O ChatGPT, lançado em novembro de 2022, capturou a imaginação do mundo como um exemplo do que a Inteligência Artificial (IA) pode fazer. Mas o ChatGPT é apenas o mais recente de uma longa linha de sistemas de IA cada vez mais poderosos, e será seguido por outros ainda mais poderosos. Mais do que as capacidades de qualquer ferramenta de IA específica, o que importa para as empresas é como a sua organização pode aproveitar ao máximo as oportunidades que a IA cria. Isso requer uma visão clara de como a IA se encaixará com outras tecnologias e processos de negócios. Continue a ler para saber como a IA pode agregar valor às plataformas de dados do cliente, como as CDPs podem tornar isso possível e quais mudanças as empresas podem esperar como resultado.
A IA pode melhorar todos os aspetos da CDP
Vamos começar com a parte divertida: os benefícios que a IA pode proporcionar a uma CDP. Grande parte do entusiasmo em torno do ChatGPT tem sido sobre a criação de conteúdo, incluindo a geração de ideias, a aceleração da pesquisa e a redação propriamente dita. Mas as capacidades da IA são muito mais amplas do que isso. As aplicações relacionadas com a CDP dividem-se em duas grandes categorias: gestão de dados e ativação.
As aplicações de gestão de dados estão relacionadas com o desenvolvimento de perfis de clientes unificados na base de dados do CDP. A maior parte desse trabalho tem sido tradicionalmente feito por especialistas técnicos. A IA pode apoiá-los de várias maneiras, incluindo:
- Integração de dados: a IA pode examinar os dados inseridos para classificar o seu conteúdo e mapeá-los para um modelo de dados do CDP. Versões simples disso estão disponíveis há décadas, como reconhecer quando um campo contém endereços de e-mail. Mas uma IA mais inteligente será capaz de fazer julgamentos muito mais sutis. Na verdade, as IAs mais recentes já são capazes de construir conectores completos para todo o processo de carregamento de dados, removendo um enorme gargalo tradicional na adição de novas fontes de dados a um CDP.
- Extração de características: os dados dos clientes são cada vez mais capturados em formatos semiestruturados e não estruturados, como registos de comportamento na web e textos de sessões de chat. A IA pode digitalizá-los para extrair informações específicas, como nomes de clientes ou datas. A IA já ultrapassou as simples pesquisas por palavras-chave para identificar o contexto dessas menções e inferir relações, como se um indivíduo é o comprador ou o utilizador de um produto. Esta capacidade de compreender o contexto continuará a melhorar, permitindo que a IA faça julgamentos mais precisos e alimente informações mais ricas em processos que requerem informações estruturadas.
- Qualidade dos dados: a IA pode ler o conteúdo dos dados de entrada para identificar problemas de qualidade e propor ou fazer correções. Para fazer isso corretamente, a IA precisa de acesso a dados de referência, como listas de nomes de produtos válidos ou endereços. A capacidade da IA de localizar e conectar-se a essas fontes por conta própria, ou com assistência humana mínima, elimina outro gargalo no processo de gestão de dados. A IA também pode atualizar as próprias fontes de referência com novas informações à medida que elas aparecem nos feeds de dados.
- Transformações e reformatação: muitas vezes, os dados precisam ser colocados num formato padrão, como a representação consistente de datas. Também podem precisar ser convertidos para formatos específicos necessários para determinados sistemas, como a conversão de tabelas relacionais em ficheiros simples para uso na análise de dados. Tradicionalmente, essas conversões eram feitas por meio de regras codificadas manualmente, que muitas vezes falhavam quando encontravam uma condição inesperada. A IA pode fazer essas conversões com base em treinamento, em vez de regras, o que dá menos trabalho do que criar regras e permite que a IA lide com casos que nunca viu antes.
- Gestão de identidade: A gestão de identidade inclui a correspondência para determinar quais identificadores pessoais se referem à mesma pessoa e a manutenção persistente da identidade para garantir que a identificação de cada cliente permaneça a mesma ao longo do tempo. Assim como as transformações de dados, mas muito mais complicada, ela tem sido tradicionalmente baseada em sistemas baseados em regras. A IA pode ser treinada para substituí-los por alternativas mais flexíveis e, muitas vezes, mais precisas.
- Privacidade: Identificar dados regulamentados e classificá-los é uma tarefa fundamental na gestão da privacidade. Acompanhar as mudanças nas entradas de dados é especialmente desafiador, pois dados regulamentados podem ser adicionados a fontes previamente integradas sem notificação. Da mesma forma, mudanças nas regulamentações podem exigir o monitoramento de novos tipos de dados ou a aplicação de novas regras a dados conhecidos. A IA pode reduzir o trabalho manual associado a essas tarefas. No futuro, também será provavelmente aplicada para monitorizar a utilização de dados e garantir a conformidade com as regras de privacidade — algo que atualmente é feito manualmente ou com sistemas baseados em regras que se tornam cada vez mais complexos à medida que as próprias regras se multiplicam.
Ativação refere-se a aplicações que utilizam os perfis de clientes criados por processos de gestão de dados. Estes variam desde a análise de dados até interações com clientes. Normalmente, são do domínio dos utilizadores empresariais, e não do pessoal técnico, embora este continue envolvido. As aplicações suportadas pela IA incluem:
- Perfis, segmentos e personas de clientes: a IA pode identificar grupos de clientes semelhantes e organizá-los em segmentos. Pode fazer isso mais rapidamente do que os analistas humanos e, muitas vezes, encontrar relações subtis que passam despercebidas aos analistas humanos. A IA generativa, em particular, pode converter dados sobre os membros do segmento em descrições das suas personas, oferecendo informações adicionais sobre a base de clientes da empresa.
- Modelos preditivos: a IA tem sido usada há muito tempo para desenvolver modelos que prevêem a resposta à promoção, o valor da vida útil do cliente, a probabilidade de rotatividade, as preferências de produtos e canais e as próximas melhores ações. O aprendizado de máquina, em particular, permitiu que os profissionais de marketing desenvolvessem um grande número de modelos precisos de forma rápida e a baixo custo. As previsões baseadas em IA podem incorporar mais fontes de dados e encontrar mais interações entre os elementos de dados do que os analistas humanos usando ferramentas convencionais. As pontuações do modelo resultante podem ser armazenadas como atributos nos perfis dos clientes ou recalculadas sob demanda, conforme necessário.
- Otimização do público: a IA pode aplicar modelos preditivos e segmentação para selecionar o público ideal para uma promoção específica ou selecionar o produto ideal para os membros de um público específico. A otimização pode ir além da taxa de resposta e do custo por resposta, incluindo fatores como impacto a longo prazo no valor para o cliente, limites para o número de mensagens enviadas a cada cliente e promoções futuras esperadas para cada cliente.
- Identificação de oportunidades: a IA pode analisar dados de CDP para encontrar oportunidades de melhoria, como jornadas que não estão a ter um bom desempenho, segmentos que não receberam promoções ou conteúdo que não está a gerar o valor esperado. Esta é uma área específica de progresso nos últimos anos, uma vez que a IA tem melhorado na compreensão dos objetivos comerciais e na apresentação de informações em formatos utilizáveis, como texto narrativo.
- Desenvolvimento da jornada: os sistemas de IA podem acompanhar as jornadas dos clientes existentes e identificar etapas críticas onde a intervenção pode fazer a diferença. Pode ir mais longe e usar essas descobertas para projetar novas jornadas, incluindo campanhas em várias etapas e fluxos de interação em tempo real. Estas podem incluir regras que encaminham os clientes para diferentes etapas com base nos seus comportamentos e atributos de perfil. Em seguida, podem monitorizar o desempenho e otimizar o design da jornada ao longo do tempo.
- Medição de desempenho: a IA pode executar metodologias avançadas de atribuição, incluindo multitoque, estimativas de valor incremental e análise de marketing mix. Isto requer a preparação de grandes quantidades de dados, muitas vezes provenientes de uma combinação de fontes internas e externas, e a ligação das mensagens de marketing aos comportamentos dos clientes.
- Criação de conteúdo: Sistemas de IA generativa, como ChatGPT e DALL-E, podem criar textos e imagens com base em prompts do utilizador. Esta é a aplicação que tem recebido maior atenção, porque é uma nova capacidade que aborda um gargalo comum do marketing. Normalmente, a saída é usada para gerar ideias ou rascunhos, em vez de criar versões finais de conteúdo.
- Personalização em massa: quando a IA tiver avançado a ponto de os profissionais de marketing se sentirem confortáveis em usar seus resultados sem revisão humana, ela será capaz de criar mensagens personalizadas em nível individual. Isso dependerá muito dos dados do CDP para fornecer o contexto necessário para tornar cada mensagem o mais eficaz possível.
- Interações com o cliente: A IA generativa pode interagir diretamente com os clientes por meio de chatbots em apoio a programas de marketing, vendas e serviços ou gerando respostas automáticas a perguntas por e-mail. A IA também pode ser usada por agentes de contact centers ou vendedores para encontrar respostas a perguntas ou sugerir o que dizer a seguir. Novamente, essas respostas podem se basear nos perfis dos clientes no CDP para tornar as respostas mais eficazes.
Atualmente, a maioria destas aplicações utiliza a IA como um assistente para tornar os trabalhadores humanos mais eficazes, eficientes e produtivos. Em algumas, como os chatbots, a IA já funciona de forma independente. Com o tempo, é provável que o número de tarefas que a IA pode realizar sem supervisão aumente. Quer as IAs estejam a ajudar ou a substituir os trabalhadores humanos, o efeito líquido é permitir que as empresas façam mais, mais rapidamente e com maior qualidade. Isto aplica-se tanto à montagem de perfis de clientes mais completos e atuais no CDP, como a uma melhor utilização desses perfis em todas as aplicações.
Conceber um CDP para tirar partido da IA
Como principal fonte de dados e canal de ativação para sistemas de IA, o CDP desempenha um papel importante na concretização do seu potencial de valor. Mas o CDP deve ser concebido corretamente para que isso seja possível. Os requisitos incluem:
- Montagem de dados: a IA precisa ser treinada para tomar decisões que correspondam ao esperado. Esse treinamento geralmente se baseia em dados históricos cuidadosamente preparados que fornecem exemplos de respostas corretas para os problemas que ela irá abordar. Os tipos mais recentes de sistemas de IA podem funcionar com entradas menos estruturadas, mas ainda precisam de uma base de dados para se basear. Como principal fonte de informações sobre os clientes, o CDP é um componente importante na montagem de dados de treinamento para aplicações de CDP relacionadas aos clientes. Em particular, a capacidade do CDP de combinar dados de diferentes fontes em perfis unificados dá à IA uma visão completa dos comportamentos dos clientes que ela provavelmente irá prever. Para serem utilizáveis pela IA, esses dados precisam ser mapeados em modelos de dados que combinam informações semelhantes, como identificadores de produtos de diferentes fontes. As aplicações de IA também provavelmente precisarão de novos tipos e atributos de dados, como tags aplicadas a materiais de marketing que fornecem pontos de dados ao modelo de IA para análise. Muitas aplicações de IA precisarão correlacionar eventos comerciais ao longo do tempo, como impressões de anúncios com compras subsequentes. Isso requer uma dimensão temporal em muitos registos de CDP.
- Ferramentas de teste e validação: os resultados dos processos de IA devem ser verificados para garantir a precisão. O CDP precisa de ferramentas para dar suporte a isso em aplicações que vão desde o mapeamento de dados de entrada e correspondência de identidade até modelos preditivos. Essas ferramentas devem facilitar a comparação de entradas de treinamento, resultados de IA e amostras de retenção. Elas podem incluir recursos avançados para avaliar o valor das aplicações baseadas em IA, como estimativas da mudança no valor da vida útil do cliente, cálculos do impacto incremental das campanhas de mídia e simulações de como novas regras interagiriam com os sistemas existentes. Além disso, o sistema precisa identificar entradas que estão além do alcance dos dados de treinamento do sistema, para que os utilizadores percebam que o modelo não pode funcionar com elas de maneira confiável. Da mesma forma, o sistema precisa monitorizar o desempenho do modelo ao longo do tempo para saber quando é necessário um novo treino para melhorar o desempenho. Embora cada aplicação de IA tenha os seus próprios recursos de teste, ferramentas padrão para comparar os resultados de diferentes métodos facilitarão a avaliação dos resultados por utilizadores não técnicos.
- Integração de resultados: muitas aplicações de IA retornam um atributo para um perfil de cliente, como um código de segmento, pontuação do modelo, preferência de canal ou número de identificação pessoal. O CDP deve ser capaz de incorporar os algoritmos criados pelo sistema de IA para calcular esses valores, armazená-los nos perfis e disponibilizá-los para outros sistemas. Outras aplicações de IA podem criar fluxos de processos que executam várias etapas ao longo do tempo. Estes podem ser convertidos em código de programa gerado por IA ou tornar-se serviços envoltos em APIs criadas por IA. Independentemente da forma como são apresentados, o CDP deve ser capaz de tirar partido deles.
- APIs em tempo real: serviços baseados em IA, como personalização de sites e chatbots, exigirão pontuação e recomendações em tempo real, baseadas no acesso em tempo real aos dados reunidos no CDP. O CDP deve ser capaz de fornecer esses dados tão rapidamente quanto a aplicação exigir. Embora a resposta em tempo real seja uma capacidade padrão do CDP, aproveitar as possibilidades da IA exigirá que o CDP se adapte facilmente às mudanças quase contínuas nas fontes de dados e nos parâmetros da API. Isso permitirá que a IA se adapte a novas fontes de dados e valores à medida que estes são adicionados e à perda de entradas à medida que fontes e valores mais antigos são descontinuados. O próprio CDP provavelmente precisará de recursos orientados por IA para ingestão de dados, criação de conjuntos de treinamento e atualizações de modelos para atender a esses requisitos.
Redesenhando o marketing
As mudanças no CDP são apenas parte do ajuste que as empresas precisarão fazer para aproveitar ao máximo a IA. As mudanças na organização e nos processos provavelmente serão mais fundamentais e mais desafiadoras. Algumas delas serão:
- Treinamento: profissionais de marketing, operações de marketing e pessoal de MarTech precisarão entender o que as diferentes ferramentas de IA podem fazer e manter-se informados à medida que os recursos mudam ao longo do tempo. Em particular, eles precisarão aprender a avaliar se uma tarefa está fora dos limites atuais em que a IA é confiável, algo que muitas vezes não é fácil de determinar. Eles também precisarão aprender a operar ferramentas de IA de maneira eficaz, adquirindo novas habilidades, como “engenharia de prompt” para sistemas de IA generativa, como o ChatGPT, e interpretando métricas de qualidade de modelos. Esse treinamento também precisará incorporar considerações de segurança e privacidade, áreas em que algumas tecnologias de IA criam novos riscos significativos.
- Conceção do fluxo de trabalho: Os fluxos de trabalho para processos como a criação de uma campanha, a definição de segmentos ou a adição de uma nova fonte de dados terão de incorporar atividades de IA. Isto pode significar adicionar uma etapa para construir novos modelos preditivos ou treinar a IA para executar uma nova tarefa. Estas mudanças exigem identificar onde a IA se encaixará no fluxo de trabalho e, em seguida, definir as etapas exatas necessárias para implementar a função baseada em IA. Mais uma vez, esses novos processos devem incluir controlos de privacidade e segurança, além da execução da tarefa em si. Incorporar a IA nos fluxos de processos de negócios padrão é essencial para garantir que ela seja empregada de forma ampla, consistente e eficaz.
- Design de programas e conteúdos: Os processos de marketing também mudarão. As estruturas das campanhas precisarão ser redesenhadas para usar pontuações de modelos preditivos para atribuir as próximas etapas. Os modelos de conteúdo dinâmico precisarão chamar mecanismos de recomendação para as próximas melhores ações e agir de acordo com suas respostas. O design de segmentos, a seleção de público, as escolhas de mídia, a personalização de sites, os métodos de teste, a medição de resultados e outras atividades-chave de marketing devem ser adaptados para aproveitar as informações derivadas da IA. Em última análise, a IA pode projetar programas e conteúdos totalmente novos com base em uma combinação de materiais existentes e orientações do utilizador.
- Redistribuição do trabalho: O redesenho de fluxos de trabalho e programas pode envolver mudanças fundamentais. Tarefas que antes eram executadas por diferentes especialistas podem se tornar uma única etapa em um processo baseado em IA. Por exemplo, em vez de primeiro definir segmentos e depois criar conteúdo para esses segmentos, um sistema pode testar diferentes combinações de conteúdo e segmentação antes de decidir pela melhor opção. Esse tipo de redesenho requer maior cooperação e flexibilidade do que as práticas atuais de marketing, que pressupõem que a maioria das tarefas seja concluída por especialistas que recebem uma atribuição e a executam de forma independente.
- Sistemas de apoio: As mudanças nas tarefas dos trabalhadores exigirão mudanças nos sistemas de formação, avaliação e recompensas. A cooperação entre equipas anteriormente separadas se tornará cada vez mais importante, assim como a flexibilidade para aproveitar novas oportunidades à medida que a IA as cria. Métricas de produtividade convencionais, como o número de campanhas criadas ou linhas de texto escritas, se tornarão cada vez mais irrelevantes. Elas devem ser substituídas por novas métricas com foco mais claro nos resultados comerciais. Mais do que nunca, os trabalhadores precisarão ser recompensados por aprenderem a usar novas tecnologias de forma eficaz, pois isso impulsionará cada vez mais o sucesso dos negócios.
Para onde vamos a partir daqui?
O impacto potencial da IA nos negócios em geral, e no marketing em particular, é quase incompreensivelmente grande. Em vez de prever exatamente como essas mudanças ocorrerão, as empresas precisam construir sistemas básicos que lhes permitam aproveitar novas oportunidades à medida que elas surgirem. A Plataforma de Dados do Cliente é um desses sistemas. As próprias CDPs devem mudar para desempenhar esse papel, com ênfase particular em fornecer flexibilidade na forma como os dados são capturados, processados e expostos; como as análises orientadas por IA são incorporadas aos programas de marketing; e como os próprios programas de marketing são organizados. Acima de tudo, as empresas devem garantir o fornecimento de formação, organização e estruturas culturais que lhes permitam adaptar-se eficazmente às mudanças à medida que elas ocorrem.
Sobre a Optimove
A Optimove é a primeira plataforma de marketing orientada para o cliente. As suas soluções garantem que o marketing comece sempre pelo cliente, em vez de uma campanha ou produto. O marketing orientado para o cliente provou proporcionar às marcas um aumento médio de 33% no valor da vida útil do cliente. É a única plataforma de marketing orientada para o cliente alimentada pela combinação de 1) dados históricos, em tempo real e preditivos sobre os clientes, 2) orquestração multicanal da jornada orientada por IA e 3) atribuição multitoque estatisticamente credível de cada ação de marketing. A Optimove fornece soluções específicas para o setor e casos de uso para centenas de marcas líderes de consumo, incluindo BetMGM, SodaStream, Pennsylvania Lottery, Papa John's, bet365 e Staples. Para obter mais informações, acesse Optimove.com.
Contato:
185 Madison Avenue
Nova Iorque, NY 10016
www.optimove.com
info@optimove.com
Sobre o CDP
Institute O Customer Data Platform Institute educa profissionais de marketing e tecnólogos de marketing sobre gestão de dados de clientes. A missão do Instituto é fornecer informações neutras sobre questões, métodos e tecnologias para a criação de bases de dados de clientes unificadas e persistentes. As atividades incluem a publicação de materiais educativos, notícias sobre desenvolvimentos do setor, guias de melhores práticas e benchmarks, diretórios de fornecedores do setor e consultoria sobre questões relacionadas. O Instituto é gerido pela Raab Associates, uma consultoria especializada em tecnologia e análise de marketing. A Raab Associates identificou a categoria Plataforma de Dados do Cliente em 2013. O financiamento é fornecido por um consórcio de fornecedores de CDP.
Customer Data Platform Institute
231 2nd Avenue
Milford, CT 06460
www.cdpinstitute.org
info@cdpinstitute.org
