데이터와 AI로 고객 니즈 예측

사람들은 고객의 요구를 이해하고 인식하며 인간적인 차원에서 연결하는 브랜드에 자신을 맞추고 있습니다.

오늘날의 COVID-19 환경에서 고객의 기대치는 빠른 속도로 진화하고 있으며 브랜드는 신뢰할 수 있는 관계를 제공하고 유지해야 합니다.

이제 브랜드는 개인 수준에서 중요한 순간에 올바른 채널에서 올바른 콘텐츠로 고객에게 다가갈 수 있도록 해야 합니다.

이는 비즈니스에 직접적인 영향을 미칠 수 있다는 딜로이트의 연구와 함께 고객 충성도를 높이고 유지하는 데 중요합니다. 결과에 따르면 설문 조사에 참여한 사람들의 39%는 나쁜 경험 후에 브랜드를 바꾸었고 62%는 좋아하는 브랜드와 관계를 맺고 있다고 생각합니다.

이러한 방식으로 연결하는 것은 쉬운 일이 아닌 것처럼 보일 수 있지만 인공 지능(AI)과 머신 러닝이 이를 가능하게 할 수 있습니다. 이러한 기술은 브랜드가 실시간 마케팅을 통해 고객의 요구를 더 잘 예측하고 중요한 순간에 도달할 수 있도록 도와줍니다.

다음은 관련 고객 경험을 제공하기 위해 CMO와 마케터가 따를 수 있는 단계입니다.

달성 가능한 계획 수립

고객의 요구 사항은 순식간에 변경되어 고객 여정에 영향을 줄 수 있습니다. 가치를 제공하려면 브랜드가 고객과 소통하고 고객의 실시간 요구 사항에 따라 보다 개인화된 경험을 제공할 수 있을 만큼 충분히 민첩해야 합니다.

이를 위해 마케터는 먼저 자신의 야망을 정의하고 비즈니스와 고객을 위한 우선 순위를 일치시키는 전략을 개발해야 합니다. 예를 들어, 목표는 상향 판매 또는 충성도 증가와 관련될 수 있으며 목록은 계속될 수 있습니다.

한 번에 모든 것을 달성하려고 하기보다 구체적인 사용 사례와 이를 달성하기 위한 로드맵을 수립하는 것이 좋습니다. 또한 AI와 머신 러닝을 사용하여 민첩한 타겟팅과 동적 크리에이티브를 실행하여 현재 요구 사항을 충족합니다.

고객의 요구 사항, 데이터 소스 및 외부 환경이 유동적이므로 프로그램 실행 및 결과도 마찬가지일 수 있음을 인식하는 것이 중요합니다. CMO와 마케터는 테스트 및 조정 원칙을 따르고 반복적인 프로세스에 대비해야 합니다.

사람 구성 요소도 중요합니다. 적절한 인재, 이해 관계자 및 운영 모델을 확보하는 것은 실시간 마케팅 성공에 매우 중요합니다.

데이터와 기술 활용

브랜드는 각 사용 사례가 고유하므로 사용 사례를 지원하는 데 필요한 특정 데이터와 통찰력을 식별해야 합니다. 다음 사항을 고려해야 합니다.

데이터

브랜드는 자체적으로 많은 데이터를 보유하고 있지만 적시에 고객의 요구를 충족 하고 예측하기 위해서는 고객에 대한 완전한 관점을 제공하고 격차를 메울 외부 데이터가 필요합니다. 위치 및 계절 기반 정보, 추세 데이터 또는 컨텍스트 데이터와 같은 환경 데이터가 될 수 있습니다.

예를 들어, 외부 소셜 미디어 데이터는 마케터에게 고객 세트가 무엇에 반응하고 있는지, 그리고 그들이 플랫폼에서 보고 싶어하는 콘텐츠 유형을 알려줄 수 있습니다. 또한 변화하는 데이터 규정과 타사 쿠키가 사라지면서 브랜드는 자사 데이터에 의존해야 합니다.

기술 기반

고객 데이터 플랫폼은 마케터의 요구에 활용할 수 있는 고객에 대한 단일 보기를 생성하는 데 도움이 되므로 가치가 있습니다. 그것은 외부 데이터와 함께 모든 소유, 유료, 수익 소스에 대한 회사의 내부 데이터를 결합합니다.

올바른 데이터와 개별 고객에 대한 더 나은 이해를 통해 마케터는 중요한 개인화된 경험을 만드는 데 도움이 되는 중요한 기본 단계를 완료하게 됩니다.

결정

AI와 머신 러닝은 브랜드가 고객 요구를 더 잘 예측하는 동시에 시장 경험으로의 속도를 가속화하는 데 필수적입니다. 복잡한 데이터 세트를 사용할 때 머신 러닝은 지능형 잠재고객 모델링을 지원하고 AI는 실시간 통찰력을 기반으로 타겟팅 전략을 업데이트하는 데 도움이 됩니다.

더 많은 정보를 분석하고 더 깊은 이해를 얻을 수 있는 능력을 통해 마케터는 채널, 메시징 및 경험 전반에 걸쳐 고객의 변화하는 요구 사항을 충족하기 위해 정보에 입각하고 신속한 결정을 내릴 수 있습니다.

예를 들어, 은행에서 실행될 때 AI는 표준 인구통계학적 통찰력을 벗어난 일련의 데이터 신호를 사용하여 현재 주택 시장에 있는 개별 고객을 식별하고 최적의 적절한 모기지 제안으로 개인을 대상으로 할 수 있습니다. 채널과 순간.

개인화된 메시지를 오케스트레이션할 수 있다는 것은 브랜드와 고객 관계 내에서 연결과 신뢰를 심화시킵니다.

프로세스를 실행으로 전환

이러한 작업은 특정 사용 사례 또는 시나리오를 지원할 수 있지만 브랜드가 대규모로 실시간으로 이를 수행하기는 어렵습니다. 많은 기업이 직면한 주요 장애물 중 하나는 고객 경험이 종종 마케팅의 기능으로 생각되거나 고립되어 있다는 것입니다.

고객 경험은 회사 운영의 모든 영역에 감성적으로 지능적인 기능이 포함된 진정한 운영 원칙이어야 합니다. CMO와 CIO 간에 핵심적인 협력이 이루어져야 합니다.

이렇게 하면 AI와 머신 러닝을 통해 구축된 고객의 기대와 인간의 통찰력을 사용하여 궁극적으로 비즈니스 결과를 주도하는 브랜드의 전략과 행동에 실시간으로 영향을 미칠 수 있습니다.

AI는 고객 경험에 도움이 될 수 있지만 CX가 아닌 사용 사례가 있는 CMO와 마케터에게도 도움이 될 수 있습니다. 예를 들어 AI는 마케팅 ROI를 최적화하고 마케팅 성과를 개선하며 새로운 고객을 확보하는 데 도움이 될 수 있습니다.

예를 들어, 컨택 센터에서 AI는 발신자에게 최적의 메시지를 알려줌으로써 고객 서비스 에이전트와 협력할 수 있습니다. CX가 핵심 목표가 아닐 수도 있지만 개인화된 고객 경험은 확실히 사용 사례 목표를 달성하는 데 도움이 될 수 있습니다.

마케터는 데이터를 신뢰하고 알고리즘을 적절하게 설계하고 배포하여 AI가 더 많은 작업을 수행하도록 해야 합니다. 인간은 여전히 ​​관여하지만 더 많은 결정이 자율적으로 실시간으로 이루어짐에 따라 고객을 위한 다른 전략적 결정과 창의적인 노력에 집중할 수 있습니다.

고객의 요구에 집중하고 고객이 원하는 개인화된 경험을 제공함으로써 브랜드는 충성도로 이어지는 탄력적인 정서적 유대를 형성할 수 있습니다.

Kate Erickson은 Deloitte Consulting LLP 및 Hux by Deloitte Digital의 전무 이사입니다.