마케팅 자동화에서 머신 러닝은 무엇을 의미합니까?

지난 몇 년 동안 마케팅 자동화는 '있으면 좋은' 기술에서 마테크 무기고의 필수 구성요소로 발전했습니다. 그러나 데이터 기반 전략이 없다는 것은 무엇을 의미하며 머신 러닝이 답일까요?

몇 주 전에 저는 인공 지능에 관한 컨퍼런스에 참석하여 패널이 작업장에 대한 AI의 의미에 대해 논의했습니다. 연사 중 한 명인 Anthony Painter는 AI가 우리 모두를 직장에서 몰아낼 것인지에 대한 질문에 흥미로운 대답을 했습니다.

" 그렇기를 바랍니다 ."라고 그는 말했습니다.

그의 요점은 AI가 우리를 대신해 일을 한다는 개념을 두려워해서는 안 된다는 것입니다. AI가 그렇게 하도록 설계된 것입니다. AI가 우리에게 필요한 모든 것을 수행 하는 단계에 도달하는 것은 종말이 아니라 유토피아가 될 것입니다.

철학적 막간은 제쳐두고 많은 사람들이 자동화가 여정의 주요 단계라고 주장합니다. 마케팅 맥락에서 실무자는 높은 수준의 전략적 사고에 더 많은 시간을 집중하고 실행에 대해 덜 걱정할 수 있습니다. 오늘날 자동화 소프트웨어는 리드 스코어링 및 세분화에서 소셜 미디어 일정 및 자동 SEO에 이르기까지 모든 것을 제공하는 최상위 플랫폼을 통해 영업 및 마케팅 전반에 걸쳐 무수히 많은 기능에 적용될 수 있습니다.

인구 통계, 선호도 및 웹 사이트 상호 작용에서 사용자 클릭 스트림 및 소셜 미디어 활동에 이르기까지 모든 것을 포함하여 이제 마케터가 사용할 수 있는 풍부한 고객 데이터를 통해 마케팅 자동화는 마케터가 데이터를 새롭고 흥미로운 방식으로 작동하도록 도왔습니다.

규칙은 깨지기 위해 만들어진다

그러나 규칙 기반 마케팅 자동화에는 고유한 핸디캡이 있습니다. 이는 인간이 그것을 조작하는 만큼 똑똑합니다.

마케팅 자동화의 핵심 활용: 잠재고객 세분화. 마케팅 자동화 시스템은 CRM 데이터에 적용되어 현장 행동, 인구 통계 데이터 또는 명시된 선호도와 같은 항목을 기반으로 고객을 세그먼트로 나눌 수 있습니다.

그러나 세분화를 결정하는 규칙은 마케터가 선택합니다. 즉, 어떤 데이터 포인트를 볼 가치가 있는지에 대한 인간의 가정에 의존합니다. 이것은 잘못된 가정을 위한 여지를 남기고 마케터가 전체 데이터 세트를 고려하는 것을 허용하지 않습니다.

더욱이 구조화된 데이터 수집 방식은 미묘한 분석의 가능성을 제한합니다. 사전 정의된 필드 중 하나에 해당하지 않는 요소(예: 비즈니스 규모, 소득 또는 교육 수준)를 기반으로 정확하게 분류하는 것은 어려울 수 있지만 이는 중요할 수 있습니다. Software Advice의 한 저자는 이것을 고객에 대한 '2차원' 관점으로 설명했습니다.

입력: 기계 학습

머신 러닝이 해결책이 될 수 있습니다. '클러스터링'이라는 분석 프로세스를 통해 머신 러닝은 전체 고객 데이터 세트를 보고 패턴을 식별하고 유사한 데이터의 '클러스터'로 구성할 수 있습니다. 이것의 장점은 어떤 데이터가 중요한지에 대한 마케터의 가정을 고려하지 않는다는 것입니다. 그 정보는 대신 분석에 의해 결정됩니다. 이렇게 하면 데이터의 개별 부분을 한 번에 하나씩 분석하여 놓쳤을 수 있는 추세와 연결에 대한 문이 열립니다.

또 다른 이점은 실시간 예측이 가능하다는 것입니다. 예를 들어, 기계 학습 시스템은 특정 인구 통계 내에서 제품 페이지를 3개 이상 방문한 고객이 구매할 가능성이 2배라는 것을 발견할 수 있습니다. 이 통찰력을 마케팅 자동화와 결합하면 고객 여정의 최적 시점에 매우 관련성 높은 거래 또는 제안을 보내 잠재 고객을 전환할 수 있습니다.

추가 예는 이메일 전송 시간을 최적화하는 것일 수 있습니다. 마케팅 자동화 시스템은 테스트 이메일 전송을 하루 중 다른 시간에 분할할 수 있습니다. 그런 다음 기계 학습 알고리즘은 열기 및 클릭에 대한 결과 데이터를 가져와 기록 데이터와 결합하고 결과에 따라 다음 이메일 전송을 변경할 수 있습니다. 시간이 지남에 따라 캠페인은 마케팅 담당자가 데이터에서 통찰력을 끌어내고 수동으로 조치하지 않고도 성공을 위해 자체 최적화됩니다. 사운드 유토피아 아직?

기타 애플리케이션

머신 러닝은 이탈 예측 과 같은 마케팅 내에서 다른 흥미로운 응용 프로그램도 가지고 있습니다. 이것은 새로운 고객을 데이터베이스의 기존 고객과 비교하는 알고리즘을 사용합니다. 근거는 다음과 같습니다. 유사한 고객이 과거에 ' 이탈'했다면 새로운 고객도 이탈할 가능성이 높습니다. 시스템은 비교할 때 전체 데이터 유니버스를 고려합니다. 즉, 관련성이 있는 것으로 인식되지 않은(따라서 마케터가 무시하는) 요소가 중요한 것으로 드러날 수 있음을 의미합니다.

영업 지원 은 또 다른 사용 사례입니다. 또한 CRM 데이터를 활용하는 이 기술은 각 영업 기회에 가장 관련성이 높은 콘텐츠를 영업 팀에 제공하도록 설계되어 구매 프로세스가 최대한 원활하게 진행되도록 돕습니다.

최고급 소프트웨어는 어떤 판매 콘텐츠가 가장 자주, 누구에 의해, 어떤 목적으로 사용되고 있는지 알려줍니다. 또한 데이터를 분석하여 어떤 콘텐츠가 가장 많은 수익을 창출했는지 밝히고 영업 문서가 얼마나 효과적인지, 어디에서 최적화할 수 있는지 알 수 있습니다.

미래

머신 러닝은 팀과 캠페인의 효율성과 효과를 향상시킬 수 있는 엄청난 잠재력을 지닌 마케팅 세계에서 매우 흥미로운 전망입니다. 이는 마케터가 자동화 공급업체와 협력하여 기술을 최대한 활용하는 것이 중요하다는 것을 의미합니다.

일반적인 마케팅 자동화 공급업체가 제공하는 기능에 대해 알아보려면 마케팅 자동화 공급업체를 선택하는 방법에 대한 최근 게시물을 확인하십시오.