6 casos de uso de automatización de marketing en los que la IA puede ayudar con la calidad de los datos

Nota del editor: esta es la parte 2 de una serie de cuatro partes sobre cómo se está integrando la IA en las plataformas de automatización de marketing. La Parte 1, Automatización del marketing con IA: cómo funciona y por qué debería importarle a los especialistas en marketing, está aquí.

Durante gran parte de 2023, la exageración de la IA se centró en los casos de uso de contenido generativo de IA (texto, imagen, video). Algunos aún dudan del impacto final de la IA generativa, pero la aceptación general muestra que gran parte del enfoque en las capacidades de reconocimiento de contenido está justificado.

Y, sin embargo, está en marcha un movimiento aún más profundo: la introducción de la IA en todas las aplicaciones de la tecnología de marketing.

Para los líderes de martech, la integración de la IA en los componentes principales de la pila, como CRM y las plataformas de automatización de marketing (MAP), aumentará la precisión y la productividad. En esta área, me he centrado en la gestión de datos, que la mayoría de los líderes de operaciones de marketing también consideran la base de la fundación.

📑 Aquí podrás encontrar 👇

Gestión de datos: el primer proceso de lenguaje (semi-)natural

Antes del punto de inflexión de la IA, la gestión de datos fue el primer cambio de "lenguaje natural" que impulsó el crecimiento de martech. ¿Cómo? A través de la transformación sin código que nos permitió crear nuevos campos de base de datos, un privilegio previamente reservado para TI. La capacidad de crear campos internos y orientados al cliente, integrados en páginas de destino y sitios web, transformando el compromiso digital.

A pesar de la automatización, confiamos en gran medida en la interacción humana y las interfaces del sistema para impulsar gran parte de la entrada. Y a pesar de las herramientas más fáciles de usar, la capacitación aún representaba una barrera de aceptación para la entrada (correcta) de datos.Los primeros algoritmos de IA afectaron varios procesos de saneamiento de datos después de que los datos se ingresaron incorrectamente o estaban incompletos. Pero todos sabíamos que la forma más eficiente es evitar que ingresen datos inexactos en el sistema, lo que conduciría a resultados erróneos aguas abajo.

Para ilustrar, usaré un marco general: Garbage In, Garbage Out (GIGO).

'basura en'

1. Introducir datos

Los ejecutivos de Martech se estremecen cuando los usuarios dicen que ingresar los datos es difícil. Se merece empatía, especialmente cuando se han realizado cambios en la interfaz de usuario con el tiempo. (Si tiene una tienda de Salesforce y aún cambia a Classic vs Lightning, ¡ese es su recordatorio de empatía!)

Muchos proveedores líderes, incluido Salesforce, han predicho recientemente que este será el caso. revolución "instantánea" de la IA generativa cambiará la interfaz de usuario para siempre. Ahora se requiere que cada interfaz de usuario maneje el lenguaje natural para reducir la fricción (o disculpe si está siendo cínico) para los usuarios que ingresan datos.

Por ejemplo, ChatSpot (la interfaz de inteligencia artificial de HubSpot) utiliza el modelo GPT en su interfaz de usuario. (Aunque soy independiente del proveedor, he usado la herramienta y usaré ejemplos en parte, ya que está disponible en alfa pública para realizar pruebas).

Comencemos con lo básico: agregar un nuevo contacto.

Los usuarios no tienen que recordar dónde hacer clic en Agregar contacto en la interfaz predeterminada de HubSpot. En su lugar, utilizan un símbolo del sistema simple como este...

En el período alfa de tres meses, HubSpot también agregó plantillas de solicitud que activan acciones basadas en tareas comunes, por lo que ahora puede elegir de una lista de favoritos como esta.

2. Investigación y complementación de datos sobre personas y empresas

Muchos MAP recuperaron información básica de los clientes de los sitios web. AI simplifica esta tarea, y ahora una versión resumida de perfiles importantes para aumentar los contactos o agregar información firmagráfica de la empresa está a solo un momento de distancia. Por ejemplo:

3. Incorporado en hojas de cálculo

Según la Encuesta de salario y carrera de 2023 de Aprendermarketing, alrededor del 70 % de los especialistas en marketing dedican más de 10 horas a la semana a trabajar en hojas de cálculo. Son un requisito previo para las pilas martech.

Hablé sobre cómo estas herramientas (y sus fórmulas, funciones BUSCARV, etc.) siguen siendo nuestros decodificadores secretos para trabajar con múltiples fuentes de datos en mi presentación en la conferencia Aprendermarketing en marzo de 2023. Para muchos equipos más grandes, un analista de datos de tiempo completo respalda este esfuerzo. Los equipos más pequeños a menudo tienen un experto en marketing experto en datos con habilidades de Excel.

Sin embargo, programar BUSCARV es demasiado técnico para muchos. Los especialistas en marketing ahora usan indicaciones generativas de IA para crear fórmulas. Varias utilidades de complementos de IA integran avisos generados por IA directamente en hojas de cálculo.

Estas características de lenguaje natural "sin código" serán las adiciones más poderosas y más utilizadas. Estará integrado directamente en las herramientas de trabajo de conocimiento básico (como Google Workspace Labs y Microsoft Co-Pilot). Los usuarios le pedirán a un asistente de inteligencia artificial que extraiga dominios de las direcciones de correo electrónico, extraiga nombres y apellidos, empresas, etc. y cree de manera efectiva datos estructurados a través de indicaciones en lenguaje natural.

"La basura fuera"

Ahora pasemos al otro lado del espectro: casos de uso en los que la IA ayuda con la salida de datos.

4. Interfaces de lenguaje natural para análisis

Todos hemos pasado por eso: en lugar de acceder a la plataforma, alguien te pide que exportes un informe a PowerPoint o Google Slides. Obtener el informe de la aplicación sobre indicaciones en lenguaje natural será innovador.

"¿Puedes darme un informe basado en eso? “ será un mensaje que reduce la barrera para que más personas accedan directamente a los análisis.

Si, con el tiempo, los usuarios están más inclinados a ingresar los datos y verlos reflejados correctamente, es más probable que proporcionen entradas de calidad. En lugar de corregir el gráfico, los usuarios pueden corregirlo en la fuente.

5. Funciones de visualización integradas

La creación de visualizaciones también vendrá con funciones avanzadas. Podremos solicitar a las plataformas estas visualizaciones a través de complementos/interfaces.

Como muchos otros, estoy esperando ansiosamente el acceso a las capacidades del intérprete de código de OpenAI. Mientras tanto, sigo a otros pilotos, incluido Ethan Mollick, quien dio un adelanto de las funciones en su boletín One Useful Thing: extracto en su última publicación en el boletín.

6. Grandes datos accesibles

Todos estos beneficios de entrada y salida de datos no se limitan solo a los datos específicos que son la "Fuente de la verdad" en CRM/MAP.

Debido a que hemos reducido la barrera de entrada para más fuentes de datos, los resultados de un análisis se pueden vincular a otros de formas no consideradas anteriormente, ya que se podrá acceder a otras extensiones de datos y atributos complementarios. Indicaciones basadas en IA así como también.

Todavía se requiere gobernanza y capacitación para evitar la confianza ciega

Los líderes de Martech deben tener cuidado de no depender únicamente de la IA para el gobierno y la calidad de los datos. Dada la inmadurez de las herramientas de IA generativa y su potencial para degradar la calidad de los datos si no se controlan, se debe aplicar una gobernanza adicional.

El desafío de la gestión de datos tiene un doble impacto. Es posible que los avisos no sigan las pautas de su organización para asociar contactos con cuentas; Es posible que sea necesario desarrollar indicaciones avanzadas que sigan estas pautas.

Hoy en día, cualquier persona que importe datos en una hoja de cálculo realiza una verificación de cordura después de aplicar fórmulas. Los errores tipográficos pueden causar problemas con miles de registros. Pero la lógica defectuosa introducida por AI puede corromper miles de registros si los usuarios no han creado el aviso adecuado para comenzar.

¿Que sigue? En la parte 3 de esta serie, analizaré la integración de la IA en los procesos de la campaña MAP.

¡Consigue Aprendermarketing! A diario. Gratis. En tu bandeja de entrada.

Las opiniones expresadas en este artículo son las del autor invitado y no necesariamente las de Aprendermarketing. Los autores del personal se enumeran aquí.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir