بازاریابی/marketing

کاربرد هوش مصنوعی در مارکتینگ | بررسی مزایا و معایب آن9 دقیقه مطالعه

هدیه فنولوژی به شما!

زمانی به نظر می‌رسید که هوش مصنوعی تنها برای داستان‌های علمی‌-تخیلی کاربرد دارد. در آن زمان، هوش مصنوعی محدود به چیزی می‌شد که مردم می‌توانستند تنها آن را تصور کنند، اما در واقع از آن استفاده نمی‌کردند. با این حال، هوش مصنوعی از سال ۱۹۵۵ وجود داشته‌ است و به طور فزاینده‌ای در حال عادی شدن است و راه خود را به زندگی ما باز می‌کند. هوش مصنوعی کاربردهای روزانه‌ای، از الگوریتم توصیه نتفلیکس گرفته تا دستیار جیبی‌ای مانند Siri را دارا است. هرچند امروز دیگر لزوما شبیه به یک ربات نیست. یک حوزه خاص که به استفاده از هوش مصنوعی علاقه‌مند می‌یاشد، مارکتینگ است. بنابراین، هوش مصنوعی در مارکتینگ کاربرد دارد.

بسیاری از بازاریابان و سازمان‌ها بر این باورند که با گسترش کسب‌و‌کارشان و افزایش دسترسی دیجیتال مشتریان‌شان به سرویس‌ها یا محصولات ارائه شده توسط آن‌ها، تبدیل برخی از این مخاطبان به مشتری را افزایش خواهند داد. با این حال، این کار همیشه هم جواب نمی‌دهد. Marketing Inseder Group گزارش می‌دهد برای هر ۱۰۰ دلاری که صرف ترافیک گشت‌و‌گذار در اینترنت می‌شود، تنها یک دلار برای تبدیل این ترافیک به یک کسب‌وکار مورد استفاده قرار می‌گیرد. افزایش ترافیک لزوما به معنای رشد نیست. بنابراین، چه چیزی مصرف کنندگان را تشویق می‌کند تا به مشتری تبدیل شوند؟ محتوا؟ درخواست برای اقدام؟ قابلیت جستجو؟ نحوه تاثیر رسانه بر تعامل کاربر؟ در این مقاله به بررسی کاربرد هوش مصنوعی در مارکتینگ می‌پردازیم.

کاربرد هوش مصنوعی در مارکتینگ چیست؟

تاثیر هوش مصنوعی در بازاریابی گسترده است. بازاریابان در حال حاضر چگونه از کابردهای مختلف هوش مصنوعی استفاده می‌کنند؟

جستجوی تصویری (Visual Serching)

تا به حال برایتان پیش آمده بخواهید در مورد محصولی سرچ کنید، اما اسم آن را به خاطر نیاورید؟ شما هر کلیدواژه‌ای که فکر می‌کنید لازم است را تایپ می‌کنید، اما موتور جستجو نتایج ناامید‌کننده‌ای به شما نشان می‌دهد. بر خلاف جستجوی متنی، جستجوی بصری می‌تواند با استفاده از داده‌های تصویری برای ارتباط آنچه که شما به دنبالش هستید، تطابق دقیق‌تری ایجاد کند.

با توجه به گزارش Social Media Today، نود درصد از تمام اطلاعاتی که مغز ما دریافت می‌کند بصری است، بنابراین برنامه نویسان علاقه‌مند می‌شوند تا ببینند آیا ماشین‌ها می‌توانند تصاویر را به طور مشابه با استفاده از اشکال، خطوط، الگوها و رنگ‌ها تجزیه و تحلیل کنند یا خیر. پینترست و گوگل پیشگامانی قابل‌توجه در این زمینه هستند. هر ماه ۶۰۰ میلیون جست‌و‌جوی بصری در پینترست انجام می‌شود و تبلیغات مبتنی بر تصویر بر روی این پلتفرم، نرخ تبدیل ۸.۵ درصدی را به خود اختصاص می‌دهند. جستجوی بصری مثالی از نحوه سودرسانی یا خدمات‌رسانی هوش مصنوعی به مصرف‌کنندگان و مشتریان است. انتظار می‌رفت ارزش جستجوی بصری تا پایان سال ۲۰۱۹ به ۲۵.۶۵ میلیارد دلار رسیده باشد.

تجزیه و تحلیل‌های پیش‌بینی‌کننده (Predictive Analytics)

بهبود دادن تبلیغات هدفمند، امری مطلوب از سوی بازاریابان است. بر اساس نظرسنجی‌ای که Forrester انجام داده است، اجماع در میان بازاریابان این است که می‌توان بازاریابی پیش‌بینی‌کننده را به این صورت تعریف کرد: استفاده از هوش مصنوعی برای پیش‌بینی احتمال موفقیت روش‌های موجود، برای گرفتن تصمیمات آگاهانه‌تر در حوزه مارکتینگ.

۶۶ درصد پاسخ دهندگان به این نظرسنجی گفتند که داده‌های بازاریابی و داده‌های کاربران، از منابع زیادی تامین می‌شود. با داشتن اطلاعات زیاد برای بررسی و عدم داشتن درک درستی از آن‌ها و همچنین عدم امکان بررسی آن‌ها به صورت سنتی، استفاده از هوش مصنوعی برای آنالیز اجزای تجربه مثبت مشتری و پیش‌بینی رفتارهای مصرف‌کنند‌گان ضروری است. در این حوزه، کاربرد هوش مصنوعی در مارکتینک این است که به بازاریابان این اجازه را می‌دهد تا براساس نتایج استخراج شده از داده‌ها، مبتنی بر نیاز مشتری در هر لحظه عمل کنند.

بازاریابی/marketing

شخصی‌سازی پیشرفته (Enhanced Personalization)

در حال حاضر، بسیاری از مصرف‌کنندگان انتظار شخصی سازی محصول یا سرویس را دارند. به این معنی که بازاریابان باید هدفمندتر از پیش تلاش کنند. در یک مطالعه انجام شده توسط Accenture نشان داده شده است که ۴۳ درصد از مشتریان در ایالات‌متحده به احتمال زیاد با شرکت‌هایی کار می‌کنند که تجارب مشتری را شخصی‌سازی می‌کنند (البته تا زمانی که اعتماد مشتریان خدشه‌دار نشود). ۹۱ درصد از مشتریان جهانی در نظرسنجی دیگری از Accenture اشاره کردند که بیشتر تمایل به خرید محصول از کمپانی‌ای دارند که بتوانند آن را برای خودشان شخصی‌سازی کنند.

هر شرکتی احتمالا مشتریان زیادی دارد که هر تجربه را برای خودشان شخصی‌سازی کرده‌اند. با این حال، هوش مصنوعی می‌تواند محصولاتی را برای خریداران مختلف براساس تاریخچه آن‌ها پیشنهاد کند، تبلیغات هدفمند مرتبط با نیازهای مشتری ایجاد کند و حتی محتواهای کاربردی را به او توصیه کند. هوش مصنوعی می‌تواند داده‌ها را جمع‌آوری کند و به روش‌هایی بر روی آن عمل کند که مغز انسان قادر به انجام آن نیست و می‌تواند محصول یا سرویس ارائه شده به مشتری را برای وی شخصی‌سازی کند، به طوری که تجربه‌ی هر یک از افراد، از تجربه‌ی عمومی دیگران متمایز شود.

بینش مخاطب (Audience Insight)

اگر مخاطبان خود را نشناسید، نمی‌توانید محصولات خود را به طور موثر بازاریابی کنید و یا از برخی از نمونه‌های کاربرد هوش مصنوعی در مارکتینگ به طور موثر استفاده کنید. هوش مصنوعی می‌تواند به شما در شناخت مخاطب‌تان کمک کند تا بفهمید، اولویت‌های مشتریان شما چیست، حتی اگر آن‌ها به وضوح علایق و اولویت‌های خود را تعیین نکرده باشند.​ همچنین می‌تواند بفهمید آن‌ها اغلب چه مواقعی از محصول شما استفاده می‌کنند یا گروه سنی مخاطبان شما در چه بازه‌ای است.

هدیه فنولوژی به شما!

​بسیاری از ابزارهای تحلیلی در حال حاضر چنین اطلاعاتی را برای بازاریابان فراهم می‌کنند، اما منابع مبتنی بر هوش مصنوعی می‌توانند به شما کمک کنند تا از این داده‌ها به طور مناسب برای رساندن پیام درست در زمان مناسب استفاده کنید. زمانی که مشتریان خود را می‌شناسید(البته تا زمانی که اطلاعاتی که از فعالیت آن‌ها ثبت می‌شوند، معتبر باشند)،نیازی به نظرسنجی‌های مربوط به بازاریابی نخواهید داشت و می‌توانید کمپین های موثرتری را اجرا کرده و حفظ مشتری را به حداکثر برسانید.

‏خدمات مشتریان از طریق بات‌های چت (Customer Service via Chatbots)

نمایندگان خدمات مشتری کسب‌وکار شما انسان هستند، بنابراین تنها می‌توانند به تعداد محدودی از پیام‌ها پاسخ دهند و با تعداد مشخضی از افراد در یک زمان تعامل داشته باشند. از دیدگاه مصرف‌کنندگان، بسیاری از آن‌ها ترجیح می‌دهند که در صورتی که سوالات ساده‌ای داشته باشند، با نمایندگان خدمات مشتری، تعامل نداشته باشند.

یک کاربرد هوش مصنوعی که به عنوان بات‌ها شناخته می‌شود،در پاسخگویی به مشتریان کمک کند. این بات‌ها سریع‌اند و کار کردن با آن‌ها آسان است و ظاهری دوستانه دارند که به مشتریان اجازه می‌دهند تا بدون برداشتن تلفن با کسب‌وکار شما ارتباط برقرار کنند. همچنین ربات‌ها برای بخش خدمات مشتریان، باعث صرفه‌جویی در زمان می‌شوند، به طوری که آن‌ها می‌توانند متمایل به مسائل جدی‌تری شوند و نگران پاسخ دادن به سوالات در زمان خارج از ساعت نباشند.

بازاریابی/marketing

چالش‌های پیش روی هوش مصنوعی در بازاریابی چیست؟

هوش مصنوعی خارج از کاستی نیست.​ هرچند ممکن است ظهور هوش مصنوعی پدیده‌ای انقلابی به نظر برسد، هنوز هم توسط انسان‌ها ایجاد می‌شود و در نتیجه در معرض خطا قرار دارد.

آیا هوش مصنوعی آماده استفاده است؟

پیاده‌سازی و به‌کارگیری​ هوش مصنوعی مسئله‌ای است که گاهی مانع پذیرش جریان اصلی می‌شود. در حالی که بسیاری از انواع کاربرد هوش مصنوعی در مارکتینگ، به یادگیری ماشین و توانایی عمل مستقل وابسته هستند، هنوز مواردی وجود دارد که نیاز به نظارت و مدیریت انسان دارند.

نتیجه یک مطالعه نوسط Infosys به این اشاره می‌کند که ۵۳ درصد از سازمان‌هایی که مورد بررسی قرار گرفته‌اند، بر این باورند که توسعه مهارت‌های کارکنان سازمان، قبل از استقرار هوش مصنوعی در داخل مجموعه، حیاتی است. به این ترتیب، این سازمان‌ها احساس می‌کنند که به برای بهره‌مند شدن از کاربرد هوش مصنوعی در مارکتینگ به کمک نیاز دارند و صرفا استعداد هوش مصنوعی کافی نیست.

علاوه بر این، از آنجایی که هنوز انسان‌ها هوش مصنوعی را توسعه می‌دهند، ممکن است تعصبات خود را در آن دخیل کنند.​ جوی بوالاموئینی، دانشمند MIT، ، تحقیقی را منتشر کرده است که تعصب نژادی و جنسیتی را در کاربردهای تشخیص چهره توسط هوش مصنوعی که توسط شرکت‌های فناوری بزرگ از جمله مایکروسافت، IBM و آمازون توسعه‌یافته بود، بررسی کرد. وقتی از سیستم‌ها خواسته شد تا جنسیت یک چهره را حدس بزنند، پاسخ آن‌ها با خطا همراه بود:

  • کم‌تر از ۱ درصد برای مردان با سفید
  • ​۳۵ درصد برای زنان با سیاه‌پوست

اگر هوش مصنوعی به طرزی مغرضانه در زمینه بازاریابی به کار گرفته شود، تلاش برای استفاده از تشخیص چهره برای مطابقت افراد با محصولات مبتنی بر جنسیت می‌تواند منجر به نتایج اهانت‌آمیز شود.

​فقدان شفافیت

یکی دیگر از موضوعات برجسته کاربرد هوش مصنوعی در مارکتینگ، فقدان شفافیت است.​ درک کاربردهایی که بر شبکه‌های عصبی عمیق تکیه می‌کنند،​ می‌تواند بسیار دشوار باشد و بنابراین هیچ راه مستقیمی برای دنبال کردن فرآیند تصمیم‌گیری این برنامه وجود ندارد. چگونه می‌توانیم از نظر اخلاقی و کاربردی، هوش مصنوعی را به کار بگیریم؛ اگر نتوانیم به طور کامل درک کنیم که چگون​ه به نتایج و پیش‌بینی‌های آن برسیم؟

همان طور که یک کارشناس به نام یاور بطحایی برای مجله حقوق و تکنولوژی هاروارد می‌نویسد:«اگر یک برنامه هوش مصنوعی مانند یک جعبه سیاه باشد، مانند انسان‌ها پیش‌بینی و تصمیم‌گیری خواهد کرد، اما نمی‌تواند دلایل خود را برای انجام این کار بیان کند. فرآیند فکری هوش مصنوعی ممکن است براساس الگوهایی باشد که ما به عنوان انسان نمی‌توانیم آن‌ها را درک کنیم که به این معنی است که درک هوش مصنوعی ممکن است شبیه به درک گونه‌های بسیار هوشمند دیگری (با حواس و قدرت‌های ادراکی کاملا متفاوت) باشد.»

بطحایی توضیح می‌دهد که اگر ما نتوانیم فرآیند تصمیم‌گیری هوش مصنوعی را استنتاج کنیم، نمی‌توانیم در مورد قصد یا رفتار سازندگان آن نیز چیزی بفهمیم و حتی نمی‌توان به درستی پیش‌بینی کرد که استفاده از کاربردهای هوش مصنوعی به چه نتایجی منجر خواهد شد. این فقدان شفافیت به عنوان «مشکل جعبه سیاه» شناخته می‌شود؛ ناتوانی هوش مصنوعی در توضیح نقص‌های آن، آن را به مفهومی غیرعملی و دلسردکننده برای استقرار و به‌کارگیری راحت تبدیل کرده‌ است.

«مساله جعبه سیاه» مربوط به بازاریابی است، زیرا بازاریابان باید بدانند که هوش مصنوعی توسعه یافته توسط آن‌ها به آن‌ها چه می‌گوید.​ مثلا اگر هوش مصنوعی نرخ ریزش بالایی را پیش‌بینی کند، چه فاکتورهایی را برای آن در نظر گرفته است؟ اگر می‌گوید که یک مشتری B۲B روابط خود را قطع می‌کند، چرا اینطور فکر می‌کند؟ و اگر هوش مصنوعی شکست بخورد، چگونه بازاریابان می‌توانند دلیل  آن را بفهمند، در حالی نحوه انجام محاسبات آن پنهان است؟ بدون یک نقشه فکری واضح برای خواندن، هوش مصنوعی تنها می‌تواند به بازاریابان کمک کند تا تلاش‌هایشان را تا حد محدودی بهبود بخشند و احتمالا داده‌ها را بدون اطلاع ناظران دستکاری کنند.

برنامه نویسی/programming

آینده‌ی کاربرد هوش مصنوعی در مارکتینگ به چه صورت است؟

جایگاه هوش مصنوعی در آینده دنیای مارکتینگ در حال افزایش قابل‌توجهی است، اما اگر بخواهیم حضور آن مثبت باشد، پرداختن به هشدارهای آن نیز ضروری است. کارشناسانی مانند جوی بوالاموئینی به‌حق خواستار شفافیت و پاسخگویی کامل در حوزه هوش مصنوعی هستند. او اشاره می‌کند که همه‌گیر بودن در توسعه و استفاده از هوش مصنوعی وابسته به ایجاد کاربردهای اخلاقی آن است، به نحوی که کاربران را از حقوق خود جدا نکند.

همانند «مشکل جعبه سیاه»، یک نوآوری جدید که به عنوان «هوش مصنوعی قابل توضیح» (‏ Explainable AI) یا XAI از آن یاد می‌شود، ‏می‌تواند راز تصمیم‌گیری‌های هوش مصنوعی را روشن کند. بسیاری از توسعه‌دهندگان از گذشته در تلاش هستند تا قابلیت‌های توضیحی را به کاربردهای موجود هوش مصنوعی متصل سازند، اما نتایج آن رضایت‌بخش نیستند، زیرا این فناوری تنها می‌تواند پیش‌بینی‌ها را پس از انجام آن‌ها به صورت خلاصه درآورد.

براساس اظهارات Salesforce، پنجاه و یک درصد از ۳۵۰۰ رهبر بازاریابی جهانی از هوش مصنوعی استفاده می‌کنند و ۲۷ درصد دیگر قصد دارند در عرض چند سال آینده از آن استفاده کنند. صاحبان کسب‌وکار و بازاریابان متوجه شده‌اند که اگر دنبال یک مزیت رقابتی هستند، هوش مصنوعی به طور فزاینده‌ای به ابزاری ضروری برای کار آن‌ها تبدیل شده است. با این حال، هوش مصنوعی هرگز حرف آخر را نمی‌زند.​ هوش مصنوعی می‌تواند الگوها را تا جایی که ممکن است به دقت پیش‌بینی کند، اما در نهایت  این افراد هستند که تصمیم می‌گیرند با اطلاعات به دست آمده چه کار کنند.

جمع‌بندی نهایی در مورد کابرد هوش مصنوعی در مارکتینگ

هوش مصنوعی در چشم‌انداز بازاریا​بی اختلال ایجاد می‌کند. با این حال، نحوه انجام این کار به نوع تکنولوژی و انسان‌هایی که آن را خلق و اجرا می‌کنند بستگی دارد. هوش مصنوعی می‌تواند کار بازاریابان را تا زمانی که بتوانند از نتایج آن استفاده کنند، آسان‌تر کند. همچنین می‌تواند خرید کردن را برای مشتریان آسان‌تر سازد.، البته تا زمانی که حریم خصوصی کاربران را نقض نکند.

هوش مص​نوعی قدرتمند است اما برای اینکه به نحوی که ما می‌خواهیم عمل کند، نیاز به شفافیت کامل دارد.​

منبع: SimMachines

از یادگیری تا استخدام با دوره‌های متخصص سون‌لرن
عضویت
اطلاع از
0 دیدگاه‌ها
بازخورد در متن
دیدن همه دیدگاه‌ها

فنولوژی را در شبکه‌های اجتماعی دنبال کنید

©۲۰۲۰ – کلیه حقوق مادی و معنوی متعلق به فنولوژی است.