Explorando a evolução da IA ​​em marketing personalizado

Os últimos avanços na IA estão revolucionando o marketing - abordando experiências personalizadas do cliente, preços e promoções otimizadas e modelos preditivos inteligentes. A IA generativa agora chama a atenção dos CMOs globais, pois as empresas estão explorando casos de uso para criar vantagem competitiva. Conversamos com Silvio Palumbo, fundador e líder global da Fabriq, marketing de IA da BCG Personalização Plataforma, sobre como a IA está transformando a personalização, por que a experimentação é fundamental e como ferramentas como o Fabriq podem ajudar as empresas a incorporar a Genai na experiência do cliente.

BCG: Quais são alguns dos obstáculos comuns que as equipes enfrentam ao implementar programas de personalização?

Silvio Palumbo: We often see two recurring bottlenecks in companies: execution velocity and siloed operating models. It’s very hard to move at the speed of personalization. Consumers’ tastes, behaviors, and frequency of interactions are constantly changing, and traditional marketing campaigns don’t move at the same pace. That’s one bottleneck.

Second, effective personalization touches numerous parts of a company, requiring a model where the entire organization has a role to play. This concept can be at odds with the standard structure of many organizations. Not only do companies need cross-disciplinary talent in terms of different units working together internally, but they also need to maintain a unified dialogue with consumers.

Considere uma grande instituição financeira. Diferentes unidades, como banco de varejo, serviços de cartões, gerenciamento de patrimônio e depósito, podem chegar a um consumidor individualmente. Isso pode criar uma percepção de que o consumidor está lidando com quatro equipes diferentes. Internamente, não é gerenciado de forma coesa e, portanto, externamente, aparece como descoordenado. No entanto, acertar as coisas operacionalmente é uma tarefa complexa. Uma parte é cuidar de tarefas repetitivas e demoradas e simplificar o fluxo de trabalho-essencialmente, automação. A outra parte é sobre escalar a intuição dos profissionais de marketing. Imagine ser capaz de explorar recomendações de produtos, decisões de preços individuais e otimização de incentivos, enquanto realizam experimentos personalizados para cada cliente em todo o mercado. E tudo isso pode operar no piloto automático, com os profissionais de marketing impulsionando as decisões estratégicas. Como é a conversa sobre melhorar a qualidade dos dados com as empresas? A etapa inicial normalmente envolve reconhecer que toda interação ou ponto de contato com seus clientes deve ser capturado e organizado deliberadamente. Isso começa com a marcação adequada de todas as experiências on -line para coletar pontos de dados críticos. Isso vai além do básico como "O consumidor fez uma compra?" e inclui o comportamento de navegação, o tempo gasto em descrições e muito mais. Por exemplo, ao transcrever e categorizar o conteúdo da chamada, você pode coletar informações ricas e acionáveis.

We’re all consumers, so we all know what “good” looks and feels like from a consumer perspective. However, getting things right operationally is a complex task.

What role can AI have here?

AI plays a critical role along two dimensions. One part is taking care of time-consuming, repetitive tasks and streamlining workflow—essentially, automation. The other part is about scaling the marketers’ intuition. Imagine being able to tap into product recommendations, individual pricing decisions, and incentive optimization, all while conducting personalized experiments for each customer in your entire market. And all of this can operate on autopilot, with marketers driving the strategic decisions.

Many companies want to make the jump into AI but find that they struggle when it comes to data quality. What does the conversation around improving data quality look like with companies?

Data quality issues can vary considerably across industries—a retailer has typically richer and more structured data than an insurer—but generally, companies can focus on three key areas.

The first is being able to actually capture all the data you already have exposure to. The initial step typically involves recognizing that every interaction or touchpoint with your customers should be captured and organized deliberately. This starts with proper tagging all online experiences to collect critical data points. This goes beyond the basics like “did the consumer make a purchase?” and includes browsing behavior, time spent reading descriptions, and more.

Even touchpoints that might seem unstructured, such as a call center conversations or doctor notes, can be converted into structured data. For example, by transcribing and categorizing the call content, you can gather rich, actionable insights.

A segunda área é sobre a criação dos dados que você não possui. Isso envolve uma abordagem diferente e muito mais estratégica. Uma maneira de começar é experimentando. Você pode experimentar preços, promoções ou mesmo o idioma usado nas comunicações. A experimentação é um grande criador de dados e pode ajudá -lo a criar os dados desejados. Por exemplo, um cliente, uma empresa farmacêutica global, descobriu que um dos maiores obstáculos para os consumidores usarem seu produto era a falta de informação. A empresa criou um site sem marca que oferecia informações úteis aos consumidores e se tornou uma importante fonte de captura de dados quando os clientes em potencial procurariam um provedor. Quais são os maiores casos de uso agora?

A third approach involves finding novel ways for consumers to connect with you. For example, a client, a global pharmaceutical company, found that one of the biggest hurdles for consumers to use their product was lack of information. The company created an unbranded website that offered helpful information to consumers and became a major source of data capture when prospective customers would look for a provider.

In a recent BCG survey of CMOs, 67% of respondents said they are exploring generative AI for personalization. What are the biggest use cases right now?

interesse em Genai é genuíno e crescente, e a parte emocionante é que não é apenas mais uma tendência passageira. Ao contrário dos modismos anteriores de IA, os profissionais estão realmente entusiasmados com o poder e a promessa de Genai, em grande parte por causa do potencial de monetização. No momento, ele está sendo testado internamente para criar eficiências em muitos domínios, como automação, criação de imagens, criação de cópias, resumindo o texto e identificando padrões e tendências. Aqui, trata -se de ajudar indivíduos e equipes internos a trocar esses dados, seja resumindo um relatório financeiro ou fornecendo uma conformidade preliminar ou revisão de reivindicações. Esses são exemplos poderosos de como o Genai oferece insights e velocidade valiosos, enquanto os seres humanos permanecem no loop e são os drivers quando se trata dessas decisões finais cruciais. À medida que todos nos sentimos mais confortáveis ​​com a tecnologia e, à medida que as empresas obtêm uma compreensão mais clara dos custos envolvidos, Genai pode começar a desempenhar um papel muito maior no aprimoramento da experiência do cliente. Por exemplo, pensando em alguns passos além do carrinho de compras, ajudando na pesquisa assistida (não procurando por um item, mas procurando uma solução para um problema), comunicando e resolvendo problemas operacionais e logísticos em tempo real, adaptando imagens a preferências individuais durante a interação em tempo real e simplesmente surgem um produto ao uso, ajuste ou relevância do produto? E como as empresas podem usá -lo para criar valor?

What also sets GenAI apart from previous AI trends is that the technology has matured faster than the current real-world applications. Right now, it’s mostly being tested internally to create efficiencies across many domains, such as automation, creating images, creating copy, summarizing text, and identifying patterns and trends.

Unsurprisingly, we’re seeing a lot of interest and excitement in sectors that handle large volumes of data. Here it’s about helping internal individuals and teams to triage this data, whether it’s summarizing a financial report or providing a preliminary compliance or claim review. These are powerful examples of how GenAI offers valuable insights and speed, while humans remain in the loop and are the drivers when it comes to those crucial final decisions.

As companies become more adept with generative AI, how will marketing evolve?

I think in the future, applications will become more consumer-facing, and a good portion of that will come out of the box within the martech ecosystem. As we all become more comfortable with the technology and as companies gain a clearer understanding of the costs involved, GenAI could start playing a much bigger role in enhancing the customer experience.

This second wave of GenAI will be about helping consumers in novel ways. For instance, thinking a couple of steps beyond the shopping cart, helping with assisted search (not searching for an item, but searching for a solution to a problem), communicating and solving operational and logistical problems on the fly, tailoring imagery to individual preferences during real-time interactions, and simply surfacing a product to the usage, fit, or relevance of the product for that customer.

What is smart integration? And how can companies use it to create value?

Smart integration is the recognition that deriving value from AI doesn’t come from creating new AI solutions, but rather from effectively applying existing AI solutions within larger business processes.

Think about traditional AI, where a solution—such as a product recommender on a grocer’s website—provides predictions about a consumer’s future purchases. For example, it might predict a customer is likely to buy milk, eggs, and strawberries. But the true value doesn’t lie solely in these predictions; it’s how businesses leverage them to make strategic decisions. The advantage comes from smart integration, using these insights to inform promotion and pricing strategies.

A integração inteligente se concentra em duas áreas principais: experimentação e aplicação. Com a experimentação, as empresas geram continuamente dados diversos e de alta qualidade para alimentar seus algoritmos, levando a melhores previsões. No caso do sistema de compras, isso pode envolver testes diferentes fatores, como padrões de navegação ou tempo de compra, para refinar as recomendações. Essa capacidade é a combinação - daí a “integração” - de muitos componentes além da IA. Isso isso exige um nível de conforto entre a liderança para ambiguidade e adaptabilidade. A IA é apenas uma parte de uma imagem maior.

Application refers to the flexibility to swap out new algorithms and solutions as business needs change. This requires a comfort level among leadership for ambiguity and adaptability.

How can tools like Fabriq play a role here for companies, in terms of orchestrating a more effective martech system?

Creating any type of AI-informed experience can be challenging, because there are many components that are making that system work. The AI is just one part of a bigger picture.

Essa realização é muito importante. A vantagem competitiva não vem simplesmente de entrar na IA. Ele vem da construção de um sistema em que todas as diferentes partes móveis funcionam bem juntas. Como as empresas fazem com que esses sistemas funcionem efetivamente se conecta de volta ao modelo organizacional.

= Fabriq é a plataforma de personalização do BCG e atua como uma camada de aumento das soluções existentes. Assim como o nome sugere, o Fabriq tece com componentes diferentes no seu ecossistema de tecnologia ou martech, fiel ao ethos de integração inteligente. O Fabriq não é uma entidade única, mas um conjunto de módulos que podem funcionar isoladamente e/ou como coletivo, cada um adicionando automação ou inteligência a processos como experimentação, criação de campanhas, otimização de mídia ou medição.

Como as três dimensões diferentes da plataforma Fabriq (identidade, mídia e personalização) ajudam as organizações a abordar os desafios digitais? A plataforma pode ser usada como um complemento em áreas que precisam de foco ou onde a propriedade de IP é preferida. As tendências ou tecnologias emergentes devem ficar de olho?

Many organizations struggle to fully leverage their tech resources for value, and Fabriq addresses the need for speed, connection, and orchestration. The platform can be used as an add-on in areas needing focus or where IP ownership is preferred.

And given that the code base is accessible, Fabriq enables companies to create their own competitive advantage across three critical consumer-facing dialogues: knowing the customer (identity), acquiring the customer (media), and nurturing the relationship (personalization).

As the boundaries of personalization continue to expand, what emerging trends or technologies should businesses keep an eye on?

A ascensão de Genai está mudando rapidamente como usaremos as ferramentas. Os fornecedores devem incorporar soluções Genai dentro das ferramentas do cotidiano, o que retirará algumas das organizações de necessidade de criar suas próprias soluções genai. Estamos vendo isso já acontecendo em ofertas de empresas como Adobe, Salesforce, Google e Microsoft. Esse fator de conveniência não significa que as empresas devem colocar todos os seus ovos em uma cesta. Ninguém pode se destacar em tudo, e as organizações precisam manter sua própria propriedade intelectual única ou "molho secreto" para se manter competitivo. Isso pode significar criar algo que seja diferenciado e personalizado para suas operações, mesmo ao alavancar as ferramentas de fornecedores incorporadas à AII em outras áreas. Inscreva -se

At the same time, the market is also experiencing a trend towards consolidation, with one-stop solutions emerging. This convenience factor doesn’t mean that businesses should put all their eggs in one basket. No one vendor can excel at everything, and organizations need to retain their own unique intellectual property or “secret sauce” to stay competitive. This might mean creating something that is differentiated and customized to their operations, even while leveraging AI-embedded vendor tools in other areas.