“As empresas devem adotar decisões mais automatizadas sempre que possível. É aqui que se encontram os maiores retornos do marketing de IA.”

Mais um post sobre Inteligência Artificial (IA) aplicada aos negócios, desta vez com foco em Marketing, fornecendo um framework que facilita o entendimento do planejamento aos gestores de marketing e outros interessados em IA.

Os diretores de marketing estão adotando cada vez mais a Inteligência Artificial:

• Uma análise de 2018 da McKinsey de mais de 400 casos de uso avançados mostrou que o marketing era o domínio em que a IA contribuiria com o maior valor.
• Uma pesquisa de agosto de 2019 da American Marketing Association revelou que a implementação de IA havia aumentado 27% no ano e meio anterior.
• E uma pesquisa global da Deloitte em 2020 com os primeiros a adotar a IA mostrou que três dos cinco principais objetivos da IA eram orientados para o mercado: aprimorar produtos e serviços existentes, criar novos produtos e serviços e aprimorar os relacionamentos com os clientes.

Muitas empresas agora usam IA para lidar com tarefas restritas, como:

• publicação de anúncios digitais (também conhecido como “compra programática”);
• auxiliar em tarefas amplas, como aumentar a precisão das previsões (pense nas previsões de vendas); e
• aumentar os esforços humanos em tarefas estruturadas, como atendimento ao cliente.

As empresas também empregam IA em todas as fases da jornada do cliente

Quando os clientes em potencial estão na fase de “consideração” e pesquisando um produto, a IA direcionará os anúncios para eles e pode ajudar a orientá-los na pesquisa.

Vê-se isso acontecer no varejista online de móveis Wayfair, que usa IA para determinar quais clientes têm maior probabilidade de ser persuadidos e, com base em seus históricos de navegação, escolhe produtos para mostrá-los.

E bots habilitados para IA de empresas como a Vee24 podem ajudar os profissionais de marketing a entender as necessidades dos clientes, aumentar seu envolvimento em uma pesquisa, empurrá-los na direção desejada, como uma página da web específica e, se necessário, conectá-los a um humano agente de vendas por chat, telefone, vídeo ou mesmo “co-navegação” – permitindo que um agente ajude o cliente a navegar em uma tela compartilhada.

A IA pode agilizar o processo de vendas usando dados extremamente detalhados sobre os indivíduos, incluindo dados de geolocalização em tempo real, para criar ofertas de produtos ou serviços altamente personalizadas. Mais tarde na jornada, a IA auxilia no upsell e na venda cruzada e pode reduzir a probabilidade de os clientes abandonarem seus carrinhos de compras digitais. Por exemplo, depois que um cliente preenche um carrinho, os bots de IA podem fornecer um depoimento motivador para ajudar a fechar a venda, como “Excelente compra! James de Vermont comprou o mesmo colchão”. Essas iniciativas podem aumentar as taxas de conversão cinco vezes ou mais.

Após a venda, os agentes de serviço habilitados para IA de empresas como Amelia (anteriormente IPsoft) e Interactions estão disponíveis 24 horas por dia, 7 dias por semana para fazer a triagem das solicitações dos clientes – e são capazes de lidar com volumes flutuantes de solicitações de serviço melhores do que os agentes humanos. Eles podem lidar com questões simples sobre, digamos, tempo de entrega ou agendamento de uma consulta e podem escalar questões mais complexas para um agente humano.

Em alguns casos, a IA auxilia os representantes humanos analisando o tom dos clientes e sugerindo respostas com diferenciais, orientando os agentes sobre a melhor forma de satisfazer as necessidades dos clientes ou sugerindo a intervenção de um supervisor.

O Framework

A IA de marketing pode ser categorizada de acordo com duas dimensões: nível de inteligência e se é autônomo ou parte de uma plataforma mais ampla. Algumas tecnologias, como chatbots ou motores de recomendação, podem cair em qualquer uma das categorias; é como eles são implementados em um aplicativo específico que determina sua classificação.

Vamos examinar os dois tipos de inteligência primeiro

Automação de tarefas. Esses aplicativos executam tarefas repetitivas e estruturadas que requerem níveis relativamente baixos de inteligência.

Eles são projetados para seguir um conjunto de regras ou executar uma determinada sequência de operações com base em uma determinada entrada, mas eles não podem lidar com problemas complexos, como solicitações de clientes diferenciadas. Um exemplo seria um sistema que envia automaticamente um e-mail de boas-vindas a cada novo cliente. Chatbots mais simples, como aqueles disponíveis através do Facebook Messenger e outros provedores de mídia social, também se enquadram esta categoria. Eles podem fornecer alguma ajuda aos clientes durante as interações básicas, levando os clientes a uma determinada árvore de decisão, mas eles não conseguem discernir a intenção dos clientes, oferecer respostas personalizadas ou aprender com as interações ao longo do tempo.

Aprendizado de máquina. Esses algoritmos são treinados usando grandes quantidades de dados para fazer previsões e decisões relativamente complexas, gerando modelos. Esses modelos podem reconhecer imagens, decifrar textos, segmentar clientes e antecipar como os clientes responderão a várias iniciativas, como promoções. O aprendizado de máquina já impulsiona a compra programática em publicidade online, mecanismos de recomendação de e-commerce e modelos de propensão de vendas em sistemas de gerenciamento de relacionamento com o cliente (CRM). Ele e sua variante mais sofisticada, aprendizado profundo, são as tecnologias mais avançadas em IA e estão rapidamente se tornando ferramentas poderosas de marketing. Dito isso, é importante esclarecer que os aplicativos de aprendizado de máquina existentes ainda executam tarefas restritas e precisam ser treinados com grandes quantidades de dados.

Agora, vamos considerar a IA independente versus a IA integrada

Aplicativos independentes. Esses são mais bem compreendidos como programas de IA claramente demarcados ou isolados. Eles são separados dos canais principais por meio dos quais os clientes aprendem, compram ou obtêm suporte para usar as ofertas de uma empresa ou os canais que os funcionários usam para comercializar, vender ou prestar serviços a essas ofertas. Simplificando, os clientes ou funcionários precisam fazer uma viagem especial além desses canais para usar a IA.

Considere o aplicativo de descoberta de cores criado por Behr, a empresa de tintas. Usando o processamento de linguagem natural do IBM Watson e os recursos do Tone Analyzer (que detectam emoções no texto), a O aplicativo oferece várias recomendações de cores de pintura personalizadas da Behr que são baseadas no humor que os consumidores desejam para seu espaço. Os clientes usam o aplicativo para selecionar duas ou três cores para o cômodo que pretendem pintar. A venda real de tinta é então executada fora do aplicativo, embora permita uma conexão para fazer o pedido da Home Depot.

Aplicativos integrados. Incorporado em sistemas existentes, estas aplicações IA geralmente são menos visíveis aos clientes, profissionais de marketing e vendedores que os utilizam do que os aplicativos independentes. Por exemplo, o aprendizado de máquina que toma decisões em fração de segundo sobre quais anúncios digitais oferecer aos usuários é integrado a plataformas que lidam com todo o processo de compra e colocação de anúncios.

O aprendizado de máquina integrado da Netflix oferece recomendações de vídeo aos clientes há mais de uma década; suas seleções simplesmente aparecem no menu de ofertas que os usuários veem quando acessam o site. Se o mecanismo de recomendação fosse independente, eles precisariam acessar um aplicativo dedicado e solicitar sugestões.

Os fabricantes de sistemas de CRM incorporam cada vez mais recursos de aprendizado de máquina em seus produtos. Na Salesforce, o pacote Sales Cloud Einstein tem vários recursos, incluindo um sistema de pontuação de leads baseado em IA que classifica automaticamente os leads de clientes B2B pela probabilidade de compra.

Fornecedores como a Cogito, que vende IA que treina vendedores de call center, também integram seus aplicativos ao sistema CRM da Salesforce.

Combinando os dois tipos de inteligência

Combinar os dois tipos de inteligência e dois tipos de estrutura produz os quatro quadrantes do framework: aplicativos autônomos de aprendizado de máquina, aplicativos integrados de aprendizado de máquina, aplicativos autônomos de automação de tarefas e aplicativos integrados de automação de tarefas.

Entender em quais quadrantes os aplicativos se enquadram pode ajudar os profissionais de marketing a planejar e sequenciar a introdução de novos usos.

Uma abordagem escalonada

Acredita-se que os profissionais de marketing verão o maior valor ao buscar aplicativos integrados de aprendizado de máquina, embora sistemas simples baseados em regras e de automação de tarefas possam aprimorar processos altamente estruturados e oferecer potencial razoável para retornos comerciais.

Observe, no entanto, que hoje em dia a automação de tarefas está cada vez mais combinada com aprendizado de máquina – para extrair dados-chave de mensagens, tomar decisões mais complexas e personalizar comunicações – um híbrido que abrange quadrantes.

Os aplicativos independentes continuam a ter seu lugar onde a integração é difícil ou impossível, embora haja limites para seus benefícios. Portanto, recomenda-se os profissionais de marketing a, com o tempo, integrar a IA aos sistemas de marketing atuais, em vez de continuar com os aplicativos independentes. E, de fato, muitas empresas estão caminhando nessa direção geral; na pesquisa Deloitte de 2020, 74% dos executivos globais de IA concordaram que “a IA será integrada a todos os aplicativos corporativos dentro de três anos”.

Começando

Para empresas com experiência limitada em IA, uma boa maneira de começar é construindo ou comprando aplicativos simples baseados em regras.

Muitas empresas buscam uma abordagem “rastejar-caminhar-correr”, começando com um aplicativo independente de automação de tarefas não voltado para o cliente, como aquele que orienta os agentes de serviço humano que se envolvem com os clientes.

Depois que as empresas adquirem habilidades básicas de IA e uma abundância de dados de mercado e clientes, elas podem começar a mudar da automação de tarefas para o aprendizado de máquina. Um bom exemplo do último é a IA de seleção de roupas da Stitch Fix, que ajuda seus estilistas a selecionar ofertas para os clientes e se baseia em suas preferências de estilo autorrelatadas, os itens que mantêm e devolvem, e os comentários que fizeram.

Esses modelos se tornaram ainda mais eficazes quando a empresa começou a pedir aos clientes que escolhessem entre as fotos do Style Shuffle, criando uma fonte valiosa de novos dados.

Novas fontes de dados – como transações internas, fornecedores externos e até aquisições em potencial – são algo que os profissionais de marketing devem procurar constantemente, uma vez que a maioria dos aplicativos de IA, especialmente o aprendizado de máquina, exige grandes quantidades de dados de alta qualidade. Considere o modelo de precificação baseado em aprendizado de máquina que a empresa de fretamento de jato XO usou para aumentar seu EBITDA em 5%: A chave era acessar fontes externas para dados sobre o fornecimento de jatos particulares e fatores que afetam a demanda, como grandes eventos, a macroeconomia, a atividade sazonal e o clima. Os dados que o XO usa estão disponíveis publicamente, mas é uma boa ideia também buscar fontes proprietárias sempre que possível, porque os modelos que usam dados públicos podem ser copiados pelos concorrentes.

À medida que as empresas se tornam mais sofisticadas no uso da IA ​​de marketing, muitas automatizam totalmente certos tipos de decisões, tirando totalmente os humanos do circuito. Com decisões repetitivas e de alta velocidade, como as exigidas para a compra de anúncios programáticos (em que os anúncios digitais são veiculados quase instantaneamente aos usuários), essa abordagem é essencial.

Em outros domínios, a IA só pode apresentar recomendações a uma pessoa diante de uma escolha – por exemplo, sugerir um filme a um consumidor ou uma estratégia a um executivo de marketing. Tomada de decisão humana é normalmente reservado para as questões mais importantes, como se deve continuar uma campanha ou aprovar um anúncio de TV caro.

As empresas devem tomar decisões mais automatizadas sempre que possível. Acredita-se que é aqui que os maiores retornos da IA ​​de marketing serão encontrados.

Desafios e riscos

A implementação até mesmo dos aplicativos de IA mais simples pode apresentar dificuldades.

A IA de automação de tarefas autônoma, apesar de sua sofisticação técnica inferior, ainda pode ser difícil de configurar para fluxos de trabalho específicos e exige que as empresas adquiram habilidades de IA adequadas. Trazendo qualquer tipo de IA em um fluxo de trabalho exige integração cuidadosa de tarefas humanas e de máquina para que a IA aumente as habilidades das pessoas e não seja implantada de maneiras que criem problemas. Por exemplo, enquanto muitas organizações usam chatbots baseados em regras para automatizar o atendimento ao cliente, bots menos capazes podem irritar os clientes. Pode ser melhor ter esses bots ajudando agentes humanos ou conselheiros em vez de interagir com os clientes.

À medida que as empresas adotam aplicativos mais sofisticados e integrados, surgem outras considerações. Incorporar IA em plataformas de terceiros, em particular, pode ser complicado. Um caso em questão é oferecido pelo Olay Skin Advisor da Procter & Gamble, que usa aprendizado profundo para analisar selfies que os clientes tiraram, avaliar sua idade e tipo de pele e recomendar produtos apropriados. Ele está integrado a uma plataforma de e-commerce e fidelidade, Olay.com, e melhorou as taxas de conversão, taxas de rejeição e tamanhos médios de cesta em algumas geografias.

No entanto, tem sido mais difícil integrá-lo com lojas de varejo e Amazon, terceiros que respondem por uma alta porcentagem das vendas de Olay. O Skin Advisor não está disponível no extenso site da loja de Olay na Amazon, dificultando a capacidade da marca de oferecer uma experiência de cliente assistida por IA integrada.

Finalmente, as empresas devem manter os interesses dos clientes em mente. Quanto mais inteligentes e integrados os aplicativos de IA, mais preocupações os clientes podem ter sobre privacidade, segurança e propriedade de dados. Os clientes podem ficar nervosos com os aplicativos que capturam e compartilham dados de localização sem seu conhecimento ou sobre alto-falantes inteligentes que podem estar espionando. Em geral, os consumidores mostraram disposição (até mesmo ânsia) de trocar alguns dados pessoais e privacidade em troca do valor que aplicativos inovadores podem oferecer.

As preocupações com aplicativos de IA como Alexa parecem ser diminuídas pela apreciação de seus benefícios. Portanto, a chave para os profissionais de marketing, à medida que expandem a inteligência e o alcance de sua IA, é garantir que seus controles de privacidade e segurança sejam transparentes, que os clientes tenham algo a dizer sobre como seus dados são coletados e usados ​​e que obtenham valor justo da empresa em troca. Para garantir essas proteções e manter a confiança dos clientes, os CMOs devem estabelecer conselhos de revisão de ética e privacidade – com especialistas em marketing e jurídicos – para examinar projetos de IA, especialmente aqueles que envolvem dados de clientes ou algoritmos que podem ser tendenciosos, como pontuação de crédito.

Considerações finais

Enquanto marketing, IA é uma grande promessa, pede-se aos CMOs que sejam realistas sobre suas capacidades atuais. Apesar do hype, a IA ainda pode realizar apenas tarefas específicas, não executar uma função ou processo de marketing inteiro. No entanto, já está oferecendo benefícios substanciais aos profissionais de marketing – e de fato é essencial em algumas atividades de marketing – e seus recursos estão crescendo rapidamente.

Acredita-se que a IA acabará transformando o marketing, mas é uma jornada que levará um bom tempo. A função de marketing e as organizações que a suportam, TI em particular, precisarão prestar atenção a longo prazo para construir recursos de IA e abordar quaisquer riscos potenciais. Pede-se aos profissionais de marketing que comecem a desenvolver uma estratégia hoje para aproveitar as vantagens da funcionalidade atual da IA ​​e seu provável futuro.

Planejar o uso da IA é desafiador, mas viável com o apoio de bons parceiros.

Conte comigo em seus projetos. Sobre mim: aqui. Contato: aqui.

Um abraço, @neigrando

Referência

Este texto partiu do conteúdo traduzido e adaptado com base no post original em inglês, da Harvard Business Review (HBR) “How to Design an AI Marketing Strategy”, de Thomas H. Davenport, Abhijit Guha e Dhruv Grewal (2021)

Artigos relacionados

• Estratégia orientada a Dados e em IA
• PMEs deveriam pensar mais sobre DADOS
• Guia de Transformação com Inteligência Artificial
• A adoção da Inteligência Artificial pelas Empresas (baseado no relatório de 2022 da da O’Reilly)
• Modelo de Maturidade de Inteligência Artificial
• Outros artigos sobre IA em Negócios