Machine Learning semakin populer belakangan ini, tetapi seperti apa sebenarnya dalam praktiknya, sebagai bagian dari strategi digital marketing?
Kamu bakal menemukan strategi Machine Learning jika kamu menggunakan situs web yang merekomendasikan produk berdasarkan pembelian sebelumnya.
Machine Learning adalah aspek Artificial Intelligence (AI) yang menggunakan algoritme untuk menyelesaikan tugas tertentu, seperti rekomendasi produk.
Hal itu dapat mencapai banyak fungsi untuk digital marketer, termasuk:
- Personalisasi.
- Penargetan perkiraan.
- Segmentasi pelanggan.
- Pemodelan nilai seumur hidup.
- Pengoptimalan perjalanan pelanggan.
- Penawaran cerdas.
- Chatbot.
Machine Learning telah ada dalam digital marketing selama bertahun-tahun.
Faktanya, kamu menggunakan Machine Learning setiap kali kamu menggunakan mesin telusur.
Meskipun masih merupakan strategi baru bagi kebanyakan orang, banyak bisnis telah mulai menerapkan teknologi ini ke dalam campaign pemasaran mereka.
Di bawah ini adalah beberapa contoh Machine Learning dalam digital marketing, merujuk pada Search Engine Journal:
1. Starbucks
Dengan toko di seluruh dunia, Starbucks memperoleh banyak data.
Starbucks dapat mengakses wawasan pembelian dan mengubah informasi ini menjadi jaminan pemasaran dengan kartu loyalitas dan aplikasi seluler Starbucks. Strategi ini disebut analisis prediktif.
Misalnya, Machine Learning mengumpulkan minuman yang dibeli setiap pelanggan, di mana mereka membelinya, dan kapan mereka membelinya, dan mencocokkannya dengan data luar seperti cuaca dan promosi untuk menayangkan iklan yang sangat dipersonalisasi kepada pelanggan.
Salah satu contohnya termasuk mengidentifikasi pelanggan melalui sistem point-of-sale Starbucks dan memberikan barista pesanan pilihan mereka.
Aplikasi ini juga dapat menyarankan produk baru berdasarkan pembelian sebelumnya (yang dapat berubah sesuai kondisi cuaca atau hari libur).
Machine Learning dapat menghilangkan tebakan dari rekomendasi produk.
Raksasa ritel seperti Starbucks memiliki jutaan pelanggan, namun mereka dapat membuat setiap orang merasa mendapatkan rekomendasi yang dipersonalisasi karena mereka dapat menyaring data dengan cepat dan efisien.
2. eBay
eBay memiliki jutaan pelanggan email. Setiap email membutuhkan baris subjek yang menarik yang akan menyebabkan pelanggan mengklik.
Namun, menyampaikan lebih dari 100 juta baris subjek yang menarik perhatian terbukti membuat penulis manusia kewalahan.
Masukkan Machine Learning.
eBay bermitra dengan Phrasee untuk membantu menghasilkan baris subjek menarik yang tidak memicu filter spam. Selain itu, salinan buatan mesin selaras dengan suara merek eBay.
Hasil mereka menunjukkan keberhasilan:
- Kenaikan 15,8% pada tarif terbuka.
- Peningkatan 31,2% pada klik rata-rata.
- Lebih dari 700.000 pembukaan inkremental per campaign.
- Lebih dari 56.000 klik inkremental per campaign.
Machine Learning dapat mengambil tugas yang paling menakutkan dan menyelesaikannya dalam hitungan menit dalam skala besar.
Akibatnya, bisnis dapat lebih fokus pada campaign gambar besar daripada tugas mikro.
3. Doordash
Doordash mengoperasikan ribuan campaign pemasaran di seluruh saluran pemasarannya.
Tim mereka memperbarui tawaran secara manual berdasarkan kinerja iklan.
Namun, tim menemukan bahwa tugas ini memakan waktu dan kewalahan.
Jadi Doordash beralih ke Machine Learning untuk mengoptimalkan pengeluaran pemasarannya.
Itu membangun platform otomasi pemasaran berdasarkan data atribusi.
Data ini memberi tahu perusahaan saluran mana yang digunakan pelanggan untuk berkonversi dan dengan campaign apa.
Namun, mungkin sulit untuk segera mengumpulkan jenis data tersebut dengan ribuan campaign yang dilakukan sekaligus.
Machine Learning membantu mengatasi tugas ini dengan mengumpulkan data tersebut dan membuat rekomendasi pengeluaran sehingga mereka dapat mengoptimalkannyar anggaran dengan cepat dan efisien.
4. Autodesk
Autodesk melihat perlunya chatbot yang lebih canggih.
Konsumen sering dibuat frustrasi oleh keterbatasan chatbots dan karena itu lebih suka berbicara dengan manusia.
Namun, chatbot dapat membantu memandu pelanggan secara efisien ke halaman konten, tenaga penjualan, atau layanan yang mereka butuhkan.
Jadi Autodesk beralih ke Machine Learning dan AI.
Chatbot Autodesk menggunakan Machine Learning untuk membuat dialog berdasarkan kata kunci mesin pencari.
Kemudian, chatbot dapat terhubung ke pelanggan di sisi lain, memungkinkan tingkat konversi yang lebih cepat.
Sejak mengimplementasikan chatbot mereka, Autodesk memiliki keterlibatan obrolan tiga kali lipat dan peningkatan 109% dalam waktu yang dihabiskan di halaman.
5. Baidu
Pada 2017, Baidu, mesin pencari China, membangun sistem yang disebut Deep Voice yang menggunakan Machine Learning untuk mengonversi teks menjadi ucapan. Sistem ini dapat mempelajari 2.500 suara dengan masing-masing setengah jam data.
Baidu menjelaskan bahwa Deep Voice dapat menghasilkan pengalaman yang lebih imersif dalam video game dan buku audio.
Tujuan Baidu dengan Deep Voice adalah untuk mengajari mesin berbicara lebih mirip manusia dengan meniru ribuan suara manusia.
Segera, mesin pencari berharap sistem dapat menguasai 10.000 suara atau lebih dengan aksen berbeda.
Saat disempurnakan, Deep Voice dapat meningkatkan hal-hal yang kita gunakan setiap hari, seperti:
- Siri.
- Alexa.
- Asisten Google.
- Terjemahan real time.
- Keamanan biometrik.
Bahkan dapat membantu orang yang kehilangan suaranya untuk berkomunikasi kembali.
Meskipun belum ada pembaruan terkini, Baidu tetap berharap Deep Voice akan merevolusi teknologi kita.
6. Yelp
Yelp menerima jutaan foto setiap hari di seluruh dunia.
Perusahaan menyadari bahwa diperlukan cara yang canggih untuk mencocokkan foto dengan bisnis tertentu.
Jadi mereka mengembangkan sistem pemahaman foto untuk membuat data semantik tentang masing-masing foto.
Sistem ini memungkinkan Yelp mengurutkan foto ke dalam kategori yang relevan dengan pencarian pengguna.
Pertama, Yelp membuat label untuk foto yang mereka terima dari pengguna, seperti “minuman” atau “menu”.
Selanjutnya, perusahaan mengumpulkan data dari keterangan foto, atribut foto, dan crowdsourcing.
Kemudian, menerapkan Machine Learning untuk mengenali label foto, yang darinya sistem dapat memasukkan foto ke dalam kategori.
Sistem klasifikasi foto ini membantu menciptakan pengalaman pengguna yang lebih baik di Yelp.
Misalnya, ini dapat membantu mendiversifikasi foto sampul dan membuat tab yang memungkinkan pengguna beralih ke informasi persis yang mereka cari.
Digital marketer hanya menggores permukaan dari apa yang dapat dilakukan Machine Learning untuk mereka.
Manusia dan mesin dapat bekerja sama untuk menciptakan pengalaman pelanggan yang lebih bermakna dan campaign yang lebih optimal dalam waktu yang lebih singkat. Ini sama-sama menguntungkan.
7. Tailor Brands
Tailor Brands menggunakan Machine Learning untuk membantu penggunanya membuat logo.
Mesin, “Ini atau Itu,” membantu Tailor Brands memahami selera pengguna menggunakan algoritme pengambilan keputusan.
Dengan memilih contoh dari apa yang mereka sukai, pengguna memberi tahu pembuat logo preferensi mereka untuk gaya, font, dan aspek desain lainnya.
Tailor Brands menggunakan aljabar linier.
Setiap keputusan pengguna dimasukkan ke dalam persamaan yang membantu mesin mempelajari preferensi pengguna.
Jika seseorang membuat logo, Tailor Brands dapat menampilkan gaya yang serupa dengan yang pernah mereka gunakan sebelumnya.
