Autor: BARTOSZ KOWALCZYK
Chief Entrepreneur, PragmaticAD
Rynek mar-tech rozwija się dzięki rosnącej popularności narzędzi wykorzystujących sztuczną inteligencję. Tym samym zwiększa się liczba źródeł danych, z których marketerzy muszą wyciągać wnioski. W tak dynamicznym i wymagającym środowisku online szybkie i efektywne podejmowanie decyzji jest nie lada wyzwaniem.
ROZWÓJ NARZĘDZI I MARKETING INTELLIGENCE
Według badania Forrester Consulting1 w Stanach Zjednoczonych 75% osób decyzyjnych w sprawach marketingu uważa, że marketing intelligence jest niezbędny do realizacji celów biznesowych. Jak wskazali respondenci korzystający z takich rozwiązań, poprawiają one znacznie lojalizację klientów i ROI z wydatków marketingowych. Szukając z kolei barier, wskazywali na brak adekwatnych narzędzi do obróbki i wizualizacji danych, słabą infrastrukturę do ich zbierania i brak odpowiedniej liczby wykwalifikowanych osób na rynku. Dane te wskazują na nieunikniony rozwój narzędzi marketing intelligence. Dzięki nim możliwe będzie skonsolidowanie wielu źródeł danych i wykorzystanie algorytmów uczenia maszynowego na dużych zbiorach danych. Pozwoli to w przystępny sposób wizualizować i podpowiadać najlepsze możliwe rozwiązania, bez udziału wykwalifikowanej kadry.
UNIFIKACJA I WIZUALIZACJA DANYCH
Na co dzień marki współpracują z wieloma agencjami. Te z kolei korzystają z pomocy różnych podwykonawców. Stosowane przez każdy z tych podmiotów narzędzia inaczej jednak agregują dane. Łączone są one bo-wiem z własnymi kanałami, różnymi kampaniami oraz danymi z CRM. Powoduje to chaos informacyjny, dlatego tak istotna jest unifikacja danych. Aby tak się stało, trzeba posiadać narzędzie, które pozwoli nadzorować i sprawnie wizualizować poczynania poszczególnych partnerów i zestawiać je z danymi zebranymi poprzez własne aktywności. Narzędzia marketing intelligence oferują gotowe integracje, dostępne za pomocą API z najważniejszymi narzędziami lub hurtowniami danych, w celu sprawnej agregacji w jednej bazie danych. Dotyczy to również dowolnych plików z danymi, gdzie algorytmy rozpoznają ich źródła i mapują je do odpowiedniego schematu bazy danych. Pozwala to stworzyć własną bazę, w której ujednolicone dane układają się w całość. Ponadto rozwiązuje to problem różnic między systemami, skupiając się na konkretnych, wiarygodnych i miarodajnych parametrach. Łatwa integracja i szybkie przełożenie danych na dashboardy pozwala zniwelować kosztowne zaangażowanie zasobów IT i przyspiesza przepływ informacji wewnątrz organizacji, m.in. poprzez podzielenie widoków dashboardów według ról pełnionych w firmie. Inne dane będą interesowały zarząd, inne dział finansowy, a jeszcze inne osoby optymalizujące działania marketingowe. Agregacja danych i wizualizacja odbywa się w czasie rzeczywistym, przekazując każdemu działowi w firmie spójny przekaz. Platformy marketing intelligence pozwalają marketerom na bezpośredni wgląd w posiadane dane, wnioskowanie i ustalanie celów, które mają zostać spełnione na potrzeby konkretnych działań. W przyszłości będą oni musieli posiadać kompetencje analityczne, żeby sprawnie poruszać się w realiach datadriven marketingu. Dzięki odpowiedniej agregacji i wizualizacji danych możliwe jest sprawdzenie, jak działania w skali makro przekładają się na jednego użytkownika, a dokładniej na personalizację doświadczeń użytkownika w czasie rzeczywistym. To właśnie spojrzenie na detale pozwala wypracować przewagę konkurencyjną. Rzecz jasna, nie można mówić o personalizacji czy znajomości intencji zakupowych, analizując jedynie kilka kliknięć. Znając złożoność natury ludzkiej, wymaga to uwzględnienia wielu zmiennych, na podstawie których można określić profil danej osoby. Każda marka powinna wyciągać własne wnioski z agregacji dużych zbiorów danych, nie zaś opierać się na mechanizmie jednego narzędzia, które jest ograniczone do własnego zbioru, a dopiero później użyć własnych danych w celu jak najlepszego wykorzystania potencjału poszczególnych narzędzi.
ALGORYTMY I HIPERPERSONALIZACJA
Budowanie siatki powiązań i stworze-nie matryc definiujących własnych klientów ma bezpośrednie przełożenie na badanie ścieżek konwersji, a dokładnie na ich największe wyzwanie, czyli cross-device. Na tę chwilę wyróżnia się dwa modele: deterministyczny i probabilistyczny, jednak ich wybór nie jest jednoznaczny. Model deterministyczny jest dokładniejszy i opiera się przede wszystkim na powiązaniu logowań danego użytkownika z poziomu różnych urządzeń. Wymaga on powiązania wielu źródeł danych, żeby zbudować skalę. Nawet jeśli użytkownik jest zalogowany na określonym urządzeniu, nie oznacza to jednak, że w danej chwili to właśnie on z niego korzysta. Na tym etapie wchodzą do gry algorytmy probabilistyczne. Muszą one, bazując na posiadanych danych, określić z jak największym prawdopodobieństwem, która z osób mających dostęp do urządzenia, korzysta z niego aktualnie. Dlatego z im większego zbioru danych można korzystać, tym lepiej. Analiza poszczególnych ścieżek konwersji wpisuje się w trend hiperpersonalizacji, gdzie predykcja zakupu mediów odbywa się na poziomie konkretnego użytkownika. Przykładowo – Netflix podaje, że zaoszczędził w 2017 roku 1 mld dol.2, korzystając z uczenia maszynowego przy personalizacji przekazu. Pokazuje to skalę, z jaką algorytmy uczenia maszynowego będą musiały być udoskonalane. To z kolei będzie wymagało wykwalifikowanej kadry. Człowiek, zakładając poszczególne cele, określa algorytmom, co jest dla niego ważne i w którym kierunku ma zmierzać optymalizacja procesów. System natomiast prezentuje gotowe raporty i wykresy. Wskazuje też obszary wymagające poprawy, których analityk nie jest w stanie dojrzeć przy obecnej liczbie przetwarzanych danych, więcej uwagi obszarom wymagającym ingerencji człowieka – tworzeniu strategii i kreowaniu rozwiązań.
PODSUMOWANIE
Narzędzia marketing intelligence będą rozbudowywane o funkcjonalności zastępujące narzędzia marketingowe. Prędzej czy później należy się spodziewać konsolidacji rynku narzędzi mar-tech, a idea wizualizacji wielu źródeł danych w jednym miejscu będzie sprzyjać temu zjawisku. Algorytmy uczenia maszynowego, które – dzięki przetwarzaniu dużej ilości danych będą bardziej efektywne – spowodują, że platformy marketing intelligence staną się podstawą pracy każdego marketera. Ten, mając wpływ na co raz więcej obszarów biznesowych, będzie pełnił coraz ważniejszą rolę w firmie. Sztuczna inteligencja to szansa na rozwój biznesu, a nie zagrożenie – ma odciążyć człowieka poprzez automatyzację prostych procesów, jak i tych zaawansowanych, których nie jest on w stanie przetworzyć lub zajmie mu to dużo czasu. Dlatego, opracowując rozwiązania systemowe, należy stworzyć przejrzysty i użyteczny panel, który – dzięki zaawansowanemu systemowi raportów – będzie pomagał marketerom odnajdywać się w gąszczu danych. W jego tle natomiast powinna odbywać się agregacja, segmentacja i wizualizacja oparta na algorytmach uczenia maszynowego.
