V prvi epizodi FrodX podcasta RASTezanja sta Andrej Bergant in Gorazd Zakrajšek z različnih perspektiv obdelala včasih nekoliko spregledano področje marketinga – retention marketing. V novi epizodi sta se pomaknila na vroče področje umetne inteligence (AI), s katerim se bosta iz očitnih razlogov še pogosto ukvarjala tudi v prihodnosti. Tokratna tema je uporaba umetne inteligence v marketingu. Če smo bolj natančni, gre za uporabo generativne umetne inteligence. In če smo še bolj natančni – gre za uporabo generativne AI za personalizacijo marketinške komunikacije.
Kaj to sploh pomeni? Zakaj je AI lahko popoln game changer na tem področju? Kakšne so razlike med klasično in AI segmentacijo? Kaj je možno v tem trenutku in česa se lahko nadejamo v (bližnji) prihodnosti? Kakšno zvezo imajo z vsem tem teniške žogice? Za začetek pa …
… nekaj statistik in definicij
Preprosto povedano personalizacija marketinga pomeni, da se vsebine oziroma komunikacija prilagajajo posamezniku v skladu s podatki, ki jih ima podjetje o svojem (potencialnem) kupcu ali uporabniku. Govorimo o demografskih podatkih, kot so starost, spol, kraj bivanja itn. Pa o kanalih, na katerih stranka prebije največ časa – mobilni telefon, računalnik, tablice. Preferira WhatsApp ali SMS-sporočila? O specifičnih interesih, hobijih, poklicnih specifikah in zanimanjih. Ter seveda o zgodovini vedenja ob stikih s podjetjem – iskanje na spletni strani, izdelki, ki jih je nabral v košarici, minuli nakupi, vedenje na družbenih omrežjih … Celostno gledano je torej personalizacija trženja strateški pristop, ki prilagaja sporočila blagovne znamke na osebni ravni. Poglejmo, zakaj je to pomembno, in podkrepimo z nekaj nedavnimi raziskavami:
- Izboljšana vključenost strank: 71 % potrošnikov pričakuje personalizirane vsebine v komunikaciji s podjetji in 76 % se jih razjezi, če ta pričakovanja niso izpolnjena.
- Relevantnost v poplavi informacij: Povprečna oseba se vsak mesec sreča s približno 1.700 oglasi. S pomočjo personaliziranega nagovora in relevantnih sporočil se je mogoče prebiti skozi ves ta komunikacijski šum.
- Vpliv na povečanje prihodkov: Personalizirane nakupne izkušnje občasne kupce spreminjajo v redne, blagovne znamke, ki skrbijo za personaliziran nastop, pa imajo višje stopnje zadržanja strank in višji povprečno vrednost nakupa.
- Izboljšani odnosi s strankami: Kar 98 % tržnikov (torej praktično vsi) se strinja, da personalizacija pomaga ustvarjati boljše, bolj poglobljene odnose s strankami. Velika večina strank (91 %) trdi, da raje kupuje pri podjetjih, ki znajo personalizirati njihove izkušnje. Open rate e-mail kampanj je 26 % boljši, če je zadeva (subject line) prilagojena kontekstu prejemnika.
Razlike med klasično segmentacijo in AI-personalizacijo
Klasična marketinška segmentacija je temeljila na določanju pravil na podlagi demografskih podatkov in minulih nakupov ali iskanih izdelkov. Recimo: združi v eno skupino vse ženske v starosti od 35 do 49 let. Ali: pripravi segment, ki vključuje vse kupce, ki so kupili izdelek A v minulih šestih mesecih. Na nek način je bilo to zelo podobno pospravljanju igrač v vrtcu – v to škatlo gredo vse rumene žogice, kar pomeni, da se na istem mestu (oziroma v istem segmentu) nahajajo teniške, gladke, velike, majhne, napihljive, gumijaste, usnjene, nogometne itn. žoge in žogice. Vse, ki jih označuje rumena barva.
V času AI pa je količina podatkov, ki so na razpolago, bistveno večja. Nemogoče jih je združevati na star način. Z umetno inteligenco lahko sedaj na podlagi zbranih podatkov v realnem času ustvarimo profil stranke in z njim prilagajamo ponudbo. Next best offer ali next best action (če seveda cilj v določenem trenutku ni vzpodbujanje nakupa). Kar naenkrat je torej mogoče profilirati posamezne žogice onkraj barve – za vsako določiti ustrezno pakiranje, poimenovanje, v realnem času ugotoviti, če se je žogica raztegnila, in embalažo prilagoditi, tudi predvideti, kaj se bo z žogicami dogajalo, bo katera spremenila barvo itn.
Netflix, Amazon in AI v praksi?
Odličen primer dobre prakse prilagajanja izkušnje stranke posamezniku s pomočjo AI je vsem dobro poznano podjetje Netflix. Vsi, ki so ga že kdaj uporabljali, vedo, da se vsebinska priporočila razlikujejo na podlagi predhodno ogledanih filmov in serij. Verjetno pa marsikdo ne ve, da se tudi prikaz posamezne naslovne slike (thumbnaila) s pomočjo AI prilagaja zaznanim interesom posameznika, njegovi internetni hitrosti ipd. Njihov glavni cilj pa je, da se s to personalizacijo skrajša čas od zaključka ogleda vsebine A do pričetka gledanja vsebine B.
Drugi primer je Amazon, podjetje, ki je s svojimi personalizacijskimi prizadevanji že leta v samem svetovnem vrhu. Ob vsakem ponovnem obisku vam spretno ponudijo, da nadaljujete iskanje, kjer ste ga zadnjič zaključili. Če še niste ocenili produkta, boste prejeli povabilo, da podate oceno. Če so vam v košarici ostali izdelki, vam bodo ponudili zaključek nakupa ali alternative, ki bi vas morda zanimale.
Veliko spletnih strani, aplikacij oz. trgovcev skratka že dolgo uporablja umetno inteligenco za izboljševanje izkušnje stranke (CX) ali povečevanje prodaje. Velik del teh AI-pristopov pa pade še v območje “stare”, t. i. prediktivne umetne inteligence in machine learninga. Predvidevamo, kdo so tisti kupci, ki bodo opravili največji nakup, kdo so tisti, ki nas bodo verjetno zapustili, in temu prilagodimo komunikacijo. Tisti, ki bo z veliko verjetnostjo opravil nakup, prejme sporočilo z manjšim popustom ali dodatno ugodnostjo ali celo zgolj obvestilo, da je izdelek na voljo. Tistemu, ki se spogleduje s konkurenco, pa ponudimo bistveno večje popuste in ugodnosti.
Čar AI pa so možnosti nadgradnje teh pristopov z orodji, kot je recimo Emarsys. Če za primer vzamemo e-mail marketing kampanje, kjer je včasih personalizacija pomenila uporabo [ime, priimek] v zadevi ali na začetku nagovora, je sedaj situacija drugačna. E-mail kampanjo lahko dojemamo kot belo platno, ki ga poslikamo s pomočjo podatkov, nabranih o posamezniku. Naroča pasjo hrano ali hrano za kanarčke? Kako pogosto? Živi v Kranju ali Celju? Se odziva na posebne ponudbe ali kupuje vedno isto? Opravlja nakupe v poslovalnici ali na spletu? V sklopu iste e-mail kampanje bodo različni uporabniki torej dobili zelo različna sporočila.
Generativna umetna inteligenca danes omogoča bistveno lažje ustvarjanje tovrstnih personaliziranih kampanj.
Generativna AI v marketinški praksi avtomobilskega sveta
Nekaterim ljudem so pri izbiri avtomobila pomembne tehnične lastnosti, moč, doseg, drugi pa se ozirajo predvsem na dizajn, interier, udobje. Oglaševanje v avtomobilizmu še vedno pogosto poteka tako kot nekdaj – ekipa oblikovalcev in marketingarjev oblikuje dovršen oglas, ki se ga potem plasira na vsa oglaševalska omrežja, pri čemer prihaja do minimalnih variacij (običajno na podlagi trga/države). Z generativno AI pa je mogoče, da osebi A (tehnične lastnosti, moč) prilagodimo naslov in vsebino sporočila, tako da se osredotočata na vidike, ki so ji pomembni, osebi B pa prikazujemo dovršenost notranjosti avtomobila, zaobljenost linij, dizajnerske poudarke. Če karikiramo – potencialnih kupcev avtomobila je več 100.000 in četudi so si vsebine pri nekaterih podobne, je nemogoče, da bi vsebinske prilagoditve v takem obsegu izvajali ročno.
Zanimiv je primer ameriškega podjetja Carvana, ki se ukvarja s prodajo rabljenih avtomobilov. Pri podjetju so z namenskimi orodji zgenerirali več kot milijon video posnetkov, ki so jih prikazali strankam po nakupu avtomobila. Njihova vsebina se je osredotočala na pomembne svetovne dogodke, ki so se zgodili na dan, ko je kupec prejel nov avtomobil – za kupca izjemen pomemben dogodek že sam po sebi.
Generativna AI v praksi pri FrodXu
Le malo je ljudi (v marketingu pa verjetno nikogar), ki ne bi poskusil določenega besedila, maila, bloga pripraviti s pomočjo klepetalnika ChatGPT ali podobnega modela. V ekipi FrodXa smo se odločili za eksperiment: klasično taktiko pošiljanja opomnika o zapuščeni košarici smo združili z drugimi podatki, ki smo jih imeli o strankah (interakcije, nakupi), in definicijami želenih rezultatov. Vsebina sporočil za e‑kampanje je na ta način sedaj oblikovana nekoliko drugače, bolj kontekstualno. Na začetku se še vedno pojavi uvodni nagovor in obvestilo o specifičnih izdelkih v košarici, v drugem delu sporočila pa so opisane ponudbe, ki jih je AI izbrala kot najbolj ustrezne (brezplačna poštnina, 25-odstotni popust) in prilagojene kontekstu posameznika. Stranka, ki je nekoč prejela poškodovan izdelek (ki so ga seveda zamenjali), je recimo prejela sporočilo o izboljšanem pakiranju izdelkov.
Kaj pa prihodnost?
Včasih se niti ne zavedamo, da smo na področju AI šele na začetku in da se je ChatGPT za javnost odprl manj kot dve leti nazaj (november 2022). Ena od sprememb, ki jo verjetno lahko pričakujemo, je nov izgled vmesnikov spletnih trgovin, kjer bo pogovorno okno oziroma robot nadomestil produktne fotografije, iskalno okno in možnosti za nastavljanje filtrov. Bot bo sposoben analizirati pretekle nakupe in svetovati najprimernejše izdelke na podlagi pogovora. (Recimo: “Potrebujem nove kavbojke, številka x, všeč so mi te znamke in tak material – kaj ponujaš?”)
Naslednji pomemben vidik je zaznavanje sentimenta. AI zazna, da je določena stranka v svoji komunikaciji “problematična” (torej zahtevna, nezadovoljna, prepirljiva), in jo bo sposoben preusmeriti na pravega svetovalca. A to v resnici ne sodi v polje generativne AI.
Brez težav si lahko predstavljamo, da bo personalizacija v prihodnosti pomenila to, da bomo pri oblikovanju kampanje umetni inteligenci posredovali povezavo do svojega produkta ali storitve skupaj z bazo podatkov o strankah, AI pa bo na podlagi tega pripravila tekste, grafike, video ipd., ki bodo popolnoma prilagojeni posamezniku in njegovim interesom.
Želite sooblikovati naš podkast?
Imate zanimivo temo? Imate vprašanja, na katera vam AI na zna odgovoriti? Se vam zdi, da se o določenih področjih premalo pogovarjamo? Pišite nam ali nam zastavite vprašanje in po najboljših močeh bomo poskusili vsaj nekoliko personalizirati naš podkast.