کاربرد های هوش مصنوعی برای کسب و کار - دکترای اقتصاد

به گزارش دنیای اقتصاد به نقل از hbr، کاربرد های ساده و خوداتکای اتوماسیون مکان خوبی برای آغاز هستند؛ اما کاربرد های پیشرفته و یکپارچه که یادگیری ماشین را دربرمی گیرند، بیشترین پتانسیل را برای ایجاد ارزش دارند؛ بنابراین مادامی که شرکت ها در حال ساخت قابلیت های خود هستند، باید به سمت آن فناوری ها حرکت نمایند.

از میان تمامی عملکرد های یک شرکت، بازاریابی شاید بیشترین پتانسیل را برای بهره برداری از هوش مصنوعی دارد. فعالیت های اصلی بازاریابی درک احتیاج های مشتری، تطبیق آن ها با محصولات و خدمات و ترغیب مردم به خرید است، قابلیت هایی که هوش مصنوعی می تواند آن ها را به طور چشمگیری بهبود بخشد.

جای تعجب نیست که تجزیه و تحلیل مک کینزی در سال 2018 نشان داد، بازاریابی حوزه ای است که در آن هوش مصنوعی بیشترین ارزش را خواهد داشت. مدیران ارشد بازاریابی به طور فزاینده ای از این فناوری استقبال می نمایند: یک مطالعه اجرا شده به وسیله انجمن بازاریابی آمریکا در آگوست 2019 نشان داد که پیاده سازی هوش مصنوعی در یک و نیم سال گذشته 27 درصد افزایش یافته است. درحالی که هوش مصنوعی در بازاریابی تاخت وتاز فراوانی داشته است، ما انتظار داریم که در سال های آینده نقش های بزرگ تری را در راستای این عملکرد بر عهده گیرد.

با توجه به پتانسیل بزرگ فناوری، برای مدیران ارشد بازاریابی حیاتی است که انواع کاربرد های موجود مارکتینگ محور هوش مصنوعی و اینکه چگونه ممکن است رشد و نمو نمایند را درک نمایند. با تکیه بر بیش از یک دهه تجربه در زمینه تجزیه و تحلیل داده ها، هوش مصنوعی و بازاریابی و مشاوره شرکت ها در صنایع مختلف، ما چارچوبی را ایجاد نموده ایم که می تواند به مدیران ارشد بازاریابی در طبقه بندی پروژه های هوش مصنوعی موجود و برنامه ریزی راه اندازی پروژه های آینده یاری کند؛ اما قبل از شرح چارچوب، بیایید شرایط فعلی را آنالیز کنیم.

هوش مصنوعی امروز

بسیاری از شرکت ها در حال حاضر از هوش مصنوعی برای انجام کار های محدود مانند تبلیغات دیجیتال (معروف به خرید برنامه ای یاری به پردازش داده ها، مانند افزایش دقت پیش بینی ها (به پیش بینی های فروش فکر کنید) و افزایش کوشش های بشر در کار های سازمان یافته مانند خدمات به مشتریان، استفاده می نمایند.

بعلاوه شرکت ها از هوش مصنوعی در هر مرحله از سفر مشتری استفاده می نمایند. هنگامی که مشتریان بالقوه در مرحله آنالیز و تحقیق درباره یک محصول هستند، هوش مصنوعی تبلیغات را برای آن ها هدف قرار می دهد و می تواند به راهنمایی جست وجوی آن ها یاری کند.

ما شاهد این اتفاق در خرده فروش آنلاین مبلمان وی فر (way fair) هستیم که از هوش مصنوعی برای معین مشتریانی که احتمال متقاعد شدنشان بیشتر است، استفاده می نماید و بر اساس سابقه جست وجوی آنها، محصولاتی را برای نمایش به آن ها انتخاب می نماید؛ و بات های مجهز به هوش مصنوعی می توانند به بازاریابان در درک احتیاج های مشتریان، افزایش مشارکت آن ها در جست وجو، راهنمایی آن ها به جهت دلخواه (به عنوان مثال، به یک صفحه وب خاص) و در صورت احتیاج، اتصال آن ها به نماینده فروش انسانی به وسیله چت، تلفن، ویدئو یاری نمایند.

هوش مصنوعی می تواند فرآیند فروش را با استفاده از داده های بسیار دقیق درباره افراد، ازجمله داده های موقعیت جغرافیایی در زمان واقعی، جهت پیشنهاد محصولات یا خدمات بسیار شخصی سازی شده، ساده کند. در ادامه این سفر، هوش مصنوعی به بیش فروشی (upsell) و فروش مکمل (crossell) یاری می نماید و می تواند این احتمال را که مشتریان سبد های خرید دیجیتال خود را رها نمایند، کاهش دهد.

به عنوان مثال، پس از پر شدن یک سبد به وسیله مشتری، بات های هوش مصنوعی می توانند قدردانی انگیزشی برای یاری به بسته شدن فروش ارائه دهند، مانند ارسال یک پیغام شخصی سازی شده با عبارت: خرید عالی! جیمز از ورمونت همین تشک را خرید. چنین ابتکاراتی می تواند نرخ تبدیل را پنج برابر یا بیشتر افزایش دهد. پس از فروش، نمایندگان خدمات دارای هوش مصنوعی 24 ساعته در دسترس هستند تا بتوانند درخواست های مشتریان را آنالیز نمایند و می توانند با حجم متغیر درخواست های خدمات، بهتر از نمایندگان انسانی برخورد نمایند. آن ها می توانند سوالات ساده ای راجع به زمان تحویل یا معین وقت دیدار را بهتر کنترل نمایند و می توانند نسبت به یک نماینده انسانی، به موضوعات پیچیده بهتر رسیدگی نمایند.

هوش مصنوعی در بازاریابی را می توان بر اساس دو بعد طبقه بندی کرد: سطح هوش و اینکه آیا مستقل است یا بخشی از یک پلت فرم گسترده تر است. بعضی از فناوری ها، مانند چت بات ها یا موتور های توصیه گر، می توانند در هر یک از دسته ها قرار گیرند.

اتوماسیون وظیفه: این برنامه ها کار های تکراری و ساختارمندی را انجام می دهند که به سطوح نسبتا پایینی از هوشمندی احتیاج دارند. آن ها برای پیروی از مجموعه ای از قوانین یا اجرای دنباله ای از عملیات از پیش معین شده بر اساس ورودی داده شده طراحی شده اند، اما نمی توانند مسائل پیچیده ای مانند درخواست های ظریف مشتری را اداره نمایند. یک مثال می تواند سیستمی باشد که به طور اتوماتیک یک ایمیل خوشامدگویی به هر مشتری تازه ارسال می نماید.

چتبات های ساده تر، مانند آن هایی که به وسیله فیس بوک مسنجر و دیگر ارائه دهندگان رسانه های اجتماعی در دسترس هستند نیز در این دسته قرار می گیرند. آن ها می توانند در طول تعاملات ابتدایی به مشتریان یاری نمایند و مشتریان را در یک درخت تصمیم گیری معین قرار دهند، اما نمی توانند قصد مشتریان را تشخیص دهند و پاسخ های سفارشی سازی شده پیشنهاد نمایند یا در طول زمان از تعاملات درس بگیرند.

یادگیری ماشینی: این الگوریتم ها با استفاده از حجم زیادی از داده ها برای پیش بینی و تصمیم گیری نسبتا پیچیده آموزش دیده اند. چنین مدل هایی می توانند تصاویر را تشخیص دهند، متن را رمزگشایی نمایند، مشتریان را تقسیم بندی نمایند و نحوه واکنش مشتریان به ابتکارات مختلف مانند تبلیغات را پیش بینی نمایند. یادگیری ماشین در حال حاضر، خرید برنامه ای در تبلیغات آنلاین، موتور های توصیه تجارت الکترونیک و مدل های گرایش به فروش در سیستم های مدیریت ارتباط با مشتری را به پیش می برد که داغ ترین فناوری ها در هوش مصنوعی هستند و به سرعت به ابزار های قدرتمندی در بازاریابی تبدیل می شوند. با این اوصاف، مهم است که روشن گردد که برنامه های کاربردی یادگیری ماشین هنوز کار های محدودی را انجام می دهند و باید با استفاده از حجم وسیعی از داده ها آموزش ببینند.

یک رویکرد پله ای

ما معتقدیم که بازاریابان درنهایت با دنبال کردن برنامه های یکپارچه یادگیری ماشین بیشترین نفع را خواهند برد، اگرچه سیستم های ساده مبتنی بر قوانین و اتوماسیون وظایف می توانند فرآیند های بسیار ساختار یافته را افزایش و پتانسیل معقولی برای بازده تجاری ارائه دهند. با این حال، توجه داشته باشید که امروزه اتوماسیون وظیفه به طور فزاینده ای با یادگیری ماشین برای استخراج داده های کلیدی از پیغام ها، تصمیم گیری های پیچیده تر و شخصی سازی ارتباطات ترکیب می گردد.

برنامه های مستقل در جایی قرار دارند که در آن، ادغام و یکپارچگی سخت یا غیرممکن است؛ بنابراین مزایای آن ها محدودیت هایی دارد. به همین علت، ما به بازاریابان توصیه می کنیم که به جای ادامه راستا با برنامه های مستقل، طی زمان به سمت هوش مصنوعی یکپارچه در سیستم های بازاریابی فعلی حرکت نمایند و درواقع، بسیاری از شرکت ها در این جهت کلی حرکت می نمایند.

برای شرکت هایی که تجربه هوش مصنوعی محدودی دارند، یک راه خوب برای آغاز ساخت یا خرید برنامه های کاربردی ساده مبتنی بر قوانین است. هنگامی که شرکت ها مهارت های اولیه هوش مصنوعی و فراوانی داده های مشتری و بازار را به دست آوردند، می توانند از اتوماسیون وظیفه به سمت یادگیری ماشین حرکت نمایند.

منابع تازه داده ها- مانند معاملات داخلی، تامین نمایندگان خارج و حتی خرید های احتمالی-چیزی است که بازاریابان باید دائما در پی آن باشند؛ زیرا بیشتر برنامه های هوش مصنوعی، به ویژه یادگیری ماشین، به حجم وسیعی از داده های باکیفیت بالا احتیاج دارند. با پیچیده تر شدن شرکت ها در استفاده از هوش مصنوعی بازاریابی، بسیاری از انواع تصمیمات را کاملا اتوماتیک می نمایند و انسان ها را به طور کامل از حلقه خارج می نمایند.

برای تصمیمات تکراری و با سرعت بالا، مانند تصمیمات مورد احتیاج برای خرید تبلیغات برنامه ای (جایی که تبلیغات دیجیتالی تقریبا به صورت لحظه ای در اختیار کاربران قرار می گیرد)، این رویکرد لازم است و تا جایی که ممکن است شرکت ها باید به سمت تصمیمات اتوماتیکتر حرکت نمایند. ما معتقدیم اینجاست که بیشترین بازدهی از بازاریابی هوش مصنوعی پیدا خواهد شد.

چالش ها و خطرات

پیاده سازی حتی ساده ترین برنامه های هوش مصنوعی می تواند مسائلی را به همراه داشته باشد و شرکت ها را ملزم به کسب مهارت های هوش مصنوعی مناسب می نماید. وارد کردن هر نوع هوش مصنوعی به گردش کار مستلزم ادغام دقیق وظایف انسان و ماشین است؛ به طوری که هوش مصنوعی باعث افزایش مهارت های افراد گردد.

در نهایت، شرکت ها باید منافع مشتریان را در فکر داشته باشند. هرچه برنامه های هوش مصنوعی هوشمندتر و یکپارچه تر باشند، نگرانی مشتریان درباره حفظ حریم خصوصی، امنیت و مالکیت داده ها بیشتر می گردد. ممکن است مشتریان درباره برنامه هایی که داده های مکان را بدون اطلاع آن ها ضبط و به اشتراک می گذارند یا بلندگو های هوشمندی که ممکن است در حال شنود آن ها باشد، تردید نمایند.

به طور کلی، مصرف نمایندگان تمایل مبادله بعضی از داده های شخصی و حریم خصوصی را در ازای ارزشی که برنامه های نوآورانه می توانند ارائه دهند، نشان داده اند. به نظر می رسد نگرانی ها درباره برنامه های هوش مصنوعی مانند الکسا با درک مزایای آن ها کم شده است؛ بنابراین کلید موفقیت برای بازاریابان همان طور که هوش و دسترسی به هوش مصنوعی خود را توسعه می دهند، اطمینان از شفافیت در کنترل های حریم خصوصی و امنیت آن است.

برای تضمین پشتیبانی و حفظ اعتماد مشتریان، مدیران ارشد بازاریابی باید هیات هایی برای ایجاد اصول اخلاقی و حفظ حریم خصوصی متشکل از کارشناسان بازاریابی و حقوقی را برای آنالیز پروژه های هوش مصنوعی، به ویژه مواردی که شامل داده های مشتری یا الگوریتم هایی هستند که ممکن است مستعد سوگیری باشند، ایجاد کند.

درحالی که بازاریابی هوش مصنوعی جای پیشرفت دارد، ما از مدیران ارشد بازاریابی می خواهیم که درباره قابلیت های فعلی خود واقع بین باشند. با وجود تبلیغات زیاد، هوش مصنوعی هنوز می تواند وظایف محدودی را انجام دهد، نه اینکه کل عملکرد یا فرآیند بازاریابی را اجرا کند. با این وجود، در حال حاضر مزایای قابل توجهی برای بازاریابان ارائه می دهد و در واقع در بعضی از فعالیت های بازاریابی لازم است و قابلیت های آن به سرعت در حال رشد است.

ما معتقدیم که هوش مصنوعی درنهایت بازاریابی را متحول می نماید، اما این سفری است که ده ها سال به طول می انجامد. عملکرد بازاریابی و سازمان هایی که از آن پشتیبانی می نمایند، به ویژه فناوری اطلاعات، باید به ایجاد قابلیت های هوش مصنوعی و رسیدگی به خطرات احتمالی توجه طولانی مدت داشته باشند. ما از بازاریابان می خواهیم که امروز از یک استراتژی برای استفاده از قابلیت های فعلی هوش مصنوعی و آینده احتمالی آن استفاده نمایند.

مترجم: سمیرا حسینی