Как Adobe использует ИИ внутри компании для стимулирования роста

В прошлый четверг директор Adobe по бизнес-стратегии Дон Беннион выступил с информативной презентацией на нашем онлайн-мероприятии «ИИ в маркетинге».

В ходе выступления были предложены практические советы и примеры того, как Adobe в последние годы все активнее использует искусственный интеллект и машинное обучение в своей внутренней деятельности.

Их методы основаны на прогнозирующей способности показателей качества обслуживания клиентов и их собственной операционной модели, управляемой данными (DDOM). В настоящее время компания стремится сделать эти инструменты и методы доступными для внешних партнеров.

Вот мои ключевые выводы.

ИИ и атрибуция

Атрибуция была действительно первой областью, в которой Adobe начала использовать искусственный интеллект и машинное обучение.

Отойдя от простых моделей, таких как «первый щелчок» и «последний щелчок», а затем и «U-образных» и «линейных» моделей, внедрение AI и ML значительно улучшило модели Adobe.

Беннион выделяет два способа присвоить кредит при атрибуции:

1. Влиятельный: при попадании в точки касания вся заслуга передается этим точкам соприкосновения.
2. Инкрементальный: вычисляет, какая часть кредита должна быть возвращена СМИ и маркетингу.

Adobe перешла в дополнительную область. Гипотеза состоит в том, что если Adobe прекратит все свои маркетинговые усилия, они все равно будут продавать продукты. В конце концов, клиенты совершают покупки, которые, по крайней мере частично, основаны на таких факторах, как лояльность к бренду и молва.

Используя искусственный интеллект, обученный на их внутренних данных, они смогли установить базовый уровень 50% маркетинговой ценности каждой покупки. Отсюда они могли затем взвесить все свои точки соприкосновения индивидуально и, что особенно важно, сократить расходы на маркетинг или, лучше сказать, распределить их более эффективно, чем это было бы возможно при присвоении кредита влиятельным методом.

ИИ и персонализация

Еще одна область, в которой Adobe внедряет ИИ, - это персонализация.

«Индивидуальный маркетинг - это нирвана», - говорит Беннион. «Но сегментация по-прежнему остается для нас важным инструментом».

В прошлом Adobe использовала сегменты по атрибутам и поведению. Это имеет значение, но явно ограничено в эпоху больших данных. В ответ Adobe использовала ИИ для разработки моделирования склонностей .

Adobe присвоила «оценку предрасположенности» любому успешному событию, будь то конверсия или покупка и т. Д. Затем они могли спросить у потенциальных клиентов следующее:

• Каков показатель склонности человека к покупке продукта?
• Какова склонность человека к обновлению?
• Какая склонность к оттоку?

… Затем используйте это для создания сегментов.

Технологическая компания Nvidia сделала именно это. Они создали оценки предрасположенности для «частых игроков» и «нечастых игроков» соответственно. Они поняли, что оба этих сегмента имеют разные привычки, когда дело доходит до совершения покупок, обновления или ответа на маркетинговые сообщения.

В результате Nvidia смогла использовать эти прогнозы для персонализации клиентского опыта с точностью до 96%.

Как изменилась изысканность?

Один из ключевых вопросов, поднятых во время презентации Бенниона, сместил акцент на то, как он видел, как изменилась сложность данных за эти годы.

Хотя атрибуция и персонализация с использованием ИИ все еще являются приблизительными, он подчеркнул, что этот сектор постоянно развивается.

«Больше данных доступно из сторонних источников. У нас моделирование получше. «Скорость и обработка данных становятся быстрее с данными AI, что важно для драйва и масштабирования», - сказал Беннион.

Это не значит, что не было упоминания о каких-либо потенциальных препятствиях на пути маркетологов, ориентированных на данные. Не в последнюю очередь в свете недавних объявлений Google о поэтапном отказе от сторонних файлов cookie в Chrome в течение следующих 2 лет.

Выводы для маркетологов в эпоху искусственного интеллекта

Маркетологам, безусловно, необходимо адаптироваться к этому постоянно меняющемуся ландшафту, но Беннион верит, что для них по крайней мере так же важно иметь твердое представление о своем бизнесе, а не просто стремиться лучше понять науку о данных.

Ключевые стратегии роста Adobe:

1. Привлечение новых клиентов.
2. Перекрестные продажи / дополнительные продажи.

Несомненно, подобные стратегии роста будут знакомы компаниям любого размера и во многих секторах.

При привлечении клиентов Adobe спрашивает: кто склонен покупать у нас? Когда дело доходит до перекрестных продаж, то есть побуждения клиентов к обновлению или совершению соответствующей покупки, модели склонности к оттоку оказываются чрезвычайно полезными.

Ясно видно, как ИИ через инкрементную атрибуцию, а также моделирование склонностей, которое используется в персонализации, помогает Adobe достичь здесь своих целей. И это не слишком большой прыжок, чтобы увидеть, как другие бренды могут использовать ИИ для повышения рентабельности инвестиций в маркетинг.