Tekoäly (AI, artificial intelligence) markkinoinnin välineenä on ollut tänä vuonna uutena puheenaiheena markkinoinnin tapahtumissa Helsingin Markkinoinnin Viikosta Ruotsin Webdagarnaan. AI onkin luonteva jatko markkinoinnin automaation aloittamalle keskustelulle, jonka keskiössä ovat tarkasti kohdennettu sisältö, automatiikka, omnichannel ja ketteryys.

Moni on markkinoinnin automaation myötä herännyt pohtimaan, mitä kaikkea teemme manuaalisesti. Samalla on alettu huomata, miten suunnattomia mahdollisuuksia data markkinoijalle tarjoaa ja ryhdytty etsimään uudenlaisia ratkaisuja sen hyödyntämiseksi myös markkinoinnin automaatiotyökalujen ulkopuolella.

Harvalla meistä on aikaa kahlata datamassoja. Robotilla on.

Mitä AI on?

No...teoriassa – ainakin mielikuvissamme. Mutta käytännössä aika paljon muutakin.

Keinoäly on juuri sitä miltä se kuulostaakin: normaalisti ihmistä vaativien tehtävien suorittamista ihmisälyä simuloivan teknologian avulla. Tarkoituksesta tai yrityksestä riippuen tämä voi tarkoittaa monimutkaista teknistä yritysratkaisua – tai hassusti nimettyä chatbottia.

Itse asiassa AI-teknologiaa käytetään jo monessa markkinoijalle arkisessa paikassa. Markkinoija työskentelee sen kanssa vaikkapa some- ja mediamonitoroinnin kautta: esimerkiksi ViidakkoMonitorin semanttinen seuranta on keinoälyä. Monitori ymmärtää että jokin artikkeli käsittelee tiettyä aihetta katsomalla kokonaisuutta, kun aiemmin monitorit keskittyivät hakemaan osumia ainoastaan käyttäjän niille antamilla hakusanoilla. Hakukoneita työssään miettivä markkinoija työskentelee keinoälyn parissa hänkin.

Kolmen lajin keinoälyä

Vaikka keinoälykeskustelu ei missään nimessä ole vakiintunutta, ja termistöstä sekä siitä mitä se ylipäänsä on, väitellään yhä, markkinoinnin keskustelussa AI jaetaan karkeasti kolmeen ryhmään: koneoppiminen, applied propensity models ja keinoälysovellukset.

Koneoppiminen (Machine Learning)

Koneoppimisesta puhutaan sillon, kun algoritmeja hyödyntäen luodaan malleja todennäköisestä toiminnasta aiempaan dataan perustuen. Esimerkiksi sähköpostimarkkinoinnin roskapostifiltterit ovat koneoppimista: ne muovautuvat jatkuvasti sen mukaan, miten roskapostittajien käyttäytyminen muuttuu.

Applied Propensity Models

Tästä puhutaan, kun koneoppimisen kautta luotuja malleja käytetään ennustamaan toiminnan tuloksia. Tätä hyödyntävät esimerkiksi markkinoinnin skenaariotyökalut, joiden avulla voidaan ennustaa, mikä markkinointitoimenpide tuottaa todennäköisemmin halutun tuloksen.

Keinoälysovellukset (Artificial Intelligence, AI Applications)

Keinoälysovellukset ovat sovelluksia, jotka on ohjelmoitu tekemään tiettyjä tehtäviä, kuten luomaan tekstiä, keräämään tietoa, tai tunnistamaan kuvia. Tätä ovat myös verkkokaupassa sinulle jutteleva chatbot, chatissä sinua asiakaspalvelijan sijaan – mutta usein varsin taidokkaasti – jututtava robotti. Papukaijamaisesti ennalta ohjelmoituja vastauksia toistavan robotin “älykkyys” voidaan toki kyseenalaistaa, ja väittely siitä, voidaanko nämä sovellukset todella luokitella keinoälyksi, on kuumaa.

Miten AI eroaa markkinoinnin automaatiosta?

AI-teknologia eroaa markkinoinnin automaatiosta siten, että markkinoinnin automaatiota suunniteltaessa ketjujen toiminnan suunnittelee ihminen ja toteuttaa automaatio. Kaikki oppiminen ja ongelmanratkaisu tehdään kuitenkin järjestelmää operoivan ihmisen toimesta.

AI taas vie automaation astetta pidemmälle, ja tekee päätöksiä itsenäisesti eri informaatiota yhdistellen – ja kehittyy jatkuvasti uuden tiedon pohjalta. Markkinoinnin automaatiolla markkinoija kykenee hallitsemaan paljon monimutkaisempia ketjuja kuin mihin manuaalisesti kykenisi. AI taas monimutkaisimmillaan yhdistelee tietoa tavalla, johon yhdenkään meistä aika tai muistikapasiteetti ei riittäisi. Tämä mahdollistaa loputtoman määrän variaatioita – ja yhä yksilöllisempiä asiakaskokemuksia.

AI tuskin kuitenkaan tulee korvaamaan markkinoinnin automaation, vaan ne ovat ennemminkin toisiaan tukevia toimintoja. Keinoälyä käytetään jo nyt parantamaan markkinoinnin automaation datankäsittelyä, ja jatkossa AI lienee olennainen osa MA-järjestelmiä. Tulevaisuudessa markkinoinnin automaation hallinta on todennäköisesti yhä enemmän keinotekoisesti oppivan järjestelmän ja inhimillisesti kehittyvän markkinoinnin ammattilaisen ongelmanratkaisun ja kehittämisen yhteistyötä.

Mitä keinoälytekniikalla tehdään?

Keinoäly ei useinkaan korvaa ihmistä älykkäimmillään, vaan ennemminkin rutinoituneimmillaan. Perinteisimmät AI-sovellukset korvaavat tällä hetkellä esimerkiksi markkinoinnin ja asiakaspalvelun yksinkertaisimpia, rutiininomaisimpia toimintoja kuten tiedonhakua ja monistamista, ja auttavat skaalaamaan ihmisen työtä.

Tyypillisimmät tavat käyttää keinoälyä ovat:

Äänen tunnistus

Jatkuvasti kasvava osa hauista tehdään äänitunnistuksella älypuhelimen kautta, mikä tulee tarjoamaan jatkossa haasteita hakukoneoptimointiin ja mahdollisuuksia päästä hakutuloksissa korkealle ääneen panostamalla. Ääni tarjoaa myös loputtoman määrän mahdollisuuksia markkinoinnille ja esimerkiksi älykkäille verkkokaupoille – miltä tuntuisi shoppailla virtuaalisen ostoassistentin avulla, tai selailla verkkokaupan suosituksia pelkällä äänellä?

Kuva: Ristiriitaisen vastaanoton saanut Hello Barbie perustuu äänen tunnistukselle. Kuva: Mattel. 

Chatbotit

Keinoälyä tyypillisimmillään ovat asiakaspalveluun käytetyt chatbotit, jotka oppivat keskustelemaan tietyistä asioista asiakkaan kanssa chatin kautta. Chatbotin luominen ei ole monimutkaista – kokeile esimerkiksi luoda yrityksesi FB-sivulle chatbot Facebookin ohjeiden avulla.

Haut

Keinoälytekniikka on erityisen toimivaa suuren määrän dataa sisältävissä hauissa, joissa kysymykset eivät ole täysin spesifejä. Esimerkiksi verkkokaupassa voit nykyäänkin itse määritellä, mitkä takit tulevat esiin haussa tietyillä filttereillä, mutta keinoälyhakua käyttäen asiakas voi pyytää “näyttämään kivan laskettelutakin joka ei ole pinkki ja jossa on pidempi helma” – toisin sanottuna asioita joita et ole tullut ajatelleeksi tai joita ei ole edes mielekästä filtteröidä. Kokeile itse, löytyisikö The North Facen kokeilusta juuri sinulle sopiva takki. 

Tekstin tuottaminen

Keinoälyn avulla pystytään jo nyt tuottamaan hyvin tekstiä – ei ehkä Finlandia-palkinto -tasoista, mutta usein ihan kelvollista. Sen sijaan että korvaisit bloggaajasi boteilla, kannattaa kuitenkin aloittaa tiukkoja sääntöjä noudattavista teksteistä, joita keinoäly jo luo luotettavasti (ja joiden luomisesta manuaalisesti harva nauttii). Näitä ovat esimerkiksi erilaiset rahoitusraportit, urheilutulokset, hotellien kuvaukset ja pörssitietolistaukset. Keinoäly vaikuttaa myös erinomaiselta keinolta tiivistää tai luokitella laajoja tekstimääriä.

Kuvatunnistus

Kuvatunnistus, johon törmäämme paljon Facebookissa, Pinterestissä ja nyt myös uusimmassa iPhonessa, tarjoaa paljon käytännön sovelluksia markkinoijalle, lähtien hakutoiminnoista (näytä minulle kaikki punaiset takit) tunnistamiseen (näytä minulle minkä merkkinen takki ohi kulkevalla naisella on päällään). Kanavalla ei sinänsä ole merkitystä: kuvantunnistukseen löytyy valmiita ratkaisuja joiden päälle rakentaa niin verkkokauppaan, mobiiliapplikaatioihin kuin verkkosivuillekin.

Kuva: Kiinalainen Baidu tarjoaa “silmät sokeille”: käyttäen kuvan ja äänen tunnistusta sovellus tunnistaa ihmisiä ja esineitä, ja kuvailee ne sitten sovellusta käyttävälle henkilölle.

Käyttäytymiseen perustuva ennustaminen

Ennustaminen tulee todennäköisesti olemaan yksi arvokkaimpia AI-toimintoja yrityksille. Kun pystytään ennustamaan luotettavasti, miltä asiakaskäyttäytyminen näyttää juuri ennen kuin asiakas aikoo irtisanoa palvelun, osataan ottaa yhteyttä oikealla hetkellä. Myös tieto siitä, millaista asiakaskontaktointitiheyttä kukin asiakas preferoi tai millaista sisältöä hänelle tulisi verkkosivuilla näyttää, on arvokasta.

Display-mainonta

Vaikka usein yhä tuntuukin, että yksinkertaiset “katsoin tätä kulhoa, nyt se seuraa minua loputtomiin” -retargeting-ketjut ovat yleisintä display-mainontaa, esimerkiksi Adwords- ja PPC- ja CPC-mainonta saavat jo paljon tietoa keinoälyn avulla, ja trendi on nouseva. Tämä auttaa paitsi yritystä kohdentamaan paremmin ja kustannustehokkaammin, myös kuluttajia saamaan relevantimpia viestejä.

Dynaaminen hinnoittelu

Tietyille aloille, kuten hotelli- ja matkailualalle, on dynaaminen hinnoittelu ollut jo pitkään arkipäivää: hinnat määräytyvät kysynnän ja muiden tekijöiden mukaan. Esimerkiksi verkon lentovertailupalvelut näyttävät sinulle eri hintoja eri päivinä koneälyyn perustuen – kenties jopa siihen, oletko jo aiemmin kyseistä lentoa katsonut, mutta varmasti siihen, kuinka moni on juuri sen ostanut tai aikeissa ostaa. On myös olennaista näyttää tarjouksia vain hintakriittisille, ja kohdistaa esimerkiksi ostomäärään sidotut alennuskoodit oikeaan ostoryhmään, jossa vaikutus on suurin.

Koodiviidakko jatkaa teknologiakehitystään AI-puolelle

Koodiviidakon vuoden 2017 alussa perutettu LianaAI-yksikkö pyrkii tarjoamaan markkinoijille jatkossa mahdollisuuksia hyödyntää myös keinoälysovelluksia. Ota yhteyttä jos haluat jatkaa keskustelua kanssamme!

Lue myös: 

Koodiviidakko huippuosaajien joukossa Aalto-yliopiston laajassa tekoälyn tutkimushankkeessa.