Υπάρχει έντονο ενδιαφέρον για τις δυνατότητες των προγνωστικών αναλύσεων που βασίζονται σε AI , αλλά οι ομάδες μάρκετινγκ αντιμετωπίζουν διάφορες προκλήσεις για την πλήρη υιοθέτηση αυτής της τεχνολογίας. Χωρίς να διατίθεται καθολικό βιβλίο παιχνιδιού για την ενσωμάτωση της επιστήμης δεδομένων στο μάρκετινγκ, έχουν εξελιχθεί διάφορες προσεγγίσεις, με διαφορετικά επίπεδα επιτυχίας.
Η αναφορά Predictive Analytics in Marketing Survey της Pecan AI αντικατοπτρίζει αυτήν την περίπλοκη κατάσταση και παρέχει βασικές πληροφορίες για τις ομάδες μάρκετινγκ και τους ηγέτες επιχειρήσεων που αντιμετωπίζουν τις προκλήσεις με την τεχνητή νοημοσύνη, ανεξάρτητα από το πού μπορεί να βρίσκονται στην καμπύλη υιοθέτησης.
Χρήση προγνωστικών αναλυτικών στοιχείων που προκύπτουν από την τεχνητή νοημοσύνη
Ενώ πολλές εταιρείες διαλαλούν την κρισιμότητα των δεδομένων των καταναλωτών σε διάφορους τομείς, από την πρόβλεψη μελλοντικών αγορών έως την απόσυρση πελατών, η πραγματικότητα είναι ότι περισσότερα από 4 στα 5 στελέχη μάρκετινγκ αναφέρουν δυσκολία στη λήψη αποφάσεων βάσει δεδομένων παρά όλα τα δεδομένα καταναλωτών που έχουν στη διάθεσή τους. Ο ίδιος αριθμός ερωτηθέντων (84%) λέει ότι η ικανότητά τους να προβλέπουν τη συμπεριφορά των καταναλωτών μοιάζει με εικασίες.
Η συντριπτική πλειονότητα (95%) των εταιρειών ενσωματώνει τώρα προγνωστικά αναλυτικά στοιχεία με τεχνητή νοημοσύνη στη στρατηγική μάρκετινγκ, συμπεριλαμβανομένου του 44% που έχουν δηλώσει ότι το έχουν ενσωματώσει πλήρως στη στρατηγική τους. Μεταξύ των εταιρειών που έχουν ενσωματώσει πλήρως την προγνωστική ανάλυση τεχνητής νοημοσύνης στη στρατηγική μάρκετινγκ τους, το 90% αναφέρει ότι είναι δύσκολο για αυτές να λαμβάνουν καθημερινές αποφάσεις βάσει δεδομένων.
Το μάρκετινγκ και η επιστήμη δεδομένων αντιμετωπίζουν μοναδικές προκλήσεις όταν προσπαθούν να συνεργαστούν. Ως αποτέλεσμα, τα έργα δεδομένων σταματούν. Η μελέτη παρέχει πληροφορίες για τους αγώνες τους, όπως:
- Το 38% των ερωτηθέντων λέει ότι τα δεδομένα δεν ενημερώνονται αρκετά γρήγορα ώστε να είναι πολύτιμα.
- Το 35% λέει ότι χρειάζεται πολύς χρόνος για την κατασκευή των μοντέλων.
- Το 42% λέει ότι οι επιστήμονες δεδομένων είναι καταπονημένοι και δεν έχουν τον χρόνο να ικανοποιήσουν τα αιτήματα.
- Το 40% λέει ότι όσοι κατασκευάζουν τα μοντέλα δεν κατανοούν τους στόχους μάρκετινγκ.
- Το 37% των ερωτηθέντων δηλώνει ότι χρησιμοποιούνται λανθασμένα ή μερικά δεδομένα για την κατασκευή μοντέλων.
Το Pecan Predictive Analytics in Marketing Survey διεξήχθη από την Wakefield Research μεταξύ 250 στελεχών μάρκετινγκ στις ΗΠΑ με ελάχιστη αρχαιότητα διευθυντή. Αυτά τα στελέχη εργάζονται σε εταιρείες B2C που χρησιμοποιούν προγνωστικά αναλυτικά στοιχεία και έχουν ελάχιστο ετήσιο εισόδημα 100 εκατομμυρίων $. Οι συμμετέχοντες απάντησαν σε μια πρόσκληση μέσω ηλεκτρονικού ταχυδρομείου και σε μια διαδικτυακή έρευνα μεταξύ 13 και 21 Σεπτεμβρίου 2022.