Jak firma Adobe wykorzystuje wewnętrznie sztuczną inteligencję do napędzania wzrostu
Opublikowany: 2020-06-3030-sekundowe podsumowanie:
- Modelowanie atrybucji firmy Adobe jest w coraz większym stopniu oparte na danych z przyrostowym podejściem do przypisywania punktów kontaktowych
- Sztuczna inteligencja zasila modelowanie skłonności, aby przewidzieć prawdopodobieństwo, że klienci dokonają zakupu, uaktualnienia i rezygnacji
- Narzędzia i techniki stają się coraz bardziej wyrafinowane dzięki sztucznej inteligencji, ale na drodze zawsze pojawiają się wyboje
- Zrozumienie swojego biznesu, a także podstawowa znajomość nauki o danych to kluczowe umiejętności marketerów w erze sztucznej inteligencji
W miniony czwartek dyrektor ds. strategii biznesowej firmy Adobe, Don Bennion, wygłosił pouczającą prezentację na naszym internetowym wydarzeniu AI w marketingu.
Wykład zawierał praktyczne porady i przykłady tego, jak w ostatnich latach firma Adobe w coraz większym stopniu wykorzystuje sztuczną inteligencję i uczenie maszynowe w swoich wewnętrznych działaniach.
Ich praktyki są oparte na predykcyjnej mocy metryk doświadczenia klienta i ich własnego modelu operacyjnego opartego na danych (DDOM). Firma zmierza obecnie do udostępnienia tych narzędzi i technik partnerom zewnętrznym.
Oto moje najważniejsze dania na wynos.
AI i atrybucja
Atrybucja była tak naprawdę pierwszym obszarem, w którym Adobe zaczął wykorzystywać sztuczną inteligencję i uczenie maszynowe.
Odchodząc od prostych modeli, takich jak „pierwsze kliknięcie” i „ostatnie kliknięcie”, a później modele „w kształcie litery U” i „liniowe”, włączenie AI i ML znacznie poprawiło modele Adobe.
Bennion zwraca uwagę na dwa sposoby przypisywania udziału w atrybucji:
- Wpływ: kiedy punkty styku zostaną trafione, cały udział jest dzielony na te punkty styczności
- Przyrostowy: oblicza, jaka część kredytu powinna zostać przypisana mediom i marketingowi
Adobe przeniósł się do obszaru przyrostowego. Hipoteza jest taka, że jeśli Adobe zaprzestanie wszelkich działań marketingowych, nadal będzie sprzedawać produkty. W końcu klienci dokonują zakupów, które przynajmniej częściowo opierają się na czynnikach, takich jak lojalność wobec marki i poczta pantoflowa.
Wykorzystując sztuczną inteligencję wyszkoloną na ich wewnętrznych danych, byli w stanie ustalić linię bazową 50% wartości marketingowej z każdego zakupu. Stąd mogliby ważyć wszystkie swoje punkty styku indywidualnie i – co najważniejsze – obniżyć koszty marketingu lub lepiej je alokować, wydajniej niż byłoby to możliwe przypisując kredyt metodą wpływową.
Sztuczna inteligencja i personalizacja
Innym obszarem, w którym Adobe włącza sztuczną inteligencję, jest personalizacja.
„Marketing jeden do jednego to nirwana”, mówi Bennion. „Ale segmentacja jest dla nas nadal ważnym narzędziem”.
W przeszłości firma Adobe dokonywała segmentacji na podstawie atrybutów i zachowań. Ma to wartość, ale w erze big data jest wyraźnie ograniczone. Odpowiedzią Adobe było wykorzystanie sztucznej inteligencji do opracowania modelowania skłonności .
Firma Adobe przydzieliła „wynik skłonności” do każdego zdarzenia związanego z sukcesem, czy to konwersji, czy zakupu itp. Następnie mogli zapytać potencjalnych klientów o:
- Jaka jest ocena skłonności osoby do zakupu produktu?
- Jaki jest wskaźnik skłonności do uaktualnienia dla danej osoby?
- Jaka jest skłonność do rezygnacji?
…następnie użyj tego do tworzenia segmentów.
Firma technologiczna Nvidia właśnie to zrobiła. Stworzyli oceny skłonności odpowiednio dla „częstych graczy” i „nieczęstych graczy”. Zrozumieli, że oba te segmenty mają różne nawyki, jeśli chodzi o dokonywanie zakupów, modernizację lub reagowanie na komunikaty marketingowe.
W rezultacie Nvidia mogła wykorzystać te prognozy do personalizacji doświadczeń klientów z dokładnością do 96%.
Jak zmieniło się wyrafinowanie?
Jedno z kluczowych pytań, które pojawiło się podczas prezentacji Benniona, zwróciło uwagę na to, jak na przestrzeni lat zmieniał się stopień zaawansowania danych.
Chociaż atrybucja i personalizacja obejmująca sztuczną inteligencję to wciąż przybliżenie, podkreślił, jak sektor stale się rozwija.
„Więcej danych jest dostępnych z punktów styku innych niż internetowe. Mamy lepsze modelowanie. Szybkość i przetwarzanie są szybsze dzięki danym AI – co jest ważne dla napędu i skalowania” – powiedział Bennion.
Nie oznacza to, że nie było żadnej wzmianki o potencjalnych wybojach na drodze dla marketerów opartych na danych. Nie tylko w świetle ostatnich zapowiedzi Google dotyczących wycofania plików cookie stron trzecich w Chrome w ciągu najbliższych 2 lat.
Na wynos dla marketerów w erze AI
Marketerzy z pewnością muszą być elastyczni w tym ciągle zmieniającym się krajobrazie, ale Bennion wierzy, że przynajmniej tak samo ważne jest dla nich solidne zrozumienie ich działalności, a nie tylko dążenie do lepszego zrozumienia nauki o danych.
Kluczowe strategie rozwoju firmy Adobe to:
- Pozyskiwanie nowych klientów.
- Cross-selling/Up-selling.
Niewątpliwie strategie rozwoju takie jak te będą znane firmom każdej wielkości iw wielu sektorach.
W celu pozyskania klientów firma Adobe pyta: Kto ma skłonność do kupowania u nas? Modele skłonności do rezygnacji okazują się niezwykle przydatne w przypadku cross-sellingu, czyli zachęcania klientów do uaktualnienia lub dokonania związanego z tym zakupu.
Widać wyraźnie, jak sztuczna inteligencja poprzez przyrostową atrybucję, a także modelowanie skłonności, które przekłada się na personalizację, pomaga Adobe osiągnąć swoje cele w tym zakresie. I nie jest wielkim skokiem, aby zobaczyć, jak inne marki mogą wykorzystać sztuczną inteligencję, aby poprawić swój zwrot z inwestycji w marketing.