На конференції AI Case Day, Олексій Данченко, COO та співзасновник омніканальної CDP eSputnik розповів про те, як нові алгоритми підвищують ефективність маркетингових кампаній.
7 видів AI в CDP eSputnik
У сфері штучного інтелекту (AI) можна відокремити два головні напрями використання: генеративний (Generative AI) та предиктивний (Predictive AI).
- Генеративний AI допомагає створювати контент—тексти, зображення та інші медіа.
- Предиктивний AI використовується для прогнозування майбутніх дій або подій, допомагаючи зрозуміти, що може відбутися наступним кроком.
Хоча ці два напрями мають різні застосування, вони тісно пов'язані. Генеративний AI, по суті, прогнозує наступне слово в реченні або піксель в зображенні, щоб створити цілісний контент. Таким чином, в його основі також лежить предиктивність — вірогідність того, який елемент має бути наступним.
Застосування AI в маркетингу
Розрізнення генеративного та предиктивного AI важливе при обговоренні їх конкретних застосувань у маркетингових кампаніях. Кожен з них надає унікальні можливості для підвищення ефективності взаємодії з клієнтами.
У CDP eSputnik ми впровадили сім різних напрямів використання AI:
- Чотири приклади генеративного AI: ці інструменти допомагають автоматизувати створення контенту для маркетингових матеріалів.
- Три приклади предиктивного AI: ці рішення дозволяють прогнозувати поведінку клієнтів і оптимізувати стратегії комунікації.
Зараз детально розкажемо, як ці інструменти працюють у маркетингових кампаніях та які результати вони приносять.
Автоматизація роботи з текстом email з AI
Переходячи до генеративних прикладів використання AI, одним із перших інструментів, які ми впровадили ще два роки тому, став інтегрований в email-редактор механізм генерації текстів. Цей інструмент дозволяє легко змінювати ваші повідомлення та надає такі можливості:
- Додавання нового контенту: швидко розширюйте повідомлення додатковою інформацією.
- Переклад на інші мови: автоматично перекладайте тексти для різних аудиторій.
- Перевірка граматики: забезпечуйте високу якість мови та уникнення помилок.
- Скорочення або розширення описів: адаптуйте довжину тексту під конкретні вимоги.
- Зміна тону спілкування (Tone of Voice): переходьте до більш дружнього або формального стилю комунікації в залежності від потреби.
Ці функції є інтуїтивно зрозумілими та корисними для маркетологів. Багато хто з тих, хто використовує інструменти маркетингової автоматизації або, зокрема, email-маркетингу, вже знайомі з подібними можливостями. Часто при роботі з текстами фахівці паралельно використовують вікно ChatGPT для вдосконалення своїх повідомлень, підвищуючи їх ефективність та якість.
Автоматизація наповнення блоків email з AI
Наступним кроком у застосуванні генеративного AI є спроба згенерувати повний email, розуміючи мету маркетингової кампанії. Ідея полягає в тому, що, використовуючи модульну структуру email — де відокремлені хедер, футер і контентні блоки різного призначення (опис товару, блогової статті, новини тощо) — можна легко створити цілісний та ефективний лист.
Багато з вас, ймовірно, вже експериментували з ChatGPT, намагаючись згенерувати повний HTML-код email або навіть цілого лендингу. Однак виникає проблема: ChatGPT не завжди ефективно справляється зі складними завданнями. Це пов'язано з обмеженнями щодо обсягу пам'яті, яку він може використовувати на один запит, та іншими технічними нюансами.
Складнощі верстки email
Верстка email є дуже складним завданням через специфіку індустрії. HTML-код може рендеритись по-різному в різних поштових клієнтах — Outlook, Gmail, на мобільних пристроях тощо. Це створює проблеми з відображенням листів і вимагає особливого підходу. Саме тому існують спеціалізовані рішення, призначені для верстки email.
Розв'язання проблеми через декомпозицію завдань
Щоб обійти ці складнощі, можна декомпозувати задачу:
- Генеративному AI доручити створення контенту: текстові блоки, зображення та інші елементи, які складають зміст листа.
- Вибір необхідних модулів з існуючого коду: використати вже створені та збережені у вашому акаунті шаблони та модулі для складання фінального листа.
Таким чином, ми не делегуємо складну задачу верстки AI, але все ж отримуємо якісний та професійно оформлений email.
Тестування показало, що уніфікований підхід до створення ШІ-текстів підвищує на 41,34% CTOR, в порівнянні з вручну наповненими емейлами.
AI-генерація push-повідомлень
Ми вирішили піти ще далі у застосуванні генеративного AI. Якщо ми можемо створювати та генерувати email-листи, то чому б не автоматизувати створення push-повідомлень? Цей крок був зроблений спеціально для мобільних застосунків.
Персоналізація повідомлень з урахуванням контексту
У цьому підході ми можемо обрати тему повідомлення — визначити, про що хочемо повідомити користувача. Наприклад, це можуть бути персоналізовані пропозиції. Знаючи контекст, такий як опис самого мобільного додатка, аудиторію та іншу інформацію, яку ми як CDP маємо про ваш продукт, маркетологу стає набагато легше згенерувати повідомлення, яке точно відповідатиме маркетинговій меті.
Переваги генерації та регенерації повідомлень
Можливість швидко генерувати і перегенеровувати повідомлення робить процес більш ефективним та адаптивним. Це дозволяє оперативно реагувати на зміну обставин або потреб аудиторії. Це вже третій приклад того, як можна застосовувати генеративний AI для покращення маркетингових комунікацій.
Делегування створення послідовності комунікацій AI
Але ми вирішили не зупинятися на досягнутому і пішли ще далі. Якщо ми можемо звернутися до ChatGPT з проханням створити текст для push-повідомлення, то чому б не делегувати йому створення цілої послідовності комунікацій?
Це відкриває нові можливості для автоматизації маркетингу. Генеративний AI може не лише створювати окремі повідомлення, але й планувати та генерувати серії комунікацій, які враховують поведінку користувачів, їхні інтереси та етапи взаємодії з продуктом. Це дозволяє побудувати більш цілісну та ефективну стратегію взаємодії з аудиторією.
Автоматизація створення мобільних кампаній з AI
Ми пішли ще далі та почали використовувати AI для створення повноцінних мобільних кампаній з послідовністю точок дотику з клієнтом. Ці послідовні взаємодії допомагають довести користувача до визначеної маркетингової мети. Увесь процес повністю персоналізується під ваш мобільний додаток, вашу аудиторію, ваш Tone of Voice та будь-які додаткові параметри, які можуть бути використані.
Таким чином, ціла цільова кампанія, тривалістю, можливо, місяць, може бути згенерована буквально за декілька хвилин. Звичайно, після цього вона проходить валідацію, запуск та тестування. Але це надзвичайно ефективний шлях для того, щоб зробити ваші кампанії більш різноманітними та адаптивними.
Персоналізована комунікація
Генеративний AI надає нам можливість не лише створювати одноразовий контент, але й максимально використовувати дані для персоналізації повідомлень. Те, про що я хочу далі поговорити, стосується того, як попередні кроки були сходинкою до створення дійсно персоналізованої комунікації в зрозумілому та природному стилі.
Персоналізація довела свою ефективність. Якщо хтось сумнівається, існує статистика, яка підтверджує її дієвість. По-перше, це відгуки самих клієнтів. За даними дослідження Gartner, компанії, які правильно використовують персоналізацію, допомагають клієнтам швидше та краще зробити вибір, отримати інформацію, про яку вони раніше не знали.
Наприклад, клієнт переглядав один ноутбук, але не знав, що існує аналогічний із додатковою знижкою. Або ж, купуючи велосипед і шолом, він міг забути про необхідність набору для ремонту в дорозі. Персоналізація допомагає не пропустити ці важливі покупки.
Зрештою, усе, що ми робимо за допомогою персоналізації, призводить до значного збільшення продажів. Кращий клієнтський досвід сприяє вищій конверсії та додатковим продажам. Якщо людям подобається ваш магазин, вони частіше повертаються, оскільки ефективніше витрачають свій час на вибір потрібного товару. Вони роблять повторні покупки і, задоволені комунікацією з вашим магазином, діляться цим досвідом з іншими. Усі ці три напрями впливу персоналізації на поведінку користувача ведуть до значного зростання продажів.
На 40% більше доходу отримують компанії, які досягли успіху в персоналізації, ніж їх середньостатистичні конкуренти.
Персоналізація за допомогою інструментів штучного інтелекту
Тепер я хочу розповісти, як здійснювати персоналізацію, використовуючи інструменти штучного інтелекту. Ми переходимо до предиктивних інструментів AI. Одним із прикладів є «предиктивна сегментація» — інструмент, який допомагає маркетологу краще обрати необхідну аудиторію залежно від поставлених завдань. Це набір алгоритмів на базі AI, який з високою вірогідністю оцінює, наскільки ймовірна покупка конкретного клієнта або, навпаки, вірогідність його відтоку в майбутньому.
Відповідно, маркетолог може спрямовувати різні типи комунікації на ці цільові аудиторії, які обов'язково мають бути різними. Зазвичай маркетологу складно зрозуміти, кому саме надіслати повідомлення. Це призводить до того, що розсилка здійснюється на всіх, створюючи спам і негативне враження. Предиктивна сегментація допомагає точно визначити цільову аудиторію.
Різниця між сегментацією маркетолога та предиктивним AI
Маркетолог зазвичай ґрунтується на історії покупок, сумі транзакцій, даті останньої покупки та демографічних факторах (стать, вік тощо). На відміну від цього, предиктивний AI, окрім історії покупок, враховує патерни, які маркетолог не може побачити. Наприклад, він може виявити, що значна частина аудиторії стала лояльною після покупки певної категорії товарів. Таких патернів може бути десятки чи сотні, і людині їх охопити неможливо.
AI також використовує додаткову інформацію про повну історію переглядів — що саме люди переглядали останнім часом, навіть якщо нічого не купили. Ці дані можуть бути відсутні в CRM, але доступні для предиктивного AI. Крім того, AI може знаходити схожі поведінкові моделі в різних сегментах клієнтів (look-alike моделі).
Підвищення ефективності за допомогою предиктивної сегментації
Завдяки цьому ми можемо значно підвищити показники доходу. Цей інструмент допомагає знаходити необхідних клієнтів швидше, ніж якщо б ми діяли лише як маркетологи, ґрунтуючись на обмежених даних. Таким чином, роблячи розсилку на ту саму аудиторію, ми досягаємо більших результатів і отримуємо більше продажів.
Практичний приклад
На нашому сайті описаний кейс рекламної кампанії, таргетованої на максимізацію прибутку.
Маркетолог створив сегмент покупців, які здійснювали покупки за останні 90 днів. Кампанія була успішною: розсилка у Viber принесла прибуток 15 000 грн. Проте, використавши предиктивний AI з додатковим параметром, ми отримали приріст прибутковості майже в півтора рази, зробивши розсилку на трохи меншу аудиторію.
Отримавши приблизно однакову кількість кліків, ми забезпечили значно більший дохід, оптимізувавши маркетинговий бюджет завдяки використанню предиктивних сегментів.
Товарні рекомендації на основі штучного інтелекту
Наступний приклад персоналізації за допомогою AI — це товарні рекомендації. Цей інструмент існує вже досить давно, і багато хто з ним знайомий. Усі, хто купує в інтернет-магазинах, таких як «Алло», «Комфі», «Ельдорадо», напевно бачили ці рекомендації. Результати їх використання дуже значні.
Головна ідея полягає в тому, що, ґрунтуючись на поведінці користувачів, ми можемо передбачити, який наступний товар вони хотіли б або найімовірніше придбають. Це допомагає покращувати конверсію в усіх каналах.
Мова йде не лише про використання рекомендацій на сайті. Коли ви використовуєте інструменти вебтрекінгу і розумієте поведінку користувачів—наприклад, що конкретно Олексій вчора був на сайті, переглядав певні категорії товарів, додав щось у кошик або купував рік тому,—ви можете застосовувати ці знання не тільки на сайті чи в мобільному застосунку, але й у розсилках: email, Viber, Telegram тощо. Омніканальний підхід, реалізований на нашій платформі, допомагає повторно використовувати цю інформацію. У нас навіть є кейси використання товарних рекомендацій в офлайн-магазинах.
Результати застосування товарних рекомендацій
Кейси з нашими клієнтами в Україні показують, що використання блоку з рекомендаціями збільшує кількість трафіку приблизно вдвічі, підвищує ефективність усіх масових комунікацій та зрештою збільшує конверсію.
Важливо, що рекомендації можна використовувати не тільки в тригерних email-розсилках, як це зазвичай відбувається.
Ми також зробили можливим для маркетолога здійснювати розсилки на всю аудиторію, де в кожному листі кожен підписник отримає персональний контент залежно від свого попереднього досвіду з вашим сайтом.
Від редакції. На конференції AI Case Day Олексій Данченко виступав разом з Євгенією Чеховською, Performance Marketing Manager в PUMA Ukraine. У наступних статтях в нашому блозі чекайте матеріал про застосування штучного інтелекту в компанії PUMA, яка співпрацює з eSputnik.
Авторизуйтесь , щоб залишати коментарі