AI經典語錄:十則必讀的專家名言

人工智慧(AI)已逐漸成為人們如何做生意和過生活的重要支柱,而不再只是科幻小說迷或科技狂粉所熱衷的領域。雖然我們依舊需要時間觀察這驚人的科技會如何發展,但對頂尖學者與業界知名人士而言,他們已長期投入時間關注這項議題,讓我們來看看他們對於AI的觀察與看法。

如何讓個人化行銷更能即時且動態貼近消費者需求?透過人工智慧分析之全觀受眾輪廓是關鍵

現今數位行銷的致勝的關鍵已經不再只是一昧地獲取更多的新客,若能與顧客產生良好互動並建立更強的聯結,才能進一步提高「顧客終身價值」。人工智慧 (Artificial Intelligence) 的應用能夠提升個人化行銷至更高的境界,並在各種裝置之間無縫接軌地提供完整的消費體驗。

在數位商機的浪潮中,個人化行銷是下一波促成良好的消費者體驗與營收成長的主要核心。然而,eMarketer的市調指出:91%的經營決策者認為自己公司確實需要在個人化行銷上再精進許多企業無法在行銷活動上真正實施個人化行銷策略,往往是因為缺少「單一客戶的全觀輪廓與行為分析(SCV, single customer view)」這項關鍵洞察。

一般行銷自動化工具的限制

「單一顧客的全觀輪廓與行為分析(single customer view)」能將不同渠道中的行銷活動與顧客服務數據整合在一起,強化現有的顧客資料並提供完整且全面的洞察,幫助你更精準地鎖定目標受眾,並設計引人入勝的個人化訊息,藉此提升黏著度跟轉換率。

然而,說得容易,實際執行則困難重重。許多企業面臨了以下的挑戰:

■  消費旅程中接觸點的數量不斷提升,消費者在不同的裝置上瀏覽、評估、與訂購產品時,企業必須要找到合適的渠道與顧客互動。許多企業因為無法連結同一位使用者在不同裝置上的行為,導致不連貫的使用者體驗。舉例來說,你透過三種不同的裝置傳遞了三次同樣的訊息給同一位消費者,是因為所使用的行銷自動化工具無法辨識這些不同裝置上的顧客其實是同一位使用者。或者在另外一個情境下,你運用行銷自動化工具寄出了一則推播通知來提醒某位顧客一項她早就已經購入的產品,這樣的訊息並無法幫助到她,甚至會造成反感。

■  時下的行銷自動化與資料整合工具 (例如電子郵件行銷、Google分析、社群聆聽工具…等) 能幫助企業獲得大量的消費者使用數據。然而當實際操作時,這些數據依舊散落在各個不同的資料庫或介面當中,導致分析結果支離破碎,難以落實對策。

■  行銷團隊能夠在自有的網站上或應用程式裡收集顧客行為數據,但若顧客離開或登出,他們的站外行為就是一片未知的領域。如果無法得知同一位顧客的站外行為,所拼湊出來的行為輪廓就是一張未完成的拼圖。

運用人工智慧建立全觀性受眾輪廓並達成高效的個人化行銷

上述的行銷人痛點,都可透過先進的人工智慧技術有效解決。。然而,要達成的前提是擁有龐大的使用者行為資料,這些都不是一般品牌在一時半刻之間可以獲得的洞察,而一個先進的系統則是可以整合你手上現有的資料,還能提供豐富的跨螢行為資料庫,並主動在不同的裝置上將你的顧客串連在一起,以及自動整合他們在站內與站外的行為,精準預測顧客的消費旅程,藉此與他們進行高效的跨裝置互動。例如Appier所推出的「AIQUA 人工智慧行銷自動化平台」。

此外,透過使用者的站外行為與興趣分析,AI系統能預測顧客的消費路徑,並且提供他們在線上的行為全貌。有了這樣的數據洞察,便能以更細膩的個人化行銷、在對的時刻透過對的渠道與裝置遞送最適當的行銷訊息給不同的顧客,藉此加強與他們之間的互動。

人工智慧技術能幫助行銷人了解並辨識顧客在應用程式與網站之外的消費習性,在消費者進入網站或應用程式之前提早一步預知他們的行為偏好。透過不同渠道所獲得的行為數據做進一步的資料強化,使行銷人能夠在顧客上門時投以個人化行銷內容,使傳遞的訊息更加投其所好。

例如,旅遊網站的行銷人可預先設計好針對「法國旅遊」客群的行銷內容,在進入網站前透過人工智慧平台預測哪些訪客可能會有興趣去法國旅行,並在這群訪客進入網站時投以法國旅遊相關內容,以刺激他們的消費慾望,避免錯失他們(churn)

人工智慧所驅動的「單一客戶的全觀輪廓與行為分析(SCV)」可以幫助你提升個人化行銷到更高的境界:透過多元的渠道在精準的時機點鎖定高消費潛力顧客,提供他們真正感興趣的產品資訊,藉此縮短消費週期並優化轉換率,進一步提高「顧客終身價值」。

應用人工智慧實現一對一個人化行銷

企業如何行銷其產品或服務,將大大影響利潤、品牌強度和品牌長壽與否;行銷活動如果計畫不周或執行不力,將無法為企業帶來任何實質助益。個人化行銷是現今火熱的數位行銷策略首選,而若再加上人工智慧(AI)等先進技術,便可以將你的行銷活動推往更高的境界。

個人化是行銷關鍵

許多品牌已開始使用行銷自動化工具(marketing automation tools)進行個人化行銷,使品牌可以針對各別顧客投其所好,更精準地滿足他們的需求。數位行銷的優點之一在於,有更多機會對受眾進行定向行銷。換句話說,所有的潛在顧客在使用社群媒體、購物網站和搜尋引擎時所留下行為偏好的各種蛛絲馬跡,行銷人都可以透過先進的預測技術轉化為有效洞察,幫助企業打造更優質的行銷活動,從而獲得實質的營收。

麥肯錫公司(McKinsey & Company)的調查指出:零售、旅遊、娛樂、電信和金融產業的企業若大規模進行個人化行銷,將有助於提升5%到15%的營收

個人化行銷已成為業界潮流所趨,麥肯錫公司的數據亦顯示90%以上的零售商認為個人化行銷是當務之急,然而,卻僅有15%的企業能徹底做到個人化行銷。

行銷自動化工具現今所面臨的挑戰

行銷最重要的任務,便是確保將對的訊息傳達給合適的對象,當目標客群越明確,行銷活動越有機會獲得高投資報酬率。對素食者宣傳一家新開張的牛排店,或者對背包客主打奢華度假之旅,皆是血本無歸的投資。

現今,許多行銷自動化工具的最大缺點是受限於缺乏可用資料。究其原因,很可能是因為資料庫(data pool)過小,或是因為無法跨多裝置追蹤使用者行為,但無論如何,資料品質的缺陷會使企業個人化行銷的精準度不足,因此降低行銷效能。

舉例來說,某位使用者可能分別使用其電腦、手機、平板電腦造訪您的網站,但由於許多個人化工具無法辨識這些資料皆來自於同一使用者,結果回報有三名不同的使用者正在瀏覽該網站,最終導致企業無法透過他擁有的三種裝置呈現給該使用者完整的行銷訊息,同時也可能錯過了他消費旅程的重要時機,例如:他慣用在手機跟平板瀏覽,最後用電腦完成交易。

行銷自動化工具不一定能理解人類的行為或情緒,這些工具無法判斷當顧客購買某樣產品後,是否會想再重覆購買相同的物品;追根究柢,都是因為缺乏更多關於該使用者的額外行為資料(離開你網站後的站外瀏覽偏好)。

企業所面臨的另一個挑戰,是難以同時跨所有渠道並大規模地擴展行銷活動,以及管理每個渠道的參與程度,因為企業使用的行銷工具數量既多又龐雜,而一一升級這些工具對企業來說是昂貴且不切實際的做法。運用不同的工具蒐集來的資料往往缺乏全觀性,導致行銷人無法有效率地針對手邊的資料即時做出正確反應。

人工智慧技術可以從許多方面協助品牌改善其行銷活動,尤其是當你想聚焦於某特定類型的顧客,可針對該群體量身打造大規模的行銷活動。

即便企業掌握了訪客在自家網站內的行為,了解他們正在尋找何種產品,若無人工智慧的協助捕捉訪客在站外的行為輪廓,企業對其所知仍然有限。例如,電商A運用人工智慧發現一名顧客常在電商A購買時尚女裝商品,同時也在另一網站B消費嬰兒用品;對於電商A來說,他可以藉由提供嬰兒相關的商品資訊,來進一步吸引該顧客的興趣。例如:搭配折價促銷訊息推薦更有時尚感的嬰幼兒服飾。

一旦潛在顧客離開您的網站,人工智慧也可以幫你再次吸引顧客的注意力。舉例而言,一名在購物車中加入商品後即因故離開網站的顧客,之後在閒暇之餘收到一則提醒訊息,最後促成他順利結帳。如果顧客對單一商品不感興趣,訊息中甚至可以加入一些個人化推薦,讓他有其他產品可選擇。

另一種應用情境,是可知道哪種電子行銷郵件適合寄給哪些對象。也許你手邊有份某些連絡人可能會感興趣的促銷或宣傳訊息,用電子郵件將內容相同的活動訊息發送給所有訂閱者並非最好的選擇。因此,知道哪些人會感興趣,以及哪些人有可能購買該產品,才能透過該電子郵件行銷活動獲得最大的效益。

應用人工智慧的個人化行銷已逐漸被證實是最能善用行銷預算的方式,而且目前也有越來越多的品牌主已開始使用這項工具了,選擇對的工具,落實人工智慧的應用其實可以很簡單!

三步驟助你掌握數據,強化留名單轉換成效

現今企業手上握有的資料比過去都來得多,理論上,資料量的激增能幫助行銷人做出更好的決策,但在許多情況下,此現象帶來的卻常是一片混亂:行銷人窮於應付龐大的數據,難以區分哪些是有用的、哪些是無用的。

在這篇文章中,我們將為你介紹如何將資料條理化的簡單三步驟,將你手邊的龐雜資料點石成金,變成有助於擴增營收的新客名單數(leads)。

第一步:資料條理化

首先,我們要將所有不同來源與格式的資料整合在一起,這些資料可能來自你的官方網站、活動、應用程式、客戶關係管理(CRM)、應用程式介面(API)等等。

想運用人腦從這些來源迥異的資料中精煉出有意義的洞察其實相當困難,但若藉由使用適當的工具來整合零散的數位資料與統整不同的資料集(data sets),企業可獲取現有顧客的全觀性輪廓並掌握其行為,甚至透過不同資料來源的交叉比對,找出具有消費潛力的高價值新客。

經過此步驟,企業可以更加聚焦於特定的業務目標。例如,條理化資料結果顯示你的顧客流失率(churn rate)過高,於是你針對該議題提出相對應的解決方案;又或者你想擴展公司的業務,以接觸新客戶和新市場,條理化資料可助你找出高投資報酬率的目標。在資料都正確無誤的情況下,條理化資料可以真實反映一個企業的體質是否健康,並助你聰明策畫具體行動方案以達成業務目標。

第二步:運用AI分析預測有效的資料區隔

到這裡,你的資料都已經條理化了,你也知道接下來想要關注哪些領域,例如增加註冊會員或是訂閱電子報的人數。下一步該怎麼做才能準確達成那些目標呢?由人工智慧(AI)所驅動的分析平台能夠建立AI模組來預測消費者行為,無須費心從零開始建立內部資料科學團隊。

隨著消費者已逐漸習慣橫跨多螢幕進行消費旅程,光憑人腦很難掌握所有消費者跨螢(cross-screen)轉換路徑的軌跡,亦難藉由多樣化的參數做有效的用戶區隔。然而,AI系統可以基於這些參數建立AI預測模組,並根據分類好的資料預測諸如轉換數和流失率等指標。舉例來說,透過瞭解過去的活動對企業的業務有何影響,企業能更有效地制定未來的策略。

台灣最具影響力之一的經濟新聞媒體《天下雜誌》利用Appier的Aixon平台,將不同來源的資料整合,並建立一個跨裝置、全觀性的顧客輪廓與行為。依據此洞察,天下成功吸引了新客群、增加其訂閱數,並且提高其線上銷售額。最後,天下每投入每一塊錢,都相對帶來十二元的營收。這些活動超越其廣告投資報酬率(return on ad spend)目標達300%,而其訂閱數和購買量則增加了404%。

第三步:根據AI產出之洞察策畫提升名單轉換的活動(Lead-Generation Campaign)

當企業擁有了這些AI預測資料所產出的洞察,即可以開始安排新的活動以達成轉換目標。市場上已存有較先進的技術可以同時透過多個行銷渠道發送資訊,大量增加企業與顧客交流的機會,且用最能觸發顧客共鳴的行銷內容進行溝通,提升轉換機率。例如:你可以在手機的Facebook App上藉由一則夾帶少量文字的橫幅廣告,先與目標受眾(target audience)小柯接觸,當他使用電腦造訪某個電子商務網站時,再對其放送一則動態產品廣告(dynamic product ad)。

若企業以錯誤的方式接觸顧客,可能會阻礙你的品牌與他們之間的連結,認為你的品牌不適合他們,甚至因為不當的曝光頻率而對你的品牌造成反感。

除了用顧客可接受的方式以及慣用的用語與他們互動,企業也可以透過先進的平台工具針對個別的廣告和活動進行優化,以便更有效地吸引顧客。舉例而言,高級汽車品牌Audi運用AI科技,以跨螢行銷的方式與顧客互動,藉此驅動預約試駕的填單數,最終達成最高48%的跨螢轉換率(conversion rate),遠高於單一裝置使用者的轉換率。

讓數據說話

如何有效處理所擁有的資料一直是企業的痛點,然而資料本身並非問題所在。也許你手邊目前有豐富的資料供你運用,但唯有使用對的工具才能去蕪存菁,助你獲取有價值的洞察,進而帶動業務一飛衝天。

Appier 資訊圖表:三張圖帶你看亞洲企業 AI 佈局

Appier 委託知名市場研究機構 Forrester 針對亞太地區企業導入 AI 技術與應用程度進行調查並於今 (5) 日發表最新調查報告《運用人工智慧加速亞太企業數位轉型》。

在參與調查的八個亞洲市場中,印尼企業佈局 AI 應用的程度位居榜首:有 65% 受訪者表示其公司已完成導入 AI ,或是正在朝 AI 規模化方向發展以加速企業升級轉型;在台灣,則有近三成受訪者預計在一年內佈局 AI 應用。

想知道亞洲企業導入 AI 的程度與未來佈局嗎?快往下看!

圖表一:亞太地區企業導入 AI 技術與應用程度

圖表二:AI 優先 X 客戶至上:企業投資 AI 的優先目標

圖表三:台灣企業導入 AI 三大挑戰

關於《運用人工智慧加速亞太企業數位轉型》報告

這份報告訪問了在亞洲 260 個企業中參與新興技術 (如:人工智慧) 導入決策的負責人,受訪者來自亞太地區八大市場,包括日本、南韓、新加坡、台灣、中國、印度、澳洲和印尼,涵蓋零售、IT、電信、金融服務和保險等產業。完整報告請至 https://www.appier.com/zh/report_forrester.html 下載。

 

如何善用人工智慧提升再行銷到最高境界?

你知道全球電商的平均廣告轉換率大概只有2.6%嗎?這代表線上銷售仍存在著巨大的商機潛力。

其中一種普遍被使用來提升轉換率的方法是再行銷 (remarketing),隨著人工智慧技術的進步,你更有機會運用像是機器學習 (Machine Learning)之類的技術來達成超乎以往的再行銷轉換率。試想此情境:大仁哥正在你的網站瀏覽商品,他放了一雙鞋子進購物車裡,然後由於被打斷或是其他理由,他並沒有完成結帳。接下來當大仁哥繼續使用網路時,頁面上的廣告出現了那雙他當初考慮過的鞋子,促使他再回到你的網站完成購買。頁面上的廣告可能提供了折扣優惠作為誘因,這樣的例子是一種典型的再行銷。

再行銷的目的是利用與該顧客相關的行銷訊息促使他們完成購物並提升轉換率。這樣的方式所吸引到的是原先已經對你的產品有興趣的潛在顧客,因此他們有更高的機率完成訂購並因此提升投資報酬率 (ROI)。

然而,廣告並非再行銷的單一管道。各個品牌也可以透過電子報(eDM)或應用程式推播通知 (in-app notifications) 來重新吸引顧客。你所傳遞的訊息與顧客本身越有關聯,你的再行銷策略就更有機會成功,而這就是人工智慧可以幫上忙的地方。

應用人工智慧進行分眾以提升再行銷效果

傳統分眾行銷方式有個缺點:它很難將對的產品與對的顧客做連結,尤其當消費者登出系統後,想要再透過數據分析不同的顧客偏好與族群,進而將它們轉化為真正的喜好需求,將更加的困難與複雜。各式各樣的行銷活動都只能不斷的實驗,試圖找出哪一種成效較佳,這不只耗費大量時間,所需成本亦不斐。

在這種情況之下,人工智慧便能提供更好的分眾效果。人工智慧利用機器學習分析使用者的消費歷史數據、辨別其模式來預測未來的購物行為,藉此優化再行銷策略。舉例來說,像是Appier CrossX 程式化購買平台使用人工智慧深度學習的演算法,即時分析不同的消費者行為並預測哪些潛在消費者有更高的轉換機率。行銷人員可以藉此判斷挑選最有潛力的顧客來設定再行銷的優先順序。

利用個人化行銷刺激轉換

機器學習亦能分析整合消費行為與產品資訊以提供個人化行銷體驗,進而提升轉換率。以下是應用人工智慧於再行銷優化的好處:

■ 重新鎖定真正有潛力的顧客來提升ROI
機器學習可以分辨出顧客的意向,例如是「想購物」還是「單純逛逛」。這能幫助你在重新鎖定顧客時有更高的轉換可能。你想將行銷資源分配在總是上網閒逛卻很少下訂的柯小哲,還是當有需要時會上網搜尋產品並直接購買的蔡小英?

■ 利用深度學習模式捕捉客戶瞬息萬變的行為
機器學習能透過分析消費行為模式並預測其變化來提供更精準的洞察。例如:羽球好手小戴過去幾天都在瀏覽大衣,可是週末天氣突然升溫,使得她在星期五晚上改為搜尋T恤了。人工智慧將會根據小戴短期搜尋的變化,進而改為推薦T恤讓她產生購買興趣,反而提升了立刻購買的可能性。

■ 找出消費者真正感興趣的產品並準確鎖定
對於非快速消耗品而言,人們決策時間總是特別長,人工智慧可以透過分析使用者「長期」瀏覽行為模式,幫助你在這期間內累積的大量瀏覽行為中分辨他們真正想要購買的商品跟只是瀏覽的商品。

在消費者的購物旅程中持續提供價值

再行銷可以在消費者的線上購物過程中不斷提供附加價值,然而傳統的再行銷方法仍有其限制。例如某位消費者正在線上訂購飛往東京的機票,傳統的再行銷可能會提供消費者到達其他目的地的機票優惠,這樣的作法無法幫助到消費者,亦耗費行銷資源。當消費者訂好前往東京的機票後,下一步自然是會訂旅館或套裝行程等等,也許你的網站有提供後續服務,但若當使用者離開你網站(站外)?持續在站外提供這些在站外後續服務才是新型態再行銷,也是你需要投注心力的方向。

人工智慧則可以透過分析站內與站外行為來提供個人化推薦,藉此擴增推薦給消費者的產品多元性。行銷人可以運用消費意向洞察來重新鎖定並提供顧客相似功能或設計的產品。

若將人工智慧進一步應用於跨螢行銷,其所帶來的效果更加事半功倍。跨螢再行銷讓你的消費者不論使用哪一個螢幕都能接收到你傳遞的訊息,如此一來可以大幅降低搜尋產品到完成購物的時間。舉CrossX程式化購買平台為例,即可減少跨螢再行銷的複雜度,提供你該專注於哪種消費者、何種類型的螢幕、以及何時該提供什麼廣告的相關洞察。

資料科學家是否有隨著人工智慧的發展一起進化?

 

機器學習 (Machine Learning)正以高速的步調發展,並逐漸成為企業提升產值、刺激創新力的強力工具。這個能應用於商業領域的熱門技術前景確實看好,然而,資料科學家們是否已做好準備,隨著熱潮一起進化呢?

人工智慧的下一步

人工智慧的持續發展使得自主系統能夠獨力接收、學習、決策、以及行動,然而如果要能確保這些系統的運作效率,機器必需要能夠向人類解釋它們的決策與行為。這也就是所謂的「可解釋的人工智慧」 (explainable AI)

「未來,許多的AI系統將會與人類產生更頻繁的互動,尤其是與負責決策的人。這也是為什麼AI需要被開發成可解釋人工智慧,使得系統的行為能夠輕易地被人類預期並理解」Appier的首席人工智慧科學家孫民解釋。孫民同時也指出,未來的AI將會越來越不需要被監督,它們將減少人類手動操作量,同時具備更豐沛的創造力。

在資料科學領域中,機器學習早期被認為是件耗費時間苦差事,資料加工與特徵工程可能就已佔掉資料科學家將近成的時間,但是根據勤業眾信(Deloitte)提供的2018科技、媒體、與通訊產業預測報告 顯示,這些繁瑣工作遲早會被自動化。如此的技術發展將會帶給資料科學家更多時間去執行更複雜的任務,然而,這同時也帶來了一個新的難題:大多數的資料科學家並不具備更進階的技能,例如:機器學習領域中的進階技術,深度學習 (Deep Learning)

機器學習對商業帶來的衝擊

過去,企業花費許多時間手動收集顧客在線上與線下的行為資料進行推測與決策,這樣的做法通常會導致分析結果高度分散而且孤立不連貫。隨著人工智慧技術的導入,各個品牌開始能整合不同管道與格式的資料,並找出顧客輪廓與轉換旅程背後更全面性的分析與觀點

機器學習與深度學習讓電腦吸收大量的資料,不只是預測結果,同時也會學習什麼結果是較為理想的。這可以被應用在數位行銷的許多不同層面,例如:預測消費者行為與行銷活動成果、自動化行銷、精準買家區隔、以及銷售預測。

Appier的首席資料科學家林軒田指出,隨著這些技術持續發展,企業能夠以更有效率且實惠的方式來建立值得信賴的人工智慧系統,與人類自然地互動交流,並幫助各領域專家做出聰明決策。因此,開始應用人工智慧技術的企業數量持續增加。根據IDC的數據顯示,於2018年,投資在認知科技與AI系統的全球花費191億美元,較去年提高了54.2%;而這個數據到2021年可能會再提升至522億美元,代表人工智慧將持續成為企業近期的主要投資領域。

降低機器學習的技術門檻

當越來越多的企業想要採用機器學習或深度學習這一類的人工智慧技術,資料科學家也為了跟上現今的趨勢而不斷精進技能。Glasswing Ventures的創辦人兼董事Rudina Seseri 在富比士雜誌 (Forbes) 中提到:「資料科學家們將會從他們現有的角色中昇華為機器學習專家,或是成為那些尚未被歸納的新領域的專家。」

業界的科技龍頭,例如Google與微軟(Microsoft),都已經提供相關的技術課程,希望減少人才的技術斷層。舉例來說,Google不只在今年初 (2018) 提供「Learn With Google AI」平台新措施,把機器學習課程 (Machine Learning Crash Course) 開放給一般群眾學習,同時在線上課程平台 Coursera 上發布了 「Machine Learning Specialization (機器學習專業班)2017年時,全球知名AI專家吳恩達也在 Coursera 上開了一系列的 Courses on Deep Learning  課程,期待能更快速地幫助人才在人工智慧領域上的發展。

專業技能是資料科學家的知識基礎,而培養以人為本的思惟則是關鍵所在。資料科學家需了解在真實環境下各企業的策略與面臨的挑戰,才能夠進一步提供能真正解決問題的方案。孫民也提到,企業所尋求的是全方位的解決方案,例如:自動駕駛汽車的製造工廠需要能整合感知、溝通、決策、與控制於一體的系統。以往這些模組都是分別獨立被設計出來的,但是自從優步 (Uber) 的自駕測試車造成致死車禍的事件發生後,發現感知系統雖然偵測到路旁的行人,但是決策系統卻沒有做出適當反應,因此便逐漸地從獨立設計轉換為整合設計。

「由多種不同的機器學習模組所整合而成的解決方案將會變得越來越重要」,孫民提出,「未來,資料科學家在系統層面上將會需要更多模型分析的技能,以幫助企業實施真正有效的全方位解決方案」。

四種重新定義互動式行銷的新興科技

在社群當道的時代裡,消費者透過社群媒體和品牌互動、尋求服務以及購物已成為新常態。企業需不斷地調整與消費者互動的方式,並以個人化行銷牢牢抓住消費者的心。

接下來我們將一一介紹四種讓「互動式行銷」如虎添翼的嶄新科技。

聊天機器人(Chatbots):管理線上訊息聲量,並加速客戶服務

近年應用聊天機器人的案例數量激增,他們幫助行銷人以全新的方式和客戶交流。根據Gartner的數據顯示,預計至2020年,超過25%的客服將在互動渠道中應用聊天機器人技術Facebook亦透露旗下即時通訊軟體中正在運作的聊天機器人已超過三十萬個

越來越多品牌開始用聊天機器人來管理社群媒體上的大量客戶訊息,並以近似人類的互動模式做出回應。人工智慧(AI)所驅動的機器人透過分析大量互動數據變得更聰明,而且能進一步推播個人化的行銷訊息。此技術也有助於簡化和加速客戶服務,使企業能專注於更重大的問題,例如處理客戶投訴、改善流程等。

人工智慧驅動的預測引擎:精準觸及目標消費者並提升轉換成效

人工智慧的互動行銷應用不僅限於聊天機器人。企業正趨向應用人工智慧來分析大量線上數據並取得更精細的洞察、預測使用者行為以增加互動。例如:LinkedIn的機器學習演算法根據工作地點、工作經驗和相關資訊對求職者進行評分,並利用此系統來改善求職者配對。

在市場行銷方面,企業則透過人工智慧技術找到有轉換潛力的高價值用戶,並為他們打造個人化行銷訊息。例如:台灣知名商業媒體「天下雜誌」用Appier研發的Aixon人工智慧商業決策平台來尋找潛在的讀者、預測他們的行為並透過遞送相關性高的廣告來提高訂閱率。

Aixon最近亦LINE進行技術整合,使企業可透過強大的人工智慧鎖定高潛力消費者、預測他們的使用行為,並在使用者打開LINE時向他們推播個人化訊息。例如:小華瀏覽時尚購物網站並把一件洋裝加入購物車中,一段時間後,她在LINE裡收到與這件洋裝相關的行銷推播通知,提醒並加深她的印象,最後完成訂購。

擴增實境:提供消費者仿真且實用的體驗以提高銷售

2017年,擴增實境技術(AR)已從遊戲娛樂進軍商務領域,各品牌透過社群管道不斷為客戶推出實用的AR體驗,至2020年,預測將有超過一億名消費者使用AR購物。蘋果推出的iPhoneX也為用戶提供全新的AR功能和臉部識別功能,預計將促使更多企業跟進投資AR行銷。

擴增實境的應用可以創造客戶與企業雙贏的局面。例如Ikea所推出的「Place擴增實境讓用戶在購買之前先預覽沙發擺放家中的樣子,不僅客戶得以做出正確的選擇,品牌也透過實境展示產品的優勢,間接提升銷售表現。

世界知名的美妝保養品集團萊雅(LO’real)則透過併購ModiFace擴增實境App帶來數位商機。擴增實境技術讓用戶可以在手機App中試用化妝品,在實際購買產品之前先了解在臉上使用的效果。此外,Snapchat為用戶提供的各種臉部濾鏡,也正迅速成為嶄新的行銷互動手法。

社群聆聽工具:透過分析社群中的對話,量身打造個人化行銷內容

愈來愈多的企業開始意識到用戶在社群平台中的對話的潛在價值,社群聆聽工具的應用也因此愈來愈流行。社群聆聽工具可追蹤消費者最新動向,並分析不同社群渠道中的對話。從數以兆計的大數據中解析的洞察可以幫助企業更深入地了解消費者真實的需求與偏好。

行銷人應用人工智慧技術來辨識對話中的關鍵字,並產生消費者輪廓、興趣、甚至情緒相關的洞察,從而更加了解消費者在消費旅程中的種種意圖,藉此創造更能與他們產生共鳴的內容,甚至為他們解決日常問題,進而產生更緊密的連結。

上面所提及的四種科技能夠協助企業做出更明智的決策、以更有效的方式接觸消費者並且更精準地洞察目標消費者。行銷人可應用這些科技來維持市場能見度並改善行銷成效,在競爭激烈的個人化行銷時代中發光發熱。

挖掘消費者跨螢足跡背後的祕密

作者:Fabrizio Caruso / Appier營收長

 

 

 

 

 

 

 

 

在 70、80 年代,想要觸及消費者是比較容易的,因為那是屬於「大眾行銷」的時代。不過現在消費者的注意力相較於以往更為分散 — 他們使用各種螢幕,購買決策過程也變得更複雜。

精明的消費者每天會在兩個以上的螢幕花費大量時間。我們發現,全球與亞洲消費者的裝置持有率皆持續增長;目前,亞洲地區半數以上 (51%) 消費者擁有兩台裝置,而超過 1/4 (26%) 的消費者更是使用四台以上的裝置。

這表示行銷人員必須採取有別以往的策略,才能在最佳時機觸及消費者,進而順利驅動消費者的購買動機,而這就是所謂的消費者接觸點。

過去,這類接觸點可能發生在家用電視上的廣告,或是報刊媒體。雖然這類管道對於行銷人員來說較為簡易,但行銷操作的選項也較為有限。裝置的成長增加了複雜性,但也確實為行銷人員開啟了新機會,可透過不同的接觸點來影響消費者的購買決策。

跨螢幕追蹤的困難之處

現今,為了有效觸及消費者,所有螢幕上的行銷活動都必須獲得最佳化。但是,行銷人員必須克服兩項挑戰:

  1. 瞭解相同消費者對於多種裝置的持有率,以便從「裝置導向」轉為「消費者導向」的行銷策略。
  2. 掌握消費者偏好的通路和接觸點,掌握其購買決策模式。這可能發生於購買階段、在此之前猶豫是否購買的期間,或於消費進行調查和評估的過程中。

行銷人員也必需釐清以下問題:

  1. 裝置之間的使用的重疊程度如何?
  2. 如何以正確的投放頻率達成適量的互動,進而刺激消費者對品牌採取行動?
  3. 如何避免「過度行銷」,亦即浪費成本或減低消費者喜好度?
  4. 哪些裝置最有利於提高上層行銷漏斗的曝光率?哪些又最適合用來驅動消費者採取直接行動?

人工智慧 (AI) 技術可提供的洞察資訊包括使用者數量、使用者在哪些螢幕上觀看組織廣告,以及跨螢幕轉換路徑等。這些洞察資訊有助於掌握每個螢幕在客戶歷程中發揮的功用,而不僅是用於點擊廣告的最後一個螢幕。

如此有利於行銷人員針對每個螢幕來實現最佳化的品牌資產,達成更高的投資報酬率,無論是點擊率、互動率或轉換率。

提升消費者線上訂單

全球零售業者家樂福當初進軍線上通路的目的,在於透過網路商店吸引更多潛在消費者。該公司的行銷團隊希望提高品牌認知度,提升線上購買量,並達成最佳化的每次行動成本 (CPA)。

運用 Appier 的人工智慧技術,家樂福得以從數十億個資料點中識別出同一使用者持有的每台裝置。每當潛在買家透過裝置 (例如筆記型電腦) 進入家樂福網路商店,Appier 即可分析其個人資料並該名買家持有的其他裝置 (例如手機) 上投放量身定製的產品推薦,鼓勵繼續至家樂福網路商店購買更多商品。

Appier 的人工智慧技術,可分析使用者在網站內部及外部的行為,據以判斷單一使用者的活動,並區隔出不同的使用者類型。Appier 運用 CrossX 資料庫,針對不同構面進行交叉比較,藉此找出類似市場中的潛在客戶,進而擴大原本的使用者客群。

家樂福與 Appier 進行上述合作後,跨螢幕使用者點擊率 (CTR) 較單螢幕使用者高出 87%、轉換率 (CVR) 則高出 40%。

促進訂閱數成長

熱門約會應用程式 Paktor 採用人工智慧技術,有效增加應用程式內訂閱數,同時提高應用程式內教學完成率。

Appier 人工智慧技術能快速辨識使用者的跨螢幕行為,並在數十億個資料點中發現他們對於「社交與約會」的興趣。

潛在買家下載 Paktor 應用程式之後,Appier 會透過跨螢幕行銷方法,將社交/約會相關資訊再次投放同一使用者持有的每台裝置。如此可加深 Paktor 的品牌印象,並提高使用者加入 Paktor VIP 會員的動機。

品牌安全的困難課題

除了觸及與吸引客戶,品牌安全也成為數位行銷的關鍵問題,組織擔心線上廣告的投放情境會破壞品牌形象。

品牌安全涉及諸多不同層面,其中的重大疑慮之一就是廣告詐欺,亦即謊報線上廣告的曝光、點擊和轉換等數據,藉此牟利的行為。

人工智慧技術能有效防範廣告詐欺,並協助保護品牌安全。Appier 研究發現,採用人工智慧的詐欺偵測模型能辨識出的詐欺交易數量,是傳統規則式模型的兩倍,因為前者可找出後者難以辨識的廣告詐欺模式。

下一步?

隨著消費者的購買決策模式發生革命性的改變,採用正確方法有助於行銷人員達到適時、適所的理想效果。

該如何最佳化各種螢幕的行銷活動?若想進一步瞭解提高點擊率/轉換率或提升品牌安全的方法,請立即與我們聯絡。


關於作者

Fabrizio Caruso

Fabrizio擁有15年的數位行動與廣告經驗,並與眾多亞州頂尖品牌、媒體代理商、電信商建立深厚關係。Fabrizio熟悉行動支付、行動網路及廣告市場,具備廣泛的網路產業知識,並擁有管理、策劃、行銷與營運之能力。Fabrizio同時也是數位媒體產業的意見領袖,關注於亞太區的數位行銷發展。

在加入Appier之前,Fabrizio是知名網路公司Opera Software的亞洲區資深副總裁。此外,Fabrizio曾在Out There Media擔任過亞太區業務拓展董事總經理暨副總裁,亦曾任職於Buongiorno及Amdocs,負責市場包括英國、中國及菲律賓。

Fabrizio擁有卡塔尼亞大學(University of Catania)資工碩士學位。