Praktické využití AI (Artificial Intelligence) se stává součástí každodenního života. Ať jde o automatický překlad textů, využití chatbotů ke komunikaci se zákazníkem, či automatizaci prodejních procesů v eshopu ve světě virtuálním, nebo inteligentní ovládání  domácnosti nebo dokonce samořídící automobily v reálném světě. K umělé inteligenci se upínají očekávání zvídavé veřejnosti, investorů, ale i naděje marketérů, pro které ML (Machine Learning) představuje možnost přesnějšího a efektivnějšího cílení reklam.

Letošní ročník konference New Media Inspiration nás již při představení zaujal, protože uvedl téma Umělé inteligence z nejrůznějších uhlů pohledu od akademiků, vědců, studentů i lidí z praxe. A jelikož nám tam chyběl pohled marketérů, vzali jsme si téma za své a přihlásili se mezi řečníky.

K tématu povídání Personalizace 2.0 jsme se nechali inspirovat přednáškou Avinashe Kaushika na loňském Marketing Festivalu. Personalizace využívající Machine Learningu a automatizaci pro nahrazení manuální práce v online kampaních umožňuje zobrazit správnou informaci v pravý čas prostřednictvím vhodného mediálního kanálu, co činí komunikaci inzerenta mnohem relevantnější.

Věděli jste, že online marketingovým specialistům hrozí ztráta práce a její nahrazení roboty? Zkuste si ověřit vaši pozici na WillRobotsTakeMyJob.com. Porovnejte třeba práci vysokoškolského učitele a online specialisty. Nebezpečí náhrady učitele je vyčísleno v jednotkách procent. Oproti tomu více než 60% riziko představuje automatizace pro online specialistu. Jsme ohrožený druh! Naše práce je z velké části automatizovatelná a musíme s tím počítat a připravovat se na novou roli. Zaspání doby se v našem oboru nevyplácí. Ale pojďme k současnosti … co vlastně děláme?

Představme si klasickou pozici výkonnostního online marketingu – PPC specialistu – tzv. klikače kampaní – ještě před pár lety byli nejúspěšnější PPC agentury klikací továrny – veškerá práce je manuální a navýšení výkonnosti vyžaduje navýšení počtu zaměstnanců. Jak vypadá taková PPC agentura dnes? Při správě a reportování proběhla částečná automatizace. Agentury zefektivňují práci využitím skriptů, automatických pravidel, napojením na API využívaných systémů automatizovaně reportují, využívají dynamických kreativ, pro vyhodnocování využívají předdefinovaných dashboardů apod. Obsloužit více klientů dokáže stejný počet specialistů díky “delegování práce” na stroje. Efektivita práce roste. Mění se náplň práce marketingového specialisty. Nesoustředí se jen na rozpočty, bidding, nepřipravuje pracné reporty a vyhodnocení manuálně. Mění se na stratéga, kreativce a analytika. Soustředí se na nejrůznější testy, dlouhodobé plánování a strategické změny v prospěch dosažení lepších výsledků a naplnění klientských cílů.

 

Google, jako leader online marketingu, věnuje oblasti Machine Learningu maximální pozornost. Svědčí o tom i uvedení nového atribučního modelu Data Driven Attribution založený na implementaci ML do kampaní. Avinash Kaushik z Googlu předpokládá plný rozvoj Machine Learnigu během následujících 40 let. Jsme tedy teprve na začátku ale už i ten je zajímavý. Kdo z vás se chce dozvědět více, pusťte si video s Avinashem z Marketing Festivalu 2017 a věnujte jednu hodinku jeho vizi.

Ale zpátky k atribučním modelům. Co nám atribuční modely o chování uživatele na internetu říkají? Než uživatelé na webu uskuteční nákup (nebo jinou konverzní akci), mohou provést více návštěv z různých zdrojů. Z “klasického” last-clickového pohledu jsou všechny zásluhy na konverzi připsány poslednímu zdroji návštěvy. Opravdu si ale uživatel váš web vybral na základě této návštěvy?

U last click pohledu si vezmou veškerou zásluhu výkonové / brandové kampaně, které za zvažování uživatele příliš nepomáhají. U first click pohledu si vezme veškerou zásluhu první interakce uživatele s reklamou, která pouze naťukává uživatele, avšak za konečnou konverzi nemůže. U lineárního pohledu se připočtou veškeré konverze všem konverzním krokům (=zdrojům), avšak ne všechny kroky mají stejnou váhu. Atribuce s poklesem v čase připisuje systém konverze postupně podle počtu kroků a přiřazuje jim větší hodnoty pozpátku. Tento model je také nepřesný, vzhledem k různému typu chování uživatelů. Konečně data-driven.

Atribuce na základě dat se liší od jiných atribučních modelů v tom, že vypočítává skutečný přínos jednotlivých zdrojů návštěvnosti v konverzní trase s využitím vašich dat o konverzích.

Při vícekrokové konverzní cestě se připisují části konverze předchozím zdrojům, které ovlivňují konečnou cestu konverzní cesty. Tuto část lze přirovnat ke konverzním cestám v Google Analytics, u kterého model připíše větší zásluhu oněm hodnotným kliknutím. Porovnáním tras kliknutí zákazníků, kteří provedli konverzi, a těch, kteří konverzi neprovedli, stanoví model určité vzorce kliknutí, které vedou ke konverzím. Obecně lze tento model použít, máte-li v účtu data o minimálně 15 000 kliknutích a daná konverzní akce má zaznamenáno minimálně 600 konverzí za 30 dní.

 

 

A vize do budoucnosti? Zajímá nás kupříkladu využití osobních asistentů. Pokud jsme současné domácí asistenty jako je Google Home, Amazon Alexa, nebo Apple Homepod doteď brali jako technologickou novinku, podívejme se na využívaní smartfounů. Nástup chytrých telefonů na trh se nejlépe ilustruje na iPhone. Ten byl uveden na trh již v roce 2007. Masovější adopce přišla ale až s čtvrtou generací, která přišla na trh v roce 2010. Máme rok 2018 a Google hlásí v Česku nad 50 % vyhledávání z mobilních zařízení. Doba masové adopce mobilu jako hlavního online zařízení trvala 8 let. Virtuální asistent s umělou inteligencí je v prodeji cca od roku 2016. Stačí ho oslovit „OK Google“/ ”Alexa” / “Hey Siri”, zadat dotaz a a během chvilky máte odpověď, objednané taxi, nebo třeba novou událost v kalendáři. Umí ovládat chytré domácí spotřebiče, jako jsou žárovky, termostat nebo třeba pračku.Třeba bude za pár let virtuální asistent první volba zařízení, které budeme pro jakékoliv vyhledávání používat. A co to znamená pro inzerenty?

Autor: Leoš Špachta