Мы все ждали, что появление AI-помощников кардинально изменит рынок маркетинговых услуг, но пока ничего подобного не случилось. AI-агент может написать рассылку для ваших клиентов вместо вас, но вау-эффекта ожидать от нее не приходится, то есть клиентов и продаж не становится больше. В чем тут дело? Может, версия агента устаревшая? Проблема не в искусственном интеллекте, а в отсутствии хороших данных для него. А ведь вы уже загрузили в него всю клиентскую базу и даже каталог товаров. Что этому AI еще надо? О том, где искать и как грамотно использовать клиентоцентричные данные в эпоху искусственного интеллекта, Sostav рассказал Дмитрий Изместьев, исполнительный директор 
CleverData .
По данным компании Segment, 75% компаний считают, что персонализация является решающим фактором для получения цифрового опыта и делают все возможное для максимально персонализированного общения с клиентами.
Однако, согласно опросам компании Salesforce «State of the AI Connected Customer», не более 39% клиентов считают, что компании персонализируют коммуникации. Хотя число удовлетворенных персонализацией клиентов постепенно растет, так в 2022 году лишь 27% клиентов говорили, что большинство компаний относятся к ним как к уникальной личности.
Какой же персонализации ждут остальные клиенты?
Мы выбираем, нас выбирают
Небольшой эксперимент. Откройте свою личную почту, и посмотрите сколько там непрочитанных писем за сегодняшний день. У меня — 212. Сколько из них отправится в корзину? — Думаю, 200. Почему? — Я уверен, что это бесполезный спам — неинтересные или нерелевантные предложения, дурацкие акции, ненужные скидки. Возможно, в каком-то письме есть и полезная информация, но оно тоже останется непрочитанным, поскольку я получаю рассылки от этой компании еженедельно, и у меня просто нет времени читать их каждый раз, даже отписаться от них я не успеваю. Но все эти рассылки — виртуальный мусор только для меня, а для компании-отправителя это реальные деньги, потраченные, к сожалению, впустую. Но вы, наверное, спросите: «А как же оставшиеся 12 писем?».
На одной из встреч я увидел у коллеги телефон с необычным дизайном корпуса. Оказалось, один из крупных ретейлеров электроники предлагает услугу по кастомизации гаджетов. Идея меня захватила, и через некоторое время я заказал такой смартфон для дочки. Консультант в магазине подробно расспросил меня про возраст и интересы ребенка и предложил такой вариант украшения корпуса, который привел мою дочку в восторг. Естественно, он не забыл уточнить и мой e-mail, и другие способы коммуникации. Некоторое время после этого я честно просматривал рассылки, приходящие от этой компании, но больше ничего интересного для себя или своего ребенка там не находил. Со временем я стал удалять все их рассылки не читая. Потому что это были общие, а не персонализированные рассылки, обращение к покупателю вообще, а не ко мне лично, хотя в начале письма и стояло мое имя.
Возвращаясь к моему почтовому ящику сегодня утром, оставшиеся в почтовом ящике 12 писем, которые я прочитаю, — это персонализированные рассылки, в которых есть интересные предложения и подборки для меня лично и для моей семьи. Но, их только дюжина.
Если бы вместо общей рассылки с новинками, мне прислали письмо с предложением купить полезный гаджет или аксессуар для ребенка соответствующего возраста, и не в случайный момент — утро пятницы, а например, перед Первым сентября или Новым годом, или окончанием учебного года. Я бы не просто купил этот гаджет, но еще и проникся любовью и благодарностью к компании-продавцу, которая избавила меня от головной боли по выбору очередного подарка. Почему же компания этого не сделала, ведь у нее достаточно информации обо мне? А потому что вся информация хранится в разных базах данных компании, а не собрана в единый профиль клиента. В любом случае, даже если компания собрала обо мне данные, они не используются для персонализации общения.
Достаем хорошие данные из закромов
Почему же компании не персонализируют общение с клиентами? Это очень трудоемко. Но здесь на помощь может прийти искусственный интеллект. Он может без устали анализировать предпочтения каждого клиента и писать ему или ей персональные письма.
Но как мы все уже убедились на личном опыте, AI устроен по принципу: «garbage in, garbage out», то есть «мусор на входе — мусор на выходе». Получить от AI-помощника что-то действительно полезное можно, только загрузив в него полную и структурированную информацию о клиенте, так называемый профиль 360.
Для того чтобы такой профиль создать, нужно иметь не только корпоративное хранилище (DWH) или базу данных, которые у всех нормальных бизнесов давно есть, а полноценную платформу CDP (Customer Data Platform) корпоративного уровня.
Еще совсем недавно CDP рассматривали как инструмент для создания этих самых профилей, с которыми потом должны были работать аналитики и маркетологи компании. Но с появлением AI ситуация изменилась. Сегодня CDP — это прежде всего, поставщик хороших данных для искусственного интеллекта.
А чем в маркетинге отличаются хорошие данные от плохих? — Хорошие данные клиентоцентричны.
Как сэкономить на AI и ничего не потерять
Искусственный интеллект — это не только отличный инструмент, но, как любая хорошая вещь, он еще и очень дорогой, особенно если применять его в больших объемах. Но какой же маркетинг без масштаба?
Как в решении этой проблемы может помочь CDP? Те, кто работал с подобными платформами клиентских данных, знает, что они ведут подробную статистику заполненности профилей. Как правило, профиль клиента никогда не бывает полным, он заполнен фрагментарно. Раньше эта информация считалась служебной и практически никак не использовалась. Но теперь мы знаем, как пустить ее в дело.
Предположим, у вас 1 млн. клиентов, но только у половины (500 тыс.) есть отметки о наличии e-mail, среди них только 300 тыс. хотели бы получать рассылки с новыми предложениями, а из них всего 150 тыс. сказали, что купили что-то в подарок ребенку и только у 30 тыс. ребенок нужного возраста.
Значит, нам нужно выделить сегмент именно таких клиентов. Посмотрим, как это устроено в CDP.
Сегментация в CDP корпоративного уровня, как правило, опирается на модель данных «профили + события» и реализуется тремя механиками: классической офлайн‑сегментацией, RT‑сегментацией в реальном времени и SQL‑like сегментацией по событиям.
Платформа формирует два связанных набора данных: сведения о клиентских профилях (идентификаторы и атрибуты профиля, которые меняются нечасто) и сведения о событиях (активность клиентов: переходы по страницам, взаимодействия в приложении, заказы, просмотры товаров и так далее). Сегменты строятся по атрибутам обоих наборов с возможностью сложной агрегации и фильтрации, причем события могут давать сложные паттерны поведения, которые неочевидны только по профилю.
Достаточно использовать классическую сегментацию. Выражение для такой сегментации считается по всему накопленному объему данных о профилях и событиях, сегмент может быть разовым или пересчитываться по расписанию, при пересчете параллельно пересчитываются все сегменты, этот результат и можно выгрузить во внешние системы, например, отправить ML-модели или AI-помощнику.
Теперь мы можем «скормить» AI не весь миллион профилей, а всего 30 тыс. И попросить его рассчитать наиболее релевантное предложение, а затем сделать для них рассылку с предложением конкретных новых товаров для детей, каждому предложив именно свой товар. Для остальных выберем другой способ коммуникации и сделаем другое предложение. Таким образом, мы сэкономим, во-первых, машинные мощности — искусственный интеллект требует их тем больше, чем больше информации мы ему предлагаем обработать; во-вторых, деньги компании на коммуникации — каждое взаимодействие с клиентом так или иначе оплачивается; а в-третьих, сделаем наши рассылки экологичными — не будем увеличивать количество информационного мусора в почтовых ящиках наших клиентов. При этом мы сэкономим 97% от возможных затрат, если бы мы подошли к решению проблемы «в лоб».
Как не попасть в неприятности, занимаясь маркетингом
Передача полной информации о клиенте искусственному интеллекту — это идея, которая может помочь персонализировать взаимодействие с ним, добиться роста маркетинговых метрик и получить массу неприятностей. В худшем случае это может привести к штрафам, административной и даже уголовной ответственности. Конечно, вы догадались, что речь идет про раскрытие персональных данных.
Когда вы передаете эти данные моделям искусственного интеллекта и обрабатываете их, вы можете непреднамеренно нарушить закон. И если база данных или корпоративное хранилище данных вообще не интересуются вопросами наличия согласий от клиентов на обработку персональных данных, то большинство CDP в обязательном порядке отслеживают эти согласия или их отсутствие практически в режиме реального времени.
Так что CDP корпоративного класса не только позволит лучше справиться со своими задачами, но и убережет вас от проблем с законом о персональных данных.
И последний, не самый очевидный вывод. Невозможно перешагнуть в век искусственного интеллекта, который так неожиданно наступил, без грамотного использования уже имеющихся инструментов, в нашем случае CDP, системы, которая позволит подготовить по-настоящему клиентоцентричные данные. Это как сесть за руль гоночного болида, не умея водить, — попробовать можно, но результат будет так себе.