* ترجمه شده از مجله کسب و کار هاروارد.
در بین تمام بخشهای موجود در سازمانها، بازاریابی بیشترین تاثیر را از هوش مصنوعی گرفته است.
فعالیتهای بازاریابی شامل شناسایی نیازهای مشتری، انتساب آنها به تولیدات شرکت و ترغیب افراد به خرید یا استفاده از این محصولات و خدمات است. در سال 2018 تحقیقی توسط مک کینزلی روی بیش از 400 شرکت بزرگ انجام شد و مطابق انتظار نشان داد که بازاریابی تنها در خصوص اخذ بیشترین سود مالی است.
مدیران ارشد بخش بازاریابی هر روز بیش از روز قبل شیفته هوش مصنوعی میشوند. یک مطالعه موردی در آگوست سال 2019 نشان داده است که پیادهسازی روشهای مبتنی بر هوش مصنوعی باعث افزایش فروش 27 درصدی نسبت به یک و نیم سال قبل شدهاست.
در سال 2020 نیز تحقیقات شرکت دیلویت به این نتیجه رسید که از بین هر 5 پروژه بزرگ هوش مصنوعی 3 پروژه در حوزه بازاریابی با هدف ساخت محصول جدید، بررسی محصولات فعلی و ایجاد رابطه با مشتری فعالیت میکنند.
با اینکه تا همین امروز هوش مصنوعی سهم عظیمی در پیشرفتهای بازاریابی داشته است، و با توجه به پتانسیل عظیم تکنولوژی در سالهای پیشرو انتظار داریم این سهم بزرگتر نیز بشود. با توجه به اینکه این پیشرفتها برای مدیران بازاریابی ضروری است تا روشهای کار هوش مصنوعی در بازاریابی، برنامههای موجود و مسیر پیشرفت این برنامهها را بشناسند. ما چهارچوبی فراهم کردهایم که در آن برنامهها و روشهای فعلی هوش مصنوعی و اهداف آنها برای آینده در آن طبقهبندی میشوند. اما قبل از اینکه به بررسی این چهارچوب بپردازیم بهتر است شرایط فعلی هوش مصنوعی در بازاریابی را بررسی کنیم.
هوش مصنوعی امروز
امروزه بسیاری از شرکتها برای انجام کارهای سخت و زمانبر از هوش مصنوعی استفاده میکنند. کارهایی مثل خرید برنامهریزیشده، پیادهسازی انواع پیشبینی بازار و مدلسازی همه به کمک هوش مصنوعی انجام میشوند و به مرحلهای رسیدهایم که نقش افرادی که این کارها را انجام میدادند زیر سوال رفته است.
تمام مراحل وابسته به مشتری به کمک هوش مصنوعی انجام میشوند. برای مثال زمانی که یک مشتری در حال بررسی محصول است و قصد دارد سایر گزینهها را بررسی کند هوش مصنوعی همواره در کنار مشتری حضور دارد و تلاش میکند در مسیر جستوجو مشتری را همراهی کند. برای مثال در فروشگاه اینترنتی لوازم خانگی ویفیر بر اساس نوع جستوجوها و سابقه جستوجوها هوش مصنوعی تصمیم میگیرد کدام مشتری قصد خرید دارد و کدام مشتری را بهتر است به خرید ترغیب کرد.
در شرکتهایی مثل وی24 هوش مصنوعی به بازاریابها کمک میکند نیازهای مشتری را بشناسند و مشتری را در مسیر مورد علاقه خود حرکت دهند. هوش مصنوعی این شرکت به مشتریان در سرچ کردن کمک میکند میتواند مشتریها را به یک محصول یا صفحه خاص بکشاند و بر اساس میزان جدیت مشتری تصمیم بگیرد که فروشنده باید با کدام مشتری تماس برقرار کند. پس از برقراری ارتباط با مشتری امکان چت، مکالمه و حتی بررسی سایت به صورت مشترک با مشتری نیز وجود دارد و به این صورت این شرکت تمام تلاشش را میکند تا هیچ مشتریای را از دست ندهد.
هوش مصنوعی به کمک جزییات عظیمی که به صورت دیجیتال ذخیره کرده است مثل موقعیت مکانی فرد یک محصول به شدت شخصیشده را به مشتری پیشنهاد دهد. همچنین این برنامهها تلاش میکنند مشتری را در شرایطی قرار بدهند که خرید خود را کامل کند. برای مثال زمانی که فرد محصولاتی را به سبد خرید اضافه میکند نمایش دادن پیامهایی مانند «خرید خوبی بود» و… کمک میکند مشتری حس بهتری داشته باشد و در نهایت خرید خود را نهایی کند.
بعد از فروش نیز هوش مصنوعیهایی مانند برنامه استفاده توسط شرکت آملیا به طور 24 ساعته بدون وقفه در با مشتری در ارتباط هستند و درخواستهای مشتری را مدیریت میکنند. استفاده از این هوش مصنوعی در این زمینهها نشان داده است که بازدهی سیستمهای کامپیوتری در زمینه پاسخ به نیاز مشتری از انسان بالاتر است. هوش مصنوعی درخواستهایی مانند زمان ارسال محصول را جواب میدهد. همچنین میتواند زمانهای ملاقات را جدولبندی کند. در بعضی موارد هوش مصنوعی با آنالیز تن صدا و کلمات استفاده شده به بازاریاب پیشنهاد میکند از چه کلمات و لحنی استفاده کند تا به نتیجه برسد.
چهارچوب ارائهشده
از دو منظر میتوان به هوش مصنوعی در بازاریابی نگاه کرد. یکی از زاویه هوش مصنوعی و دیگر اینکه این سیستم هوش مصنوعی بخشی از یک سیستم بزرگتر است یا به تنهایی پیادهسازی شده است. برخی تکنولوژیها مانند رباتهای چت یا سیستم پیشنهاد در موتورهای جستوجو را میتوان از هر دو زاویه مورد بررسی قرار داد.
نگاهی به دو مدل هوشمندسازی
خودکارسازی وظایف. برنامههایی که یک فعالیت را خودکار انجام میدهند معمولا کارهایی تکراری را که به هوش کمی نیاز دارند به صورت مداوم انجام میدهند. اما این توانایی تکرار یک فعالیت وابسته به ورودی نمیتواند باعث شود این سیستمها یک مسئله پیچیده را حل کنند. به عنوان مثال سیستمی که ایمیل خوشآمدگویی ارسال میکند. رباتهای چت که در فیسبوک یا سایر شبکههای اجتماعی مشاهده میشوند هم در این دسته قرار میگیرند. این رباتها فقط بر اساس ورودی خود قادرند به سوالات محدودی پاسخ دهند. اما نمیتوانند نیت و منظور مشتری را حدس بزنند. در طرف مقابل الگوریتمهای یادگیری ماشین به این صورت طراحی شدهاند که حجم عظیمی از داده را در ورودی خود بگیرند و با انجام محاسبات پیچیده بتوانند نتیجهگیری کنند.
همین حالا هم یادگیری ماشین در سیستمهای فروش وظیفه پیشنهاد محصول و ارائه پیشنهاد شخصیشده به مشتری را برعهده دارد.
یادگیری ماشین و دیگر برادرش یادگیری عمیق از داغترین موضوعات مطرح در زمینه هوش مصنوعی هستند که به صورت روزانه در بازاریابی مورد استفاده قرار میگیرند. اما به یاد داشته باشید الگوریتمهای فعلی هوش مصنوعی تنها کارهای ساده را انجام میدهند و باید با مقدار زیادی داده آموزش ببینند تا رفتار مناسبی داشته باشند.
حال به مقایسه سیستمهای تنها و سیستمی که جزئی از سیستم بزرگتر است میپردازیم.
نرمافزارهای مستقل
این نرمافزارها بیشتر به عنوان برنامههای با علامتگذاری واضح یا ایزوله و یا مکبتنی بر هوش مصنوعی شناختهمیشوند . این نرم افزارها بدون توجه به هرگونه مورد خارجی در سازمان، هدف خود را که شامل فروش یا پیشنهاد و یا مدیریت درخواستهای مشتری است به ثمر میرسانند. به بیان سادهتر هوش مصنوعی در بازاریابی مشتری را در بهترین حالت به بازاریاب متصل میکند.
برای مثال برنامه تشخیص رنگ شرکت تولیدکننده رنگ بهر با استفاده از نتایج برنامه تشخیص زبان و تن صدای دانشگاه آیبیام، این توانایی را داشت که با شناسایی احساسات و حالت فرد رنگی را به افراد پیشنهاد دهد که با شرایط روحی آنها سازگار باشد. این انتخاب رنگ هوشمندانه در بسیاری از موارد از سوی مشتری رد نمیشد و منجر به فروش سریع و بدون دردسر شرکت بود.
سیستم های توکار
این سیتسمها خیلی کمتر از سیستمهای مستقل قابل حس کردن و دیده شدن هستند. در بسیاری از موارد مشتری، بازاریاب و حتی فروشنده متوجه حضور چنین برنامهای نمیشود.
به عنوان مثال برنامههایی که تصمیم میگیرند کدام تبلیغات را به کدام کاربر نمایش دهند.
این برنامهها که توسط مدیران سیستمهای فروش و یا صاحبان کسبوکارهای اینترنتی مورد استفاده قرار میگیرند در کسری از ثانیه پردازشهای خود را انجام میدهند و قابل لمس نیستند. سیستم پیشنهاد فیلم و ویدیوی شرکت نتفلیکس بیش از 10سال است که در حال کار و پیشنهاد دادن ویدیوهایی است که کاربران را به استفاده بیشتر از سرویس خود ترغیب میکند.
این سیستم، درون سیستم کلی سرویس نتفلیکس قرار دارد. اگر قرار بود سیستم پیشنهاد ویدیوی نتفلیکس به صورت مستقل عمل کند لازم بود هر کاربر برای دیدن ویدیوهای پیشنهادی از برنامه اصلی نتفلیکس خارج شود.
سازندگان نرمافزارهای CRM (رابط مشتری و بازاریاب) به طور روزافزون از هوش مصنوعی و یادگیری ماشین استفاده میکنند. برای مثال سیستم فروش ابری انیشتن قادر است به بر اساس احتمال انجام خرید به مشتری ها نمره بدهد.
ترکیب دو دسته بندی در خصوص نوع هوشمندی سیستم و نحوه کار سیستم بازاریابی هوش مصنوعی ما را به چهار دستهبندی میرساند. فهمیدن این موضوع که کدام سیستم بازاریابی هوشمند بیشتری بازدهی را برای شرکت ما دارد میتواند کمک بسزایی در انتخاب سیستم مناسب باشد.
رویکرد گام به گام
ما بر این باوریم که بازاریابها به سرعت ارزش سیستمهای یادگیری ماشین توکار را میفهمند. سیستمهای ساده که یک وظیفه تکراری را انجام میدهند میتوانند کارهای دقیق و یکسان را انجام دهند اما برای اینکه به مرحله بعد وارد شویم، به یادگیری ماشین نیاز داریم. به همین دلیل در بسیاری از شرکتها سیستمهایی که تنها یک وظیفه دارند به سیستمهای یادگیری ماشین متصل شدهاند تا هوش مصنوعی به کمک دادهها و پیامهای خروجی این سیستم فرآیند جدید طراحی کند یا باعث پیشرفت روند فعلی بشود.
از آنجایی که ترکیب برنامههای مستقل با برنامههای بزرگ بسیار سخت است برنامههای مستقل همچنان به کار خود ادامه خواهند داد اما محدودیتهایی نیز خواهند داشت. بنابراین پیشنهاد ما این است که بازاریابها به سیستمهای یکپارچه مهاجرت کنند. این مسئله از دید جهانی نیز مورد تایید است.
تحقیقات دیلویت در سال 2020 نشان داده است که 74 درصد مدیران فعال در زمینه هوش مصنوعی معتقدند آینده این تکنولوژی به صورت یکپارچه با سیستمهای دیگر رقم میخورد.
شروع کار
برای شرکتهایی که تجربه کار با هوش مصنوعی را ندارند بهترین راه شروع ساخت یا خرید یک سیستم مبتنی بر یک قاعده ساده است. در واقع شرکتها باید روند راه رفتن روی چهار دست و پا، راه رفتن روی دوپا و در نهایت دویدن را پیش بگیرند. در اولین مرحله استفاده از یک سیستم ساده که با مشتری سروکار ندارد و سبب خودکارسازی برخی فرآیندهای شرکت میشود، مثل برنامههایی که به عامل انسانی راهنمایی میدهند میتواند مفید باشد.
زمانی که سازمان تجربه استفاده از هوش مصنوعی را دارد و دادههای خوبی نیز از مشتریان خود به دست آورده است. میتواند به سمت یادگیری ماشین حرکت کند. یک نمونه مناسب از چنین سیستمی، برنامه طراحی لباس استیچ فیکس است. این برنامه با توجه به دادههایی که خود طراحان برای هر مشتری به آن دادهاند طرح و الگوهایی برای هر مشتری پیشنهاد میکند. این سیستم زمانی که شرکت از مشتریانش میخواهد که خودشان از بین مدلهای موجود انتخاب کنند کارایی بهتری نیز دارد.
هوش مصنوعی و خصوصا یادگیری ماشین به داده های زیاد و باکیفیت نیاز دارد و اطلاعات جدید مانند نقل و انتقالات داخلی، تامینکنندگان خارجی و حتی مشکلات احتمالی همه مواردی هستند که بازاریاب باید در نظر داشته باشد و به طور مستمر آنها را بررسی کند. بنابراین هوش مصنوعی در چنین وارد عمل میشود کار را به دست میگیرد.
گام بعدی
هرچه شرکتها در زمینه بازاریابی به کمک هوش مصنوعی پیشرفتهتر میشوند، سیستمهای تصمیمگیری خودکار انسانهای بیشتری را از کار بیکار میکنند. در زمینههایی که احتیاج به تصمیمگیری یا انجام محاسبات سریع وجود دارد این استفاده از ماشین به جای انسان غیرقابل پیشگیری است. سیستمهایی مثل سیستم پیشنهاد ویدیو و محتوا یا نمایش تبلیغات باید کامپیوتری باشند. اما در برخی زمینهها مانند تصمیمگیری یا پیشبینی وضع آب و هوا که اهمیت تصمیم صحیح در آنها زیاد است، همچنان این انسانها هستند که تصمیم نهایی را میگیرند.
چالشها و مخاطرات
پیادهسازی سادهترین برنامههای هوش مصنوعی میتواند چالشبرانگیز باشد. با وجود اینکه برنامههای خودکارسازی وظایف میتوانند از نظر پیچیدگی برنامههای سادهای باشند، پیادهسازی آنها همچنان دشوار است. اضافه کردن هوش مصنوعی به یک سیستم باید همراه با احتیاط باشد و به داشتن دانش فنی در خصوص هوش مصنوعی نیاز دارد.
ترکیب هوش مصنوعی با نیروی کار انسانی میتواند مخاطرهآمیز باشد. به همین دلیل آشنایی نیروی کار با هوش مصنوعی و روند کاری آن یک ضرورت است. برای مثال با اینکه بسیاری از شرکتها از رباتهای خودکار برای چت با مشتری استفاده میکنند این رباتها میتوانند مشتری را عصبانی کنند چراکه تنها قادر به پاسخگویی به سوالات محدودی هستند. به همین دلیل استفاده از یک ناظر انسانی برای برقراری ارتباط موثر با مشتری ضروری است.
همزمان با اینکه شرکتها از سیستمهای پیچیدهتر در زمینه هوش مصنوعی استفاده میکنند، نکات جدیدی مشخص میشوند که باید حتما به آنها توجه کرد. به عنوان مثال شرکت پروکتر اند گمبل برنامهای هوشمند بر پایه یادگیری ماشین برای پیشنهاد محصولات مراقبت از پوست ارائه کرده بود. این برنامه با بررسی سلفیهای کاربران در خصوص شرایط پوستی این افراد تصمیمگیری میکرد و محصولات مناسب را پیشنهاد میداد. این برنامه با فروشگاه دیجیتال شرکت در ارتباط بود و اطلاعات مرتبط با شرایط جغرافیایی، میزان خرید متوسط و توانایی مالی را نیز در نظر میگرفت و در نهایت مشتری را به صفحه محصول در سایت خود میفرستاد، اما این سامانه در برقراری ارتباط با فروشگاههای دیگر مانند آمازون مشکل داشت. خرده فروشیهایی مانند آمازون بخش بزرگی از بازار را در اختیار دارند و نداشتن فروش مناسب در چنین فروشگاههایی به شدت برای برند و فروش شرکت مشکلآفرین است.
سخن نهایی
هر شرکتی باید نیازهای مشتری را در نظر بگیرد و بر اساس این نیازها خودش را ارتقا بدهد. بسیاری از روشهای استفاده از هوش مصنوعی در بازاریابی که در نگاه اول جذاب هستند، میتوانند برای مشتری مشکوک و یا غیر قابل قبول باشند.
به عنوان مثال برنامههایی که موقعیت جغرافیایی مشتریان را ذخیره میکنند، برنامههایی که اطلاعات مشتری را در خود نگه میدارند و یا برنامههای مکالمه هوشمند که ممکن است برای ضبط صدا به کار بروند همه و همه میتوانند باعث بدبینی مشتری به نقض حریم شخصی میشوند.
هرچند در سالهای اخیر با توجه به سود بالای هوش مصنوعی برای کاربران بسیاری از افراد حاضرند بخشی از اطلاعات و حریم شحصی خود را برای دسترسی به امکانات بیشتر فدا کنند. برای مثال الکسا دستیار صوتی شرکت اپل به شدت مورد تایید کاربران است. به طور کلی شرکتها باید تلاش کنند با پیشرفت سامانهها و برنامههای خود اعتماد مشتری را جلب کنند. هوش مصنوعی در بازاریابی میتواند مزایای زیادی داشته باشد، اما مدیران باید مدنظر داشته باشند هنوز محدودیتهای زیادی برای این برنامهها وجود دارد و نباید انتظار کارهای بسیار بزرگ و خارق العاده از آنها داشت. با این وجود برنامههای موجود تواناییهای خوبی دارند که میتوانند موجب پیشرفت کسبوکار و افزایش بهرهوری در بازاریابی بشوند.