Inboundbloggen
Digitalleder
Vekstoppskrifter
Hubspotbloggen
Del.svg)
Del
Bedrifter verden over benytter i dag kunstig intelligens (AI) til å forbedre markedsføring, salg og kundeservice. I dette innlegget får du en introduksjon til de ulike typene AI som finnes og råd til hvordan du kan implementere AI i egen virksomhet.
I undersøkelsen Reshaping Business With Artificial Intelligence konkluderer MIT og BCG med at marketing automation, kundesupport og kundeservice vil bli de viktigste funksjonene for anvendelse av AI de neste fem årene.
Skal marketing og salg få forretningsmessige gevinster ut av satsingen er det essensielt at du ikke betrakter AI utelukkende med teknologibriller, men gjennom brilleglassene til salgs- og markedsdirektøren.
De bedriftene som satser strategisk på AI nå, vil kunne få betydelige konkurransefordeler. De vil kunne sikre seg en mye bedre kundeinnsikt enn konkurrentene. Innsikt som de kan bruke til å treffe mye mer presist på kundepreferanser og betalingsvilje. Innsikt som kan gi økt markedsandel og høyere lønnsomhet.
Er du usikker på definisjonen på AI? Her er McKinsey's tolkning:
AI is typically defined as the ability of a machine to perform cognitive functions we associate with human minds, such as perceiving, reasoning, learning, interacting with the environment, problem solving, and even exercising creativity. Examples of technologies that enable AI to solve business problems are robotics and autonomous vehicles, computer vision, language, virtual agents, and machine learning.
I dette innlegget skal jeg presentere tre typer AI samt presentere en modell for implementering av AI i din virksomhet.
Tre typer kunstig intelligens (AI)
Thomas Davenport fra MIT og Rajeev Ronanki har gjennomført en studie over 152 AI-prosjekter. De delte inn AI i følgende kategorier:
- Prosessautomatisering gjennom bruk av roboter
- Kognitiv innsikt
- Kognitivt engasjement
Kategori 1: Prosessautomatisering gjennom bruk av roboter (bots)
I studien var dette den mest vanlige anvendelsen av AI (47 % av prosjektene). Denne AI-typen blir mer og mer avansert grunnet fremveksten av mer sofistikert kode og integrasjon/datafangst fra flere IT-systemer. Dette resulterer i avanserte algoritmer som kan utføre mer intelligente oppgaver enn for få år siden.
Eksempler på anvendelser:
- Kategorisere hvilke kundehenvendelser (i CRM) som skal faktureres ved å lese gjennom kontrakten og sammenligne med teksten i kundens e-post
- Sette riktig risikoklassifisering på kunden (i CRM) ved å hente oppdatert kredittinformasjon og sammenligne med markedsnyheter om kunden
- Sende ut bestilte varer gjennom å oppdatere eCommerce- og CRM-systemene og håndtere kundekommunikasjonen
Kategori 1 er den enkleste og billigste formen for AI. Det er mulig å sikre seg både rask og høy avkastning på investeringene. En utfordring er at løsninger i denne kategorien ikke er programmert til å lære og implementere forbedringer i egne algoritmer.
Data fra undersøkelsen til MIT viste at nedbemanninger verken var et hovedmål eller et resultat av AI-prosjektene. Der prosjektene resulterte i nedbemanninger gjaldt dette allerede outsourcede jobber. I fremtiden kommer det sannsynligvis til å bli nedbemanninger som følge av automatiseringen, men det vil hovedsakelig skje i allerede outsourcede tjenester. Kan du outsource en oppgave, kan du sannsynlig også automatisere den.
Kategori 2: Kognitiv innsikt
AI-prosjekter som utnytter maskinlæring var den nest mest vanlige AI-kategorien i MITs undersøkelse (38 %). Prosjektene bruker algoritmer til å avdekke mønstre i store datamengder og deretter tolke hva mønstrene indikerer.
Innen salg og markedsføring kan anvendelsene være:
- Forutsi hva en kunde kommer til å kjøpe når hun besøker nettbutikken din
- Utforme og publisere digitale annonser tilpasset dine viktigste målgrupper
- Utarbeide salgsprognoser ut fra vekting av informasjonsfangst langs kundens kjøpsreise
- Avdekke misbruk av kreditt i sanntid
- Endre selgernes prioriteringer ved å utarbeide lister over prioriterte leads
Hva skiller kognitiv innsikt fra mer tradisjonell business intelligence? Svaret er at analysene baserer seg i enda større grad på digitale og detaljerte data. Algoritmene er bedre trent på de prioriterte analyseområdene, og de blir bedre og bedre over tid.
AI-prosjekter som benytter kognitiv innsikt anvendes primært på arbeidsoppgaver kun datamaskiner i praksis kan utføre. Disse prosjektene er ikke en trussel for arbeidsplassene. Snarere kan de skape flere nye arbeidsplasser.
Les også: Hvilke nye jobber vil skapes av Kunstig Intelligens (AI)?
Kategori 3: Kognitivt engasjement
AI-prosjekter som benytter kognitivt engasjement benytter teknologier som chatbots, intelligente agenter og maskinlæring, og utgjorde 16 % av prosjektene I MITs studie.
Innen salg og markedsføring kan anvendelsene være:
- Intelligente agenter som 24/7 besvarer potensielle kunders spørsmål om priser, funksjonalitet, leveringsalternativer og servicer på kundens eget språk
- Produktanbefalinger basert på dialog med potensielle kunder
Resultatene fra undersøkelsen viser at respondentene brukte AI mer på ansatte enn på kunder. Teknologien og markedet vurderes nok ennå som noe umodent til at kognitivt engasjement kan brukes mot kundene, men det finnes flere eksempler. Blant disse er den svenske banken SEB. Banken har en intelligent agent (Amelia) som de tester på kunder.
Implementering av AI i din virksomhet
Når du har forstått hvilke anvendelsesområder AI kan ha i din virksomhet, er neste steg å forstå hvordan teknologiene fungerer.
1. Toppledelsen må forstå hvordan teknologien fungerer
Toppledergruppen må ha forretningsmessig forståelse for hvordan AI fungerer. Hvis ikke, blir det et rent sjansespill om prosjektene gir gevinster for marketing og salg. Jeg skal ikke forklare teknologiene i dette innlegget, men anbefaler deg å lese disse artiklene:
- How AI Is streamlining Marketing and Sales (Harvard Business Review, June 12 2017)
- What Is The Difference Between Deep Learing, Machine Learning and AI? (Forbes, Dec 8 2016)
- Putting lifelong learing on the CEO agenda (McKinsey Quarterly, Sept 2017)
- An executive's guide to AI (McKinsey.com)
Her vil du kunne få mye inspirasjon. Den siste artikkelen inneholder en svært pedagogisk fremstilling av sammenhengen mellom AI, maskinlæring og dyp læring.
2. Sett opp en potensiell portefølje av AI-prosjekter
Etter at ledergruppen har opparbeidet tilstrekkelig innsikt i teknologi som kan brukes til å skape positive effekter for marketing og salg, kan du starte planleggingsarbeidet.
Identifiser AI-mulighetene
Du bør gjennomføre en workshop for å kartlegge hvilke deler av marketing og salg som kan få de største fordelene av AI. Dette er typisk områder hvor informasjonsanalyse kan gi store fordeler, men som av ulike grunner ikke er tilgjengelig med de løsningene du har i dag.
Det kan være flaskehalser eller områder som ikke skalerer uten bruk av AI. Helt åpenbart er det mange selskaper som har tilgang på enorme mengder kundedata i ulike formater (Big Data) som kan brukes i digital markedsføring, men de klarer ikke å utnytte potensialet.
Les også: Digital markedsføring basert på Big Data gir bedre lønnsomhet
Sett opp use cases (bruksmønstre)
Basert på mulighetene du identifiserte, kan du spesifisere problemstillingen her.
Et eksempel:
Gitt at bearbeiding og kvalifisering av leads er en stor flaskehals. Hvor stor effekt vil det gi vår bedrift om vi klarer å håndtere 100 % flere leads i løpet av 12 måneder? Hvordan passer dette inn i vår digitale markeds- og salgsstrategi? Hva er ROI på prosjektet? Passer prosjektet inn i en plattformsatsing? Er det kortsiktige eller langsiktige effekter?
Valg av teknologi
Du må analysere hva slags løsninger du skal benytte for å støtte use cases (anvendelsesområdene). Innen markedsføring og salg er chatbots og intelligente agenter foreløpig ikke så smarte. De matcher ikke vår problemløsningsevne ennå, men de forbedrer seg raskt.
Et av selskapene som ligger helt i front er Pfizer Australia. De benytter en AI-basert analytiker som kjører salgsscenarier basert på interne og eksterne datasett.
Conversica har en automatisert salgsassistent som kvalifiserer flere leads til salgsteamet.
Invoca har en AI-programvare som analyserer telefonsamtaler med mål om å forstå kundens intensjon og sannsynlig resultat (kvalifisert/ikke kvalifisert/salg/ikke salg).
Gong har en konversasjonsplattform som lagrer, transkriberer og analyserer salgssamtaler via telefon. AI-plattformen analyserer hva som fungerer, og hva som må forbedres. En utvilsom fordel for selskaper som har utstrakt telefonsalg.
HubSpot har utviklet Growthbot, som stadig forbedres. Her er et enkelt eksempel:
HubSpot har også kjøpt opp selskapet bak DeepGraph. Dette er et verktøy som analyserer kontaktdatabasen din ut fra din beskrivelse av den ideelle kunden (persona). Deretter engasjerer AI-programvaren seg med de aktuelle leads, med skreddersydde og automatiske nurturingløp, fram til en (fysisk) selger eventuelt overtar.
3. Lansere pilotprosjekter
AI-teknologien er fremdeles litt umoden når det gjelder de avanserte, kognitive løsningene. Samtidig skjer det en rask utvikling. Kjør derfor pilotprosjekter som gir deg verdifull erfaring på enten avgrensede forretningsprosesser, markeder eller produktområder.
Du må ta stilling til hvor mye av forretningsprosessene som skal utføres av AI, og hvor mye som skal utføres av dine markedsførere og selgere. Du redesigner forretningsprosessene basert på erfaring med pilotprosjektene.
4. Utrulling i organisasjonen
AI-prosjekter som skal skape forretningsgevinster for marketing og salg må eies av salgs- eller markedsdirektør. Hun støttes av en prosjektleder med teknisk kompetanse.
AI-løsninger som benytter kognitiv teknologi automatiserer spesifikke oppgaver, ikke hele prosesser. Det vil derfor ofte være nødvendig å integrere med eksisterende systemer og prosesser. Jo eldre og mer skreddersydd din eksisterende IT-portefølje er, desto mer krevende blir integrasjonsjobben. Har du en standardisert IT-portefølje fra internasjonalt ledende leverandører, er du garantert tilgang på API og kompetent kompetanse.
Her er noen faresignaler du må være klar over:
Når du ruller ut AI-løsningene, må du sikre at du opprettholder kundetilliten. AI-prosjekter skiller seg fra andre teknologiprosjekter på flere måter:
- Lederne kan ha utfordringer med å forklare hvordan kundens personlige data brukes i AI-løsningen (f.eks. hvordan algoritmen bruker kundedata). Det kan være krevende nok for programmererne
- Mange AI-applikasjoner vil imitere menneskelige kundebehandlere. Lederne må kunne forklare kundene i hvilke interaksjoner de snakker med en maskin eller et menneske
- De mest avanserte AI-løsningene kan avsløre følelser og intim kundeinformasjon. Dette reiser etiske problemstillinger og ikke minst sikkerhetsmessige forhold, som hvem som har tilgang til denne informasjonen
Trussel for å bli overflødig. Selv om mange nye jobber vil skapes gjennom AI, kan det ikke stikkes under en stol at noen jobber vil forsvinne. I første omgang de litt enklere operasjonene, men over tid stadig flere avanserte kunnskapsjobber.
Når du ruller ut kognitive AI-løsninger, må du være klar over avhengighetsrisikoen. Jo mer avanserte oppgaver du overlater til algoritmene, desto mer avhengig blir du av disse. Kravene til oppetid og skalerbarhet øker. Du må også sikre en offensiv forvaltning av løsningene. Selv små feil i en kognitiv løsning kan resultere i store avvik over tid: Algoritmene lærer over tid; lærer de feil, blir feilene stadig større.
Du må sikre dine løsninger fra dataangrep. Kundedata kan bli stjålet eller manipulert, noe som kan skade kunder, omdømme og lønnsomhet.
Avslutningsvis er det viktig å påpeke at målet med AI innen marketing og salg ikke er å erstatte dine kolleger, men å forsyne dem med verktøy som øker sannsynligheten for at de når sine mål.
