Machine learning helpt je jouw targets nog beter te halen

Het is een probleem dat zich stelt bij iedere marketeer: het is niet altijd mogelijk om concrete resultaten van gevoerde marketingcampagnes voor te leggen of om opgelegde targets te behalen. Gelukkig is marketing een vak dat continu evolueert. Heb je, in dat opzicht, al kennis gemaakt met machine learning? Nee? Dan wordt jouw job vanaf nu een pak gemakkelijker.

Wat is machine learning?

De term ‘machine learning’ wordt vaak in één adem genoemd met ‘artificial intelligence’. Ondanks het feit dat de 2 veel met elkaar te maken hebben, betekenen ze niet hetzelfde. Beeld je een trap met 3 treden in. Op de bovenste staat ‘artificial intelligence’, een concept waarbij machines denken als mensen maar daarbij wel – voorlopig nog – de hulp van mensen nodig hebben. Het is dan ook een overkoepelende term voor ‘machine learning’ en ‘deep learning’, respectievelijk op de tweede en derde trede. ‘Machine learning’ bestaat uit algoritmes die leren van data. Concreet betekent dit dat computers leren van de data die ze analyseren door patronen te herkennen, zonder menselijke tussenkomst. Hierdoor worden ze steeds beter in wat ze doen en kunnen ze op termijn zelf hun beslissingen nemen. ‘Deep learning’ is eigenlijk een onderdeel van ‘machine learning’ en focust zich binnen dat begrip op de neurale netwerken.

We moeten niet zeggen dat dit, geïmplementeerd binnen onze marketingafdelingen, onwaarschijnlijke gevolgen heeft. Want als computers telkens bijleren en data steeds dieper kunnen analyseren, dan verandert de manier waarop wij aan marketing (en sales) doen compleet – but only for the better.

1. Een betere lead scoring
   Het principe van lead scoring is je allicht niet onbekend: prospecten rangschikken in een volgorde volgens de waarde die ze voor het bedrijf hebben. Machine learning stelt bedrijven in staat hun lead generation strategieën te optimaliseren en daarbinnen prioriteiten te stellen. Hoe? Door het verregaand monitoren van klantgedrag: websitebezoeken, geopende e-mails, downloads, clicks, gevolgde sociale media accounts, gelikete posts en populaire advertenties. Bovendien kunnen ze op die manier ook bekijken in welke mate mensen met de concurrentie interageren en in welke soortgelijke producten ze interesse hebben.
2. Klantverloop beter voorspellen
   Dankzij machine learning en het monitoren van klantgedrag kunnen bedrijven ook gemakkelijker voorspellen welke klanten bij hen zullen weg gaan, net door heel veel interactie met de concurrentie gekoppeld aan een steeds dalende verkoop. En in veel bedrijven is het nodig om dat te weten. Want: voor iedere klant die weg gaat, moet je er zeker twee nieuwe binnenhalen om succesvol te blijven.
3. Flexibel prijzenmodel
   De markt verandert continu door de wisselende behoeften en het shopgedrag van de consument. Machine learning maakt het gemakkelijker om in te spelen op de prijzenevolutie en -oorlog. Het helpt je betere marktvoorspellingen en verkoopprognoses te maken op basis van de markt en het bestedingspatroon van de consument. Op basis daarvan kan je jouw prijsstructuur gemakkelijker aanpassen aan de steeds veranderende voorkeuren van consumenten.
4. Analyse van gevoelens
   Heel wat social media tools bieden dit al aan: een sentimentanalyse, waarbij de tool zelf gaat bepalen of er positieve of negatieve gevoelens vasthangen aan een post. Maar dit kan ook toegepast worden op e-mails. In ieder geval kan je aan de hand hiervan jouw online reputatie beter inschatten of beter inspelen op vragen van eventueel ontevreden klanten. Maar het is ook een uitstekende tool om brand ambassadors en influencers op te sporen.
5. Betere A/B-testing
   Het gegeven van A/B-testing is geen enkele marketeer onbekend. En je hebt het je misschien al afgevraagd nadat een test afgerond is: wat doe ik met de leads die ik uit de minst presterende campagne gehaald heb? Want die zijn niet geconverteerd en zullen dat waarschijnlijk niet meer doen. Machine learning werkt volgens het principe van bandit testing, waar algoritmen het verkeer continu van campagne verschuiven in reactie op de real-time prestaties van de test. Dit betekent dat jouw tests niet meer ‘slecht’ presteren, dat je minder leads zal hebben die afhaken én bijgevolg experimenten die meer opbrengen dan vroeger.
6. Extreme personalisatie en verregaande ad targeting
   We hadden het al over de impact van het monitoren van klantgedrag, maar dat was dan vooral voor sales. Ook in marketing zal dit ongekende gevolgen hebben. Zo is er al een tool, Affinio, die heel specifieke informatie over klanten verzamelt, zoals bijvoorbeeld naar welke TV-shows ze kijken of naar welke landen/steden ze al gereisd zijn. Al deze informatie laat je toe om nog betere buyer persona’s op te stellen, waardoor je nog gerichter en meer gepersonaliseerd kan communiceren. Maar als je nu al die informatie in machine learning implementeert en laat analyseren door de algoritmen, dan zullen deze automatisch aangeven welk type content het populairst zal zijn bij elke unieke bezoeker van jouw website of van een online advertentie.
7. Productherkenning via computer vision
   In de VS wordt het al door heel wat bedrijven gebruikt: computer vision. Via tools als GumGum kunnen merken hun producten op user-generated content herkennen. Dit stelt hen in staat om hun online reputatie beter te monitoren. Maar wat ze voor zichzelf kunnen doen, geldt ook voor de concurrentie. Bijgevolg wordt de tool ook gebruikt om de concurrentie en zijn al dan niet populaire producten te monitoren.
8. Relevantere productsuggesties
   Iedereen kent het: je hebt een app of website bezocht, bekeek enkele producten en dan kom je die de komende dagen overal op het web tegen. Dankzij machine learning zal je er nog niet helemaal van af zijn maar zal het wel gerichter gebeuren, op basis van bijvoorbeeld recente aankopen.
9. Betere klantenervaring
   Als marketeer of customer service bediende heb je niet altijd de tijd om uitgebreide chats met klanten aan te knopen. Chatbots lossen dat probleem op voor jou. We begrijpen het als je terughoudend bent. Chatbots kregen in het verleden niet altijd de meest positieve evaluaties. Maar machine learning (en dus chatbots) is heel sterk geëvolueerd. In die mate zelfs dat chatbots via social media meer informatie over de persoon verzamelen vanaf het moment dat de chat start. Hierdoor kan gerichter ingespeeld worden op de vraag en kan de klant sneller geholpen worden. Chatbots voorkomen trouwens ook dat klanten lang aan de lijn moeten hangen om na bijvoorbeeld een kwartier pas geholpen te worden.

Het is heel wat om even te verwerken maar het punt is al duidelijk: machine learning brengt enkel maar voordelen met zich mee. Zo hoef je geen tijd meer te stoppen in gecompliceerde analyses, de computers doen dat voor jou en bezorgen je gefundeerde cijfers op basis waarvan je jouw marketingstrategie kan aanpassen en optimaliseren. Daardoor komt dan weer meer tijd vrij voor het creëren van meer (en gepersonaliseerde) content die de klantenervaring verbeteren. En een betere klantenervaring zorgt voor meer sales, meer klanten en bijgevolg meer sales.