Adobe, büyümeyi desteklemek için AI'yı dahili olarak nasıl kullanır?

Geçtiğimiz Perşembe, Adobe'nin İş Stratejisi Direktörü Don Bennion, Pazarlamada çevrimiçi AI etkinliğimizde aydınlatıcı bir sunum yaptı.

Konuşmada, Adobe'nin son yıllarda dahili faaliyetlerinde yapay zeka ve makine öğrenimini nasıl giderek daha fazla kullandığına dair pratik tavsiyeler ve örnekler sunuldu.

Uygulamaları, müşteri deneyimi ölçümlerinin tahmin gücünden ve kendi veriye dayalı işletim modellerinden (DDOM) kaynaklanmaktadır. Şirket şimdi bu araçları ve teknikleri harici ortakların kullanımına sunmak için hareket ediyor.

İşte benim anahtar çıkarımlarım.

AI ve İlişkilendirme

İlişkilendirme, Adobe'nin yapay zeka ve makine öğrenimini kullanmaya başladığı ilk alandı.

'İlk tıklama' ve 'son tıklama' ve daha sonra 'u-şekilli' ve 'doğrusal' modeller gibi basit modellerden uzaklaşarak, AI ve ML'nin dahil edilmesi Adobe'nin modellerini büyük ölçüde geliştirdi.

Bennion, ilişkilendirmede kredi atamanın iki yolunu vurgular:

1. Etkili: Temas noktalarına ulaşıldığında, tüm krediler bu temas noktalarıyla paylaşılır
2. Artımlı: kredinin ne kadarının medya ve pazarlamaya geri atanması gerektiğini hesaplar

Adobe artımlı alana taşındı. Hipotez, Adobe tüm pazarlama çabalarını durdurursa, yine de ürün satacaklarıdır. Sonuçta, müşteriler en azından kısmen marka sadakati ve ağızdan ağza iletişim gibi faktörlere dayalı satın almalar yaparlar.

Kendi iç verileriyle eğitilmiş yapay zekayı kullanarak, her satın almadan %50'lik bir pazarlama değeri temel çizgisi oluşturabildiler. Buradan, daha sonra tüm temas noktalarını ayrı ayrı ağırlıklandırabilir ve - en önemlisi - pazarlama maliyetlerini azaltabilir veya etkili yöntemle kredi atayarak mümkün olacağından daha verimli bir şekilde tahsis edebilirler.

AI ve Kişiselleştirme

Adobe'nin yapay zekayı dahil ettiği bir başka alan da kişiselleştirmedir.

Bennion, "Bire bir pazarlama nirvanadır" diyor. 'Ancak segmentasyon bizim için hala önemli bir araç.'

Geçmişte Adobe, niteliklerden ve davranıştan bölümlere ayırırdı. Bunun değeri vardır, ancak büyük veri çağında açıkça sınırlıdır. Adobe'nin yanıtı, eğilim modellemesi geliştirmek için yapay zekayı kullanmak oldu.

Adobe, ister dönüşüm ister satın alma vb. olsun, herhangi bir başarı olayı için bir 'eğilim puanı' tahsis etti. Ardından potansiyel müşterilerden aşağıdakileri isteyebilirler:

• Bir bireyin bir ürünü satın alma eğilimi puanı nedir?
• Bir kişinin yükseltme yapma eğilimi puanı nedir?
• Kaybolma eğilimi nedir?

…sonra bunu segmentler oluşturmak için kullanın.

Teknoloji şirketi Nvidia tam da bunu yaptı. Sırasıyla 'sık oyuncular' ve 'seyrek oyuncular' için eğilim puanları oluşturdular. Satın alma, yükseltme veya pazarlama mesajlarına yanıt verme konusunda bu iki segmentin farklı alışkanlıkları olduğunu anladılar.

Sonuç olarak Nvidia, bu tahminleri müşteri deneyimlerini %96 doğrulukla kişiselleştirmek için kullanabilirdi.

Sofistike nasıl değişti?

Bennion'un sunumu sırasında ortaya çıkan kilit sorulardan biri, odak noktasının yıllar içinde veri karmaşıklığının nasıl değiştiğini gördüğüne kaydırdı.

AI'yı içeren ilişkilendirme ve kişiselleştirme hala bir tahmin olsa da, sektörün her zaman nasıl geliştiğini vurguladı.

'Web dışı temas noktalarından daha fazla veriye erişilebilir. Daha iyi modellememiz var. Bennion, "Yapay zeka verileriyle hız ve işleme daha hızlıdır - bu da sürücü ve ölçek için önemlidir" dedi.

Bu, veriye dayalı pazarlamacılar için yolda herhangi bir potansiyel engelden bahsedilmediği anlamına gelmiyor. Google'ın önümüzdeki 2 yıl içinde Chrome'da üçüncü taraf çerezlerini aşamalı olarak kullanımdan kaldırmaya yönelik son duyurularının ışığında.

AI çağında pazarlamacılar için çıkarımlar

Pazarlamacıların kesinlikle bu sürekli değişen ortama uyum sağlamaları gerekiyor, ancak Bennion, yalnızca veri bilimini daha iyi anlamaya çalışmaktan ziyade, işlerini sağlam bir şekilde anlamalarının en az onlar için önemli olduğuna inanıyor.

Adobe için temel büyüme stratejileri şunlardır:

1. Yeni müşteriler edinmek.
2. Çapraz satış/yukarı satış.

Kuşkusuz, bunun gibi büyüme stratejileri her ölçekten ve birçok sektörden şirkete tanıdık gelecektir.

Müşteri kazanımı için Adobe soruyor: Kim bizden satın alma eğiliminde? Çapraz satış söz konusu olduğunda, yani müşterilerin yükseltme yapmalarını veya ilgili bir satın alma yapmalarını sağlama söz konusu olduğunda, kayıp eğilimi modelleri büyük ölçüde faydalı oluyor.

Artımlı ilişkilendirme yoluyla AI'nın ve kişiselleştirmeyi besleyen eğilim modellemesinin Adobe'nin burada hedeflerine ulaşmasına nasıl yardımcı olduğunu görmek çok açık. Diğer markaların da pazarlama yatırım getirilerini iyileştirmek için yapay zekadan nasıl yararlanabileceğini görmek çok da büyük bir adım değil.