عصر ارتباط – امروزه اهمیت هوشمصنوعی در بازاریابی، به دلیل افزایش قدرت و هزینههای پایینتر محاسبات، در دسترس بودن دادههای کلان و پیشرفت الگوریتمها و مدلهای یادگیری ماشین در حال افزایش است. همچنین شاهد کاربردهای گستردهای از هوشمصنوعی در زمینههای مختلف بازاریابی هستیم، مانند پرایم ایر سایت فروشگاه آنلاین آمازون که از پهپاد برای حمل و نقل خودکار استفاده میکند و پیتزای دومینو نیز برای بهبود فرایند تحویل بهموقع پیتزا به محل مشتریان در حال آزمایش کردن است اتومبیلهای خودران و رباتهای دلیوری میباشد. بالون قرمز از پلتفرم بازاریابی هوشمصنوعی آلبرت برای پیدا کردن و رسیدن به مشتریان جدید استفاده میکند. مَکیز آنکال برای ارائه خدمات دستیار شخصی مشتریان در داخل فروشگاه از پردازش زبان طبیعی (NLP) استفاده میکند. لکسوس از IBM Watson (آیبیام واتسون) برای نوشتن متون فیلمنامههای تبلیغات تلویزیونی خود استفاده میکند، اِفـِکتیوا ، مبتنی بر تجزیهوتحلیل عاطفی، احساسات مصرفکنندگان را هنگام تماشای تبلیغات تجاری، شناسایی میکند. رِپلیکا ، چتباتی مبتنی بر یادگیریماشین، به مشتریان آسایش عاطفی را با تقلید از شیوه های ارتباطی آنها فراهم میکند.
در سرتاسر جهان، تغییرات بیسابقه و سریع در ویژگیهای دموگرافیک و فنآوریهای مختلکننده، بازاریابها را مجبور به بازبینی نظریههایی میکند که بازاریابی را در 50 سال گذشته تعریف کردهاند. تکنیکهای سنتی بازاریابی مورد انتقاد قرار گرفتهاند و بازاریابی دیجیتال برای فضای کسبوکار جدید مناسبتر دیده شدهاست. از سوی دیگر، امروزه حجم دادههای تولید شده توسط انسانها و ماشینها خیلی پیشتر از توانایی انسانها برای جمعآوری، تفسیر و تصمیمگیریهای پیچیده بر اساس این دادهها است. هوشمصنوعی میتواند به رفع این مشکل کمک کند.
اصطلاح “بازاریابی دیجیتال” نه فقط اشاره به کانالهای دیجیتالی، بلکه به عبارت چتری تبدیل شدهاست، که بهکارگیری فناوریهای دیجیتال در کل فرآیند بازاریابی برای بهدست آوردن و نگهداشت مشتریان، ساخت برندها و مدیریت ارتباط با مشتریان میپردازد. اساساً، بازاریابی دیجیتال “فرایندی سازگار با فناوری است که طی آن شرکتها با مشتریان و شرکا، مشترکاً برای ایجاد، برقراری ارتباط، ارائه و حفظ ارزش برای همه سهامداران همکاری میکنند”. محققان و بازاریابان باید تنش بین تئوریهای بازاریابی دیجیتال و روشهای واقعی را در نظر بگیرند و باید سعی کنند این شکاف را برطرف کنند.
1وهمزمان با رشد بازاریابی دیجیتال، افزایش همهگیری استفاده از دستگاههای تلفن هوشمند و فناوریهای اینترنتی به رشد سریع هوشمصنوعی کمک کرده است. در بازارهای کسبو کاری، هوشمصنوعی فرآیندهای سنتی فروش انسان محور را تغییر داده و بر قیف فروش B2B (بیتوبی) تأثیر گذاشته است. هوشمصنوعی همچنین برندها را قادر ساخته است تا از طریق بسیاری از نقاط مختلف تماس با مشتریان خود درگیر شده و بدین ترتیب دادههایی تولید کنند که برای توسعه استراتژیهای بازاریابی استفاده میشود. این قابلیتها شرکت ها را وادار کردهاست تا هوشمصنوعی را در بازاریابی ادغام کنند تا از دادههای کلان برای درک بینش مشتری، پیش بینی الگوهای رفتار مشتری، توسعه استراتژیهای بخشبندی و پروفایلینگ مشتری و ایجاد روابط طولانی مدت با مشتری استفاده کنند. تجزیه و تحلیل وبسایت یا سفر مشتری میتواند از طیف گستردهای از منابع، از جمله پلتفرمهای وب و تلفن همراه، رسانههای سنتی یا اجتماعی، دادهها را جمعآوری کرده و الگوها را شناسایی کند. سیستمهای هوشمصنوعی ساخته شده با برنامه های تحلیلی صدای مشتری میتوانند به بازاریابان در جمعآوری بازخورد یا ردیابی مشتری در طول زمان کمک کرده و دادههای بازاریابی را به بینش مفیدی برای مدیریت ارتباط با مشتری تبدیل کنند. علاوه بر این، سیستمهای هوشمصنوعی به بازاریابان از طریق بخشبندی و هدفگذاری یک به یک کمک میکنند تا در نهایت با ارسال پیامهای جداگانه سفارشی شده، هر یک از مشتریان را درگیر و جذب کنند.
در این مطلب ما تأثیر هوشمصنوعی بر عملکرد بازاریابی در بانکها و مؤسسات مالی را در طی 9 مرحله برنامهریزی استراتژیک بازاریابی توضیح میدهیم. همچنین به نمونه هایی از کاربردهای فعلی هوشمصنوعی در بازاریابی بانکها و مؤسسات مالی اشاره میکنیم.
مرحله اول: تحلیل وضعیت موجود
این مرحله تحلیل وضعیت فعلی است که شامل درک عوامل محیطی کلان که بر بانک ، بازاریابی و سهامداران آن تأثیر میگذارند، میباشد. در این مرحله سهامداران و مدیران سعی میکنند درک درستی از اکوسیستم فعلی و آتی که بانک در آن فعالیت میکند، بدست آورند. مدیران میتوانند بازارها، فرصتهای موجود در آنها و تهدیدهای ناشی از تصمیمات پذیرش هوشمصنوعی را ارزیابی کنند.
ابزارهایی مانند تجزیه و تحلیل SWOT (اس دبلیو اُ تی)یا PESTLE (پِستِل) میتوانند به مدیران در درک اکوسیستم و بازارهای خاصی که در آن فعالیت میکنند و درک مشتریان مورد هدف بانکها کمک کنند. تکنیکهای هوشمصنوعی، از جمله گوش دادن اجتماعی، میتوانند اطلاعات بازارها و مصرفکنندگان، به ویژه از نظر رضایت، الگوی مصرف و تقاضای محصول یا خدمت را جمعآوری نمایند. از این منظر، هوش مصنوعی امکان شناسایی تغییر در رفتار رقبا از جمله قیمتگذاری، تخمین تقاضای محصول و آنالیز احساسات مشتری مانند رضایت مشتری را به بانکها ارائه میدهد.
شبکههای اجتماعی و فُرومهای آنلاین این امکان را برای مشتریان بانکی فراهم میکنند که بیشترین تحقیقات را درباره محصولات و خدمات متناسب با نیازهای خاص خود داشته باشند. بانکها و مؤسسات مالی میتوانند با استفاده از یادگیری ماشین، بحثهای مشتریان را در فُرومهای آنلاین تحلیل کنند. این امر اهمیت تجزیه و تحلیل مکالمات آنلاین در مورد کل طبقه محصول به جای تمرکز دقیق بر یک بانک خاص را نشان میدهد. چنین بینشی برای تجزیه و تحلیل گسترده وضعیت و ارائه یک اندازهگیری از چگونگی ارائه خدمات به بخشهای مصرفکننده توسط بانکِ خود و همچنین رقبا مناسب میباشد.
مرحله دوم: درک بازار و مصرفکننده
مرحله درک بازار و مصرفکننده، مستلزم جمعآوری دانش از عوامل محیطی خُرد است که بطور خاص بر بانکها تأثیر میگذارند، از جمله روندهای سهم بازار، تقاضای محصول و ویژگیهای مشتریان شامل؛ نیازها، خواستهها، رفتارها، نگرشها، وفاداری به برند و الگوی مصرف آنها میباشد.
در طی این فرایند، تجزیه و تحلیل وب و تحقیقات بازار سنتی مانند سنجش رضایت مشتریان اغلب از طریق هوشمصنوعی با مجموعهای از فرصتهای فراتر از اینها درگیر میشوند. برای مثال، برنامههای صدای مشتری به بانکها اجازه میدهد به فراتر از دادههای مبتنی بر مصاحبه دسترسی پیدا کرده وآن را با حجم زیادی از دادههای غیرساختارمند مشتریان ادغام کنند.
امروزه نرمافزارهای تجربهمشتری با قابلیتهای هوشمصنوعی برای استخراج ترجیحات مشتری و دادهها از وب، رسانههای اجتماعی، فعالیت تلفنهمراه و مراکز تماس یکپارچه شدهاند. بنابراین با تجزیه و تحلیل دادهها و ارائه بازخورد در زمان واقعی و نهایتاً امکان تصمیمگیری و اقدام بلافاصله و بهموقع فراهم میگردد.
مرکز تماس یک بانک روسی به نام راس بانک ، در سال 2019، پُرومو بات ، یک ربات تشخیص احساسات چند حالته برای مدیریت تجربهمشتری را آزمایش کرد. این یک سیستم هوشمصنوعی است که قادر به تجزیه و تحلیل ترکیبی از فعالیتهای انسانی است (به عنوان مثال، حالات صورت، بدن، حرکات، صدا، حرکت چشم و ضربان قلب) و وضعیت احساسی مشتری را تعیین میکند. دادههای جمعآوری شده از مشتریان شامل؛ تعداد مکث در گفتار، تغییر در حجم صدا و کل زمان مکالمه و در زمان واقعی به معیار سنجش رضایت مشتری تبدیل میشوند.
مرحله سوم: بخشبندی، هدفگذاری و جایگاهیابی (معروف به مرحله STP)
در این مرحله استراتژیک، بانکها و مؤسسات مالی میتوانند از هوشمصنوعی برای سه تصمیم کلیدی استراتژیک یعنی؛ بخشبندی، هدفگذاری و جایگاهیابی استفاده کنند. که شامل ایجاد و توسعه درکی از بخشهای مشتری و کمک به مدیران بازاریابی در هدفگذاری و جایگاهیابی تصمیمات آنها میباشد. در این فرآیند، بانکها بهدنبال بخشبندی مشتریان براساس معیارهای خاص هستند، امکان هدفگیری دقیق پیامها و خلق برندها و محصولاتی که بتوانند به بهترین شکل برای هر بخش از مشتریان جذاب شوند. هوشمصنوعی نه تنها به میتواند به بانکها در پیشبینی قصد و نیت مشتریان که حتی در تقسیمبندی مشتریان به گروههای دقیقتر و همگن کمک کند. با توجه به ناهمگنی زیاد سلیقه و ترجیحات مشتری، پتانسیل بخشبندی از ارائه پروموشنها و تبلیغات شخصیسازی شده گرفته تا توصیههای بهتر محصولات و خدمات بسیار زیاد است. به عنوان مثال، در تلاش برای بهبود تعیین مشتریان هدف، بانکها با استفاده از پلتفرمهای مبتنی بر هوشمصنوعی و یادگیریماشین، اتوماسیون و برنامهریزی بازاریابی را ساده مینمایند. این پلتفرمها اطلاعات مربوط به گذشته مشتریان بانکی را در اختیار گرفته و میتوانند لیستی از مشتریان مشابه ایجاد کرده و آنها را با افرادی که با مشتریان فعلی شباهت دارند، مطابقت دهد. نهایتاً این پلتفرم در قبال درصدی از فروش خدمات بانکی متعهد شده و قاعدتاً افزایش چندین برابری تماسهای ورودی بانکها را منجر میشوند.
علیرغم مزایای استفاده از هوشمصنوعی برای بخشبندی، هدفگذاری و جایگاهیابی، بازاریابان باید از ریسکهای تبعیض ناشی از هوشمصنوعی آگاه باشند. از آنجاییکه کسبوکارها ذاتاً از نظر اینکه به چه کسی محصولات و خدمات خود را ارائه میدهند، تبعیض قائل میشوند، هوشمصنوعی نیز میتواند از طریق تأکید بر هدفگذاری متفاوت مشتریان منجر به تبعیض قیمت ناخواسته و غیرقانونی شود. در اتحادیه اروپا، اکنون رفتار تبعیضآمیز هنگام استفاده از الگوریتمها برای قیمتگذاری بر اساس مشخصات قابل مشاهده گروه مشتریان، مورد توجه بسیاری قرار گرفته است. از آنجاییکه ممکن است یک گروه از مشتریان رفتار عمومی از خود به نمایش گذاشته ولی رفتارِ فردی از اعضاء گروه از رفتار عمومی چندان تبعیت نکند، در صورت استفاده از روندهای رفتاری عمومی مشاهدهشدهی گروه برای قیمتگذاری، آن شخص مورد تبعیض قرار خواهد گرفت.
مرحله چهارم: هدایت برنامه ریزی، اهداف و پشتیبانی بازاریابی
این مرحله شامل توسعه اهداف بلندمدت و اهداف کوتاهمدت مرتبط با آنها برای حمایت از استراتژیهای بزرگترمیباشد. استراتژیهای رشد، استراتژیهای غیررشد، اهداف (مانند بازاریابی، مالی و اجتماعی) و خدمات به مشتری از نکات مهم در این مرحله هستند. برای کمک به استراتژیهای رشد، هوشمصنوعی و چتباتها میتوانند برای تقویت خرید مشتری در اپلیکیشنها یا رسانههای اجتماعی ادغام شوند.
یکی از رایجترین کاربردهای هوشمصنوعی در این مرحله در خدمات مشتریان است، مانند اپلیکیشنهایی بهعنوان چتبات و آنالیز متن و صدا. امروزه، چتباتها در خدمات مشتریان برای رسیدگی به اکثر سؤالات ساده استفاده میشوند. چتباتها هزینههای خدمات به مشتری را کاهش میدهند اما تأثیر آنها بر رضایت مشتری میتواند متنوع باشد. بسیاری از مصرفکنندگان هنوز ترجیح میدهند با نمایندگان انسانی برای درخواستهای پیچیدهتر صحبت کنند.
بانک گارانتی ترکیه از طریق چتبات ” گارانتیا سُر ” به معنی از گارانتی بپرس، که اولین کانال رضایت مشتری 7 در 24 در رسانههای اجتماعی در بخش بانکی ترکیه است، خدمات کارآمد رضایتمندی مشتری را ارائه می دهد. این بات پیشنهادات ویژه ای متناسب با مشخصات و نیازهای مشتریان طراحی و ارائه میکند. روی پلتفرم رسانههای اجتماعی، بانک گارانتی محرکهایی که از تصویر سازمانی حمایت میکنند را پیش میبرد، به نتایج کسبو کار از طریق معرفی محصولات و خدمات کمک میکند و با استفاده از محتوای مرتبط با سواد مالی و دیجیتال، که همزمان با ماهیت سرگرم کنندگی و پویایی شبکههای اجتماعی همسو هستند، زندگی مشتریان را تسهیل میکند.
مرحله پنجم: تدوین استراتژی محصول
این مرحله شامل توسعه استراتژی محصول و یا بهتر بگوییم خدمت است (به عنوان مثال، ایجاد مجموعه ای از محصولات و خدمات که توسط یک بانک ارائه میشوند). در این مرحله، بانکها با استفاده از درک خود از مشتریان هدف و جایگاه در نظر گرفته شده برای برند به توسعه محصولات و خدمات اقدام مینمایند. که به طور معمول شامل تصمیمگیریهایی در مورد طراحی، ویژگیها، کیفیت و سفارشیسازی یک خدمت یا محصول میباشد. فرصتهای کمکی هوشمصنوعی به استراتژی محصولات بانکی شامل شناسایی شکاف برای توسعه محصول جدید، تسهیل تولید محصولات سفارشی و شخصیسازی شدهی منطبق با ویژگیهای مشتریان هدف و کمک به تحویل محصول و سرویس از طریق کانالهای همهجانبه یا اُمنیچَنِل است. هوشمصنوعی همچنین میتواند تشخیص دهد که کدام محصولات یا خدمات باید ارائه شوند.
یکی از نقاط قوت بانک گارانتی این است که محصولات سنتی موجود در کانالهای فیزیکی را به کانالهای دیجیتالی با همان ویژگیها تبدیل و منتقل نمیکند. هدف این بانک ایجاد محصولات کاملاً دیجیتالی است که برای ارضاء نیازهای برگرفته از کانالهای دیجیتال طراحی شده است. بیمه خودرو مُدولار نمونه خوبی از محصولات منحصراً دیجیتال است، بهطوریکه مشتریان میتوانند پوشش بیمهای خود را خودشان تعیین کنند و از مزیت تخفیفها بسته به تعداد پوششهای انتخابی بهرهمند شوند. این بر اساس تجزیه و تحلیل روند خرید مشتریان در کانالهای دیجیتال و نقاط درد آنها و سایر طراحی شدهاست. ویژگیهای محصول بر اساس این تجزیه و تحلیل دقیق و نیازهای مشتریان شکل گرفته است. بنابراین، فقط از طریق کانالهای دیجیتال در دسترس است، و به همین ترتیب، این یک محصول دیجیتالی کاملاً end-to-end است.
مرحله ششم: توسعه استراتژی قیمتگذاری
این مرحله شامل ایجاد یک استراتژی قیمتگذاری برای به حداکثر رساندن فروش است. در تدوین استراتژی قیمتگذاری، بازاریابان تصمیم میگیرند که چقدر برای محصولات و خدمات خود هزینه در نظربگیرند، تا بتوانند درک درستی از حساسیت مصرفکننده به قیمت و نقشه قیمتگذاری رقبا کسب نمایند. در حالی که صنعت مالی به سمت قیمتگذاری در زمان واقعی میرود، بانکها ابزارهای تحلیلی مانند یادگیریماشین و هوشمصنوعی را برای پیشیگرفتن از رقبا بهکار میگیرند. هوشمصنوعی میتواند به روشهای مختلفی از جمله برآورد کشش قیمتی مصرفکننده، امکان قیمتگذاری پویا (مانند قیمتگذاری نوسانی ) و تشخیص ناهنجاریهای قیمتگذاری (از جمله خطاهای قیمتگذاری، موارد تقلب و مشتریان غیرسودآور) به توسعه استراتژی قیمتگذاری کمک میکند.
بهعنوان مثال؛ وقتیکه زمان تعیین نرخ وام کاهشیافته و قیمت به سرعت به بازار هدایت میشود، درآمد و رشد وام دهنده افزایش مییابد. بنابراین مسألهی قیمتگذاری وجود دارد و بانکها باید اطمینان حاصل کنند که قیمتگذاری را صحیح انجام میدهند … اما چیزی که بسیار و بسیار مهمتر میشود، عملاً، فرآیند ورود این قیمت به بازار است.
بانک ایالات متحده فرایند قیمتگذاری خود را چندین سال پیش ارتقا داده است؛ درواقع یک فرآیند دستی که متشکل از هزاران نرخ متمایز از هر ایالت است را به یک فرآیند تغییر نرخ مبتنی بر الگوریتم تبدیل کرده است. چرا که موفقیت در بازار وام و تسهیلات متکی بر ارائه نرخهای بهتر خدمات و شناسایی فرصتهای بهتر ارائه تسهیلات در زمان واقعی و بهموقع است. این موضوع در کنار برآورد صحیح و پایای اعتبار مشتریان کمک خواهد کرد تا بانکها در بازار رقابت برای اعطای تسهیلات مزیت رقابتی خود را با در نظر داشتن ریسک مشتریان بهبود دهند.
در نتیجه هماکنون، بانک ایالات متحده نرخهای مبتنی بر عوامل را با در نظر گرفتن نرخهای رقیب در آن زمان تجزیه و تحلیل میکند. با این ورودیها، الگوریتم “در مدت زمان بسیار کوتاهی” دهها هزار نرخ مورد نیاز در 50 ایالت آمریکا را تولید کرده و بانک روز بعد با این نرخها کار خود را ادامه میدهد.
مرحله هفتم: تدوین استراتژی کانالها
در حالت کلی در این مرحله، بازاریابان تلاش میکنند تا میان کانالهای فروش مستقیم، کانالهای عُمده یا کانالهای خردهفروشی، کانالهای آنلاین و سایر تصمیم بگیرند. در برخی موارد، هوشمصنوعی میتواند دسترسی به بازار و مشتریان را از طریق کانالهای جدید فراهم کند.
فناوری و ارتباطات اینترنت سریعتر باعث افزایش تماسهای ویدیویی و مصرف محتوا ویدئویی شده است. استفاده از فناوری، بانک گارانتی را به راه اندازی سرویس تماس ویدیویی برای کاربران سوق داده، به نحوی که به افزایش سهولت در زندگی آنها، رفع انسداد(unblocking) و غیره که قبلاً به مراجعه به شعبه احتیاج داشتند، منجر شده است. مثال دیگر، خدمات وام حضوری است، به موجب آن مشتریان میتوانند با نمایندگان بانک رو در رو هنگامی که آنها برای وام از طریق کانال بانکداری موبایلی درخواست میکنند، تعامل داشته باشند. با فناوری چت ویدیویی، این بانک نیز روند ورود مشتریان جدید را بسیار آسانتر کرده. این قابلیت نمونه خوبی از قرار دادن تماس وتأثیر انسانی در تجربه دیجیتال را ارائه می دهد.
نوآوری دیجیتالی دیگری که گارانتی اجرا کرده و قبلاً نیز به آن اشاره شد، راهاندازی ربات پیامرسان فیسبوک و واتسَپ آن در سال 2019 میباشد. این کانالها، کاربران را به محاسبه وام شخصی به صورت مکالمهای قادر میسازند. کاربران می توانند محاسبات را از طریق این پلتفرمها انجام داده و به راحتی به اطلاعات مورد نیاز خود برسند. ربات تا حدودی به سوالات مربوط به وام شخصی کاربران پاسخ میدهد و در صورت لزوم آن را به بانکداری موبایلی، وب سایت یا کانالهای دیگر توزیع هدایت میکند.
همچنین گارانتی سعی دارد کانالهای خود را بهگونهای پوزیشن کند که قادر باشند با یکدیگر تعامل و ارتباط برقرار کنند. این نه تنها در تجربه آنلاین اعمال می شود؛ که هدف بانک اتصال تجربه ناشی از کانالهای آنلاین و فیزیکی است. تراکنشهای انجام شده از طریق QR کد (کیو آر کُد) مثال خوبی در این مورد است. مشتریها میتواند به راحتی از طریق فانکشن تراکنشهای QR روی بانکداری موبایلی، پول را واریز یا برداشت کنند، بدون نیاز به حمل کارت. انتقال پول از طریق QR کد نیز آسان است، زیرا نیازی به شماره IBAN (آیبَن) ندارد. پرداخت بدهی کارت اعتباری و تراکنشهای بازپرداخت وام نیز به مجموعه تراکنشهای QR اضافه میشود، بنابراین مجموعه تراکنشهای بدون کارت گسترش مییابد.
مرحله هشتم: تدوین استراتژی ارتباطات بازاریابی و نفوذ
این مرحله شامل تدوین استراتژی ارتباطات بازاریابی و نفوذ، با تمرکز ویژه بر ارائه تبلیغات صحیح به مشتریان در زمان مناسب است. در این مرحله، بازاریابان برای خلق و تقویت معنای برند در نظر مشتریان و همچنین مطلع کردن آنها از پیشنهادات محصول تلاش میکنند. این شامل توسعه دقیق، هدف گذاری و قرار دادن ارتباطات به منظور انتقال پیام مؤثر به گروه درستی از مشتریان ضمن به حداقل رساندن هزینهها است. طیف متنوعی از فرصتها در دامنه وسیع ارتباطات بازاریابی برای هوشمصنوعی وجود دارد، از جمله هدفگذاری تبلیغات زمینهای، هدفگذاری مجدد تبلیغاتی که با هوشمصنوعی بهینه شده، پیشنهاد کلمات کلیدی و اتوماسیون و شخصی سازی تولید محتوا.
بانک گارانتی با هدف مدیریت آگاهی از برند و ارتباطات یکپارچه بازاریابی، اقدام به ایجاد اکانت در شبکههای اجتماعی فیسبوک، اینستاگرام، توییتر، یوتیوب و لینکدین کردهاست. با هدف دسترسی مستقیم به محصولات و خدمات نوآورانه، نیازهای مشتریان و فالوورها را مورد هدف قرار گرفتهاست. البته این بانک رسانههای اجتماعی را نیز بهعنوان یک کانال دیجیتال مدنظر قرار میدهد؛ با بیش از 2.5 میلیون فالوور در مجموع و 1.8 میلیون فالوور در فیسبوک، بانک گارانتی یکی از موسسات مالی است که بیشترین تعداد فالوور را در ترکیه و اروپا دارد.
مرحله نهم: شاخصهای برنامهریزی و کنترل پیادهسازی
سرانجام، مرحله 9 شامل تدوین معیارهای برنامهریزی و کنترل پیادهسازی، و بهطور خاص تلاش برای شناسایی و نظارت بر عملکرد معیارها و سپس انجام هرگونه اقدامات اصلاحی لازم است. برای این منظور، مدیران بازاریابی برای ارزیابی تلاشها، شناسایی مشکلات و افزایش بهرهوری از شاخصها استفاده میکنند. دو مزیت اصلی هوش مصنوعی در برنامهریزی و پیادهسازی این است که دیگر اپراتورهای انسانی برای فرماندادن یا تجزیه و تحلیل خروجیها لازم نبوده و اینکه هوشمصنوعی به صورت آزمون و خطا کار میکند. الگوریتمها با تقلید رفتار مغز انسان قادر به جمعآوری اطلاعات دقیق هستند و بازاریابان را به درک، پیشبینی، تجزیهوتحلیل و اقدام به حل مشکلات قادر مینمایند.
یکی از روشهای اصلی استفاده از هوش مصنوعی در این مرحله از فرایند بازاریابی، انجام آزمون آ/ب، در زمینه ارزیابی تبلیغات یا فیچرهای آنلاین است. مزیت اصلی آزمون آ/ب زیربنای هوشمصنوعی و یادگیری ماشین آن بوده که به کمک آن وبسایتها، تبلیغات و سایر داراییهای آنلاین میتوانند در زمان واقعی در نتیجه ارزیابی هوشمصنوعی از رفتار و واکنش مخاطبان به بسیاری از تغییرات مختلف، خود را بهینه سازی کنند. آزمون آ/ب به شما کمک میکند تا بهترین رابط و تجربه کاربری را برای وبسایت یا اپلیکیشن خود انتخاب کنید. روشی است که با آن میتوانید دو نسخه از یک وبسایت یا اپلیکیشن را با یکدیگر مقایسه کنید. در حقیقت، در آزمون آ/ب شما سعی میکنید با شناخت رفتار مخاطب، بهترین تجربه کاربری را به او ارائه دهید. میتوان این جمله را در یک کلام خلاصه کرد: تبدیل کاربر به مشتری. به همین سادگی!
بانک HSBC از این روش برای افزایش 100٪ کلیک در صفحه نخست(هوم پیج)اپلیکیشن تلفنهمراه خود استفاده کرد. این بانک محتوای پویای تولید شده با هوشمصنوعی را با محتوای استاتیک، روی صفحه اصلی اپلیکیشن تلفنهمراه خود مقایسه کرد. نتایج شخصی شده از نظر نرخ کلیک در صفحات پویا، عملکرد چشمگیری نسبت به همتایان استاتیک خود داشت.