Наша компания является партнером Leroy Merlin, Visa, Altel и других корпораций в рамках разработки мобильных и веб-продуктов. За годы работы у нас накопилось множество наблюдений и мыслей о том, как технологические инновации влияют на работу маркетологов и без каких навыков не получится стать CMO.

The future is now. No, it's REALLY now

Пару десятилетий назад self-driving cars были научной, но все же фантастикой. Виртуальная и дополненная реальности, как неотъемлемая часть бизнеса, – тоже. Искусственный интеллект ассоциировался со злыми роботами из «Терминатора», а обследование в больнице могло занять от двух до пяти рабочих дней.

Сегодня self-driving cars развозят людей вместо таксистов. Получить рекомендации по здоровому образу жизни по результатам ДНК-теста можно всего за 70$. Искусственный интеллект, роботизация, массовая 3D-печать, биотехнологии, виртуальная реальность, дополненная реальность – все эти вещи стали частью повседневной жизни.

Маркетологам без знания новых технологий тоже не обойтись. Даже если сегодня вам кажется, что технология «сырая» или, наоборот, ее бум уже прошел, советую не делать поспешных выводов. Технологические возможности обычно развиваются по одному сценарию. Сначала становятся трендами. Затем их продают: сначала точечно, потом массово. Чтобы понять цикл «вызревания» инноваций, взгляните на график Gartner.

Innovations vs Future: как инновации меняют продукты мир

Итак, вы Chief Digital Officer, отвечаете за инновации или работаете в отделе маркетинга. Постоянно держите руку на пульсе: следите за трендами, технологиями, анализируете рынки, и главное – разрабатываете продукт. И как вы могли заметить, технологии, которые еще недавно поражали инновационностью, которые казалось нереальным внедрить в ваш продукт, сегодня уже реализованы и создают дополнительную ценность. Взять хотя бы дополненную реальность — Augmented Reality (AR).

Для наглядности иллюстрирую тезис кейсом нашего сотрудничества с Leroy Merlin в рамках разработки AR-приложения. В 2017 году ретейлер заключил с нами партнерство для разработки мобильного продукта. Мы предложили Leroy Merlin добавить AR-функционал в приложение, с помощью которого пользователи смогут рассмотреть предметы мебели и техники из ассортимента в своем интерьере и сразу же совершить покупку.

Не все компании готовы инвестировать в инновации, которые неизвестно как отразятся на монетизации, но Leroy Merlin решились, увидев в этом перспективы. Возможно, они сделали это, оглядываясь на опыт IKEA, которые чуть ранее выпустили подобное решение. Так или иначе, эксперимент был запущен, и сегодня он уже приносит свои результаты: увеличение количества установок и среднего времени, проводимого пользователями в приложении.

Одна из задач маркетолога – показывать такие возможности клиенту или руководству компании, в которой вы работаете. Вы, как специалист, должны оценивать потенциал новой технологии: какую дополнительную ценность она может создать, как поможет в привлечении и удержании клиентов, увеличит ли средний чек и LTV.

Но вернемся к инновациям. Пока вы решаете ежедневные рутинные задачи, мир, естественно не стоит на месте. В 2018 году целый ряд стран приняли для себя стратегии использования искусственного интеллекта.

Источник: Politics + AI, Тим Даттон, 28.06.2018

Европейская Комиссия приняла документ Communication on Artificial Intelligence . Одна из его ключевых целей – подготовить европейцев к социально-экономическим изменениям, вызванным развитием AI.

McKinsey авторитетно заявляют, что 45% всех задач могут быть автоматизированы уже сейчас, с помощью существующих технологий. В эти моменты для некоторых из нас будущее может оказаться несколько безрадостным. Чувствуете опасность? Нет? Тогда ответьте себе на один простой вопрос: как вы думаете, как скоро искусственный интеллект коснется непосредственно вас как профессионала в сфере digital-маркетинга? Мы к этому еще вернемся ниже.

Marketing = Digital Marketing = Mobile

Зависимость от смартфонов для решения повседневных задач привела к тому, что чуть более трети владельцев смартфонов признают у себя мобильную зависимость, более 15% людей проверяют свой телефон в течение 15 минут после пробуждения и большинство держат его в руках более 16 часов в день.

Теперь давайте представим, что у вас скоро релиз продукта, над которым кипела работа в течение нескольких кварталов. Вероятнее всего, это мобильное приложение. Вы с самого начала были честны с собой и с самого начала осознавали всю сложность игры.

Кроме того, оглядываясь на США, вы знали, что сегодня пользователь проводит в телефоне около 5 часов в день, имеет в среднем 33 установленных приложения, при этом ежедневно использует 12, а 80% времени проводит в трех приложениях. Трех! Может, в мире дела чуть получше? К сожалению, Kleiner Perkins утверждает иное: единственная разница между жителем США и жителем мира – это часы, проведенные в телефоне. И разница эта составляет аж один час – немец или венгр сидит в телефоне не 5, а 4 часа.

Источник: KPCB Internet Trends 2016, стр. 109

То есть всем плевать на ваше новое приложение.

Будучи профессионалом, вы заранее понимали, что для продвижения нового продукта CPA-сетей явно будет недостаточно. Именно поэтому у вас есть go-to-market стратегия и, конечно же, набор инструментов, с помощью которых вы решили ее воплотить. К слову о них, каждый год на рынке появляется все больше различных сервисов, призванных упростить или автоматизировать работу digital-маркетолога. Просто взгляните на цифры: в 2011 году маркетологам были доступны не более 150 инструментов, в 2017 — около 5000. Цифра увеличилась в тридцать три раза.

Среди них уже даже появились продукты, под капотом которых скрываются AI-механизмы. Взгляните на количество продуктов, предлагающих машинный интеллект:

Источник: www.raabassociatesinc.com

Как вы заметили, искусственный интеллект и машинное обучение наступают. В предыдущих разделах мы выяснили: если технология бурно развивается, значит, маркетологам надо думать, как взять ее на вооружение. Если вы еще не знаете, с чего начать, вот вам ссылка для вдохновения: Book: Machine Learning for Marketers — a comprehensive guide.

Итак, допустим, вы подобрали стек нужных продуктов. Затем массовая персонализированная коммуникация, ремаркетинг, продвинутая аналитика, пиксели, A/B-тесты, настройка АARRR-воронки…

Фух! Справились, отлично! Теперь ждем установок…

Но прошел месяц после запуска, и ваша картина мира выглядит как-то так:

Не впечатляет? Все верно. Так и должно быть. Привлечение новых пользователей — тривиально, активация и удержание — критичны. Одни пользователи пришли и ушли, другие остались. Как заранее прогнозировать LTV нового пользователя? A/B-тесты, сбор данных, машинное обучение, новые гипотезы, эксперименты. И все это на повторе. Естественно, найти закономерности невооруженным глазом невозможно, все нужно глубоко анализировать, в том числе — с помощью машинного обучения. Таков он, мир lean и data-driven marketing.

Пропасть между классическим и диджитал-маркетингом растет с каждый днем, как и требования пользователей. Аудитория требует от маркетологов быстрой реакции, а бизнес в целом требует mobile-first стратегий для взаимодействия с потенциальными клиентами.

Marketing vs Marketing: какая экспертиза нужна маркетологу сегодня

Вспомните, еще пару-тройку лет назад Scrum обходил нас стороной, а сегодня мы уже обложились дашбордами на каждый день. Традиционные маркетинговые каналы – дорогие и высококонкурентные. Цифровая трансформация переопределяет «маркетинг» за пределами отдела маркетинга. Вертикальная конкуренция – Amazon Echo уже сегодня отвечает на вопросы, которые раньше пользователи задавали Google – представляет собой большую стратегическую угрозу, чем горизонтальная конкуренция.

Источник: Growth Tribe B.V.

Многим из нас предстоит серьезно нарастить экспертизу во многих областях и даже научиться азам программирования. В новой реальности сложно не согласиться с Кенни Джейкобсом, CMO Ryanair.

Я не верю в модель, где СМО занимается только традиционным маркетингом, а CDO — только диджитальным. Преуспеют те люди, правое и левое полушарие которых будут одинаково хорошо развиты.

Почему это важно?

Маркетинг становится все более аналитическим по своей природе, корнями уходящим в данные и детали. Маркетологам необходимо разобраться, как работают их веб-сайты и мобильные приложения. Начать сегментировать пользователей на основании их поведенческих паттернов, чтобы оптимизировать customer journey.

Если маркетолог знает, как создавать веб-сайты и знает основы программирования, он обладает тремя преимуществами:

• грамотно распоряжается бюджетом, потому что знает истинную стоимость и время выполнения работ;
• знает, что возможно, а что нет;
• экономит время, самостоятельно справляясь с задачами, для решения которых обычно привлекаются разработчики.

Специалисты в диджитал-сфере часто оперируют технологичным жаргоном. Знание основ программирования может сделать коммуникацию маркетолога с разработчиками, аналитиками и data scientists такой же простой и понятной, как с креативным отделом рекламного агентства.

Если разобраться, какую пользу приносит машинное обучение вашему бизнесу, можно с его помощью улучшить качество гипотез или предугадать результаты конверсии.

Научитесь использовать инструменты машинного обучения. Если вас пугает сложность и вы думаете, как бы избежать этой задачи, взгляните на данные ниже. Бюджеты на имплементацию автоматизации маркетинга выросли почти на половину и составляют 46%.

Источник: www.marketingcharts.com

Растут бюджеты на SMM, контент-маркетинг, персонализированный маркетинг, видеорекламу, генерацию лидов, маркетинг-аналитику, мобильный и email-маркетинг. За ними в рейтинге следует увеличение бюджетов на автоматизацию маркетинга.

Источник: www.marketingcharts.com

Как потенциально это может быть использовано

Вариантов использования новых технологий — тысячи. Задача современного маркетолога в том и состоит, чтобы разобраться в инновациях и определить, чем они могут быть полезны в маркетинге ваших продуктов. Если говорить, к примеру, о машинном обучении, можно выделить 6 интересных кейсов использования machine learning для маркетинга.

• Прогнозирование конверсий (лидов, регистраций и так далее)

Например, Forrester в обзоре 2017-года пишет о PAML-решениях – предиктивной аналитике и машинном обучении. По словам экспертов Forrester, машинное обучение является основой для искусственного интеллекта, и, если ваша компания хочет использовать AI, начинать нужно именно с изучения PAML. О том, что такое предиктивная аналитика, можно почитать у TAdviser. О машинном обучении в маркетинге есть хорошая статья в блоге Yagla.

• Прогнозирование продаж (CTLV, размера продуктовой корзины и рекомендаций)

Пример: В ASOS разработали собственный подход к прогнозированию пожизненной ценности клиента. Маркетплейс использует сложные математические формулы, чтобы предсказать, сколько денег клиент принесет компании, учитывая постоянные изменения ассортимента. Подробно об опыте ASOS можно прочесть в работе Customer Lifetime Value Prediction Using Embeddings на сайте библиотеки Корнеллского университета.

• Персонализация и кастомизация

Пример: Netflix показывает пользователю обложки фильмов, основываясь на его интересах. Например, вам могут показать не основной постер картины, а тот, на котором изображен ваш любимый актер, пишет Cossa. Более подробно об алгоритмах Netflix можно почитать в Business Insider.

• Персонализация на основании психографических характеристик пользователей

Пример: Предвыборная кампания Трампа. Напомню, штаб нынешнего президента США активно использовал в предвыборной гонке Facebook, подстраивая рекламные сообщения под интересы конкретного пользователя. Как именно строилась работа, неплохо объяснили на The Question.

• Natural language processing и текст-майнинг

Пример: IBM Watson способна распознавать естественный язык и интеллектуально рекомендовать пользователям товары. Больше не нужно настраивать многочисленные фильтры поиска, можно ввести запрос на «человеческом» языке и получить список релевантных рекомендаций. Что еще умеет когнитивная система IBM Watson, рассказали на «Хабре».

• Deep learning

Пример: Компания SEEDPOST использовала deep learning в рекламной кампании KIA K5 Optima. Пользователь авторизовался на странице с помощью Instagram или Facebook. Система загружала фотографии пользователя из его профиля и предлагала выбрать три, которые максимально характеризуют его образ жизни. Далее программа автоматически обрабатывала картинки и определяла, какая комплектация машины идеально подойдет для этого человека.

В общем, впереди много интересного! И единственный способ научиться — это делать. Прокачивать скиллы, собирать команду разноплановых специалистов или привлекать специалистов извне. Такой подход далеко не нов в разработке, а вот маркетологам его предстоит еще освоить.