mudah untuk mesin dan semakin banyak vendor, seperti Boomtrain, telah memasukkannya ke dalam platform mereka.

Personalisasi prediktif

Personalisasi bisa dibilang merupakan cawan suci pemasaran email dan sama seperti Cawan Suci yang sebenarnya, hal itu terbukti sangat sulit dipahami. Tapi AI akhirnya bisa mengubah itu.

Misalnya, Adobe telah mengintegrasikan platform Sensei AI-nya ke dalam solusi pemasaran email Adobe Campaigns. Teknologi ML Sensei AI tidak hanya dapat digunakan untuk mempersonalisasi baris subjek, sekarang juga dapat mempersonalisasi gambar yang ditampilkan dalam email:

Saat gambar dimasukkan ke dalam email, skor dihitung berdasarkan data industri tentang bagaimana pelanggan bereaksi terhadap gambar serupa berdasarkan tiga juta aset. Algoritme secara otomatis merekomendasikan cara menyesuaikan gambar untuk mencapai tingkat keterlibatan yang lebih tinggi. Misalnya, fitur tersebut dapat memprediksi bahwa email promosi musim semi pengecer perlengkapan luar ruangan akan berkinerja lebih baik dalam melayani tenda enam orang oranye dibandingkan tenda biru dua orang.

Tingkat personalisasi ini tidak mungkin dicapai tanpa AI.

Analitik

Selain menggunakan AI untuk mengoptimalkan kampanye email, AI diterapkan pada data yang dihasilkan kampanye ini.

Misalnya, karena Adobe Campaigns adalah bagian dari Adobe Marketing Cloud, yang mencakup solusi analitik, platform Sensei AI Adobe dapat menggabungkan data dari kampanye pemasaran email ke dalam analisis yang lebih luas. Secara khusus, data keterlibatan dari kampanye email sekarang digunakan untuk membantu perusahaan yang menggunakan Adobe Marketing Cloud memprediksi churn pelanggan.

Otomatisasi pemasaran

Secara historis, pemasaran email sebagian besar merupakan aktivitas manual yang berorientasi pada kampanye. Namun dalam beberapa tahun terakhir, semakin banyak perusahaan mulai memasukkan email ke dalam strategi otomatisasi pemasaran mereka yang lebih luas.

AI dan ML adalah bagian yang semakin penting dari platform otomatisasi pemasaran, karena mereka dapat membantu platform ini mengidentifikasi perilaku dan peristiwa yang harus memicu komunikasi pemasaran berbasis email, dan menentukan bagaimana pesan yang disampaikan harus disesuaikan untuk menghasilkan hasil yang diinginkan.