大多数营销人员已经知道，他们可以利用人工智能(AI)做出更明智的决策，更好地吸引目标受众，并为组织带来收入。
然而，根据2019年发布的Demandbase调查显示，目前只有18%的B2B营销人员和销售专业人员正在使用该技术。
同一项研究还发现，有67%的营销人员期望AI带来更高的潜在客户质量，而56%的营销人员认为该技术可以帮助与客户和潜在客户更好地互动。
那么，是什么阻止了营销人员使用它呢?
尽管营销人员认识到技术可以带来的价值，但他们通常缺乏优先有效的用例，人员/组织能力和有效执行AI策略的技术的完美结合。
不幸的是，由于没有掌握这三者，营销人员就使自己(及其公司)处于过时的风险中。
麦肯锡公司专家预测，到2030年，人工智能技术可能会导致领先者(他们在企业中完全吸收人工智能工具)与非采用者或部分采用者之间存在巨大的性能差距。
人工智能的领先者预计到2020年现金流量可能会翻一番，这意味着到2030年的净现金流量将增长约6%，而非采用者的现金流量可能会比今天的水平下降约20%。
为了避免落后并开始获得收益，每个营销人员必须优先确定最合适的用例，聘用和/或培养合适的人员，并在来年实施合适的技术。
AI环境中到处都是失败的项目，因此要提高成功的可能性，请牢记以下几点：
确定最适合的AI用例
尽管营销人员最终可能要执行数百个AI用例，但营销人员应首先根据两个维度(价值和可行性)确定其最佳人选。
可以先大胆思考，但随后您需要缩小列表的范围。
其中常见的用例包括：智能聊天机器人，更智能的个性化数字广告，内容生成和管理，基于AI的帐户或潜在客户评分，由AI辅助的电子邮件回复，多渠道营销归因，最佳行动，客户生命周期价值，和情绪分析。
营销人员应该估计每个用例的交付价值(潜在的上位收入，上市时间，减少的体力劳动，客户满意度)，以及看到可行结果所需的时间和精力。
如果用例既不具有很高的价值，也不是高度可行的，并且您不知道如何根据预测结果采取行动，则应将其从短期愿望清单中删除。
不确定从哪里开始的营销人员应考虑评估以下常见的高影响力应用程序的价值：
优化广告支出：营销人员每年在广告上花费数十亿美元，但往往无法量化这些投资是否值得。借助人工智能，营销人员可以更准确地将销售归因于特定的广告计划，从而使他们能够优化支出，以更少的资源吸引更多潜在客户。
增强客户体验： AI可以使营销人员根据客户的偏好进行磨练，并根据过去的购买和浏览行为创建个性化的体验。这不仅可以增强客户对品牌的认知，还可以提高销售量，尤其是当他们被推荐以前从未考虑过的产品时。
预测和减轻客户流失：客户保留团队通常资源有限，无法为每个客户提供同等的关注度。为解决此问题，营销人员可以实施AI解决方案，该解决方案可以发现历史客户活动中的模式，以准确预测哪些客户可能会将其留给竞争对手。利用这些信息，团队可以更好地将保留工作重点放在风险最大的客户上，并为他们提供激励以保持忠诚度。
市场营销团队确定了要应用AI的流程后，便可以开始确定负责实施这些实现的个人以及将这些用例付诸实践的技术。
雇用或培养合适的人
现代营销人员的技能正在快速发展。
营销人员需要管理的数字客户接触点数量众多(包括台式机和移动设备，再到社交媒体等等)，营销人员需要使用，分析和利用无数数据来制定决策。
数据对于推动有价值的AI应用至关重要。没有它，系统将不会具有生成关键任务洞察所需的必要信息，例如预测消费者行为或创建真正个性化的内容。
因此，Marketing Land的2019年1月数字代理商调查不足为奇发现72%的代理商营销人员表示，数据科学和分析将是未来几年最需要的技术技能，其次是转化率优化(59%)和计算机科学/ AI和技术SEO(各占52%)。
不幸的是，这些技能很难掌握。据事实上，个人寻找AI相关作业的数量下降了14.5%，从月2018年2019年五月，他们还发现，从2013年到2019年，对数据科学家的需求增长了344%，而人才库仅增长了14% 2018年的百分比。
尽管人才短缺无疑给营销人员带来了挑战，但仍有很多方法可以解决。营销人员可以识别内部的“公民数据科学家”。
这些人具有深厚的领域知识并具有强大的分析背景，但没有正规的数据科学培训。
借助正确的工具和培训，公民数据科学家可以快速掌握组织的AI战略。
此外，营销人员应考虑聘请AI顾问以支持其计划，或在其致力于将AI添加到其营销DNA并将其作为长期能力的基础上，向其平台提供商寻求有关AI策略的近期指导。 。
实施正确的AI技术
无论用例如何，营销人员都可以采用不同的方法在营销流程中利用AI。
营销人员很清楚，可以在martech堆栈中利用大约7,000多种不同的供应商工具，并且其中包括或至少声称拥有AI的工具数量呈指数增长。
如今，营销人员最常用的方法是利用内置于martech工具中的AI，该AI已针对该单点解决方案或功能进行了优化。
这意味着营销人员可能拥有10种不同的AI工具来实现10种不同的功能，但这是当今最常见的方法，可缩短上市时间，而无需在第一天就内部雇用或开发AI能力。
尽管拥有这些积分解决方案现在可以解决某些问题，但现实情况是，积分工具无法解决营销或客户忠诚度方面的一些最高价值的问题。
诸如次优报价，交叉销售/追加销售，客户流失预测和减少，客户体验优化，价格弹性建模，客户满意度等用例需要更广泛的企业解决方案。
为此，找到合适的人工智能技术或平台，并辅以一些业务转型的帮助，对于营销人员的人工智能成功至关重要。
选择AI技术时，以下是成功的三个注意事项：
无需编码或数据科学工具即可自动创建机器学习模型。这不仅使非数据科学家能够部署自己的模型，而且使专家从模型构建所创建的重复任务中解脱出来，从而使他们能够利用自己独特的专业知识来选择和微调模型以满足市场需求。这些步骤包括准备数据，修改数据以改进模型，使算法多样化等。
监视模型的性能。这对于确保算法成功至关重要，因为监视组件可以识别并解决性能问题，基础架构挑战和数据更改。如果无法监视和管理部署，则AI模型很可能最终会失败。
但是在AI驱动的时代，营销人员对AI感兴趣还远远不够。为了真正取得成功，他们需要认真思考将成为其AI任务核心的流程，人员和技术。
那些掌握了这种组合的人将很容易识别，因为他们的组织将在未来几年内占据主导地位。
比尔Hobbib负责全球营销DataRobot拥有超过25年的经验，营销突破性技术为各种规模的组织，包括数据管理，分析超过十年，而SaaS领域。