Een van de belangrijkste trends in marketing de komende jaren is zonder twijfel AI, Artificial Intelligence. In het eerste woord zit meteen de grootste valkuil, kunstmatig. Per definitie lastig in het marketingvak waar we persoonlijke benadering ook steeds belangrijker vinden (human2human). En een belangrijk trend naast ons neerleggen past ons niet. We willen niet de lantaarnaanstekers in onze branche zijn. “Elektriciteit….die trend waait wel over.”
Maar hoe begin je aan Artificial Intelligence? Onze ervaring; met kleine stapjes. Het gestructureerd bewust verzamelen van data wat ons betreft de eerste stap.
Een paar voorbeelden:
- verkoopcijfers per maand;
- het aantal klanten of bezoekers in je winkel per dag.
- het moment waarop je software intensiever gebruikt;
- uit welke marketingbron, sales het meeste scoort;
- branche of concurrentie omzet of churn cijfers.
De tweede stap is misschien wat lastiger, maar ook hier, klein beginnen helpt. Het toepassen van datamodellen die soms zelfstandig, soms met menselijke intelligentie, keuzes maken op basis van de data (denk aan waar of wanneer of bij welke doelgroep je jouw budget besteedt).
Een voorbeeld – weerafhankelijke Google budgetten
Door de combinatie van verkoopcijfers en historische weergebeurtenissen of weer statistieken kun je een interessant weer-omzetmodel maken. Je ziet bijvoorbeeld dat je meer of minder omzet hebt bij zonnig of regenachtig weer of juist minder van een bepaalde dienst of product verkoopt met koud weer. Met behulp van regressieanalyse kun je deze verbanden naar boven toveren.
Inzichten van Marketing analyse
De inzichten van zo’n analyse, koppel je vervolgens aan een Google bidding script die biedt op basis van deze inzichten. Het model kan een aantal dagen vooruit kijken, waarbij het weer of de temperatuur uiteindelijk jouw bod of budget bepaald. Marketing AI? Nog niet helemaal…het script maakt wel, binnen bepaalde bandbreedte, eigen keuzes en beslist over jouw portemonnee en het aantal klanten in je zaak of webshop.
In feite is het allemaal slechts voorgeprogrammeerde intelligentie. Zonder input kan een script geen beslissingen maken. Een belangrijke voorwaarde is data die is verzameld met dit soort toepassingen in gedachte. Hoe beter de data hoe beter het voorspellend vermogen.
Een voorbeeld van datacollectie en AI – IBM Watson
Jaren geleden ontmoette ik Frank Stavenuiter (toen Watson Architect en CTO Software Benelux IBM) samen met Robert van Geenhuizen. We spraken toen in een Podcast over de impact van het AI project Watson van IBM.
[helaas niet meer te beluisteren]
Het is de naam van een cognitief systeem waar je in menselijke taal mee kunt praten. Watson is zelflerend en kan enorme hoeveelheden informatie verwerken en kan dus advies geven. Een goed voorbeeld is op het gebied van oncologie. Daarover wordt enorm veel geschreven, onderzoeksresultaten, experimenten en behandelplannen. Watson kan deze data verwerken en een behandelplan voorstellen. Zie ook in dit voorbeeld het belang van goed gecategoriseerde data.
Een voorbeeld van creatieve AI
Een van gebieden waarvan gedacht werd dat kunstmatige intelligentie nooit zou betreden is creativiteit. Goed nieuws voor bureaus en hun klanten! Adobe is een heel eind onderweg met hun platform Sensei. Het levert content intelligentie (begrijpt wat een beeld is wat het moet doen), berekende creativiteit (kan een beeld bewerken op basis van het begrip wat het is) en de inzichten hoe gebruikers de content beoordelen waarop weer verbeteringen worden voorgesteld.
Moet ik dan al bang zijn voor mijn baan? Overbodig geworden door een marketing robot? Ik denk dat het zo’n vaart nog niet loopt, zelfs de meest intelligente AI robot Sofia, kan nu alleen nog gebruik maken van voorgeprogrammeerde intelligentie en datameren. (van de vraag volgorde moet je niet afwijken.)
