Fremtidens marketing med kunstig intelligens (AI)
Selvom kun 9% af digitale annoncer ses i mere end 1 sekund, fortsætter detailhandlen med at øge deres investeringer i digital markedsføring. Med denne stigning i investeringer følger også en betydelig overførsel af midler fra offline til online markedsføring.
Med stigningen i investeringerne er det vigtigt at erkende det uafvendelige faktum, at konkurrencen i det digitale marked stiger, hvilket afføder en betydelig udfordring med at maksimere effektiviteten af markedsføringsindsatsen. Den overvejende del af digital markedsføring kan stadig betragtes som spildte penge, selv med mulighederne for sporing og beregning af nøglemålinger som return on investment (ROI), cost of customer acquisition (CAC), customer lifetime value (CLV) osv.
På den anden side står vi over for en fremtid med stigende muligheder for intelligent målrettet markedsføring, og vi er på vej mod en af vores tids største teknologiske landvindinger – kunstig intelligens.
Dette indlæg udforsker anvendelsen af kunstig intelligens i digital markedsføring. Vi kommer omkring, hvordan den åbner muligheder for mere præcise og relevante annoncer, tidsbesparende automatisering og bedre forståelse af kundeadfærd. Med andre ord kommer vi med eksempler på, hvordan kunstig intelligens kan hjælpe e-handelsvirksomheder med at optimere deres markedsføringsindsatser og opnå bedre resultater.
Men lad os først tage et nærmere kig på, hvordan vi definerer kunstig intelligens:
Grundlæggende kan vi dele det op i 3 områder; Artificial intelligence, Machine learning og Deep learning:
Artificial intelligence
John McCarty, som vi blandt andet har hængende indrammet på vores kontor i Aarhus, grundlagde i 1956 en arbejdsgruppe der skulle arbejde med ”tænkende maskiner”. Deres research skulle undersøge tesen om at alt læring og intelligens, kunne beskrives så præcist at en maskine kunne simulere det.
Det var fødslen til den kunstig intelligens vi kender i dag. Kunstig intelligens er grundlæggende intelligens, udført af en computer, der løser en opgave, der normalt kræver menneskelig intelligens, tæt på optimalt. Det kan være opgaver som inkluderer visuel perception, talegenkendelse, beslutningstagen, semantisk forståelse, sprogforståelse, konsekvensberegninger og meget mere.
Machine learning
Machine learning eller maskinlæring om man vil, er en sub-gren under kunstig intelligens, er evnen til at en computer lærer uden at den får fortalt præcist hvad den skal gøre. Det vil sige at machine learning grundlæggende er algoritmer der kan behandle data, lære fra dataene og derfra bruge dem til enten at tage en beslutning eller en forudsigelse. Mange værktøjer og softwares der den dag i dag gør brug af kunstig intelligens, bruger reelt set machine learning.
Deep learning
Deep learning er en evolution af kunstig intelligens, inspireret af strukturen i den menneskelige hjerne. Det bruger neurale netværk, som er komplekse strukturer med tusindvis til millioner af knudepunkter, eller “nodes”. Disse nodes er forbundet i et hierarki, hvor hver node kan sende og modtage data fra andre nodes.
Lad os tage et eksempel på en deep learning model – ChatGPT. Når ChatGPT behandler en brugers forespørgsel, starter processen med at inputdataene – brugerens forespørgsel – leveres til det nederste lag i det neurale netværk, kaldet inputlaget. Herfra sendes dataene opad gennem de forskellige lag i netværket, der transformeres ved hvert trin.
Hver node i netværket repræsenterer en lille del af den samlede viden, som modellen har lært under sin træning. Når dataene passerer gennem disse nodes, påvirker de den endelige output, som er det indhold, som modellen genererer som svar på brugerens forespørgsel.
Dette er en kontinuerlig proces, hvor netværket konstant justerer sine interne værdier baseret på den feedback, det får, for at forbedre nøjagtigheden af dets svar over tid. Således er deep learning i praksis en mere kompleks og kraftfuld version af machine learning – eller som nogle måske siger, “machine learning på steroider”.
I konteksten af kunstig intelligens er både machine learning og deep learning vigtige værktøjer. Nogle gange kan en simpel machine learning-model være tilstrækkelig, mens andre gange kan det være nødvendigt at bruge den ekstra kraft, som deep learning tilbyder. Både machine learning og deep learning er underordnede kategorier inden for det bredere felt af kunstig intelligens.
I KYNETIC bryder vi dog yderligere ned. Vi har defineret fire hovedområder for, hvad vi bruger kunstig intelligens til i en digital-marketing kontekst:
Identification
Vi bruger kunstige intelligens til at analysere data, adfærd, segmenter og dermed til at få mere indsigt. Indsigten kan også være konkrete anbefalinger eller forudsigelser baseret på analyse.
Optimization
Vi bruger den kunstige intelligens til at optimere digitalt. Det kan være onpage-optimering, optimering af annonce-målretning, optimering af indhold på landingpages og meget andet.
Personalization
Vi bruger den kunstige intelligens til at skabe mere personaliserede og dermed mere relevante oplevelser for brugeren på den anden side af skærmen. Det kan være personalisering i en enkelt kanal eller på tværs af flere.
Robotization
Vi bruger her den kunstige intelligens til at udføre opgaver som øger effektiviteten, fjerner mange manuelle arbejdsgange og ofte også skaber en bedre service, samt brugeroplevelse. Det kan eksempelvis være automatisering af rapporter, dashboards, chatbots mm.
Hvorfor bruge kunstig intelligens til markedsføring?
Det korte svar: Fordi det skaber flere resultater, mere vækst og reducerer omkostninger.
Med kunstig intelligens kan vi bruge enorm computerkraft og algoritmer til få dybere indsigt i data og dermed få viden om hvor vi kan optimere. Så ugelange analyser koges ned til timer eller minutter. Herudover bruges computerkraften og algoritmerne til at skabe mere relevant annoncemålretning, til at skabe personaliserede budskaber, til at aggregere data, til at finde bedre segmenter og meget mere.
For os i KYNETIC er kunsten ikke at alle aktiviteter skal erstattes af en maskine, men i stedet at sørge for at inkorporere den kunstige intelligens i eksekveringen, fordi vi kan se at det skaber bedre resultater end gårsdagens online markedsføring – også selvom det for nogen fylder 1% af alt det eksekverende arbejde.
Hvordan bruges kunstig intelligens til markedsføring?
Se her bliver det for alvor interessant.
KYNETIC er sat i verden for at hjælpe virksomheder med at nå deres strategiske og taktiske målsætninger ved skabe bedre, mere effektiv og mere relevant markedsføring. Og essensen i det, er sammenspillet mellem dygtige mennesker på den ene side og teknologien (læs: kunstig intelligens) på den anden.
Så når kunstig intelligens skal inkorporeres i arbejdet med SEO, SEM, annoncering, marketing automation osv. så følger vi to frameworks, som er udviklet til formålet netop for at forene mennesker og teknologi. Det ene kalder vi JOURNEY og det andet kalder vi GROW.
Begge frameworks sikrer en effektiv og målrettet digital marketing strategi på tværs af kunderejsen og på tværs af indsatsområder. Begge frameworks kan bruges uanfægtet om i arbejder med én kanal eller på tværs af flere i én sammenhængende digital marketing strategi. Dog er JOURNEY oftest det, vi oplever er det mest effektive i dag.
GROW-frameworket som kan ses herover beskriver vejen fra igangsættelse til resultater. Er du interesseret i at høre nærmere om GROW eller JOURNEY frameworket er du velkommen til at kontakte os på kontakt@kynetic.dk
6 eksempler på AI i digital marketing
Lad os dykke lidt længere ned i konkrete eksempler på brugen af kunstig intelligens i en digital marketing indsats. Vi kommer her med seks eksempler:
1. Spar tid på dataanalyse med brug af kunstig intelligens
Arbejder du med digital markedsføring arbejder du også med data. Og typisk masser af data. Eller har du i hvert fald adgang til dem. Her er det interessant at analysere alle disse data for at finde mønstre.
Ofte er det muligt at finde nye muligheder eller finde ud af om det i gør i dag, er korrekt eller ej. Ofte når du aflæser data enten i Google Analytics eller i et klassisk BI-system, vil du ofte selv skulle lede efter konklusionerne.
For det første er det allerede en smule biased, da du er selektiv i dine valg og derudover kan vi mennesker ikke rumme alle de data der er tilgængelig for slet ikke at kunne konkludere på dem. Her kan du med værktøjer som Adobe Analytics, IBM Watson, ChatGPT mm. få hjælp til at finde mønstre, som ellers ville have taget dig timer, dage eller endda uger at finde manuelt.
Lad os tage et eksempel på noget simpelt. Du vil gerne have indsigt i, hvad der er vigtigt for jeres kommende julesalg. Derfor går du i Google Analytics og ser nærmere på sidste års salg, konverteringsrater, bouncerater, landingpages, produktsalg, tidspunkter for salg og meget mere. På baggrund af det danner du din konklusion.
Et alternativ er at opsætte et værktøj som behandler disse data og giver dig hovedkonklusionen. Eksempelvis: ”hvis en bruger ser denne landingpage, konverterer de 84% bedre” eller ”57% af sidste års besøgende var mænd, men de medførte kun 23% af alle salg”.
2. Annoncer med kunstig intelligens – ads på autopilot
En af vores foretrukne dataanalyser er predictive analytics, hvor vi på baggrund af et datasæt forudser mønstre og adfærd der leder til en mere kvalificeret indsats.
Det kan eksempelvis gøres i Google Ads, hvor du definerer din målgruppe og formålet med din kampagne. Google har i mere end et årti brugt AI i deres annonceprodukter for bedre at betjene både annoncører og brugere. Et af deres bedste eksempler er Performance Max, en fuldt AI-drevet kampagnetype, der bruger Google AI til at hjælpe annoncører med at finde uudnyttede og supplerende konverteringsmuligheder.
Annoncører der bruger Performance Max opnår i gennemsnit over 18% flere konverteringer ved en lignende pris pr. handling. Googles generative AI vil fortsætte med at forme annoncør- og brugeroplevelsen, idet de skaber og fremhæver de mest relevante annoncer, der opfylder folks behov på ethvert givent tidspunkt.
I Meta-platformen vælger du, hvad du ønsker at opnå med din kampagne, og definerer en målgruppe. Derefter aktiveres Metas kunstige intelligens, kaldet Meta Lattice, for at opfylde kriterierne.
Meta Lattice er en ny modelarkitektur, der er i stand til at forbedre præstationen af Metas annoncesystem på en holistisk måde. Tidlige resultater viser en forbedring på ca. 8% i annoncekvalitet på Instagram. Meta Lattice kan forstå både almindelige brugsmønstre og de unikke og latente engagement-mønstre mellem mennesker og annoncører fra heterogene datakilder. Dette er særligt nyttigt for problemet med “kold start”, hvor folk kan modtage mere relevante anbefalinger af annoncer på nye produkter og overflader, selvom der kun er lidt data at lære fra.
Vores generelle erfaringer er, at disse automatiserede muligheder typisk overgår et fuldstændigt manuelt setup med en faktor to til ti. Dvs. bedre performance end manuelle opsætninger. Både Googles og Metas algoritmer analyserer i realtid på både på lokation, adfærd, demografi, psykografi mm. Derfor vil det typisk også være umuligt at opnå samme resultater med et manuelt setup.
3. Højere konverteringsrater og service med chatbots
Forbrugerne er i dag aktive online stort set hele døgnet og matcher jeres virksomhed det med tilsvarende tilgængelighed? Næppe. Faktisk er det under 10% af virksomheder der er tilgængelige efter kl. 18.00. Et paradoks, når meget internethandel, bookinger og informationssøgning faktisk sker til aften.
I de sidste 10 år er flere virksomheder blevet gode til at lave hjælpesektioner og FAQ’er, men oftest er det ikke en specielt brugervenlig løsning og brugerne kan typisk kun få svar på få spørgsmål.
Alternativet kunne være en chatløsning med mennesker i den anden ende, men når jeres kundeservices så lukker, konverteres den til en chatbot med eksempelvis svar på de 100 mest populære spørgsmål og yderligere kan svare intelligent på spørgsmål, da den er forbundet til jeres data.
Fordelene ved en chatbot er mange:
- De kan hjælpe forbrugeren hele døgnet
- De skaber en mere menneskelig kundeservice
- Chatbots øger både kundeloyaliteten og kundetilfredsheden (fremfor ingen chat)
- En chatbot mister ikke tålmodigheden, taler altid pænt og holder sig til reglerne
- En chatbot har en meget lav løbende omkostning
- Chatbots kan tracke brugere og personalisere budskaber baseret på brugerens adfærd og historik
- Chatbots kan også bruge til at hjælpe brugeren med personaliserede tilbud og kampagner
En chatbot kan naturligvis bygges fra bunden, men der findes også flere gode værktøjer til at bygge en chatbot baseret på eksisterende teknologi. Eksempelvis kan du med Motion.ai både lave en chatbot via Facebook messenger, Slack eller jeres website. Botsify fokuserer udelukkende på en Facebook chatbot, som er nem at opsætte, og Chatfuel fokuserer også på en Facebook Messenger chatbot, som kan opsættes helt uden at skrive en linje kode.
4. Personalisering af nyhedsbreve
Personalisering af nyhedsbreve hæver gennemsnitlig CTR med 14% og konverteringsrater med 10%. Derfor er det oplagt at arbejde med flere forskellige personaliseringstiltag i jeres email-marketing-setup, hvilket du kan læse mere om i vores guide med 30 tips til effektiv email-marketing.
Men først og fremmest er det relevant at personalisere indholdselementer baseret på hvad der er relevant for den bruger der åbner mailen. Det kan du gøre på klassisk vis ved at indsamle data på dine brugere og matche disse data med kriterier. Dvs du kan segmentere indholdselementet.
Det er dog muligt at gå skridtet videre og inkorporere kunstig intelligens. Eksempelvis at genere indholdselementer baseret på brugeres adfærd på jeres website og samtidig forudse hvad der er relevant for den eksakte bruger. Dvs. brugernes adfærd sammenlignes med andre brugere og ud fra det forudsiges det hvad der vil være høj sandsynlighed for, er relevant for brugeren.
Et sådan setup kræver typisk tre elementer:
- En personaliseringsmotor der kan behandle brugerdataene og sende forudsigelser tilbage til email-marketingsystemet
- Et email-marketing system der understøtter en ekstern personaliseringsmotor
- Implementering af personaliseringsmotoren på jeres website
5. Hjælp tale-assistenter med at forstå jer
I en tid, hvor taleassistenter som Amazon Echo, Apple Siri og Google Home er blevet mere og mere udbredt, er det interessant at se, hvordan forbrugerne har taget dem til sig. I 2023 bruger mere end 50% af mennesker stemmesøgning i deres dagligdag. Det er vurderet, at der er 4,2 milliarder taleassistenter i brug på verdensplan i 2023, og dette tal forventes at nå 8,4 milliarder i 2024.
Stemmesøgning bliver også mere udbredt på mobile enheder. I 2023 bruger 27% stemmesøgning på mobil, og 20% af alle mobile søgeforespørgsler er nu stemmesøgninger.
Det er også værd at bemærke, at næsten 50% nu søger efter produkter ved hjælp af stemmesøgning, hvilket gør stemmesøgning til en ekstremt vigtig faktor for e-handelsvirksomheder.
I disse taleassistenter er der 3 vigtige ingredienser:
-
Masser af data. Inklusive jeres data.
-
Avanceret talegenkendelse og semantisk forståelse.
-
Integrationer med tjenester lige fra vejrtjenester, anmeldelser, shopping, digitale tjenester mm.
Og her hænger punkt 2 og 3 ret tæt sammen og de er ret vigtige for e-handelsvirksomheder. For såfremt forbrugerne i højere grad foretager voice-søgninger, og ikke laver klassiske informationssøgning i Google, er det essentielt at de gængse taleassistenter forstår jeres website, jeres indhold, jeres vigtigste informationer, og jeres produkter. Og her bør du gøre en indsats allerede nu.
For at gøre det, er det vigtigt at forstå at tale-søgninger er en smule anderledes end konventionelle søgninger i en søgemaskine. I stedet for en søgning med få beskrivende ord som ”revne i rude VW-golf”, foregår tale-søgninger ofte i fulde sætninger såsom; ”hvordan reparerer man en revne i ruden på en Volkswagen golf?”.
Et andet eksempel kunne være ”restaurant i København”, som vil være en typisk søgning i en klassisk søgemaskine, mens søgningen i en tale version typisk vil være mere i retningen af ”Hvilke restauranter i der i nærheden af mig?”
Begge eksempler her opsummerer det som i bør fokusere på i jeres optimeringsindsats:
- Sørg for at inkorporere spørgsmål i jeres indhold. I talesprog søger man oftere med spørgsmål fremfor enkeltstående søgeord. Brug eksempelvis answerthepublic.com til at få indblik i spørgsmål relateret til jeres indhold.
- Mange talesøgninger er lokale søgninger. Så brug lokationer, steder, bynavne og generelt stednavne i jeres indhold og sørg for at oprette jeres lokationer på Google My Business med åbningstider, adresse mm. Kernen i stemmebaseret lokal-søgning, er brugerens fysiske lokation, tidspunktet og det der søges efter.
- Implementer struktureret data – også kaldet Micro Data. Det gøres via schema.org markup, som er en fælles standard for struktureret data, som søgemaskinerne kan forstå at læse. Dvs. Google kan forstå jeres website og dets indhold bedre fordi du hjælper det på vej. Der kan laves struktureret data for mange typer af indhold lige fra åbningstider, anmeldelser, adresser, artikler til events, butikker og meget mere.
Fælles for dem alle er at det hjælper søgemaskiner med forstå og kategorier jeres informationer. Og det bruges direkte i søgeresultater, som medvirker til højere CTR og det bruges i stemmesøgnings-algoritmerne.
6. Kunstig intelligens i SEO
Når vi arbejder med SEO, arbejder vi stort set altid også med kunstig intelligens. Det gør vi blandt andet ved brug af software der behandler en masse data, analyserer og kommer med anbefalinger retur til hvor en optimeringsindsats kræves. Det sparer både en masse tid og er med til at prioritere en indsats.
Et eksempel herpå, som vi også selv bruger i KYNETIC, er arbejdet med SearchMetrics, som overvåger millioner af søgeord på tværs af brancher og blandt andet beregner en Visibilty Score for et website. Der er dermed muligt at se udfald i synligheden for en virksomhed og følge konkurrenterne.
Samtidig er det muligt at få indsigt i alle de ord som en given landingpage ranker på – for i disse longtail tider er det væsentligt at arbejde med puljer af søgeord pr. side fremfor én enkelt ord – og nok vigtigst af alt få anbefalinger til onpage-optimeringer og indhold, baseret på analyse af en lang række forskellige metrics.
Dvs. systemet bruger maskinlæring til at analysere forskellige elementer på siden og opholder det med best practices, samt relevante søgeord, søgninger, søgevolumen og konkurrenter. Til sammen giver det anbefaling til hvordan der kan optimeres.
Noget mere simpelt er content-gap analyser, som vi anbefaler alle at arbejde med. Det du gør, er at tage alle søgeord dine konkurrenter ranker på og sammenholde dem med alle søgeord som jeres website ranker på. Dette kan gøres med en rank tracker og nogle timer i Excel, men dette kan også typisk løses med få klik i et system der behandler disse data.
Hvis du ikke har en SearchMetrics adgang findes der også simplere alternativer, men typisk er det betalingsværktøjer som har inkorporeret mere avanceret intelligens.
Når brugerne så åbner nyhedsbrevet, vil der så være en defineret indholdsboks, hvori indholdet live hentes fra personaliseringsmotoren. Det giver dermed hyper relevant indhold, da en mail først åbnet efter en uge, pludselig nu er dynamisk. Samtidig er indholdet i denne indholdsboks skræddersyet til modtageren. Ofte vil det være produkter, men det kan også fungere med andet indhold.
Digital markedsføring med kunstig intelligens er kommet for at blive
Kunstig intelligens er et af vores tids største teknologiske gennembrud og udviklingsområder. Vi håber, at dette indlæg vil inspirere jer til at løfte jeres marketingindsats til næste niveau ved at arbejde med kunstig intelligens i jeres vigtigste marketingaktiviteter. Typisk resulterer dette i øget effektivitet, lavere omkostninger og bedre resultater end traditionel online markedsføring.
Indlægget her har forhåbentlig givet jer et indblik i, hvordan vi og dermed jeres virksomhed kan arbejde med fremtidens digital marketing og integrere kunstig intelligens i jeres eksisterende kanaler.
I KYNETIC hjælper vi typisk virksomheder og organisationer med at skabe succes på tværs af flere kanaler, hvor data bindes sammen og tilgangen tager udgangspunkt i en digital strategi, som vi udarbejder i fællesskab, som indeholder kunstig intelligens hvor det giver mening og værdi.
Men vi fungerer også som kanalspecialister, hvor vi hjælper virksomheder med at løfte deres indsats på et enkelt område (SEO, SEM, Facebook, annoncering, email-marketing mv.) og disse eksempler er et lille indblik i nogle af de taktikker og tiltag vi arbejder med til dagligt.
Fælles for begge dele, er at vi hjælper med en kontinuerlig indsats med udgangspunkt i data og fokuserer på vedvarende vækst fremfor enkeltstående kampagner. Indsatsen inkluderer så også typisk en række små og store AI-tiltag, som tilsammen typisk har en væsentlig indflydelse på performance og sparer omkostninger.
Har I spørgsmål til, hvordan I kan arbejde mere effektivt med digital markedsføring, vores frameworks, eller generelt ønsker hjælp til jeres markedsføringsindsats, så kontakt os på 78 75 00 70 eller på kontakt@kynetic.dk.
