Niezależnie od znaczenia pojęć – „sztuczna inteligencja”, „machine learning”, „predictive analytics”, „data mining” czy „big data” – każdy z tych gorących tematów, odnoszących się do szeroko rozumianej sztucznej inteligencji, dotyczy tego samego: czerpania wiedzy z bogactwa dostępnych danych, która pozwala na prowadzenie skutecznych działań email marketingowych.
Zaprenumeruj newsletterJak na otrzymane emaile zareagują poszczególni odbiorcy? Jak efektywnie unikać folderu SPAM? Jaki powinien być kolejny, najbardziej optymalny krok, który powinniśmy podjąć? Sztuczna inteligencja niesie ze sobą ogromny potencjał, który odpowiednio wykorzystany przez email marketerów, może przyczynić się do znacznego wzrostu zwrotu z inwestycji.
Nigdy wcześniej nie mieliśmy dostępu do tak dużej ilości danych, tak wielu narzędzi do ich analizy i tak dużych mocy obliczeniowych, co dziś. Sztuczna inteligencja nie jest już traktowana jak science-fiction. Jej początki sięgają XIX wieku, kiedy to Carl Friedrich Gauss opracował metodę najmniejszych kwadratów, którą wykorzystujemy do dziś. Koncepcja sieci neuronowych również jest nam znana od ponad 50 lat. Od jakiegoś już czasu programy filtrujące, takie jak SpamAssassin, używają tych metod, by segregować wiadomości w naszych skrzynkach na te pożądane i niepożądane (SPAM). Podczas gdy email marketing funkcjonuje w oparciu o pewne podstawowe reguły, sztuczna inteligencja pozwala pójść o krok dalej i przewidywać, jakie treści serwować subskrybentom w oparciu o zaawansowane, wcześniej zdefiniowane algorytmy i dostępne dane.
Analiza języka ludzkiego
Stworzony przez Google program pocztowy Gmail jest świetnym przykładem inteligentnego systemu. Funkcjonalność „Priority Inbox” klasyfikuje wszystkie przychodzące wiadomości na te ważne i mniej ważne. Użytkownicy uczą system i personalizują algorytm poprzez indywidualne wskazanie, które emaile są dla nich interesujące. Niedawno Gmail wprowadził nową funkcjonalność o nazwie „Smart reply”, która rozpoznaje i interpretuje nasz język. System rozpoznaje treść i intencje nadawcy, a następnie sugeruje odbiorcy właściwą odpowiedź. Pozwala to użytkownikom na stosowanie automatycznie generowanych odpowiedzi. Przykładowo, na pytanie o możliwość spotkania, system podpowie odbiorcy różne warianty wiadomości zwrotnej, takie jak: „Tak, potwierdzam spotkanie” lub „Nie, nie mogę uczestniczyć w spotkaniu”, które ten będzie mógł odesłać za pomocą jednego kliknięcia.
Automatyczna optymalizacja tematów i treści
Prawdopodobieństwo, że odbiorca otworzy wiadomość jest wypadkową kilku czynników, m.in. właściwego czasu wysyłki, tego, kto jest nadawcą emaila oraz czy jego tytuł przyciaga uwagę. Sztuczna inteligencja już teraz pomaga w zidentyfikowaniu najbardziej trafnych modułów tekstowych i słów kluczowych. Dzięki temu marketerzy mogą automatycznie określić, na który tytuł wiadomości zareagują jego dobiorcy: „15% zniżki na jeansy”, „[imię], cena jeansów jest teraz niższa o 15%” czy „Mamy dla Ciebie jeansową niespodziankę…”. Algorytm decyduje, która z opcji jest najlepsza dla konkretnych grup odbiorców. Specjaliści od tytułów wiadomości, tacy jak Phrase (https://phrasee.co), Touchstone (http://subjectlinegold.com) czy Persado (http://persado.com), idą nawet o krok dalej, niż klasyczne testy. Ostatnia wspomniana platforma specjalizuje się w automatycznej analizie wiadomości emailowych, postów w social mediach itp., a wyniki tych analiz możemy używać do stworzenia efektywnych, emocjonalnych komunikatów, zwracając się do konkretnego odbiorcy.
Optymalizacja czasu wysyłki
Poza tytułem wiadomości i jej treścią, można precyzyjnie personalizować również czas wysyłki. Warto wziąć to pod uwagę, ponieważ wskaźnik otwarć (OR) i kliknięć (CTR) może znacząco różnić się w zależności od pory dnia czy dnia tygodnia. Niektórzy sprawdzają emaile od razu po przebudzeniu, inni wolą odbierać wiadomości w porze lunchu lub wieczorem, przed snem. Sztuczna inteligencja pozwala na automatyczną optymalizację czasu wysyłki. Indywidualny czas wysłania wiadomości oparty jest na analizie historii otwarć i kliknięć konkretnego subskrybenta. Dzięki temu subskrybenci otrzymywać będą wiadomości w idealnym dla siebie czasie – nawet w przypadku bardzo dużych list odbiorców. W takiej sytuacji prawdopodobieństwo, że email zostanie otwarty, a linki kliknięte, znacznie wzrasta.
Inteligentne oznaczanie kliknięć
Kombinacja centrum preferencji i segmentowania bazy na podstawie zachowań odbiorców jest niezwykle ważna przy personalizacji treści. Marketerzy powinni więc upewnić się, że przy każdej możliwej okazji będą zbierać dane demograficzne oraz te dotyczące indywidualnych upodobań subskrybentów. W tym samym czasie, wartościową wiedzę o odbiorcy można uzyskać dzięki analizom kliknięć i zachowania użytkownika. Budowanie profili kliknięć, np. „zainteresowani rodzinnymi wakacjami w rejonie Morza Bałtyckiego”, umożliwia dokładne targetowanie dalszej komunikacji z subskrybentami. Elastyczne szablony i zaawansowane systemy rekomendacji pozwalają na podjęcie kolejnego kroku ku jeszcze większej personalizacji pod katem konkretnego odbiorcy. Inteligentne algorytmy „uczą się” korzystając z bieżących i wcześniejszych zachowań użytkownika po to, by automatycznie kierować do odbiorcy wysoce zindywidualizowane oferty. Dzięki elastycznym szablonom można je jeszcze bardziej personalizować, aż do momentu otwarcia wiadomości przez odbiorcę. Taka funkcjonalność jest dostępna u dużych, wyspecjalizowanych dostawców narzędzi do email marketingu.
Przewidywanie zainteresowania
Duży potencjał niosą też tzw. „najlepsze następne kroki”. Powstają one w oparciu o dostępne dane na temat responsywności danego odbiorcy w połączeniu z informacjami o jego poprzednich preferencjach i zachowaniach. Powiązując profil klienta z historią kontaktu, można przewidzieć kolejne działania, które powinniśmy w stosunku do niego podjąć i prawdopodobieństwo reakcji na nie ze strony subskrybenta. Dzięki temu możemy zarekomendować subskrybentowi podjęcie kolejnych kroków w jego cyklu zakupowym. W pewnym sensie zakładamy, co w przyszłości zrobi nasz odbiorca i jak się zachowa. Zawartość wiadomości oparta jest więc na przewidywaniu, co zachęci go do pożądanego przez nas działania i która ścieżka będzie dla niego najbardziej atrakcyjna. Ogólnie dostępne dane, takie jak np. warunki pogodowe czy trendy w wyszukiwaniu konkretnych informacji czy produktów, również mogą pomóc w skonstruowaniu najbardziej optymalnej ścieżki kontaktu z klientem.
Sztuczna inteligencja już teraz ma wpływ na zawartość naszej skrzynki emailowej. Jednak wiele z przydatnych i dostępnych aplikacji nie zostało wciąż zaadaptowanych na masową skalę. Osobiście nie wykluczam, że – w dłuższej perspektywie– nastąpią fundamentalne zmiany w sposobie komunikacji z klientem: od tej bazującej na regułach do w pełni zautomatyzowanego przekazu informacji.
René Kulka
Źródło: optivo
