最近的一项调查显示，全球首席营销官对GenAI未来提升生产力和创造竞争优势的能力持乐观和自信态度。70%的首席营销官已经在使用GenAI，19%正在进行测试。他们主要探索的领域是个性化（67%）、内容创作（49%）和市场细分（41%）。
然而，对于许多消费品牌来说，期望与现实之间的差距很大。设想一个无缝、神奇的客户体验的营销人员必须认识到，人工智能的有效性取决于高质量的基础数据。如果没有这些数据，人工智能就会失效，营销人员将面临一个不那么神奇的现实。
基于人工智能的营销失败
让我们更详细地看一下基于低质量数据的人工智能营销可能会是什么样子。假设我是一家综合运动服装和户外用品商店的顾客，我正在计划我即将到来的冬季滑雪之旅。我很期待使用个人购物助手人工智能为我提供一个简单且个性化的体验。
我需要补充一些滑雪装备，所以我请个人购物助手人工智能为我推荐一些购买的物品。但是，该人工智能根据散布在该品牌多个系统中的关于我的数据来创建其回应。由于对我了解不清楚，它要求我提供一些它本应该已经知道的基本信息。稍微有点烦人…我习惯了在网上购物时输入我的信息，但我希望人工智能升级的体验能让事情变得更容易。
由于我的数据如此分散，该个人购物助手人工智能只有与我名字相关的两年前的一个订单，实际上那是一份礼物。由于对我没有全面的了解，这个个人购物助手人工智能无法生成准确的洞察力，最终分享了一些无用的推荐。
最终，这种次级的体验让我对从这个品牌购买的兴趣减少，我决定去其他地方购买。
导致断开和不个性化的生成式人工智能体验的罪魁祸首是数据质量——低质量的数据质量=差劲的客户体验。
基于人工智能的营销的成功之道
现在，让我们重新审视一下这个户外运动用品零售商的场景，但假设个人购物助手人工智能是由准确、统一的数据驱动的，这些数据包含了我与该品牌的互动的完整历史，从第一次购买到最后一次退货。
我输入我的第一个问题，我得到了一个超个性化和友好的回应，已经开始创造与一个乐于助人的销售助理进行一对一联系的体验。它自动参考我的购物历史，并将我的过去的购买与我当前的购物需求联系起来。
根据我的提示和回答，个人购物助手提供了一套定制的推荐，以补充我的滑雪装备，并提供直接购买的链接。然后，人工智能能够根据我的过去购买的产品类型生成关于我作为顾客的复杂洞察，并根据我的过去购买做出关于我可能想购买的产品类型的预测，提高我购买的可能性，甚至可能扩大我的购物篮。
在这个体验中，我能够实际使用这个购物助手进行下单，而无需导航到其他地方。我还知道我的退货或任何未来的购买将被纳入我的个人资料中。
由于它了解我的历史和偏好，生成式人工智能能够为我创建一个超个性化和便利的购买体验。这是一个我将继续回购的品牌。
换句话说，当涉及到营销的人工智能时，更好的数据=更好的结果。
那么，你如何解决数据质量的挑战？在这个人工智能的新世界中，这会是什么样子？
解决数据质量问题
推动有效的人工智能战略的关键首要因素是统一的客户数据基础。棘手的部分在于，由于其规模和复杂性，准确地统一客户数据是困难的——大多数消费者至少有两个电子邮件地址，在他们的一生中搬家超过十一次，并使用平均五个渠道（如果他们是千禧一代或Z一代，实际上是十二个渠道）。
许多熟悉的统一客户数据的方法是基于规则的，并使用确定性/模糊匹配，但这些方法是刚性的，在数据不完全匹配时会失效。这反过来会创建一个不准确的客户资料，实际上可能会错过客户与品牌的生命周期历史的很大一部分，并且不能考虑最近的购买或联系信息的变化。
构建统一数据基础的更好方法实际上涉及使用AI模型（与用于营销的生成式AI不同的AI类型）来找到数据点之间的联系，以确定它们是否属于同一个人，具有与人类相同的细微差别和灵活性，但在大规模上。
当您的客户数据工具可以使用AI来统一客户旅程中的每个接触点，从第一次互动到最后一次购买以及更多（忠诚度、电子邮件、网站数据等），结果就是一个全面的客户资料，告诉您谁是您的客户以及他们如何与您的品牌互动。
生成式人工智能中的数据质量如何推动增长
在大多数情况下，营销人员可以访问相同的一套生成式人工智能工具，因此，您输入的燃料将成为您的区别因素。
用于驱动人工智能的数据质量在以下三个方面提供了好处：
- 突出的客户体验——更个性化、创意的优惠、更好的客户服务互动、更顺畅的端到端体验等。
- 团队的运营效率提升——更快的上市时间、更少的手动干预、更好的营销活动投资回报率等。
- 降低计算成本——更明智的人工智能不需要与用户来回沟通，这样可以节省大量的API调用费用。
随着用于营销的生成式人工智能工具的不断发展，它们带来了恢复到顾客在他们最喜欢的商店中期望的一对一个性化水平的承诺，但现在是在大规模上实现。然而，这不会自动发生——品牌需要为人工智能工具提供准确的客户数据，以将人工智能的魔力变为现实。
营销中人工智能的注意事项
人工智能是许多行业的有益助手，尤其是营销领域——只要它被适当地利用。以下是一个快速的“备忘单”，以帮助营销人员在他们的GenAI之旅中：
要：
- 明确指出您计划使用数据和人工智能的具体用例，并指定预期的结果。您希望实现什么样的结果？
- 仔细评估GenAI是否是您特定用例的最合适工具。
- 优先考虑数据质量和全面性——建立统一的客户数据基础对于有效的人工智能战略至关重要。
不要：
- 急于在所有领域实施GenAI。从一个可管理的、人为参与的用例开始，比如生成主题行。
（编辑注：本文由Amperity赞助）
