Generativ AI kan hjælpe med at redde mærker, da hyper-personaliserede oplevelser og øget efterspørgsel vinder forbrugere

I dag har førende virksomheder brug for at markedsføre, planlægge og forudsige med ekstrem præcision. Generativ AI kan hjælpe.

Store ændringer i forbrugerlandskabet i dag – herunder flere købskanaler, nye vaner og skiftende formuefordeling – betyder, at forbrugerrettede mærker bør overveje at ændre deres markedsførings- og produktstrategier. Ved at udnytte data, maskinlæring og AI har disse organisationer en mulighed for bedre at kende hver enkelt kunde, deres ønsker, ikke-ønsker, hvad der motiverer dem til at købe, og mere. Ifølge Deloittes forskning i personliggjort kundeoplevelse sagde 69% af forbrugerne, at de er mere villige til at købe fra et mærke, der personliggør oplevelser. Overvej nogle af de seneste eksempler på, hvordan mærker udnytter data til at skabe efterspørgsel og give forbrugerne, hvad de vil have. Tidligere på året så vi en viral Valentinsdags-kop, der skabte en hysteri blandt forbrugere, der førte til hurtigt udsolgte produkter, en socialmedie-frenzy og massiv FOMO. Nu forudser eksperter, at dette ikke blot var en isoleret begivenhed, men snarere et glimt af, hvad mærker kan gøre for at udvide produkter og profit.

På mange måder er dette et eksempel på, hvordan mærkeloyalitet er udviklet. Faktorer som inflation og økonomisk turbulens gør, at det blot at have et populært produkt ikke længere er nok – forbrugere bliver mere kræsne og mere villige til at slippe mærker, som de ikke længere føler sig set eller værdsat af, eller som ikke repræsenterer værdier, der er vigtige for dem (f.eks. miljøvenlige produkter/selskaber). Hvis mærker vil opnå og fastholde forbrugernes udgifter, må de sætte oplevelsen i centrum.

Men en memorabel interaktion kan betyde mange forskellige ting afhængigt af, hvem der oplever det. Her kommer Generativ AI (GenAI) ind i billedet. Ny GenAI-teknologi kan hjælpe mærker ikke blot med at forstå, hvad deres målgruppe har brug for for at føle sig forbundet, men også informere hvor der er bestemte målgruppetendenser, de steder, hvor de vælger at tilfredsstille disse behov, og hvordan ofte de gør det. Denne information kan enten gøre eller ødelægge, hvordan et mærke er positioneret over for sin målgruppe. Der er også nogle måder, mærker skal tænke på, hvordan de kan bruge GenAI-værktøjer til at sikre, at de skaber en holistisk tilgang til at opfylde målgruppens behov og bygge varig loyalitet. De to største faktorer er målrettet markedsføring og efterspørgselsplanlægning.

Bliv en mestermarkedsfører

For at effektivt bruge GenAI som markedsfører må praktikerne først forstå skiftet væk fra massemålrettet markedsføring med brede kampagner til individualiserede mikrokontaktpunkter for hver af deres kunder. Nøglefaktorer, der driver dette skift og ultimativt stigningen i personliggjort markedsføring, omfatter virkeligheden af mange “førstegange” på det amerikanske marked, herunder:

• Kvinder forventes at kontrollere mere formue end mænd (fra 49% i 2019 til 65% i 2040)¹
• Den amerikanske befolkning vil omfatte flere mennesker over 65 år end under 18 år², og den mest diverse generation i historien er på vej til at blive voksen.³

Dette “fra maske til mikro”-tilgang, som er forsknet af Deloittes ConvergeCONSUMER-hold, viser, at en overgang fra maske, manuel og reaktiv beslutningstagning til en mere dynamisk model, der er kontinuerlig, automatiseret og prædictiv, kan hjælpe mærker med at bringe deres markedsførings- og målrettet strategi ind i fremtiden.

Så hvad udgør et mikrokontaktpunkt? Taktikker til at nå en forbruger kan omfatte flere hyper-personaliserede markedsføringsstrategier, såsom at forbinde sig via sociale medier, streamingtjenester, influencers, blogs og mere. De mest innovative detailhandlere udforsker anvendelser af propensity-modeller til at hjælpe med at forme sociale medie-indtryk og vælge kanalen, som deres mest ønskede kunder tiltrækkes af. Men det er kun mediet – data bag disse kontaktpunkter er endnu mere kritisk at få rigtigt. Indsigter, der viser, hvem, hvor, hvordan og hvorfor mærker skal målrette bestemte målgrupper, har historisk set været svære at trække ud, især på så lille en skala. Men nu gør GenAI det lettere at få denne granulerede data.

Ved at bruge GenAI til at analysere data om forbrugere kan mærker målrette meget niche-målgrupper på tværs af platforme – hvilket giver dem mulighed for at bygge markedsføringsoplevelser, der resonerer tæt med den gruppe. For eksempel kan AI fortælle mærker, at Amanda i Indianapolis sandsynligvis vil købe tre mærke-navne-yoga-sæt online om morgenen den 15. marts efter at have tilmeldt sig et nyt fitnesscenter. Mærker kan derefter servere hende en personlig annonce på nyhedssiden, hun læser, samt et fitness-relateret indlæg fra hendes favorit-sociale medie-influencer.

GenAI gendefinerer også, hvad det vil sige at kende sin eksisterende kundebase. Mens de fleste organisationer mener, de har en visning af de segmenter, de betjener, bruger mange simple visninger af deres kunder baseret på simple demografiske data. Organisationer, der omfavner GenAI-æraen, bruger en mere nuanceret måde at gruppere lignende kunder sammen ved at blande deres første partsinformation med tredjeparts-signaler, propensity-modeller, livstidsværdimodeller og churn-modeller for at skabe en virkelig komplet kundefil. De behandler derefter denne berigede kundefil for at identificere det faktiske antal kohorter i data. Fri fra begrænsningerne af simple partitioner af alder, køn eller hvor de bor, gør maskinlæring det muligt for os at opdage de ikke-åbenlyse forbindelser mellem grupper, som mange ville betragte som helt uforbindelige. GenAI kommer i spil ved at forklare disse kohorter på en måde, vi kan forstå, efter at de sofistikerede matematiske partitioner er blevet partitioneret. Desuden giver GenAI naturlig sprogforklaring af ukendte tendenser og indsigt inden for kohorter, samtidig med at den fremhæver variationer på tværs af kohorter på en måde, som selv de bedst mentede menneskelige markedsførere aldrig kunne gøre alene.

GenAI kan skabe 360-graders kontaktpunkter for markedsførere på områder, der tidligere var udfordrende, og teknologien har stor fremme i denne forretning – men implementeringen i operationerne vil kræve langsigtede forandringer. Plus, det kan tage tid for organisationer at lære, at selvom konceptet bag “fra maske til mikro”-tilgangen øger kompleksiteten, kan det ultimativt skabe en mere håndsfri metode for mærker sammen med brugen af GenAI. Dette skift markerer en afvigelse fra traditionelle strategier og indfører en æra af data-drevet, realtids-tilpasning.

Planlæg med præcision

GenAIs potentiale går fuld-funnel, og dens evne til at løse problemer stopper ikke efter markedsføring og personliggjort målrettning. Når de hyper-personaliserede markedsføringsstrategier har virket deres magi for at skabe mærke-buzz, kan GenAI yderligere støtte organisationer med at planlægge efterspørgsel og forudsige, hvor meget af hvert produkt de har brug for og hvor – ned til den præcise placering.

Dette er nyttigt af flere årsager, herunder, at for essentielle mærker, der afhænger af at have lager på lager for at holde trit med konstant forbruger-efterspørgsel (såsom fødevare-, mad- og forbrugsvarer), kan disse værktøjer hjælpe dem med at forudsige og justere under store forsyningskæde-afbrydelser. En anden årsag er, at for mærker, hvis produkter ikke er essentielle, kan disse data hjælpe med at forudsige efterspørgsel på både makro- og mikro-niveau – hvilket kan informere lagerstrategi.

En strategisk udfald kan være, at GenAI analyserer data og foreslår bevidst at holde lager lavt i højt-efterspørgsels-markeder for at øge interessen. På denne måde, hvis der er begrænset lager, der er mindre end mærkets målgruppe i visse markeder, føler forbrugerne, der fik produktet, sig som en del af en særlig mærke-oplevelse. Dette er et godt eksempel på, hvordan GenAI er et kraftfuldt værktøj, som markedsførere kan have i deres baglommer, ikke blot til at raffinere kreative løsninger, men også til at sparkere dem på ikke-traditionelle måder.

GenAIs potentiale er stadig under opdagelse

GenAI er stadig i sin barndom, men vi har allerede opdaget hundredvis af måder, vi kan bruge det til at raffinere processer i alle slags industrier. Men der er stadig meget at lære.

Mens vi allerede ved, at det kan hjælpe organisationer med at forstå forbrugere og deres interne processer bedre, er der utallige måder, det vil udvide grænserne for, hvad der er muligt i markedsføring. Ultimativt er potentialet det at tage data ud af bagkontor-funktionerne og inkorporere det i forkontor-funktionerne, hvilket giver en mere strømlinet organisation.

Organisationer, der søger at komme i gang med at bruge GenAI, bør først sikre, at de har en klar visning af kvaliteten og styringen af deres data. Uden denne solide grund er der en større risiko for at forstærke dårlige indsigt eksponentielt, så investering i en skalerbar datastyringsløsning og professionelle, der kan hjælpe med at få data i orden, vil være kritisk.

GenAI bør ikke være noget at frygte. I stedet bør ledere være begejstrede for potentialet i GenAI til at låse yderligere værdi i deres markedsføringsoperationer.