توجه: - کلیه آگهی های درج شده در این وب سایت (مرکز اطلاعات اصناف و مشاغل ایران) توسط افراد حقیقی و یا حقوقی ثبت گردیده است. - در انتخاب خود دقت فرمایید. - این مرکز هیچ مسئولیتی در قبال آگهی های ثبت شده ندارد. -
جهت ارتباط با شخص آگهی دهنده، فقط از طریق مشخصات آگهی دهنده (در کنار آگهی) تماس حاصل فرمایید و از تماس با مرکز اطلاعات اصناف و مشاغل ایران خودداری فرمایید.
- معرفی اپلیکیشن های هوش مصنوعی در بازاریابی
مؤثرترین فناوری های هوش مصنوعی برای بازاریابی
فناوری هوش مصنوعی موضوع جدیدی نیست، اما هوش مصنوعی اصطلاح گسترده ایه که طیف وسیعی از فناوری های مختلف رو شامل میشه. هوش مصنوعی یعنی هر نوع فناوری که تقلید از هوش انسان رو دنبال میکنه، که این خودش میتونه شامل توانایی های زیادی مثل تشخیص صدا و تصویر، روشهای یادگیری ماشینی و جستجوی معنایی بشه. بازاریابها هم علاقه خاصی به فناوریهای جدید و مدرن دارند و از هوش مصنوعی برای تشخیص تصویر، گفتار و جلوگیری از رسوخ اطلاعات استفاده کرده اند. همه هم در حد عالی و کمال. اما چطوری؟
ما تو این مقاله 15 روش هوش مصنوعی رو که شرکتهای مختلف در هر قد و اندازه ای که باشند میتونن ازشون بهره مند بشن رو معرفی کرده ایم. به علاوه این روشها رو در قالب چرخه زندگی مشتری هم توضیح دادیم تا بتونید ببینید هر کدوم از تاکتیکهای هوش مصنوعی چطوری میتونن مشتریهاتونو تو قیف بازاریابی پیش ببرند.
همه روشهایی که اینجا معرفی میشن هوش مصنوعی اند، به این معنی که هوش کامپیوتری رو شامل میشن اما ما اونها رو به 3 نوع مختلف از فناوری (روشهای یادگیری ماشینی، مدلهای گرایش کاربردی و اپلیکیشن های هوش مصنوعی) تقسیم کردیم. روشهای یادگیری ماشینی شامل استفاده از الگوریتم ها برای یادگیری از داده های قبلی است که بر اساس اونها میشه مدلهای گرایش رو بوجود آورد. وقتی از این مدلهای گرایش برای پیش بینی رویدادهای مورد نظر (مثل رتبه دهی به رهبران صنایع بر اساس نرخ تبدیل) استفاده بشه، بهش مدلهای گرایش کاربردی میگیم. اپلیکیشن های هوش مصنوعی نوع دیگری از هوش مصنوعی اند که معمولا با همکاری یک انسان کار میکنند، مثلا جواب دادن به سوالات مشتریها یا نوشتن محتوای جدید.
هر اپلیکیشن مختلف تأثیر زیادی برای بازاریابها داره اما اپلیکیشن ها نقش های مختلفی رو در سفر مشتری ایفا میکنند. مثلا بعضی هاشون برای جذب مشتری مناسبترند، در حالی که بعضی های دیگه بیشتر به درد تبدیل به مشتری یا برگردوندن مشتریهای قدیمی میخورند.
با استفاده از این روشهای داخلی، بازدیدکننده جذب کنید
استفاده از روشهایی مثل بازاریابی محتوا، سئو و سایر شبکه ها برای جذب بازدیدکننده به سایت و فرستادن این بازدیدکننده ها به سفر خرید و تلاش برای تبدیلشون به خریدار رو Reach میگن که ما اونو در فارسی به “دستیابی” تعبیر میکنیم. هوش مصنوعی و مدلهای گرایش کاربردی رو میشه تو این مرحله و برای جذب بازدیدکننده های بیشتر بکار برد و به این ترتیب با فراهم کردن تجربه ای جذاب برای کاربرها به “دستیابی” رسید.
1- محتوای تولید شده توسط هوش مصنوعی
این حیطه برای هوش مصنوعی به شدت جذابه. هوش مصنوعی نمیتونه برای ستونهای سیاسی یا وبلاگهای تخصصی مطالب خیلی باکیفیتی بنویسه، اما تو بعضی حوزه ها میشه از محتوای تولید شده توسط هوش مصنوعی استفاده کرده و به این ترتیب برای سایت بازدیدکننده جذب کرد.
برنامه های نوشتن محتوای هوش مصنوعی میتونن عناصری رو از ساختار و داده های مقاله هایی که توسط انسانها نوشته شده اند بگیرند و از اونها برای نوشتن مطالب خودشون استفاده کنند. یکی از این برنامه های نوشتن هوش مصنوعی WordSmith هست که پارسال (1395) با 1/5 میلیارد قطعه محتوا تولید شده و فکر میکنم پتانسیل این رو داره که در آینده محبوبیت بیشتری بدست بیاره.
نویسنده های هوش مصنوعی برای گزارش دهی در مورد حوادث منظم و داده محور هم مفیدند. مثلا برای گزارشهای درآمدهای فصلی، مسابقات ورزشی و داده های تجاری. اگه این برنامه ها رو در حوزه ای خاص مثل خدمات مالی بکار بگیرید، میتونید بخش مفیدی از استراتژی بازاریابی محتواتونو از طریق همین محتوایی که توسط هوش مصنوعی تولید شده تأمین کنید. یه خبر خوب هم براتون دارم؛ شرکت تولید کننده WordSmith یه نسخه بتا از این اپلیکیشن درست کرده و شما هم میتونید این فناوری رو امتحان کنید تا اگه خوشتون اومد و دیدید مناسب برندتون هست بخریدش.
2- ترکیب هوشمند محتوا
با ترکیب هوشمند محتوا میتونید به بازدیدکننده های سایتتون محتوای مرتبط با خودشون رو ارائه بدید و به این ترتیب اونها رو بهتر روی سایتتون درگیر کنید. این روش اکثرا برای مشتریهایی که دو تا محصول مختلف رو از خیلی سایتها خریدند میخوره اما برای محتوای وبلاگ و شخصی سازی پیام سایت هم کاربرد داره. برای تجارت اشتراکی هم عالیه. در تجارت اشتراکی هر چی افراد بیشتری از خدمات استفاده کنند، الگوریتم ماشین یادگیری داده های بیشتری باید استفاده کنه تا بتونه پیشنهادات بهتری برای محتوا ارائه بده. فکر کنید اگه سیستم پیشنهاد Netflix بتونه بهتون محتوا پیشنهاد بده چقدر کارتون راحت میشه.
3- جستجوی صوتی
جستجوی صوتی هم یکی دیگه از فناوری های هوش مصنوعیه. در حوزه بازاریابی هم شرکتهای بزرگی مثل گوگل، آمازون و اپل بکار رفته. جستجوی صوتی استراتژی های آینده سئو رو تغییر خواهند داد و برندها باید خودشونو بهش برسونن. برندی که بتونه به این فناوری چنگ بزنه، قادره که از قدرت غولهای بزرگ ترافیک طبیعی بگیره و به لطف رشد روزافزون جستجوهای صوتی، میزان فروششو بالا ببره.
4- خرید رسانه های برنامه ریزی
خرید رسانه های برنامه ریزی میتونه از مدلهای گرایشی که با الگوریتم های ماشین یادگیری تولید شده اند استفاده کنه و با هدفگیری مشتریهای مرتبط، اثرگذاری تبلیغات رو افزایش بده. تبلیغات برنامه ریزی شده باید هوشمندتر عمل کنند تا بتونن رسوایی امنیت برند اخیر گوگل رو ترمیم کنند. چون اخیرا معلوم شده تبلیغات برنامه ریزی شده ای که از طریق شبکه تبلیغات گوگل روی سایتها قرار میگیرند، روی وب سایتهای تروریستها به نمایش درمیان. اینجا هوش مصنوعی میتونه با تشخیص سایتهای مشکوک و حذفشون از فهرست سایتهایی که میتونن پذیرای تبلیغات باشند کمک کننده باشه.
جذب بازدیدکننده ها و اطلاع رسانی در مورد محصولات
5- مدل سازی گرایشی
همونطور که الآن توضیح دادم، مدل سازی گرایشی هدف پروژه ماشین یادگیری بوده. الگوریتم ماشین یادگیری با مقادیر زیادی از داده های قدیمی تغذیه شده و از این داده ها برای ساخت مدل گرایشی استفاده میکنه که در تئوری این مدل میتونه پیش بینی های صحیحی از جهان واقعی داشته باشه.
6- آنالتیکس پیش بینی کننده
مدل سازی گرایشی رو میشه برای حوزه های مختلفی بکار برد. مثلا برای پیش بینی احتمال تبدیل شدن یه کاربر مشخص به مشتری، پیش بینی اینکه احتمال تبدیل شدن مشتریها با چه قیمتی بیشتر میشه و یا اینکه احتمال خرید مجدد در کدوم مشتریها بیشتره. چون این اپلیکیشن برای پیش بینی رفتار مشتریها از تجزیه و تحلیل (آنالتیکس) داده ها استفاده میکنه بهش آنالتیکس پیش بینی کننده میگن. نکته مهم اینه که ارزش یه مدل گرایشی به اندازه داده هاییه که برای ساختش بکار رفته، بنابراین اگر خطاهایی در داده ها وجود داشته باشه یا حتمال خطا بالا باشه، نمیشه انتظار پیش بینی دقیقی داشت.
7- رتبه دهی به کاربرهای دائمی
میشه مدلهای گرایشی که توسط ماشین یادگیری ساخته میشن رو آموزش داد تا بر اساس معیارهای مشخصی به کاربرهای دائمی رتبه بده و در نتیجه فروشتون ببینند عملکرد کدوم کاربر بهتره و کدوم ها ارزش وقت گذاری بیشتر رو دارند. این برنامه به خصوص برای کسب و کارهای B2B که فرایند فروششون مشاوره ای هست و هر فروش زمان زیادی از تیم فروش میگیره، خیلی اهمیت داره. تیم فروش میتونه اولویت رو بذاره روی برقراری تماس با کاربرهای مرتبط تر و به این ترتیب تو وقت و انرژی صرفه جویی کنه. وقتی گرایش کاربرها رو در خرید بشناسید، میتونید فروش و تخفیفها رو هم طوری هدف گذاری کنید که مؤثرتر باشه.
تمایل خیلی کم به خرید: پولتونو برای این دسته از مشتریها به هدر ندید. اینها خرید نمیکنند.
تمایل متوسط به خرید: برای این دسته از مشتریها تخفیف و پیشنهادهای ویژه بذارید تا خرید کنند.
تمایل زیاد به خرید: این دسته در هر حال، حتی بدون تخفیف هم خرید میکنند. پس پولتونو به هدر ندید.
8- تبلیغات هدف گذاری شده
الگوریتم های ماشین یادگیری میتونن به کمک داده های قدیمی زیاد مشخص کنند که کدوم تبلیغات روی کدوم دسته از آدمها و در کدوم مرحله از خرید بهتر اثر میکنند. با استفاده از این داده ها میشه در زمان مناسب مؤثرترین محتوا رو برای مشتری مورد نظر ارائه داد و دائما هزاران متغیر رو بهینه کرد. البته همچنان برای بعضی بخشها که نیاز به خلاقیت دارند کار انسانی نیاز هست و همه کارها صد در صد هوشمندانه انجام نمیشه.
تبدیل مشتری به خریدار
9- قیمت گذاری پویا
همه بازاریابها میدونن که اگه محصولات بیشتری بتونن منتقل کنند، فروششون بیشتر میشه. تخفیف هم خیلی مؤثره اما از طرفی سود نهایی رو میاره پایین. اگه مثلا دو بار بخواهید سودتونو به اندازه دو سوم کاهش بدید، نسبت به وقتی که حراج نداشته باشید کمتر سود میکنید.
حراج ولی میتونه مؤثر باشه، از این نظر که مردم رو به خرید چیزهایی که بدون وجود حراج تمایلی به خریدش ندارند تشویق میکنه و از این طریق فروشتونو افزایش میده. اما این رو هم در نظر بگیرید که این وسط عده ای هم هستند که در هر حال حتی با همون قیمت بالاتر هم محصول رو میخریدند و الآن با وجود تخفیف، هزینه کمتری رو پرداخت میکنند.
قیمت گذاری پویا این مشکل رو حل میکنه. به این صورت که پیشنهادات ویژه رو فقط به دسته ای از مشتریها ارائه میده که با وجود تخفیف احتمال خریدشون بالا میره. ماشین یادگیری یه مدل گرایشی درست میکنه که نشون میده، مشتریهایی که برای خرید نیاز به تخفیف دارند چه رفتارهای خاصی رو از خودشون بروز میدن، و از طرفی کدوم رفتارها نشونه اینه که یه مشتری حتی بدون تخفیف هم خرید میکنه. یعنی میتونید به این وسیله فروشتونو بالا ببرید و در عین حال میزان سودتون هم کم نمیشه، این یعنی حداکثر سود.
10- شخصی سازی وب و اپلیکیشن
با استفاده از یه مدل گرایشی برای پیش بینی مرحله مشتری در سفر خریدار میتونید با ارائه مرتبطترین محتوا به هر فرد – چه روی وب، چه روی اپلیکیشن – بهتر به اون مشتری خدمات رسانی کنید. اگه کسی تازه وارد سایتی شده باشه محتوایی میخواد که بهش اطلاع رسانی کنه و اون رو علاقه مند کنه. اما کسی رو که بارها از سایت دیدن کرده و دیگه به محصولات علاقه مند شده، باید با محتوای عمقی تری در مورد مزایای محصولات تغذیه کرد تا عملکردش بهتر بشه.
11- چت-بات ها
چت-بات با تقلید از هوش انسانی میتونه درخواستهای مشتریها رو تفسیر و سفارششون رو تکمیل کنه. شاید اینطور به نظر بیاد که توسعه چت-بات ها کار سختیه و فقط برندهای بزرگی که بودجه های کلان دارند قادر به توسعه چت-بات هستند، اما در واقع پلتفرم های توسعه دهنده چت-بات باز هم وجود دارند و خودتون میتونید بدون کمک یه تیم حرفه ای توسعه دهنده براحتی یکی بسازید.
فیسبوک به تسهیل تولید چت-بات برای برندها علاقه زیادی نشون میده. میخواد اپلیکیشن پیام رسانش رو تبدیل به مکانی برای داشتن مکالمات با سفیران مجازی برندها بکنه. خوبیش برای برندها اینه که میتونن از این طریق از ابزار توسعه بات قدرتمند فیسبوک استفاده کنند. چون فیسبوک با تست های بتای M (چت-بات پیام رسان فیسبوک) درسهای آموزشی ارائه میده. فیسبوک موتور بات wit.ai رو ساخته که با نمونه مکالمات باتها رو آموزش بدید و کاری کنید تا بات تون دائما بتونه با تعامل با مشتریها خودش رو آموزش بده. اگه شما هم میخواهید با پلتفرم پیام رسان برای برندتون چت-بات بسازید، فیسبوک روی سایت Facebook for developers آموزشهایی برای این کار قرار داده که میتونید ازشون بهره ببرید. کافیه عبارت messenger platform رو سرچ کنید.
12- بازهدفگذاری
اینجا هم مثل تبلیغات هدفگذاری شده، با استفاده از ماشین یادگیری و بر اساس داده های قدیمی مشخص میکنیم که چه محتوایی بهتر میتونه مشتریها رو به سایت برگردونه. ماشین یادگیری میتونه با استفاده از مدل پیش بینی کننده دقیق برای تعیین اینکه چه نوع محتوایی بهتر میتونه مشتریها رو به سایت برگردونه، تبلیغات هدف گذاری شده رو بهینه کنه و تأثیرگذاریشونو تا حد ممکن افزایش بده.
مشتریها رو با سایت درگیر و کاری کنید تا دوباره به سایت برگردند
13- سرویس پیش بینی مشتری
فروش مجدد به مشتریهای فعلی بسیار راحتتر از جذب مشتریهای جدیده. بنابراین راضی نگهداشتن مشتریها نکته کلیدی به شمار میاد. به خصوص در کسب و کارهایی که مشتریها باید عضویت داشته باشند، از دست دادن زیاد مشتریها به شدت هزینه بره. میتونیم با تجزیه و تحلیل های پیش بینی کننده، ویژگیهای مشترک بین مشتریهایی که عضویتشونو لغو میکنند رو بسنجیم و ببینیم برای هر سرویس، احتمال لغو عضویت کدوم مشتریها بیشتره. میشه با ارائه پیشنهادات تشویقی از خروج این مشتریها پیشگیری کرد.
14- اتوماسیون بازاریابی
روشهای اتوماسیون بازاریابی معمولا شامل یه سری قوانینه که تعاملات اولیه با مشتریها رو هدف میگیره. اما کی این قوانین رو وضع میکنه؟ معمولا یه بازاریابی که میتونه موارد مؤثر رو به خوبی تخمین بزنه. ماشین یادگیری میتونه از طریق میلیاردها مورد از داده های مربوط به مشتریها، بهترین زمان برقراری تماس رو تعیین کنه و نشون بده اگه چه کلماتی در عنوان بکار بروند اثرگذاری بهتری دارند و از این دست موارد. آگاهی از این موارد میتونه اثرگذاری زحمات اتوماسیون بازاریابیتونو افزایش بده.
15- ایمیلهای پویای یک به یک
در یک مدل مشابه اتوماسیون بازاریابی، با بکارگیری اطلاعاتی که از ماشین یادگیری بدست اومده، تعداد زیادی ایمیل پویای یک به یک تولید میکنند. تجزیه و تحلیلهای پیش بینی کننده با استفاده از یه مدل گرایشی، گرایش یا تمایل کسانی که عضو شده اند رو نسبت به خرید رنگ، اندازه یا دسته بندی خاصی از محصولات، با توجه به رفتاری که قبلا روی خبرنامه محصولات از خودشون نشون داده اند، مشخص میکنند. موجودی محصول، قیمت و تعداد کالای موجود، همه با توجه به زمان باز شدن ایمیل تصحیح میشن.
تماس با ما:
تهران، سعادت آباد، چهار راه سرو، کوچه آریا، پلاک 4، واحد 7
