Wykorzystanie przyczynowej sztucznej inteligencji do głębszych analiz marketingowych
Istota
- Przyczynowa sztuczna inteligencja i głębsze spostrzeżenia marketingowe. Iść wykracza poza prostą analizę korelacji, aby odkryć związki przyczynowo-skutkowe między działaniami marketingowymi a wynikami.
- ChatGPT cię tam nie zaprowadzi. Jest coś jeszcze potężniejszego niż generatywna sztuczna inteligencja i nazywa się to sztuczną inteligencją przyczynową.
- Razem silniejsi. Marketerzy używają generatywnej i przyczynowej sztucznej inteligencji w tandemie, aby tworzyć, testować i weryfikować wiele hipotez z większą dokładnością.
Jaki jest związek między sprzedażą lodów a wskaźnikami przestępczości?
Załóżmy, że nadgorliwy początkujący reporter stwierdzi, że sprzedaż lodów i wskaźniki przestępczości mają tendencję do jednoczesnego wzrostu i spadku. Może to sugerować korelację między nimi. Ale z pewnością nie oznacza to, że lody powodują przestępstwa i odwrotnie.
Prawdziwą przyczyną obu zjawisk jest prawdopodobnie pogoda, która wpływa na preferencje i zachowania ludzi. Kiedy jest gorąco, ludzie chętniej kupują lody – a także częściej popełniają przestępstwa – ze względu na takie czynniki, jak letnie wakacje, puste domy i prawdopodobnie wyższy poziom drażliwości i nudy. Kiedy jest zimno, dzieje się odwrotnie.
Dlatego sprzedaż lodów i wskaźniki przestępczości są skorelowane, ale nie powiązane przyczynowo. (Uproszczam, ale rozumiesz o co chodzi.)
Teraz ekstrapoluj to na zestaw danych marketingowych dużej firmy. Istnieją miliony punktów danych. Podczas gdy obecne modele uczenia maszynowego, takie jak duże modele językowe (LLM), mogą identyfikować wzorce i przewidywać następne najbardziej prawdopodobne działanie, nie są w stanie wyjaśnić przyczyn ich wyników. To jest powód, dla którego generatywna sztuczna inteligencja popełnia błędy na podstawie błędnych założeń, a nawet wymyśla „fakty” znikąd.
W tym artykule zbadamy, w jaki sposób wykorzystanie przyczynowej sztucznej inteligencji może zapewnić głębsze spostrzeżenia marketingowe.
Powiązany artykuł: Gdzie są marketerzy na krzywej generatywnej adopcji AI?
Życie poza generatywną sztuczną inteligencją: co może zrobić przyczynowa sztuczna inteligencja
Sztuczna inteligencja nowej generacji (czekaj, co? Ledwie się tym zajęliśmy!) to sztuczna inteligencja przyczynowa, która pomaga nam zrozumieć relacje między zmiennymi a wynikami w złożonych systemach.
Przyczynowa sztuczna inteligencja to podzbiór lub podejście w ramach „wnioskowania przyczynowego” — obszaru, który koncentruje się na zrozumieniu związku przyczynowo-skutkowego zmiennych niezależnych w ramach większego systemu.
Na przykład marketerzy mogą wykorzystywać przyczynową sztuczną inteligencję do uzyskiwania głębszych informacji marketingowych i analizowania złożonych zestawów danych w celu identyfikowania związków przyczynowych między działaniami marketingowymi i ich wpływu na kluczowe wskaźniki wydajności (KPI) — powiedział Tyler Foster, dyrektor ds. technologii i współzałożyciel AI- napędzana platforma personalizacji Evolv AI.
Symulując wiele alternatywnych scenariuszy, marketerzy mogą oszacować, co by się stało, gdyby określone działania marketingowe zostały podjęte lub nie. Porównując rzeczywiste wyniki z tymi scenariuszami alternatywnymi, możliwe staje się przypisanie prawdziwego wpływu każdego kanału marketingowego lub kampanii.
Mówiąc prościej, powiedział Foster, pozwala nam zbadać „Co by było, gdyby…?” w świecie marketingu. Co by było, gdybyśmy uruchomili tylko kampanię A zamiast kampanii A i B? Co by było, gdybyśmy celowali tylko w grupę Ab zamiast w całą grupę A? Co jeśli wydamy dodatkowe 5000 $ na TikTok zamiast na Instagram? Ile dodatkowych konwersji by to wygenerowało? Innymi słowy, pozwala nam wyjść poza dokładność predykcyjną i uzyskać wgląd w przyrost naszych dolarów marketingowych.
Przyczynowa sztuczna inteligencja może pomóc oszacować wpływ określonych interwencji na kampanię marketingową i uzyskać głębszy wgląd, wyjaśniając przyczyny i skutki między nimi.
Oto dwa przykłady podkreślające różne możliwości generatywnej i przyczynowej sztucznej inteligencji w kontekście marketingowym.
-
Generatywna sztuczna inteligencja może zidentyfikować, która promocja zwiększyła sprzedaż i stworzyć nowe promocje w oparciu o istniejące. Przyczynowa sztuczna inteligencja może powiedzieć marketerowi, dlaczego dana promocja zwiększyła sprzedaż (jakie były czynniki wyzwalające?)
-
Generatywna sztuczna inteligencja może pokazać marketerom, jak zmiana ceny wpłynęłaby na krzywą popytu, podczas gdy sztuczna inteligencja przyczynowa może powiedzieć marketerowi, jakiego przyrostu przychodów może się spodziewać, zmieniając cenę produktu.
Według Światowego Forum Ekonomicznego, przyczynowa sztuczna inteligencja jest bardziej niezawodna, przejrzysta, sprawiedliwa, odpowiedzialna i kontestowalna niż sztuczna inteligencja oparta na czarnej skrzynce, co również czyni ją bardziej zgodną z pojawiającymi się przepisami dotyczącymi sztucznej inteligencji.
Powiązany artykuł: Transformacja e-commerce dzięki sztucznej inteligencji i uczeniu maszynowemu
Jak przyczynowa sztuczna inteligencja zapewnia kluczowe informacje marketingowe i usprawnia podejmowanie decyzji w oparciu o dane
Podczas gdy ChatGPT i Midjourney będą nadal olśniewać i zakłócać obszary takie jak tworzenie treści i reklama, przyczynowa sztuczna inteligencja przenosi naszą uwagę na inny strategiczny (i problematyczny) obszar marketingu: pomiar i optymalizację wydajności.
Ariel Geifman, współzałożyciel i dyrektor ds. przychodów Dealtale, lidera w dziedzinie przyczynowej sztucznej inteligencji dla marketerów, podkreślił konieczność oddzielenia korelacji i przyczynowości, jeśli chodzi o KPI. Powiedział, że jako marketerzy łatwo jest dać się ponieść ekscytacji związanej z kreatywną kampanią, zwłaszcza gdy po wprowadzeniu na rynek obserwuje się wzrost kluczowych wskaźników, takich jak ruch w witrynie.
„Ale z tyłu głowy wiemy, że genialna kampania marketingowa nie zawsze jest bezpośrednią przyczyną wzrostu liczby odwiedzających witrynę. Mierzenie rzeczywistego zwrotu z inwestycji w kampanię marketingową polega na możliwości przyjrzenia się przyczynom, a nie tylko korelacji — zwłaszcza gdy trzeba wziąć pod uwagę wiele punktów kontaktu z klientem. Ten rodzaj oceny może sprawić, że nawet najbardziej zniechęcające wskaźniki KPI staną się przewidywalne i powtarzalne, co ostatecznie wpłynie na decyzje biznesowe”.
Przyczynowa sztuczna inteligencja rozwiązuje problem tradycyjnej sztucznej inteligencji z kurą i jajkiem, dodał Giefman. W tradycyjnej sztucznej inteligencji można znaleźć korelacje, takie jak zestaw kuponów powiązanych ze wzrostem sprzedaży. Możesz jednak dawać kupony osobom, które i tak by kupiły. Przyczynowość pozwala nam zrozumieć, czy ludzie kupowaliby bez kuponów i czy kupony faktycznie skłoniły ich do zakupu.
W marketingu B2B przyczynowa sztuczna inteligencja może pomóc marketerom zrozumieć, jak lepiej przydzielać zasoby marketingowe, aby uzyskać głębszy wgląd i podejmować decyzje. Na przykład, czy powinniśmy wysyłać rozwój sprzedaży, aby ścigać potencjalnych klientów, czy też sami dokonają konwersji; czy wysłanie kolejnego e-maila ma dodatkowy wpływ na konwersję itp.
Generatywna sztuczna inteligencja może wpływać na produktywność i wydajność za pomocą wzorców i prognoz (dzięki, Pippi Pepennopolis!). Przyczynowość może napędzać inkrementalność poprzez optymalizację naszego modelowania miksu rynkowego.
Jeśli chodzi o zwrot z inwestycji, Foster dodał, że przyczynowa sztuczna inteligencja może przyjrzeć się każdej kampanii lub punktowi kontaktu, z którym dana osoba miała kontakt, aby określić, w jaki sposób każdy z nich wpływa na obserwowane wyniki lub konwersje. To jest bardzo trudne, jeśli nie niemożliwe, dla człowieka.
Ostrzega jednak, że ma to swoje ograniczenia. Większość przypadkowych aplikacji sztucznej inteligencji lub wnioskowania jest wykorzystywana do analizy istniejących zbiorów danych, co może prowadzić zarówno do błędów fałszywie dodatnich (typu 1), jak i fałszywie ujemnych (typu 2). Mając to na uwadze, sugeruje, że przyczynowa sztuczna inteligencja jest przede wszystkim pomocna w formułowaniu hipotez do testowania w eksperymentach i walidacji, a nie w wyciąganiu konkretnych wniosków. „Możesz użyć modeli przyczynowych, aby wyizolować potencjalny zwrot z inwestycji, ale musi to być połączone z eksperymentami. To luka w użyteczności dużych zbiorów danych, która ma wpływ na większość wysiłków związanych z analizą biznesową. Wszystkie dane na świecie nic nie znaczą, chyba że odkryjesz wzorce, które prowadzą do sprawdzalnych hipotez. Przyczynowa sztuczna inteligencja może być potężnym narzędziem do odkrywania spostrzeżeń w morzu danych, których tradycyjne metody nie byłyby w stanie ujawnić”.
Dokonując dokładnych prognoz z przyczynowością i znajdując wzorce poprzez korelację, powiedział Vivek Sharma, dyrektor generalny i współzałożyciel platformy personalizacji treści Movable Ink, możemy dokładniej przewidzieć, co klient doceni, w oparciu o czynniki wyzwalające, i ostatecznie wpłynąć na zmianę zachowania.
Na przykład, jeśli sprzedawca detaliczny może lepiej zrozumieć, dlaczego jego klient podjął decyzję, identyfikując wiele aspektów, które kierowały zachowaniem klienta, może następnie znaleźć najlepszy sposób wpływania na przyszłe zachowania, tworzenia bardziej spersonalizowanych doświadczeń i wpływania na lepsze wyniki biznesowe. I podobnie jak w przypadku całej sztucznej inteligencji, przyczynowa sztuczna inteligencja staje się coraz inteligentniejsza z każdą interakcją i może potencjalnie pomóc marketerom w pogłębianiu wiedzy.
Razem silniejsi: generatywna sztuczna inteligencja i przyczynowa sztuczna inteligencja działają najlepiej w tandemie
Generatywna sztuczna inteligencja już w dużym stopniu zdemokratyzowała analitykę, dając większej liczbie osób możliwość szybkiego i łatwego analizowania danych, tworzenia wizualnych raportów i odkrywania podstawowych wzorców, powiedział Sharma. Geifman również zwraca uwagę na rosnącą popularność „analityków AI lub lokajów AI”, którzy pozwalają marketerom wchodzić w interakcje z danymi i wyszukiwać je, tworzyć analizy i udostępniać pulpity nawigacyjne — a wszystko to przy użyciu prostego języka angielskiego.
Dzięki zdolności Generative AI do tworzenia nowych danych w oparciu o dane, na których się szkoli, może tworzyć tekst, obrazy, filmy, kod itp. na podstawie wniosków generowanych przez przyczynową sztuczną inteligencję.
Na przykład, powiedział Foster, jego zespół wykorzystuje przyczynową sztuczną inteligencję do formułowania hipotez i generatywną sztuczną inteligencję do tworzenia prototypów do eksperymentów w celu zweryfikowania hipotez. Połączone w pary mogą zrozumieć zachowanie użytkowników, formułować hipotezy i weryfikować je, aby wyciągać wnioski bez konieczności interwencji człowieka.
Ostatecznie ocena wielokanałowych kampanii marketingowych za pomocą przyczynowej i generatywnej sztucznej inteligencji zapewnia głębsze zrozumienie skuteczności marketingu, pozwala na lepszą alokację zasobów i pomaga zmaksymalizować zwrot z inwestycji poprzez skupienie wysiłków na kanałach i taktykach, które mają udowodniony przyczynowy wpływ na pożądane wyniki.