Jak nowoczesne technologie zmieniają świat marketingu

Play icon
Posłuchaj
Speaker icon
Close icon
Zostań subskrybentem
i słuchaj tego oraz wielu innych artykułów w pb.pl

Sukces w marketingu to trafienie z komunikatem w potrzeby i zainteresowania odbiorcy. Marketingowcy starają się znaleźć grupy klientów o podobnych upodobaniach i stworzyć treści reklamowe trafiające w ich „kubki smakowe”. Do niedawna oznaczało to pracowite przygotowywanie testów różnych wariantów i przekopywanie się przez dane.

O nowoczesnym marketingu, wykorzystującym technologie uczenia maszynowego, opowiada Robert Stanikowski, Managing Director and Partner, BCG & BCG Platinion, oraz Rafał Cegieła, Associate Director Data Science, BCG Gamma.

Jak nowoczesne technologie zmieniają świat marketingu

Partnerem publikacji jest BCG
opublikowano: 29-06-2022, 13:43
aktualizacja: 29-06-2022, 15:03
Play icon
Posłuchaj
Speaker icon
Close icon
Zostań subskrybentem
i słuchaj tego oraz wielu innych artykułów w pb.pl

Sukces w marketingu to trafienie z komunikatem w potrzeby i zainteresowania odbiorcy. Marketingowcy starają się znaleźć grupy klientów o podobnych upodobaniach i stworzyć treści reklamowe trafiające w ich „kubki smakowe”. Do niedawna oznaczało to pracowite przygotowywanie testów różnych wariantów i przekopywanie się przez dane.

O nowoczesnym marketingu, wykorzystującym technologie uczenia maszynowego, opowiada Robert Stanikowski, Managing Director and Partner, BCG & BCG Platinion, oraz Rafał Cegieła, Associate Director Data Science, BCG Gamma.

Robert Stanikowski
Managing Director and Partner, BCG & BCG Platinion

Personalizację można z powodzeniem zastosować w każdej branży i w firmie każdej wielkości. Oczywiście dużą firmę będzie stać na szybkie wypracowanie większej palety skutecznych komunikatów, ich zaprojektowanie i przetestowanie. Wymierne efekty przyniesie jednak nawet podstawowe zróżnicowanie komunikacji. Zamiast jednej reklamy internetowej warto przygotować 5 różnych, skierowanych do różnych odbiorców.

Współczesny świat jest wypełnionym informacjami po granice ludzkich możliwości postrzegania. W tym świecie personalizacja — czyli dopasowanie ofert i treści marketingowych do odbiorcy — stała się warunkiem koniecznym sukcesu biznesowego. Przyjmijmy więc, że zajmuję się np. produkcją i sprzedażą dżemów ekologicznych. Czym dla mnie będzie personalizacja? Czy mam dopasowywać swój produkt do każdego klienta oddzielnie?

Robert Stanikowski: Absolutnie nie. Dopasowujemy nie produkt, lecz sposób, w jaki opowiadamy o nim klientowi. Personalizacja polega na różnicowaniu komunikatów pokazywanych potencjalnym klientom. W zależności od cech klienta oraz jego zachowania podkreślane są różne zalety produktów. Dla jednych będzie ważne, że dżem jest z owoców bio, dla innych, że jest bez cukru, dla kolejnych, że wyrób jest polski. Personalizując komunikację, staramy się zainteresować klienta, wywołać jego reakcję. W Internecie czy w aplikacjach na smartfony to zazwyczaj kliknięcie w reklamę. Odpowiedni dobór komunikacji, w porównaniu z jednolitą dla wszystkich, może podnieść tzw. CTR (click-through — rate) o kilka czy nawet kilkanaście punktów procentowych — a to bardzo dużo.

Czy personalizacja sprawdzi się w każdym biznesie? Wydawałoby się, że takie działania są raczej odpowiednie dla dużych firm, jak banki czy inne instytucje.

R.S.: Personalizację można z powodzeniem zastosować w każdej branży i w firmie każdej wielkości. Oczywiście dużą firmę będzie stać na szybkie wypracowanie większej palety skutecznych komunikatów, ich zaprojektowanie i przetestowanie. Wymierne efekty przyniesie jednak nawet podstawowe zróżnicowanie komunikacji. Zamiast jednej reklamy internetowej promującej dżem warto przygotować 5 różnych, skierowanych do różnych odbiorców.

Czym się różni hiperpersonalizacja od personalizacji?

R.S.: „Tradycyjna” personalizacja sprowadzała się do tego, że zespół marketingowy dzielił klientów na kilka segmentów. Dla każdego segmentu przygotowywana była odrębna wersja reklamy tego samego produktu. Dodatkowo decyzja, czy w ogóle reklamować konkretnemu klientowi dany produkt, była podejmowana na podstawie tzw. modelu skłonności do zakupu.

Hiperpersonalizacja polega na dobieraniu komunikatu reklamowego dla każdego klienta indywidualnie. Dla każdego produktu tworzone jest nie kilka, ale kilkadziesiąt lub kilkaset różnych wersji komunikatu. Warianty różnią się podkreślanymi zaletami oferty, odwołaniem do różnych sytuacji życiowych i marzeń klienta, sformułowaniem zdań, towarzyszącą grafiką. Nierzadko warianty komunikacji są „składane w locie” przez algorytmy.

Dla przykładu, reklamując produkt banku, możemy powiedzieć: „weź pożyczkę z RRSO X” lub „wybierz się na super wakacje” albo „zrób wymarzony remont kuchni”. Ilustracją do „wymarzonych wakacji” może być piękne wybrzeże, luksusowy hotel, szczęśliwa rodzina albo zdjęcie celebryty na wakacjach — w zależności, co lepiej trafi do danego klienta.

Opracowanie obszernej biblioteki ciekawie zróżnicowanych komunikatów to pierwsze wyzwanie, jakie napotykamy, wdrażając hiperpersonalizację.

Mamy więc bibliotekę komunikatów, ale jak wybrać komunikat, który najsilniej zadziała dla danego klienta? Skąd wiemy, który klient marzy o wakacjach, a nie o remoncie?

R.S.: Potrzebny jest „silnik personalizacyjny”, który dobiera najlepszy komunikat i kanał dotarcia.

Tradycyjne podejście było bardzo pracochłonne — wymagało pisania reguł, często manualnego ustalania, który komunikat „wygrywa” z którym. Było to możliwe w świecie, w którym firma prowadziła kilkanaście, maksymalnie kilkaset tzw. kampanii CRM.

W świecie hiperpersonalizacji ręczne zarządzanie komunikatami nie jest możliwe. Silnik hiperpersonalizacyjny to zestaw algorytmów, które obliczają prawdopodobieństwo akceptacji każdego z dostępnych komunikatów przez wybranego klienta. Oprócz prawdopodobieństwa akceptacji obliczana jest wartość dla firmy, realizowana, gdy klient zaakceptuje proponowany produkt lub usługę. Na tej podstawie automatycznie wybierany jest komunikat, który należy zaprezentować klientowi.

Oczywiście oprócz zmiany pomysłu i rozwiązania technicznego trzeba też dostosować organizację pracy, żeby umożliwić opracowywanie dużej liczby komunikatów, ale też żeby pozwolić maszynie decydować.

Rafał Cegieła
Associate Director Data Science, BCG Gamma

Jeszcze niedawno dla każdego produktu trzeba było zbudować oddzielny model matematyczny np. dla srebrnej karty kredytowej, dla złotej karty kredytowej, dla pożyczki gotówkowej. W handlu detalicznym były natomiast modele, które porównywały klientów na podstawie zestawów zakupionych przez nich produktów. W świecie hiperpersonalizacji to podejście nie daje się zastosować — dla zbyt wielu kombinacji trzeba by zbierać oddzielnie dane, a przecież każda firma ma tylko ograniczoną liczbę okazji, aby pokazać klientom reklamę w aplikacji mobilnej czy serwisie online.

Rafał Cegieła: Silnika hiperpersonalizacyjnego nie można kupić „w pobliskim sklepie”. Dostępne na rynku systemy CRM czy marketing automation oferują co prawda komponenty wykorzystujące machine learning, ale pełnią one funkcję pomocniczą. Wdrożenie hiperpersonalizacji w pełnej skali wymaga silnika stworzonego przez firmę specjalizującą się w Data Science i wdrożeniach rozwiązań z zakresu sztucznej inteligencji.

Gdy już trafimy do właściwego sklepu, to co w nim dostaniemy?

R.C.: Oprogramowanie, które będzie „patrzyło” na każdy komunikat i grafikę w bibliotece oraz na wybranego klienta i oceniało, z jakim prawdopodobieństwem klient zaakceptuje pokazany mu komunikat i stojącą za nim ofertę. Silnik będzie uwzględniał, jak poszczególni klienci reagują nie tylko na produkt, ale też na sposób opowiadania o nim, na załączoną grafikę.

Jeszcze niedawno dla każdego produktu trzeba było zbudować oddzielny model matematyczny: zebrać dane, „nauczyć” i sprawdzić. Powstawał oddzielny model np. dla srebrnej karty kredytowej, dla złotej karty kredytowej, dla pożyczki gotówkowej. W handlu detalicznym były natomiast modele, które porównywały klientów na podstawie zestawów zakupionych przez nich produktów.

W świecie hiperpersonalizacji to podejście nie daje się zastosować — i nie chodzi tu nawet o „ręczną” pracę — po prostu brakuje danych, aby nauczyć oddzielne modele poszczególnych wariantów komunikacji. O ile jesteśmy w stanie sprawdzić, jak np. niektórzy ludzie reagują na obrazki rodziny, a jak na zdjęcia celebrytów, o tyle nie jesteśmy w stanie oddzielnie sprawdzać, jak reagują na obrazek celebrytów w karcie kredytowej z określonym oprocentowaniem. Dla zbyt wielu kombinacji trzeba by zbierać oddzielnie dane, a przecież każda firma ma tylko ograniczoną liczbę okazji, aby pokazać klientom reklamę w aplikacji mobilnej czy serwisie online.

Aby przezwyciężyć te ograniczenia, silnik hiperpersonalizacyjny uczy się, wykorzystując całość danych — wydobywając z nich znaczenie poszczególnych cech komunikatu. Co ważne, silnik będzie się samodzielnie uczył preferencji klientów. Będzie też samodzielnie eksperymentował, pokazując im różne komunikaty, aby zebrać dane w odniesieniu do komunikatów i klientów, co do których nie jest pewny swoich decyzji. Dzięki temu, że silnik „rozumie” komunikaty, potrafi natychmiast wysłać do odpowiednich klientów także nowo utworzone komunikaty.

Kiedy AI zaczęto wykorzystywać do hiperpersonalizacji?

R.C.: Algorytmy matematyczne zostały opracowane kilkanaście lat temu, natomiast pierwsze praktyczne wdrożenia prawdziwych rozwiązań hiperpersonalizacyjnych zaczęły pojawiać się ok. 3-5 lat temu.

Macie doświadczenie w implementacji tych systemów w różnych firmach. Czego ludzie, którzy zamawiają tego typu produkty, najbardziej się obawiają? Czy są jakieś bariery wewnątrz firmy?

R.C: Pierwsza bariera to zwiększenie kreatywności — zespoły marketingowe muszą zaproponować bogatą paletę różnych sposobów opowiadania klientom o produktach i usługach. To spore wyzwanie — dotąd wystarczały 1-2 wersje komunikatu dla każdego produktu. Teraz trzeba ich stworzyć co najmniej kilkadziesiąt — i to eksplorujących różne cechy oferty i klientów.

Drugie wyzwanie to oddanie kontroli. Dotąd znaczną część czasu zespołu marketingowego pochłaniało manualne cyzelowanie grup docelowych, zapisywanie w postaci reguł tego, co podpowiada intuicja. W świecie hiperpersonalizacji każdy kreatywny pomysł bezlitośnie oceniają klienci i matematyka w postaci sztucznej inteligencji. A zaufanie jej przypomina zaufanie autonomicznemu samochodowi — budzi duże emocje, wymaga przyzwyczajenia, zrozumienia, co maszyna robi lepiej, jak się z nią obchodzić.

Trzecie wyzwanie dotyczy zespołu Data Science — nie tylko trzeba zacząć budować zupełnie inne modele matematyczne, ale też uczestniczyć w dyskusjach o biznesowych wynikach działania silnika personalizacyjnego. Dla wielu Data Scientists to duże wyzwanie.

Przejście od tradycyjnego CRM i marketingu do hiperpersonalizacji przypomina przemianę z sowy w konika morskiego. Sowa ma co roku niewiele potomstwa i troskliwie dba, by każdy potomek był wypieszczony, wychuchany, żeby przeżył. Marketingowcy byli przyzwyczajeni do ręcznego „dopieszczania” kilku, czasem kilkudziesięciu kampanii.

Wdrożenie hiperpersonalizacji wymaga upodobnienia się do konika morskiego. Co kilka tygodni wypuszcza on na świat tysiące potomków, z których część zginie, ale część przetrwa i będzie się dalej rozmnażała. Trzeba stworzyć bardzo wiele komunikatów, z których każdy zostanie z matematyczną bezstronnością zweryfikowany i skierowany do najwłaściwszych klientów.

Na koniec powiedzmy trochę o efektywności. W końcu ktoś płaci za takie rozwiązania i oczekuje efektów. Na co może liczyć już teraz?

R.C.: W porównaniu do „klasycznego” CRM i marketingu hiperpersonalizacja pozwala poprawić wyniki od kilku do kilkunastu procent, co na konkurencyjnym rynku jest kolosalną różnicą.

© ℗
Rozpowszechnianie niniejszego artykułu możliwe jest tylko i wyłącznie zgodnie z postanowieniami „Regulaminu korzystania z artykułów prasowych” i po wcześniejszym uiszczeniu należności, zgodnie z cennikiem.

Polecane