机器学习和营销自动化——机器学习会改变您的业务吗？

已发表: 2021-12-07

营销自动化是不可否认的节省时间的方法。

毕竟，如果你可以自动化某件事，为什么还要手动呢？

但是，如果我告诉你很快你甚至可能不需要自动化事情……因为你的计算机会为你做这件事呢？

当然，我并不是说你根本不需要做任何营销工作。然而，随着人工智能和机器学习等事物变得越来越先进，计算机的能力也在增强，让您的工作生活变得不那么乏味。

事实是，机器学习和营销自动化的结合可能会成为下一次营销革命。

但是，在我们进入细节之前——让我们看看人工智能和机器学习到底是什么。

什么是人工智能和机器学习——快速概述

如果你一生中至少看过一部科幻电影，我相信你对人工智能 (AI) 这个词很熟悉。

用技术术语来说，它是制造智能机器和计算机程序的科学。而智能机器正是大多数人想到人工智能时的想象。

这与好莱坞大片中描绘人工智能的方式有关。

但是，虽然大多数人工智能机器的银幕描述从不太乐观到直接反乌托邦，但实际上，人工智能有更积极的一面。

人工智能的基本好处？它有助于解决重复性工作。此外，它还减少了人为错误并帮助我们做出更好（更快）的决策。

但是人工智能如何知道做出正确的决定是什么？

这就是机器学习的用武之地。

机器学习是人工智能的一个分支，专注于构建算法来帮助机器学习。

简而言之，它旨在帮助计算机使用数据来提高准确性，模仿人类的学习方式。

机器学习 (ML) 的美妙之处在于它允许计算机在无需主动编程的情况下进行学习。这意味着他们可以使用过去的数据来改进流程，收集新的（更好的）数据，进一步改进流程，收集更多数据……你知道这是怎么回事，对吧？

比尔盖茨将机器学习称为最重要的突破之一是有原因的：

“如果你在人工智能方面发明了一个突破，让机器可以学习，那价值 10 个微软。”

毫不奇怪，人工智能已经彻底改变了无数行业——包括营销。

那么，机器学习如何使营销自动化受益呢？

让我们直接进入它！

机器学习和营销自动化如何协同工作

营销自动化本身就是一个强大的工具。

借助正确的策略、行为电子邮件、潜在客户评分或用户细分，您可以节省大量资金、促进销售并帮助提高客户保留率。

借助自动化的工作流程和规则，您的团队甚至可以自动化最复杂的任务，并将节省的时间用于其他业务活动。

使用传统的营销自动化，您是负责所有设置、分析和修补的人。

这就是机器学习的用武之地：

机器学习算法将您收集的数据用于自动化营销，并使用它来进一步优化您的流程。

以下是一些机器学习算法可以帮助您的示例：

利用预测性潜在客户评分

潜在客户评分是对潜在客户进行“排名”以确定哪些潜在客户最有可能成为客户的过程。

通过为他们执行的操作分配分数，您可以将“冷”与“暖”区分开来。这样，您就可以看到潜在客户转化的可能性有多大，并评估其价值。

反过来，这使您可以更好地细分潜在客户并向他们发送不同的电子邮件活动，以适合他们所处的买家旅程阶段。

问题是，对于传统的潜在客户评分，您需要自己负责开发整个评分框架。因此，您可能会因为得分不正确而错过一些潜在客户。

此外，整个过程可能非常耗时——而且这不是一劳永逸的事情。要计算潜在客户得分，您需要：

建立买家角色
细分您的潜在客户
检查潜在客户的在线行为
对潜在客户的行动进行排名和优先级
设置分值
在您的工作流程中设置正确的条件
定期评估和调整

预测潜在客户评分允许您使用算法根据过去的数据对潜在客户进行评分和限定。虽然您仍然需要为您的潜在客户评分系统构建一个框架，但您不必自己不断调整系统。

相反，自动化将使用预测建模来分析过去的潜在客户并寻找模式。然后，它将使用该数据来尝试和预测未来的行为。然后，它可以提出自己的理想客户档案，帮助您更准确地为潜在客户评分。

预测性线索评分的美妙之处在于它为您完成了大部分工作。

营销自动化中的机器学习还可以帮助您识别最有可能错过的模式，帮助您更准确地对潜在客户进行评分和限定。

获得更好的客户洞察力

实现出色营销自动化结果的关键之一是了解您的受众。尽管如此，大多数企业还是犯了一个典型的错误，就是将他们的潜在客户分成不超过两组：

顾客
非客户

有些人更进一步，了解“暖”和“冷”线索之间的区别。但是，即便如此，他们的观众看起来也像这样：

顾客
潜在客户
不参与的观众

以上是不错的第一步。毕竟，细分受众是提高参与度和提高营销投资回报率的关键。

但这还不够。

当然，很难创建正确的细分市场。

这就是机器学习和营销自动化相结合可以为您提供帮助的地方。

通过使用算法分析观众的行为，机器学习可以看到人眼容易忽略的事物。

因此，它可以帮助您构建更准确的细分，消除不必要的猜测。更好的细分等于更好的营销结果。随着您的列表越来越大，这变得更加重要。

毕竟，您最不想做的就是向成千上万的人发送无针对性的广播：

升级您的个性化游戏

个性化是高客户参与度和忠诚度的关键。

但是，糟糕的个性化努力比完全没有个性化造成的危害更大。事实上，63% 的消费者停止购买个性化策略不佳的品牌。

以正确方式进行个性化的关键是什么？

不仅要了解您的客户是谁，还要了解他们的行为方式。

那么，机器学习如何帮助您提高个性化的效率？

满足顺序预测。

传统上，大多数营销自动化个性化都建立在用户的人口统计或购物数据之上。

为了找到可能的买家，营销人员会根据年龄、性别、教育程度或购买历史来寻找与过去客户的共同特征。然后，他们将使用这些数据来推荐他们认为这些人可能会购买的产品。

这种方法的问题在于，并非所有共同特征在预测未来购买方面都同样有效。

毕竟，我们都是独一无二的人类。

因此，即使我们来自相似的背景，我们仍然可以采取不同的行动。顺序预测关注的是潜在客户的行为。

简而言之，具有顺序预测的营销自动化工具将查看导致您的受众购买您的产品的操作顺序。

示例序列可能如下所示：

访问您的网站
向下滚动主页查看广告产品
转到产品 X 类别
浏览最新添加的内容
用最喜欢的选择打开三个标签
仔细检查每一个
选择一种产品
滚动回产品类别
按价格对类别进行排序
将所选产品与同类产品进行比较
选择获胜者
进行购买

当然，这只是一个示例序列。如果您的网站有成千上万的访问者，您将有数千个序列需要分析。

这是不可能手动完成的。

机器学习可以为您分析这些序列，并尝试找出导致购买的模式。然后它会寻找最有可能遵循相同顺序的订阅者，从而有效地展示潜在客户。

通过更好的产品推荐促进销售

继续个性化，机器学习特别有效的领域之一是产品推荐。

而且，如果您从事电子商务，它们通常是您应该集中精力进行个性化工作的第一件事。为什么？

想想像亚马逊这样的巨头。他们的推荐系统被广泛认为是最先进和最有效的推荐系统之一。

麦肯锡公司的一项研究表明，亚马逊高达 35% 的销售额可归因于推荐。在价值数十亿的企业中，这超过三分之一的销售额！

根据埃森哲的另一份报告，多达 91% 的消费者更有可能购买能够识别、记住并提供相关建议的品牌。

更不用说为买家提供购买他们感兴趣的另一种产品的机会是提高转化率的可靠方法。

当然，您不需要最新的机器学习算法来开始推荐产品。但建议越准确，销售的机会就越高。

这意味着机器学习不仅可以帮助您自动化您的产品推荐——它还可以使它们更有效，从而提高您的转化率。

而且，正如您将在 Netflix 示例中看到的那样，零售公司并不是唯一可以从基于 ML 的自动化推荐中受益的公司。

创建动态网站和销售渠道

大多数营销自动化工具允许您跟踪受众在您的网站上的行为。

一些工具允许您创建规则，根据订阅者的行为或潜在客户得分更改某些网站元素。

您仍然需要完成创建规则和编辑网站的所有工作。另外，您允许以这种方式自动化的更改通常相对较小。

但是，如果您可以使用机器学习和营销自动化来个性化您的用户看到的网站的全部内容……实时呢？

很快，机器学习将使我们能够专门为特定访问者创建动态网站页面。

考虑不同的内容、消息、语气，甚至颜色——所有这些都经过调整，以尽可能创造最佳的用户体验。而且，当然，要使您的转化率飙升。

例如，作为一家 SaaS 公司，您可以根据用户细分或行为调整每个销售渠道步骤。

这个解决方案的美妙之处？

访问您网站的人越多，您的机器学习算法获得的数据就越多。

反过来，这将允许这些算法创建更好的内容，使您的网站在转换访问者方面更加有效。

A/B 测试更快（并获得更好的结果）

你的竞争对手从不睡觉。

为了发展您的业务，您需要不断改进您的营销。

您需要找到脱颖而出的方法，吸引观众的注意力，并将更多人转化为客户。

这样做的关键是什么？

A/B 测试您的营销活动。

A/B 测试是优化营销工作最流行的方式。它也是最简单的一种。只需采用两个不同的广告素材并相互测试，比较给定时间段内的结果。

当然，如果一个变体是赢家，那么另一个变体必须是输家（duh..）这意味着，在一段时间内，您将一部分流量发送到一个赔钱的变体。或者，这至少比获胜者的表现更差。

因此，总体收益等于测试中所有变体的平均收益，假设您运行它们的时间相同。而且，考虑到典型的 A/B 测试需要数千次展示，性能较差的变体的损失很快就会增加。

A/B 测试中的这个问题叫做后悔。

但是，这就是机器学习驱动的多臂老虎机 (MAB) 算法可以为您提供帮助的地方。

什么是MAB？

想象一下步行到拉斯维加斯的赌场，目标是最大化您从老虎机上的支出。

有两种方法可以解决。

首先，您可以测试赌场中的所有老虎机，收集数据，然后找到能够最大化您的支出的老虎机。从长远来看，这将为您提供最准确的数据，但也会花费您最多的钱。这就是标准 A/B 测试的工作原理。

另一种方法是专注于一些一开始就显示出潜力的老虎机。然后，评估您的奖金，并在投资回报率最高的地方最大化您的投资。这就是多臂老虎机 (MAB) 测试期间发生的情况。

与典型的 A/B 测试不同，MAB 中的机器学习可以自行发现和评估失败的测试。此外，它的速度比您或您的团队成员更快。

然后它将开始减少这些测试收到的流量，最大限度地减少遗憾（和您的损失）。

反过来，这会导致测试的平均支出更高。它还可以让您在短期内更快地找到赢家。

唯一的缺点是 MAB 测试可能会错过可以提供更好长期回报的机会。

但是，随着机器学习算法变得更加智能，它们可以更好地预测测试结果。

一些机构报告说，机器学习驱动的 MAB 测试将转化率提高了 30%。

为您的产品设置更有效的定价

最后，机器学习可以帮助您的企业创建和实施更灵活的定价策略。

实施动态定价可以让您更好地响应市场需求、不断变化的供应，或者仅仅是您的销售目标。

此外，由于价格仍然是三分之二客户在客户决策过程中的主导因素，因此动态定价可为您带来竞争优势。

自然，并非所有类型的企业都能从动态定价中受益。首先，要利用机器学习和动态定价，您需要参考点和大量数据。

您还需要有一个乐于支付波动价格的客户群。

如果您的产品或服务的价格是静态的，那么动态更改它们可能会关闭您的客户。他们会觉得被骗了。反过来，这可能会损害您的品牌并使您的客户对您的信任度降低。

当然，动态定价并不是一个新概念。它已经存在了一段时间，主要是在旅游（酒店、机票）和广告（谷歌或 Facebook 广告）行业。

但是，随着电子商务竞争的加剧，至少在某些行业中，寻找自动化价格管理的方法将成为您整体营销策略的关键要素。

节省时间自动创建内容

2021 年，我们看到了基于 OpenAI 等 API 的人工智能内容创建工具的兴起。 OpenAI 使用流行的 GPT-3 技术，它可以应用于任何涉及理解或生成自然语言或代码的任务或过程。

GPT-3 本身代表 Generative Pre-trained Transformer 3 (GPT-3)，它是一种自回归语言模型，使用机器学习来生成类似人类的文本。借助 ML，它搜索整个全球网络，提取文本和其他内容，并学习如何编写和说自然的人类语言。

Encharge 等营销自动化平台已实施 GPT-3 技术，使营销人员能够使用 AI 自动创建有影响力的主题行和电子邮件内容。免费的 AI 主题行生成器可以根据主题和语气溢出数十个独特的主题行。

案例研究：实践中的机器学习和营销自动化

现在，让我们快速浏览一下从营销自动化与机器学习相结合中受益匪浅的两家大公司。

来福车

拼车应用的团队构建了一个营销自动化平台，目标是提高用户获取活动的成本和数量效率。

他们的想法是使用自动化和机器学习来自动化日常决策、有效扩展并构建数据驱动的学习系统。

这样一来，他们的团队成员就可以放弃平凡的任务，专注于高影响力的实验和创新。

虽然他们构建的平台有很多活动部件，但最重要的是：

终身价值 (LTV) 预测器

该组件使用机器学习来衡量不同采集渠道的效率。

它预测了他们的 LTV 并使用该数据来确定应该分配给他们来自的特定渠道的正确预算。

有趣的是，在他们确定新频道的 LTV 之前，他们能够使用机器学习算法从历史数据中进行预测。

预算分配器

第二个组件负责收集营销绩效数据以及 LTV 预测。

然后，它使用 Thompson Sampling 来确定每个通道的最佳成本。数据准备好后，它将每个活动的分配发送给相应的渠道投标人。

当然，平台还有更多的部分。 Lyft 营销自动化的长期成功仍然取决于人工反馈。

但是，正如该团队所承认的那样，他们的营销人员无需手动更新出价或分配预算，就有更多时间研究新的广告格式、消息传递或为长期目标形成假设。

到目前为止，这些都是营销自动化和机器学习都无法为我们做的事情。

网飞

您的营销自动化策略对您来说价值多少？

您认为将机器学习融入其中会带来多少好处？

事实证明，Netflix 估计他们的机器学习营销自动化引擎可以拯救他们……

十亿美元。每一个疯狂的年份！

最好的是，这只是他们营销自动化策略的一个元素——Netflix 推荐引擎——为他们节省了所有的钱。

是什么让它如此强大？

事实证明，Netflix 上 80% 的流媒体内容都是根据他们的推荐系统挑选出来的。

是什么让他们的推荐系统如此有效？

虽然我们不想让您厌烦技术细节，但该系统背后的主要思想是为他们的观众提供他们可能有兴趣观看的最合适的标题。

这听起来是个好主意，对吧？

如果您考虑一下，这就是每个推荐系统都应该做的事情！

那么，这 10 亿美元的组成部分在哪里？

事实证明，对于 Netflix，这一切都取决于艺术品。您会看到，该公司并不仅仅停留在提出用户可能想要观看的最佳标题上。他们的算法分析他们的节目历史，并提出用户可能对节目感兴趣的最佳图片。

想想像《善意狩猎》这样的电影。经典，对吧？例如，如果用户喜欢浪漫电影，他们会看到一张包含 Matt Damon 和 Minnie Driver 的特色图片。

另一方面，喜剧迷会看到罗宾威廉姆斯。

同样适用于特定演员的粉丝。让我们看看低俗小说。乌玛瑟曼的粉丝们将看到以电影的主要女明星为中心的低俗小说艺术作品。

同时，如果算法发现用户是约翰特拉沃尔塔的粉丝，他们将看到以他为特色的艺术品。

有趣的是，为了避免在他们的 A/B 测试中后悔，该公司承认使用 MAB 方法，在该方法中，算法会在测试运行时找出最佳艺术品。

毕竟，他们必须为超过 1.8 亿用户运行类似的测试。而且，考虑到他们都有不同的偏好，这意味着运行数百万种不同的测试！

当然，您可能会说这一切都是自动化的。尽管如此，还是必须有人提出并不断完善算法。这将我们带到文章的下一点。

有多少营销自动化是自动化的？

尽管营销自动化从您的团队中分担了大量工作（并提供了巨大的好处），但它并不像听起来那样不干涉。三个主要问题是：

您仍然需要设置所有内容。
您（或您团队中的某个人）仍然有责任审查和调整设置以获得最佳结果。
即使您的营销自动化使用机器学习算法，您仍然需要监督学习过程。

第一个问题意味着，实际上，营销自动化只能自动化您或您团队中的某个人告诉它去做的事情。

这意味着它的效率只会与您的设置一样好。如果您未能创建正确的营销自动化策略，那么即使是最好的工具也无法帮助您推动业务向前发展。

然后，除非您的设置非常简单，否则您不太可能第一次就搞定。而且，即使你这样做了，也几乎总是有改进的余地。

例如，想想您的电子邮件营销自动化。要使其发挥作用，您需要准备：

电子邮件选择加入
一个铅磁铁
电子邮件序列
自动化工作流程

仅以上就是很多工作。

更重要的是，您的自动化程度越高，您可以进行的测试就越多。这会给您的工作量增加更多任务。

在上面的示例中，您可以使用多种变体多次测试每个元素。考虑不同的选择加入、CTA、按钮、引导磁铁、电子邮件……而且，当您测试所有这些东西时，您需要查看所有测试数据。更改广告素材、编辑工作流程或调整潜在客户分数基准。但这就是我们到达#3的地方。

使用正确的算法，自动化可以从过去的数据中学习。我们已经提到了预测算法或自调整 MAB 测试，它们可以自动化您在 #2 中需要完成的一些工作。

当然，它不能为您更改广告素材。但是，如前所述，某些营销自动化解决方案可以自行调整工作流程。谈到简单的自动化，机器学习已经可以自动化几乎所有事情！

聊天机器人就是一个很好的例子。虽然您仍然需要创建初始设置，但一些聊天机器人已经可以根据他们过去与人类的对话来学习和构建整个序列。这使他们能够自我调整并改善他们为您的观众提供的体验。如果你仔细想想，到 2025 年，这种（相对较新的）工具的市场估计将达到 13 亿美元，这并不奇怪。

当然，即使是机器学习算法也需要监督，尤其是当您超越简单、可预测的 1-1 对话时。

例如，虽然 Lyft 和 Netflix 都通过人工智能驱动的营销自动化取得了巨大成功，但两种自动化都不是完全自动化的。

对于 Lyft，除了构建和管理平台外，他们的设置仍然需要人工反馈。没有它，公司就会冒着所谓的垃圾进垃圾出问题的风险。如果用于训练模型的数据质量较差，则自动化提供的结果不会使企业受益。

这意味着即使计算机可以比以往更多地自动化您的营销，您仍然不能将营销自动化视为不干涉的事情。如果您想取得惊人的营销效果，至少不会。

但是，如果我们确信关于机器学习和营销自动化的一件事是，您投入其中的工作可以获得 10 倍或更多的回报。而且，正如你即将看到的，越来越多的企业意识到这种婚姻的力量有多大。

机器学习是营销自动化的未来吗？

如果您考虑机器学习能够做的所有事情，很明显，对上述问题的唯一合理答案是坚定的“是的，它是！”。

但是，我不得不不同意。然而，这并不是因为我相信机器学习不是营销自动化的未来。

相反，我认为 ML 已经是营销自动化不可分割的一部分。 “军备竞赛”已经打响。

企业知道他们收集的数据有多么有价值，并且他们可以使用算法让他们的营销自动化软件从这些数据中学习。

根据 Martech.org 的一项调查，营销自动化和电子邮件分发工具在 2020 年企业更换的营销工具列表中名列前茅。

主要原因？超过一半的企业将更好的功能作为他们决定跳槽并寻找另一家供应商的主要原因。这比两年前高出 19 个百分点！

市场看到了机会，并迅速做出反应。根据 MarTech 5000 报告，数据是增长最快的 SaaS 解决方案类别，达到惊人的 25.5%

当然，营销自动化中的机器学习仍处于起步阶段。很难完全预测几年后的景观会是什么样子。而且，就像任何技术一样，它也具有您需要注意的某些风险和限制。

营销自动化数据学习的风险和挑战

机器学习都是关于数据的。您收集的数据越多，您的 ML 驱动的营销自动化就会变得越高效。

因此，许多风险在某种程度上与您收集的数据有关。最常见的包括：

收集质量差的数据。 我们之前已经接触过这个主题。如果您收集的数据不能很好地代表您的受众，您就不能真正使用它来训练您的机器学习算法。
监管变化。 根据您经营的市场，不同的法律管辖您可以和不可以对您的数据做什么。确保您了解什么是允许的（什么是不允许的）。
将您的数据处理委托给不合规的第三方提供商。 数据对您和与您共享数据的人（您的受众）都是无价的。在选择处理客户数据的工具时，请始终选择符合数据隐私和处理法规的高质量营销自动化提供商。

其他风险与您考虑将机器学习和机器自动化整合到您的业务中的方式有关：

缺乏战略。 如果您不知道为什么（以及如何）要在组织中利用机器学习和自动化，那么您就不太可能成功。
期待机器学习为您完成所有工作。 如前所述，机器学习可以为您完成大部分工作。但是，你仍然需要有人来监督算法。
将算法视为万无一失。 自学习算法是一件很棒的事情。它们可以节省您的时间，并为您提供您可能从未发现过的见解。但是，这并不意味着它们不会失败或为您提供错误的结果。

最后一个，但在某些情况下，最重大的风险就是落入将您的受众视为仅仅是数据片段的陷阱。

当然，您希望在营销工作中获得巨大的投资回报率。但不要让你的观众失去人性。

永远记住，在每条数据的背后，都有一个人。在执行营销策略时，您要关注的是那个人。

因此，虽然我们全心全意地鼓励您开始研究机器学习和营销自动化二人组如何使您的业务受益，但不要忘记给予您的观众应得的尊重。

如果您可以在机器学习中对数据的需求与对受众隐私的尊重之间取得平衡，那么您就可以实现出色的业务成果。

结论。现在是行动的时候了

尽管它们是“主流存在”，但围绕人工智能和机器学习仍然存在许多神话。

一些人认为人工智能和营销自动化将取代人类。其他人甚至担心技术很快会杀死我们所有人。

如果研究它的科学家不小心，这可能是真的。但是，到目前为止，人工智能和机器学习正在扼杀的是那些无法适应的企业。

然而，它们并没有被人工智能和机器学习本身消灭。相反，由那些将先进的营销自动化解决方案实施到他们的业务中的人。这包括机器学习驱动的营销自动化。

当然，即使是最好的营销自动化也远不能完全取代我们的日常工作。然而，毫无疑问，机器学习可以极大地改善我们处理数据并从数据中获得洞察力的方式。

只要您具备所有基础知识即可。

第一步？

了解营销自动化和 Encharge 等工具如何帮助您的业务。让我们帮助您选择适合您需求的正确策略。安排与我们的一位专家进行快速通话，让我们谈谈您的业务。