Le marketing avec l’intelligence artificielle. Ça a l’air fantaisiste.
Et c’est bien là le problème.
Le terme est utilisé dans les textes publicitaires des outils de marketing, par les gourous du marketing et par les médias.
Pourtant, une définition concrète est insaisissable.
Pour beaucoup, l’IA est une énigme entourée de mots à la mode.
Mais l’ironie est que, autant le battage médiatique a surestimé ce que l’IA pourrait faire dans les années à venir, autant la réalité de la façon dont l’IA est déjà utilisée aujourd’hui en marketing est souvent sous-estimée.
- Facebook utilise la reconnaissance faciale pour recommander les personnes à marquer sur les photos.
- Google utilise l’apprentissage approfondi pour classer les résultats de recherche.
- Netflix utilise l’apprentissage machine pour personnaliser les recommandations.
- Amazon utilise le traitement du langage naturel pour Alexa.
- Le Washington Post utilise la génération du langage naturel pour écrire des articles basés sur des données.
Votre vie est déjà assistée par des machines, et votre marketing peut l’être aussi.
Qu’est-ce que l’intelligence artificielle ?
La meilleure façon de comprendre l’intelligence artificielle est d’utiliser un terme général.
Il est utilisé pour décrire une série de technologies uniques, mais connexes, qui peuvent simuler les capacités humaines.
Ce n’est pas une technologie magique singulière qui peut tout faire.
Mais un ensemble d’outils individuels dotés de capacités réelles, mais qui sont à des stades de développement différents.
Parmi ces différents sous-ensembles de l’IA, certains sont particulièrement applicables à la commercialisation en ce moment.
- Vision par ordinateur qui permet à l’IA de voir. Cela conduit à la détection d’objets, à la reconnaissance faciale et à l’écoute visuelle sur les médias sociaux.
- Traitement du langage naturel (NLP) qui permet à l’IA d’entendre et de parler – nous offrant des chatbots, une analyse sémantique, la génération de contenu et des capacités de recherche vocale.
- L’apprentissage machine permet à l’IA d’apprendre avec des données sur la façon d’améliorer progressivement les performances d’une tâche spécifique au fil du temps, sans être explicitement programmée. Cela nous donne des recommandations de contenu, des publics de sosies, des publicités programmatiques et des scores de leads.
La capacité d’auto-amélioration fournie par l’apprentissage machine est le sous-ensemble le plus critique de l’IA pour les spécialistes du marketing.
L’automatisation n’équivaut pas à l’apprentissage machine
Peut-être pensez-vous que vous avez couvert toute cette histoire de marketing de l’IA parce que vous avez un outil d’automatisation du marketing coûteux.
Soyons clairs sur un point :
L’automatisation n’est pas un apprentissage automatique.
L’automatisation est un ensemble d’instructions qui dit à une machine ce qu’elle doit faire afin de produire un résultat précis.
Il faut encore concevoir et introduire une logique de marketing.
L’apprentissage machine lui permet de s’améliorer à partir de l’expérience, donc la machine apprend ce qu’il faut faire afin de produire le résultat souhaité.
La machine ne se limite pas à l’exécution pure, elle s’occupe aussi de l’optimisation.
Au fond, l’automatisation reproduit ce que vous faites maintenant. Elle permet de gagner du temps mais n’a que peu d’impact direct sur les indicateurs clés de performance (KPI).
D’autre part, l’apprentissage machine vous permettra non seulement de gagner du temps mais aussi d’améliorer les tactiques actuelles pour augmenter continuellement les KPI.
Alors pourquoi ne tirons-nous pas parti de cette technologie ?
Examinons les quatre principales raisons pour lesquelles les spécialistes du marketing hésitent à adopter les applications de l’IA et comment les surmonter.
Raison 1 : Manque de compétences techniques
Bien que de nombreux spécialistes du marketing estiment qu’ils n’ont pas les compétences techniques nécessaires pour adopter l’IA.
Il n’est pas nécessaire que ce soit le cas.
La réalité est que vous savez déjà tout ce dont vous avez besoin pour commencer.
Il y a une différence entre recherche sur l’apprentissage machinequi consiste à élaborer de meilleurs algorithmes et qui est la prérogative des spécialistes des données, et l’apprentissage machine appliqué, qui consiste à utiliser des algorithmes pour résoudre des problèmes commerciaux, ce que doivent faire les spécialistes du marketing.
Pensez-y de cette façon :
Vous ne comprenez peut-être pas tout à fait la science qui se cache derrière le fonctionnement d’un micro-ondes. Mais cela ne vous empêche pas de l’utiliser pour cuisiner.
- Les entreprises qui ne disposent pas de données scientifiques peuvent toujours choisir les meilleures données (les meilleurs ingrédients).
- Mettre ces informations dans des algorithmes de source ouverte (l’appareil).
- Créer des modèles (les recettes).
- Cela donne lieu à des prédictions, c’est-à-dire à des tactiques de marketing (le plat).
- dont on peut évaluer la qualité par des tests (dégustation).
Et si le plat n’est pas savoureux, vous pouvez modifier la recette, ou acheter un fourneau, ou encore obtenir des ingrédients de meilleure qualité.
Vous ne deviendrez pas un meilleur chef en apprenant davantage sur la science qui se cache derrière le fonctionnement d’un micro-ondes.
Vous ne deviendrez pas un meilleur spécialiste du marketing, en faisant des recherches sur les subtilités de la science des données.
La meilleure façon d’apprendre à cuisiner est de s’y mettre tout simplement.
La meilleure façon pour les spécialistes du marketing de surmonter notre problème d’échelle est de déployer tout cas d’utilisation de l’IA.
Deuxième raison : la peur de nos emplois
Certaines équipes ne veulent pas lancer d’initiatives d’IA car elles craignent que cela ne provoque la prochaine révolution industrielle et qu’elles se retrouvent sans emploi – ce qui provoque naturellement beaucoup de résistance.
À moins que vous ne prévoyiez de prendre votre retraite dans les cinq prochaines années, l’intelligence artificielle aura un impact important sur votre carrière dans le domaine du marketing. Mais cela ne signifie pas que vous serez remplacé par un robot de marketing.
Votre travail passera de l’exécution de tâches répétitives à l’enseignement de l’IA pour qu’elle les effectue à votre place.
Vous permettant de réinvestir votre temps dans la créativité et la stratégie.
Mais qu’est-ce que l’enseignement de l’IA implique réellement ?
Parce que cela semble très technique.
La méthode de formation la plus courante pour les cas d’utilisation marketing est l’apprentissage supervisé.
Cela implique deux phases.
Le premier est le processus d’enseignement initial.
Disons que vous avez un million de commentaires de clients.
Aucun humain ne pourrait les lire tous, donc vous voulez utiliser l’apprentissage machine pour comprendre le sentiment, en classant la revue comme positive, neutre ou négative.
Pour ce faire, prenez un échantillon de ces revues et attribuez à chacune d’entre elles l’une de vos trois classifications.
Ensuite, introduisez ces données de formation dans votre algorithme d’apprentissage machine.
Plus elle disposera de données, mieux elle sera à même de reconnaître les tendances et, avec le temps, plus elle sera en mesure de classer de manière fiable le sentiment des critiques par elle-même.
Pour tester ses capacités, plutôt que de lui fournir des données étiquetées, il faut saisir les données brutes et évaluer la qualité des résultats.
Souvent, si vous avez bien fait le processus d’enseignement initial, il sera déjà en mesure de classer correctement une grande partie des données.
Et vous pouvez passer à la deuxième phase, celle du processus d’enseignement continu.
Vous devez régulièrement réétiqueter les erreurs afin d’apprendre à l’algorithme ce qu’il a fait de mal, ce qui lui permet de s’améliorer continuellement.
Vous avez peut-être déjà enseigné des algorithmes sans le savoir.
Qui a rempli un captcha Google à base d’images, marqué un e-mail comme n’étant pas du spam ou marqué une fausse nouvelle sur un post Facebook.
Par chacune de ces actions, vous prouviez la vérification manuelle, ajoutiez des étiquettes et enseigniez les algorithmes.
Pensez à lancer un algorithme d’apprentissage automatique comme si vous embauchiez un nouveau commercial débutant.
Le jour où vous êtes à bord, c’est le pire jour qu’il puisse se produire.
Il fera le travail, mais il fera des erreurs, vous devez donc superviser les résultats, en les corrigeant si nécessaire.
Plus il fonctionne longtemps, plus il s’améliore et plus vous avez de temps pour réinvestir dans le développement d’autres canaux de commercialisation.
Mais contrairement à l’homme, les machines sont heureuses de faire le même travail, très étroit, pour toujours – qu’il s’agisse de classer des critiques, d’ajuster des offres publicitaires, de publier sur les médias sociaux ou de prévoir la croissance.
Vous ne confiez pas le contrôle du marketing à une machine.
Vous leur apprenez à recueillir les informations dont vous avez besoin ou à mettre en œuvre un élément spécifique de votre stratégie de marketing.
Et l’IA offre un tout nouveau niveau d’échelle.
Classifier 1 million d’avis n’est pas un problème pour un algorithme d’apprentissage automatique.
De plus, en raison de cette échelle, elle peut produire des informations qui ne seraient pas disponibles autrement.
Ce que vous choisissez de faire avec ces connaissances est ce qui devient essentiel pour le succès.
Ces questions stratégiques sont celles auxquelles les spécialistes du marketing devraient consacrer du temps.
Raison 3 : Investissement des ressources et du budget
Les dirigeants sont souvent préoccupés par les efforts de mise en œuvre et les coûts des applications d’IA.
Le meilleur point de départ n’est donc pas de demander plus de budget et de ressources, mais de se demander si vous tirez pleinement parti de ce que vous payez déjà.
Examinez les capacités d’IA de votre ensemble d’outils marketing actuel.
Les plateformes d’automatisation du marketing comme HubSpot, les CRM comme SalesForce, et les outils de publicité comme Google Ads et Facebook Ads ont tous intégré l’IA dans leurs systèmes.
Si vous êtes client de l’une de ces solutions, leurs équipes de soutien peuvent être une ressource précieuse pour commencer la mise en œuvre de l’IA dans votre organisation, car vous pouvez tirer parti de leurs connaissances et de leur expérience.
C’est un excellent moyen de commencer à renforcer les compétences de votre équipe en matière d’applications d’IA pour un coût supplémentaire minime, voire nul.
Et qu’en est-il des capacités d’IA de votre pile technologique actuelle ?
Les technologies d’IA ne sont pas basées sur les canaux, elles sont basées sur les cas.
Si votre site web est équipé d’un moteur de recommandation, pourquoi ne pas utiliser cet algorithme d’apprentissage automatique pour améliorer la personnalisation de votre bulletin d’information, des notifications push ou du contenu des chats.
Vous pouvez utiliser ces technologies existantes comme preuve de concept à faible investissement.
Ainsi, au moment où vous demandez des ressources et des budgets supplémentaires, vos cadres sont déjà totalement à bord.
Lorsque vous recherchez un nouvel outil, méfiez-vous des mots à la mode.
De nombreuses solutions d’IA ne sont pas vraiment si intelligentes. Même lorsque les mots « AI » ou « apprentissage machine » figurent dans la description du produit.
Certains outils utilisent sans vergogne ces termes pour décrire des capacités d’automatisation ou de ciblage courantes.
Maintenant que vous avez une meilleure compréhension de ce qu’est réellement l’IA, mettez ces vendeurs à l’épreuve.
Si le vendeur ne peut pas expliquer en détail le fonctionnement de l’IA, ne l’achetez pas. Si cela semble trop beau pour être vrai, ne l’achetez pas.
Parce que, je suis désolé de le dire, il n’existe pas de plateforme de marketing de l’IA qui regroupe tout en un seul abonnement mensuel.
C’est parce que l’IA est étroite dans ses capacités et doit être conçue pour résoudre un problème bien défini.
C’est pourquoi vous devez d’abord choisir le bon cas d’utilisation – car chaque cas d’utilisation aura probablement besoin de son propre outil.
Mais ce que vous pouvez faire, c’est commencer à construire votre propre intelligence artificielle.
La technologie de l’IA devient plus abordable et plus accessible parce que des entreprises comme Google, Amazon, IBM et SalesForce proposent leurs algorithmes au monde entier.
Certains services tiers sont open-source, d’autres sont payants – mais ils constituent tous un tremplin à partir duquel vous pouvez personnaliser votre propre solution.
Surtout s’ils offrent un accès à des ensembles de données supplémentaires à superposer sur les données de votre propre premier parti, ce qui rend votre application d’IA plus puissante.
Raison 4 : Qualité des sources de données
Les meilleurs outils et talents d’IA au monde ne donneront pas de résultats s’il vous manque le composant le plus critique pour l’apprentissage machine – des données de haute qualité pour informer l’algorithme d’apprentissage.
La qualité des données est probablement le plus grand défi que vous aurez à relever lors de la mise en œuvre de l’IA.
Comme le fait remarquer eMarketer, les données sont souvent anciennes, ou en silos, ou tout simplement insuffisantes au départ.
Et nous ne consacrons pas de ressources pour régler ce problème.
Le problème, c’est que l’introduction de mauvaises données dans un bon algorithme d’apprentissage machine ne donne pas les bonnes réponses.
Si vous ne comprenez pas que les données sont d’une importance capitale, vous risquez de rejeter la responsabilité des mauvais résultats sur l’IA.
Il y a des choses que nous, les spécialistes du marketing, devrions faire pour obtenir des données exploitables.
- Quand avez-vous effectué pour la dernière fois un audit de Google Analytics ?
- Avez-vous mis en place un balisage structuré et un marquage du contenu ?
- Utilisez-vous des scripts de remarketing pour collecter davantage de données sur les utilisateurs ?
- Soutenez-vous la collecte de données pouvant être utilisées pour identifier les utilisateurs par le biais de dispositifs et de canaux, comme les adresses électroniques ?
- Avez-vous intégré vos outils de marketing à votre plate-forme de gestion des données (DMP) ?
Vous devez vous concentrer sur ces domaines dès maintenant, car un bon marketing de l’IA dépend de l’existence de données exploitables qui soient structurées, intégrées grâce à un identifiant commun, abondantes et (surtout) précises.
Un regard vers l’avenir
L’intelligence artificielle modifie le comportement des consommateurs.
Chaque jour, les consommateurs sont confrontés à un excès d’informations.
Ils ne veulent pas passer du temps à évaluer toutes les options. Alors ils délèguent.
Pensez à ce qui est déjà contrôlé par l’IA.
- Les algorithmes sociaux influencent les marques avec lesquelles nous nous engageons.
- Les cartes numériques déterminent les itinéraires que nous empruntons ou suggèrent des endroits à visiter à proximité.
- Les moteurs de recommandation façonnent la sensibilisation et influencent les achats.
- Une IA peut même déterminer qui vous épousez. L’algorithme de votre application de rencontre choisit votre correspondance en fonction de vos glissements à gauche et à droite.
Les algorithmes deviendront les nouveaux gardiens, grâce à des dispositifs comme les assistants personnels numériques.
Et l’avenir de votre entreprise dépend de votre capacité à influencer les IA qui font les recommandations aux humains, si ce n’est l’ensemble de la décision.
Pensez-y. Lorsqu’un client demande à son Google Home ou à Alexa de lui « commander des cookies », c’est l’IA qui décide de la marque.
Vous devez comprendre comment cette décision est prise. Traitez les algorithmes comme un nouveau public. Comprenez leurs besoins.
Commencez à commercialiser des machines avec des machines.
Plus de ressources :
Crédits image
Images en vedette et en poste : Créé par l’auteur, avril 2020
Toutes les captures d’écran prises par l’auteur, avril 2020
Auteur/autrice
