O Machine Learning já começa a dominar o Marketing. Prepare-se

Durante anos, o marketing foi considerado mais arte do que ciência. Recentemente, no entanto, com a automação crescente dos processos, e as  marcas cada vez mais pressionadas a serem mais relevantes para os consumidores, os profissionais da área se viram obrigados a misturar a arte de contar histórias com o domínio crescente da ciência de dados.

O uso de algoritmos para captura e processamento de dados de clientes, transformados em recomendações ou ofertas, só faz crescer. E para continuar a envolver os clientes de forma eficaz, os profissionais de marketing estão estão começando a recorrer à Inteligência Artificial para extrair sentido de todos os dados disponíveis.

O cenário atual já começa a ser predominantemente alimentado por Machine Learning, conforme demonstrou o evangelista de Marketing Digital e Diretor do Google Américas, Avinash Kaushik, em seu keynote na edição 2017 do RD Summit, que acontece esta semana em Florianópolis.

Avinash deu uma verdadeira aula sobre IA, e de que forma ela está ajudando empresas a aprender, construir e lucrar. Aprender os hábitos e as intenções dos consumidores; construir produtos, serviços e mensagens mais relevantes; e lucrar com oferta no momento mais conveniente para a transformação da intenção em consumo.

De acordo com ele, só com uma estratégia robusta de dados as marcas poderão atingir seus consumidores de forma personalizada e em escala, respeitando sua privacidade. E esta estratégia será impulsionada pela Inteligência Artificial, permitindo às marcas se tornarem mais presentes, relevantes e convenientes em cada momento da jornada dos consumidores, respondendo cada vez mais rápido às intenções imediatas de consumo, até mesmo antecipando a necessidade de produtos ou serviços.

Em resumo, a Inteligência Artificial chega para transformar a massa de dados coletada pelas marcas em insights para a criação e entrega de mensagens mais relevantes e de melhores experiências para os consumidores.

Claro, isso passa principalmente pela necessidade de preparar as equipes para valorizar o rastreamento de cada ação dos consumidores, de forma automática e recorrente, em suas análises.

Na prática, os processos automatizados de captura e de análise de dados serão ampliados pelos sistemas de Machine Learning, que com o passar do tempo aprenderão com os dados processados, fazendo com que os resultados se tornem ainda mais efetivos.

No Futuro, de acordo com Avinash, mais do que serem utilizados, esses sistemas ensinarão como utilizá-los.

Hoje, o Smart Bidding do Google, por exemplo, gerencia automaticamente os lances considerando diversos sinais para determinar o mais ideal, focado em conversão e aprende e refina seus modelos continuamente, para ajudar os anunciantes a ter o maior retorno possível sobre o investimento. Os resultados melhoraram muito. Na média, o Google tem alcançado um aumento de até 30% nas conversões ao trazer Machine Learning para automatizar o gerenciamento de campanhas de search.

Durante sua fala no RD Summit, Avinash deu vários outros exemplos de áreas onde o Google tem incrementado seus sistemas com IA, combinando os objetivos do seu negócio com o comportamento de navegação dos seus consumidores, tomando decisões inteligentes em uma escala que, segundo o executivo, seria impossível de fazer manualmente.  Já é possível "personalizar" a entrega de anúncios, fazendo com que a mensagem certa chegue para a pessoa certa no momento mais adequado para a conversão da intenção em consumo, considerando uma escala de bilhões de consultas.

O caso real citado, mais uma vez, foi o da rede hoteleira Red Roof, que constrói hotéis próximos aos mais de 5 mil aeroportos existentes nos Estados Unidos. Seus clientes alvo são os passageiros que perdem o voo ou têm o voo cancelado. Cerca de 90 mil pessoas se encontram nessa situação diariamente. Para conseguir alcança-las quando elas mais precisam de conforto, estão utilizando uma combinação de diversas variáveis, comportamentos e intenções, tais como previsão do tempo e índice de voos atrasados, para saber quando a demanda será maior e, então, disparar campanhas combinando segmentações, lances, e peças criativas criadas e entregues automaticamente, sem a intervenção de humanos. O resultado do usso desses anúncios feitos "por máquinas" foi um aumento de 60% de reservas.

E aí? Sua empresa está preparada para esse novo mundo?  Se os dados da sua empresa não são limitados, você já pode aproveitar a ML para fazer a campanhas como nos formatos Search, Display e Vídeo, diz Avinash.  E não só nas plataformas do Google. O Facebook também já permite muito disso e outras plataformas seguirão por esse caminho, segundo ele.

Como começar? Avinash dá a receita.

Trabalhar, desde já, para em 2018 ter:

– 5% dos colaboradores treinados em Machine Learning
– 25% dos processos mais importantes da empresa auxiliadas por Machine Learning
– e 50% do Marketing Digital da empresa auxiliado por Machine Learning.

Claro, esse último item é o desejo do Google. Ele pode ser o que você julgar mais conveniente.

O importante é não ficar parado e tratar, desde já, a se posicionar nesse cenário, dando um propósito para os dados que coleta.

Já será uma boa coisa se você puder começar procurando saber como cada canal de marketing ficou muito mais avançado, nos últimos dois anos, no sentido de conseguir identificar um humano singular nas plataformas utilizadas. A atual safra de ferramentas Analytics está ficando cada vez melhor no  known knowns, uma fonte de segurança no emprego para os próximos dois ou três anos (talvez menos no lado do Marketing), apenas, antes que o Machine Learning domine completamente essa atividade.

No próprio RD Summit 2017, muitos fornecedores apresentaram suas armas para essa guerra. Mas isso é papo para um novo texto.