AI & marketing, sales en communicatie: intelligent maatwerk voor uw klanten.

18-03-2020 - Roeselare , Roularta

Dries Benoit

Dries Benoit is professor bedrijfsstatistiek (business analytics) aan de faculteit Economie & Bedrijfskunde van de Universiteit Gent. Hij doceert de vakken ‘Bayesiaanse Statistiek’ en ‘Prijszetting en Omzetbeheer’. Zijn onderzoek situeert zich in het domein van de Bayesiaanse analyse met toepassingen binnen klantenbeheersystemen en prijszetting.

Peter Depypere

Peter Depypere is Data Strategist bij Element61, die organisaties helpt om te innoveren met behulp van data. Peter heeft reeds 5 jaar ervaring binnen de technologische industrie zowel als implementatie consultant als business development & strategie consultant. Door zijn ervaring in het bedrijfsleven, samen met zijn technische achtergrond, is hij in staat om op te treden als gids voor organisaties om te bepalen hoe data & technologie hen kan helpen bij het bereiken van hun bedrijfsdoelstellingen. Daarnaast heeft hij ook een goede kijk op de meest voorkomende valkuilen & geleerde lessen die organisaties hebben bij het implementeren van bijvoorbeeld machine learning en artificiële intelligentie.

about the seminar

Van digitaal naar intelligent: AI in marketing

Er zijn talloze artikelen beschikbaar over hoe AI zal zorgen voor disrupties in marketing. Van de vroegere postordercatalogus, de gepersonaliseerde brief en de grote reclamepanelen langs de weg, naar een digitale en social media-gedreven marketing. Ook de volgende disruptie, geleid door AI, zullen marketeers omarmen. Ondanks de uitdagingen die er zijn, biedt AI vooral heel wat kansen voor het verbeteren van de klantenervaring of het versterken van de band tussen een (toekomstige) klant en de producten en diensten van een bedrijf. Realisme is hier aangeraden: heel wat toepassingen kunnen nu al laagdrempelig worden opgestart in marketingbedrijven (voor een greep uit de mogelijkheden, zie SmartInsights). Sommige van de toepassingen zijn beter voor het bereiken van klanten (reach) of het activeren van klanten (act); anderen zijn meer geschikt voor conversie (converse) of voor het opnieuw engageren (engage) van niet langer actieve klanten.

Voor het bereiken van klanten (reach) zijn er volgende traditionele(re) methodieken: content marketing, SEO earned media. AI kan deze set van methodieken verrijken via AI generated content (om bezoekers naar websites te trekken, zoals het programma ‘WordSmith’). Dergelijke AI generated content omvat bijvoorbeeld verslagen van sportmatchen, marktdata, rapporten over kwartaalinkomsten,… kortom: events die reeds gebaseerd zijn op het verzamelen en analyseren van data. Een tweede manier is om te werken met smart content curation of het gepersonaliseerd aanbieden van content op de website. Denken we hierbij aan de secties ‘Dit kan u ook interesseren’ of ‘Klanten die product X gekocht hebben, hebben ook product Y gekocht’. Dit kan echter verbreed worden naar het gepersonaliseerd aanbieden van blog posts en reviews op een website. Een derde optie is gebruik maken van voice search of het aanbieden van inhouden op basis van gebruikersvragen via bestaande toepassingen van de grote spelers (zoals Amazon’s Alexa en Apple’s Siri). Websites die gekoppeld zijn aan een dergelijke voice search zullen een significante voorsprong krijgen in de zoekalgoritmes.

Na de fase van het bereiken van mogelijke klanten komt de fase van het binnentrekken van klanten om hen kennis te laten maken met het product. Opnieuw zijn hiervoor diverse AI-methodieken beschikbaar zoals predictive analytics of het voorspellen van de kans dat een geïnteresseerde bezoeker effectief een klant zal worden; voorspellen wat hierbij de meest optimale prijs van een product is en welk type klanten meest geneigd is om herhaalde aankopen te doen. Een andere methodiek is lead scoring of het bepalen van het belang van bepaalde groepen klanten. Dit kan op basis van eerdere gedragspatronen van een klant (zoals de bezochte websites, eerdere aankopen en prijs van de aankopen). Op die manier krijgen klanten een score waarbij de score op haar beurt bepaalt in welke mate websites of marketing dienen aangepast te worden (via bijvoorbeeld ad targeting). Klanten met een hogere score zullen resulteren in meer inspanningen van het bedrijf om die klanten opnieuw te laten aankopen; terwijl klanten met een lagere score mogelijk minder gepersonaliseerde inhouden zullen te zien krijgen. Maar ook richting verkoopsteams biedt lead scoring mogelijkheden om marketingstrategieën en -budgetten aan te passen aan bepaalde groepen van klanten.

Een volgende fase is de conversie of het stimuleren van geïnteresseerde klanten om effectief gebruiker te worden van het product of de dienst. Hier biedt AI mogelijkheden aan door onder andere dynamic pricing, web- en app-personalisatie en chatbots. Het dynamisch aanpassen van prijzen, waarbij solden het meest gekende voorbeeld zijn, is een extreem krachtige manier om klanten tot aankoop te laten overgaan. Solden kunnen weliswaar niet permantent aangehouden worden. Een meer subtiele en minder ingrijpende manier is dynamische prijzen genereren en aanbiedingen genereren voor die klanten die effectief op de drempel van aankoop staan. Zo kunnen eerder aankoopgedrag, karakteristieken van klanten en van het product via machine learning in kaart gebracht worden en kunnen patronen en advies geformuleerd worden over de meest ideale setting om klanten tot aankoop te laten overgaan. Het personaliseren van inhouden op websites en apps, maar ook in brochures en nieuwsbrieven, biedt mogelijkheden om de ‘customer journey’ te optimaliseren en zo de klant maximaal geïnteresseerd te houden. Tot slot biedt de chatbottechnologie heel wat mogelijkheden tot verrijking van websites en appsen verbeteren van de customer experience wat op hun beurt leidt tot een hogere conversion rate.

Tot slot is er de fase van de betrokkenheid of het blijvend engageren van klanten opdat ze opnieuw aankopen doen. AI speelt een grote rol bij het aanbieden van een predictive customer service om zo bestaande klanten tevreden te houden en te voorspellen welke klanten zich eventueel zullen uitschrijven uit nieuwsbrieven. Bij deze predictive customer service kunnen specifieke groepen van klanten benaderd worden met aanbiedingen of hulp om te vermijden dat ze hun status als klant stopzetten. Ook de reeds bestaande marketing automation kan versterkt worden via machine learning. In de huidige situaties is het vaak nog de marketeer zelf die beslist wanneer welke communicatie naar klanten wordt uitgestuurd. Via machine learning kunnen opnieuw grote (historische) datasets worden geanalyseerd om patronen te identificeren: welke types marketing, op welke momenten en met welke inhouden hadden het meest effect bij welke types van klanten? Op die manier kunnen nieuwsbrieven, promoties,… gerichter worden verstuurd wat opnieuw een impact heeft op de klanttevredenheid.

read more

the venue

Roularta

https://www.roularta.be

schrijf u in voor onze seminaries