بلانسون افزود: وقتی بازاریابان با هوش مصنوعی بهتر آشنا می شوند و به فکر فراتر از صرفه جویی در بهره وری هستند ، “پس قدرت واقعی وارد می شود.”
سود برای کارآیی و هم افزایی جامع
اگرچه کارشناسان موافقت کرده اند که بازاریابان هنوز پتانسیل کامل هوش مصنوعی را در طول چرخه تجارت باز نکرده اند ، اما فناوری هنوز هم بسیار مفید است. کانتورهای بازخورد مؤثرتر بین داده ها ، خلاق و رسانه ها شروع به نجات تیم ها و تلاش های قابل توجهی می کنند.
دنیس کاپوش ، همکار ارشد بازاریابی دیجیتال در دانشکده بازرگانی کلمبیا می گوید: “اگر ما به فرایند گرفتن ایده مشتری نگاه کنیم ، این یک روند بسیار طولانی است.” “با رسیدن به بینش ها ، ساعت ها و ساعت ها کار را با تولید آن ، سازماندهی آن گذراندید. سپس باید تصمیم بگیرید که سریع تصمیم بگیرید – تقریباً به آن عجله می کنید.”
AI ، Kapush ادامه داد ، به تیم ها اجازه می دهد این سناریو را برگردانند و نحوه دریافت داده ها را بهینه کنند و به آنها زمان بیشتری برای تمرکز روی استراتژی می دهند.
نیکول جونز ، مجری اصلی تجاری رسانه ای در کانتار ، با تأکید بر نیاز به یک دیدگاه جامع که مربوط به عملیات رشته ای تر است که AI اجازه می دهد ، بر این ایده ارتقا یافت. وی گفت: “ما با آژانس ها ، تبلیغ کنندگان و ناشران کار می کنیم تا ارزش کمپین ها را اثبات کنیم.” “تمام این آزمایشاتی که ما می سازیم واقعاً در تلاش است تا اطمینان حاصل کند که خلاق و رسانه ها بیشتر متحد می شوند. فکر می کنم این دو چیز در طول سال ها بسیار قوی بوده است.”
(LR) نیکول جونز در کانتار ، سیلوین لو بورگن در JCDecaux ، دنیس کاپوش در دانشکده بازرگانی کلمبیااز آنجا که رسانه ها و پیام ها بیشتر همپوشانی دارند ، تیم ها توانایی آزمایش و یادگیری با مواردی مانند بهبود زمان واقعی را در هنگام پرواز کسب می کنند. Sylvain Le Borgne ، مدیر عامل گروه JCDECAU ، موافقت کرد که رویکرد چابک و یکپارچه منجر به کیفیت بالاتری می شود و از کارآیی یک مدل تجاری منطقی تر پشتیبانی می کند. وی گفت: توانایی ایجاد خلاقیت در متن ، به مشتریان “ایده ای از آنچه توجه را به خود جلب خواهد کرد” می دهد ، با اشاره به اینکه آنها همچنین می توانند تجزیه و تحلیل پیش بینی را اضافه کرده و خیلی سریع تکرار کنند.
