Kar se mene tiče, je to najtežje vprašanje, na katero moram odgovoriti, ko predstavljamo prvine kontekstnega marketinga preko primerov uporabe platforme, kot je Emarsys Customer Engagament Platform. Preprosto zato, ker je v praksi to nemogoče.
Seveda ima Emarsys (tudi podobne platforme nižjega cenovnega razreda) statistično poročilo, koliko napovedanih dogodkov se je tudi v resnici zgodilo. A to ni bistvo. Če malo pomislimo, je ključno vprašanje, ali je AI skoval napoved, ki bo najbolj točna, ali takšno, ki najbolj maksimira vrednost za vaš posel.
Predstavljajte si, da marketinška platforma izlušči nabor strank, za katere oceni, da bodo precej verjetno v naslednjih 30 dneh opravile nakup v vaši spletni trgovini. Ta segment zelo verjetnih kupcev bi seveda radi izključili iz nabora strank, ki s promocijsko kampanjo za Valentinovo dobijo tudi kupon za 10 % popust. Za teh 2000 strank (s pomočjo AI ustvarjen segment) zaženete ločeno kampanjo, kjer ne delite dodatnih popustov. Po enem mesecu ugotovite, da je dejansko 91 % strank (kar skupaj znese 1820 strank) s seznama opravilo nakup kljub temu, da niso prejeli promocijskega kupona s popustom. Na prvo žogo AI opravlja svoje delo. Ljudje v marketingu se potrepljajo po rami in vržejo dodaten evro v implementacije platforme še na kako dodatno področje. Gredo na pivo po uspešnem delovnem dnevu. 😉
Potem pa se na pivu najde nekdo, ki podvomi v napovedi. Kaj pa, če je seznam teh, ki bodo najbolj verjetno v prihodnjih 30 dneh opravili nakup, obsežnejši kot teh 2000, ki jih je AI izluščil s svojo pametno segmentacijo? Kaj, če jih je 5000 in ne le 2000? Če je tokrat napoved le 60-% natančno realizirana, kampanja vseeno prinese 3000 nakupov, za katere ni treba dati dodatnega popusta. Skoraj enkrat več …
Odgovor ni tako enoznačen. Morda smo kratkoročno res več iztržili, a smo morda nekomu s to kampanjo šli čez rob in nam je zato odvzel soglasja ter nas zelo verjetno zapustil kot stranka. Koliko takšnih imamo, če malo bolj agresivno napovedujemo, kdo je zrel za ponovni nakup, in po pomoti zajemamo »false positive« stranke?
Če smo mislili, da bomo s split testi soočili AI in našega najboljšega marketerja v timu, hitro ugotovimo, da je čisto preveč dimenzij, ki bi jih morali spremljati in primerjati. Podobno kot če za navigacijo v avtu uporabljate Waze ali Google Maps. Vse, kar lahko v resnici preverite, je, ali je napovedan čas prihoda tudi realiziran, če sledite priporočeni poti. Testa, ali bi po kaki drugi poti prišli hitreje, v resnici ne morete objektivno opraviti, ker rezultate priporočene poti lahko le predvidevate. Dolga leta sem se trudil biti hitrejši od napovedi. Zdaj sem pristal na to, da ko sem na poti, poznam pričakovanja in jih z veliko verjetnostjo tudi uresničim. Podobno ravnanje bomo prej ali slej sprejeli tudi pri načrtovanju in vodenju marketinških kampanj. Algoritem pač rabi vernike. Verniki pa nekaj časa, da to zares postanejo.
P. S. O tej temi sem se odločil pisati tudi zato, ker sem pretekli vikend pogledal dva filma o umetni inteligenci in naši veri vanjo. Rad pogledam filme, ki me spodbudijo k razmišljanju. Morda bosta ta dva tudi vas. Poglejte ju. Morda mi bo lažje, ko vam bomo predstavljali delovanje Emarsysa za potrebe vašega podjetja.
Ex Machina
Mlad programer je izbran za sodelovanje v revolucionarnem eksperimentu z umetno inteligenco, pri katerem naj bi preizkušal človeške lastnosti visoko napredne androidke.
Coded Bias
Netflixov dokumentarec Coded Bias (Kodiran predsodek, op. p.) gledalce popelje na potovanje po celem svetu, na katerem se izkaže, kako skrb zbujajoča je kombinacija umetne inteligence, algoritmov in moči. Najpogostejša in najbolj zaskrbljujoča ugotovitev o tej tehnologiji je, da je njena pravna ureditev ohlapna in da so večkrat kršene človekove pravice.