هوش مصنوعی در بازاریابی دیجیتال زمانی میتواند به خلق ارزش منجر شود که سازمانها شناخت دقیقی از مشتری، دادههای قابل اتکا و زیرساخت مناسب برای تحلیل داشته باشند. مهدی رضایی، رئیس اداره هوش مصنوعی شرکت تجارت الکترونیک پارسیان (تاپ)، در پنل «کاربرد هوش مصنوعی در بازاریابی و تبلیغات دیجیتال»، از تجربه این شرکت در تحلیل رفتار مشتری، هدفمندسازی کمپینها و استفاده از داده برای تصمیمگیری بازاریابی گفت. به گفته او، سازمانها پیش از حرکت به سمت فناوریهایی مانند ایجنتهای هوش مصنوعی باید ابتدا مسئله یکپارچهسازی داده و بلوغ استفاده از اطلاعات موجود را حل کنند.
دادههای تراکنشی، پایه شخصیسازی بازاریابی
مهدی رضایی با اشاره به جایگاه شرکتهای پرداخت در استفاده از داده توضیح داد که شرکتهای این حوزه به دلیل تعداد بالای مشتریان و حجم زیاد تراکنشها، با پیچیدگیهای زیادی در حوزه بازاریابی مواجهاند.
او گفت: «ما در صنعت پرداخت تعداد مشتریهای زیادی داریم و تعداد تراکنشهای زیادی داریم. طبیعتاً مسائل زیادی در بازاریابی داریم؛ اینکه مشتریهای هدف را چطور حفظ کنیم و چطور بازاریابی کنیم تا بتوانیم مشتریهایی با تراکنش و پتانسیل بیشتر را جذب کنیم، پیچیدگی زیادی دارد.»
به گفته رضایی، تاپ طی حدود یک دهه گذشته روی دادهکاوی و تحلیل رفتار مشتریان کار کرده است، اما در سالهای اخیر با افزایش توجه سازمانها به هوش مصنوعی، ارزش خروجی الگوریتمهای یادگیری ماشین برای بخشهای مختلف کسبوکار بیشتر مورد توجه قرار گرفته است.
او توضیح داد: «ما شاید بیش از ۹ سال، ۱۰ سال است که دیتا ماینینگ و تحلیل رفتار مشتری را در شرکت شروع کردهایم، ولی واقعیت این است که با پیشرفت هوش مصنوعی، بدنه سازمان بیشتر به ارزش این دادهها و خروجی الگوریتمها پی برده و بیشتر علاقهمند شدهاند که از آن در بیزینس استفاده کنند.»
بخوانید: کاربرد هوش مصنوعی در خردهفروشی و تجارت الکترونیک چیست؟
کمپینهای بازاریابی باید بر اساس پتانسیل مشتری هدفگذاری شوند
رئیس اداره هوش مصنوعی تاپ، یکی از کاربردهای اصلی هوش مصنوعی در بازاریابی را شناسایی مشتریانی دانست که ظرفیت بیشتری برای تعامل با کسبوکار دارند.
او گفت: «پتانسیل مشتری باعث میشود در آینده کمپینها و طرحهایی که میخواهیم برای مشتریان ارائه دهیم، روی مشتریان هدف قرار بگیرد و مشتریانی که پتانسیل بیشتری دارند، در حقیقت تمرکز بیشتری روی آنها داشته باشیم تا سرمایهای که داریم بهینه مصرف شود.»
به گفته رضایی، استفاده از مدلهای تحلیل رفتار مشتری میتواند به سازمانها کمک کند تا به جای اجرای کمپینهای گسترده و یکسان، پیشنهادها و مشوقها را برای گروههای مشخصتری از مشتریان طراحی کنند.
او توضیح داد که پیشبینی رفتار مشتری نیازمند تعریف درست هدف و شناسایی موجودیتی است که قابلیت پیشبینی دارد. به گفته او، همیشه نمیتوان رفتار یک مشتری منفرد را پیشبینی کرد و در بسیاری از موارد باید رفتار گروههای مشتریان را تحلیل کرد.
بدون داده یکپارچه، حرکت به سمت ایجنتها زود است
رضایی در بخش دیگری از صحبتهای خود درباره استفاده از ایجنتهای هوش مصنوعی در سازمانها گفت که حرکت به سمت این فناوری نیازمند آمادهسازی زیرساختهای دادهای است.
او با اشاره به شرایط فعلی بسیاری از سازمانها گفت: «وقتی هنوز چندپارچگی در دیتا داریم، یعنی در سیستمهای بانکی چندین دیتابیس وجود دارد که هر قسمت داده خودش را میداند و بقیه اطلاعی از آن ندارند، هنوز یک حاصل یکپارچه وجود ندارد که کل دیتای کمپینهای گذشته و سابقه مشتری در آن وجود داشته باشد.» به گفته او، سازمانها باید ابتدا شناخت کاملی از دادههای خود پیدا کنند و سپس به سراغ پروژههای پیچیدهتر هوش مصنوعی بروند.
رضایی افزود: «اگر ما هنوز ۱۰۰ درصد دیتا را نداریم، به نظر من اگر برویم سراغ این مدل پروژهها، خیلی پایمان روی زمین نیست.»
بخوانید: بانکها مشکل کمبود AI ندارند؛ مشکل آمادگی سازمانی است
اولویت سازمانها باید استفاده بهتر از دادههای موجود باشد
رئیس اداره هوش مصنوعی تاپ معتقد است بسیاری از سازمانها هنوز از ظرفیت دادههایی که در اختیار دارند، استفاده کامل نمیکنند.
او گفت: «خیلی راحت میتوانیم گروههای هدف را شناسایی کنیم، خیلی راحت میتوانیم کمپینهایمان را درست بسنجیم و ببینیم واقعاً آورده داشته است؛ اما وقتی هنوز از دیتای شرکت خودمان استفاده کامل نمیکنیم، اینکه هزینه سنگینی کنیم برای تحلیل شرکتهای رقیب، اولویت نیست.»
رضایی در پایان تأکید کرد سازمانها باید ابتدا زیرساخت داده، شناخت مشتری و فرایندهای داخلی خود را بهبود دهند و سپس به سمت کاربردهای پیشرفتهتر هوش مصنوعی حرکت کنند. او گفت استفاده درست از هوش مصنوعی میتواند به هدفمندتر شدن تبلیغات، کاهش هدررفت منابع انسانی و افزایش اثربخشی سرمایهگذاریهای بازاریابی کمک کند.