Как маркетологи в 2020 году, у нас есть одна важная общая черта: мы руководствуемся данными.
Независимо от того, кто мы – копирайтеры, менеджеры социальных сетей, операторы или веб-дизайнеры, данные – это ключ к тому, чтобы помочь нам определить, какие проекты успешны, какие стратегии могут потребовать больше всего бюджета и какую тактику мы должны оставить позади.
Но те, кто преуспевает в данных, также знают, что их основной недостаток: сбор и организация могут занять часы.
Даже если у вас есть аналитическое программное обеспечение, которое отслеживает трафик, обязательства, рентабельность инвестиций и другие KPI из кампании, вам, вероятно, все равно потребуется время, чтобы упорядочить эти цифры, проанализировать их и найти понятный способ сообщить о своих проектах своей команде. или клиенты.
В прошлом компании и маркетинговые агентства заказывали полный рабочий день. И хотя большая часть процесса сбора данных была автоматизирована различными аналитическими программами, маркетинговые группы и компании все еще тратят бесчисленное количество часов на ручную отчетность.
С этой проблемой столкнулась моя маркетинговая фирма PR 20/20 из Кливленда несколько лет назад.
В рамках нашего процесса мы создаем ежемесячные отчеты о производительности для каждого из наших клиентов. Когда мы их создаем, мы извлекаем данные из HubSpot и Google Analytics. Затем мы пишем отчет, чтобы объяснить данные нашим коллегам, клиентам и заинтересованным сторонам проекта.
Эти отчеты позволили нашим клиентам лучше понять цифры, которые они видели, и сформулировать свои стратегии относительно того, где они работали хорошо или нуждались в улучшении. Но хотя они помогали нашим клиентам, их создание сдерживало нашу команду.
В то время как наши клиенты находили отчеты ценными, процесс извлечения данных, их анализа и написания отчетов легко занимал пять часов на клиента в месяц. Это отвлекло наших специалистов по маркетингу от задач, которые могли бы быть полезными в долгосрочной перспективе, таких как мозговой штурм о новых идеях и стратегиях, которые могли бы значительно помочь вашим клиентам.
В этом посте я расскажу, как оптимизировать отчетность с помощью AI, на примере нашего собственного эксперимента.
Как оптимизировать ваши процессы отчетности с помощью AI
Шаг 1: Изучите параметры своего программного обеспечения AI.
Всякий раз, когда вы пытаетесь экспериментировать или реализовывать новую стратегию, вам нужно тщательно исследовать предмет.
Например, вы хотите узнать свой бюджет, а затем найти программное обеспечение, которое соответствует вашему бюджету.
Вы также захотите определить плюсы и минусы любого программного обеспечения, которое вы считаете. Это поможет вам лучше ознакомиться с миром искусственного интеллекта и инструментами, которые действительно могут вам помочь. Поскольку тема искусственного интеллекта широко освещается в Интернете, обширные исследования также помогут вам определить, в какие продукты действительно стоит инвестировать, а какие переоценивают и переоценивают.
Прежде чем решить, что мы хотим упростить нашу стратегию отчетности, мы исследовали ИИ с помощью ресурсов нашего Института маркетинга ИИ.
Институт является медиа-компанией, которая стремится сделать ИИ более доступным для поставщиков. С момента основания компании мы опубликовали более 400 статей по маркетингу ИИ. Мы также отслеживаем более 1500 компаний, занимающихся продажами и маркетингом, с общим объемом финансирования более 6,2 млрд долларов.
Узнав, как ИИ уже упростила десятки процессов, связанных с маркетингом, мы решили изучить, как автоматизация и искусственный интеллект могут помочь нам с нашими клиентами в PR 20/20.
Мы одержимы тем, как разумные технологии могут увеличить доход и сократить расходы.
В процессе мы нашли технологию Natural Language Generation (NLG), которая автоматически пишет простой английский.
По сути, NLG берет структурированные данные, такие как информация в электронных таблицах, и преобразует их в письменный или устный язык. Вы сталкиваетесь с NLG каждый раз, когда используете умную композицию Gmail. Или, когда вы услышите, как Alexa Amazon отвечает на ваши голосовые запросы.
После того, как мы обнаружили потенциально полезное программное обеспечение NLG, мы решили провести эксперимент, чтобы посмотреть, сможет ли технология ИИ частично или полностью автоматизировать процесс создания отчетов о производительности.
2. Выберите программное обеспечение, которое лучше всего подходит для вашего компьютера.
Проведя свое исследование, вы можете изучить основы работы технологии искусственного интеллекта, такие как машинное обучение или NLG.
Теперь следующий шаг – найти программное обеспечение, которое работает для вашего бизнеса. Вот несколько вещей для рассмотрения:
- Стоимость: Вы должны учитывать стоимость любой подписки или платы за программное обеспечение, а также стоимость ее реализации. Например, вам может потребоваться нанять или нанять инженера для подготовки ваших данных и предпринять необходимые шаги для обеспечения бесперебойной работы программного обеспечения.
- Требуется техническое обслуживание: Хотя более дорогостоящее программное обеспечение может быть достаточно интуитивно понятным, чтобы требовать меньшего количества обслуживания, другие, возможно, должны будут отслеживать и обновлять кто-то, кто высококвалифицирован в технологии. Убедитесь, что вы понимаете, что вам нужно будет сделать, если что-то не работает должным образом, поэтому вы не несете чрезвычайных расходов.
- удобство и простота использования: Как поставщик, вы не хотите доверять штатному инженеру, использующему программное обеспечение ИИ для запуска ваших отчетов. Вы захотите купить программное обеспечение, где члены вашей команды, обладающие наименьшими техническими знаниями, в конечном итоге смогут тренироваться и учиться. Например, программное обеспечение, которое позволяет вам изменять ваши настройки или вносить базовые изменения в понятную панель инструментов, будет эффективным для нескольких членов команды и потребует меньше специалистов по программному обеспечению для управления.
Выбирая программное обеспечение, вы также захотите отслеживать тематические исследования, обзоры или отзывы пользователей, которые описывают, как компания использовала программное обеспечение для запуска отчетов или выполнения аналогичных действий. Это даст вам представление о том, имеет ли продукт, который вы рассматриваете, хороший послужной список или авторитет в индустрии программного обеспечения для искусственного интеллекта.
Когда дело доходит до поиска доступного программного обеспечения на базе AI, есть ряд поставщиков услуг, которые аналогичным образом используют NLG для написания аналитических отчетов или создания панелей мониторинга, которыми вы затем можете поделиться со своими клиентами или заинтересованными сторонами. Вот два высоко ценимых примера:
купол
Domo – это инструмент для визуализации данных и отчетности, который интегрируется со всеми основными платформами данных и аналитики, включая Google Analytics. После подключения этих платформ вы можете использовать панель мониторинга для настройки и создания представлений данных или отчетов для ваших клиентов. Эти визуализации включают круговые диаграммы, другие диаграммы и облака слов.
Подготовка данных, о которых сообщит Domo, также требует минимального обслуживания. Платформа предлагает руководства по созданию наборов данных или электронных таблиц, которые будут распознаваться ее алгоритмами, а также руководство по перетаскиванию, которое просит вас загрузить определенную информацию, например «Ежемесячный бюджет».
Вот быстрое демо, которое показывает Dome в действии:
Адаптивные перспективы
Это программное обеспечение для создания отчетов позволяет создавать отчеты или информационные панели, которые ваша команда и ваши клиенты могут редактировать и сотрудничать друг с другом. Как и Domo, он также включает в себя несколько возможностей визуализации данных.
В дополнение к визуализации данных вы также можете добавить информационные панели к своим информационным панелям, которые отображают информационные панели, которые показывают, достигли ли вы ваших целей, или нет, а также фильтры, которые помогут вам детализировать определенные аспекты вашего проекта. Вот демонстрация, которая объясняет, как малые предприятия, такие как некоммерческие организации, могут использовать функции отчетности на программной панели:
3. Подготовьте свои данные, чтобы ваше программное обеспечение могло их понять.
Независимо от того, какой продукт вы выберете, вам, вероятно, потребуется подготовить свои данные таким образом, чтобы робот или алгоритм в вашем программном обеспечении мог легко распознать и проанализировать.
Например, перед началом нашего собственного эксперимента нам нужно было подготовить данные, структурировав их таким образом, чтобы это было совместимо с самым базовым программным обеспечением NLG, которое мы использовали.
Программное обеспечение требовало структурированных данных в столбцах и строках для генерации текста. Итак, сначала нам нужно было извлечь данные HubSpot и Google Analytics в электронные таблицы.
Поскольку выполнение этого вручную заняло бы слишком много времени и ограничило потенциальное время, сэкономленное с помощью автоматизации, мы использовали API и создали наш собственный алгоритм с использованием сценариев Google Apps для извлечения данных в лист Google.
Далее мы стандартизируем форматирование каждого отчета о производительности. Мы знали, что программное обеспечение NLG вряд ли будет хорошо обрабатывать полностью настраиваемые отчеты. Поэтому мы создали шаблон для этих отчетов, который не менялся каждый месяц.
Чтобы создать формат для каждого отчета, мы определили набор из 12 общих вопросов, на которые мы стараемся отвечать клиентам каждый месяц:
- Сколько трафика пришло на ваш сайт и как он сравнивается с предыдущим месяцем? В прошлом году?
- Насколько был вовлечен трафик сайта в прошлом месяце?
- Каковы были основные каналы трафика?
- Были ли колебания в общем потоке, и если да, что вызвало это?
- Как был блог в прошлом месяце?
- Насколько заинтересован был трафик блога?
- Каковы были самые эффективные сообщения в блоге?
- Были ли какие-либо изменения в трафике блога в прошлом месяце, и если да, что их вызвало?
- Сколько голов или новых контактов было создано в прошлом месяце?
- Каковы были основные страницы конверсии?
- Откуда возникли цели или новые контакты?
- Были ли какие-либо изменения в общем количестве голов или объеме лидов, и если да, то за что вы отвечали?
4. Разработайте шаблон или настройте панель мониторинга для своих отчетов.
Хорошее программное обеспечение ИИ позволит вам создавать документы или даже информационные панели, например отчеты. Эти активы могут быть отправлены вашей команде или вашим клиентам, чтобы они могли легко просматривать и понимать, что означают все собранные вами данные.
Как только мы структурировали наши данные и разработали стандартный формат отчета, нам пришлось перевести наш стандартный формат отчета в шаблон NLG.
Шаблон был по сути полной версией отчета о производительности. При запуске программного обеспечения NLG этот отчет копируется в программное обеспечение NLG. Затем к копии применяются правила для программного обновления того, что написано, на основе предоставленных структурированных данных. В частности, мы назначаем:
- переменные: Части шаблона, которые обмениваются с точкой данных.
- Условные заявления: Логическое ветвление if / then, которое выбирает подходящую формулировку для
- Синонимы: Чтобы добавить разнообразие к содержанию, можно добавить синонимы, чтобы варьировать слова или фразы, используемые в отчете. Программное обеспечение NLG будет случайным образом вставлять один из списка вариантов, созданных людьми.
Вместо того, чтобы программное обеспечение NLG просто писало отчет, что могло привести к непонятным предложениям, искажающим данные, мы создали шаблон так, чтобы программное обеспечение просто заполняло пробелы для каждого отчета конкретными точками данных.
Конечным результатом был шаблон, который в сочетании с электронной таблицей автоматически создает уникальный отчет для каждого клиента. Конечным результатом может быть файл CSV, Word или Google Doc.
5. Протестируйте программное обеспечение перед его внедрением.
Даже если вы работаете с заслуживающим доверия программным обеспечением для искусственного интеллекта, вы можете попробовать его и исправить любые обнаруженные проблемы. Это предотвращает инциденты, связанные с ИИ, когда сотрудники активно используют инструмент или в сжатые сроки.
Мы провели сотни тестов, чтобы убедиться, что отчеты точны и хорошо читаются. И, наконец, мы усовершенствовали процесс, чтобы последовательно получать четкие и точные автоматизированные отчеты о производительности.
Если поставщик программного обеспечения, с которым вы работаете, предлагает пробную версию или скидку, чтобы попробовать свой продукт, воспользуйтесь этим. Это позволит вам лично убедиться, что стоимость продукта превышает его преимущества, или даст вам время определить, есть ли более подходящий продукт, который вы должны использовать.
6. После внедрения измерьте свои результаты.
Как и на этапе тестирования, вы захотите контролировать, насколько хорошо работают ваши инструменты, когда они фактически развернуты в вашем офисе.
Когда вы сделаете это, вот несколько вещей, которые вы хотите оценить:
- Сколько времени программа экономит сотрудникам или, если произошла ошибка, сколько времени стоит программное обеспечение.
- Количество других продуктивных или приносящих доход задач, которые ваша команда смогла выполнить за дополнительное время.
- Способность членов вашей команды обучаться и адаптироваться к новому программному обеспечению и процессам отчетности.
Отслеживая наши новые автоматизированные отчеты о производительности, мы обнаружили, что нашим инструментам требуется гораздо меньше времени для создания того же отчета, который занимал у нас несколько часов. Кроме того, уровень детализации в наших клиентских отчетах теперь одинаков для всех учетных записей.
До внедрения инструментов ИИ отчеты были настолько же надежными, насколько и уровень комфорта команды учетных записей для анализа отчетов по эффективности маркетинга.
Теперь, в полночь первого месяца, наша программа отчетов начинает извлекать данные, связывается с системой NLG, а затем автоматически создает Документы Google с полностью написанным отчетом.
Единственная ручная часть процесса теперь состоит в проверке точности данных, применении некоторых стилей и последующей их отправке.
То, что раньше занимало у нас пять часов за отчет, теперь занимает 10 минут. Хотя первоначальный процесс должен был осуществляться несколькими товарищами по команде, для проверки на месте необходим только один сотрудник.
В этом сценарии наша компания извлекла выгоду из технологии NLG, поскольку наш новый процесс позволил нам увеличить доход от удовлетворенных клиентов, улучшить качество наших отчетов о данных и сократить время и трудозатраты, изначально связанные с отчетностью.
Автоматизированные ресурсы отчетности
В то время как наша команда может получить доступ к поставщикам и экспертам по искусственному интеллекту для наших внутренних экспериментов, другие специалисты по маркетингу малого бизнеса также могут по достоинству воспользоваться этой стратегией.
Однако следует помнить, что реализация ИИ может занять некоторое время. Для нас нам нужно было потратить время на создание структурированных наборов данных, а также нашего шаблона отчетов, чтобы наше программное обеспечение ИИ могло правильно читать наши анализы и писать отчеты.
Если вы хотите попробовать свои собственные эксперименты с искусственным интеллектом, но не знаете, с чего начать, прочитайте курс Академии HubSpot «Искусственный интеллект и машинное обучение в маркетинге: Live от MAICON». Он научит вас, как применять ИИ в маркетинге, используя целостную основу, и начнет беседу о том, как управлять ИИ в вашем бизнесе.
