์ฌ์ ๋ฆฌ๋
๋ฐ์ดํฐ๋ ์ด๋์๋ ์์ง๋ง, AI ๋ชจ๋ธ์ด ์ฌ๋ฐ๋ฅธ ๋ฐ์ดํฐ๋ฅผ ์ป๊ณ ์๋์ง ์ด๋ป๊ฒ ์ ์ ์์๊น?
데이터는 동등하게 생성될 수 있지만, 모든 데이터는 동등하지 않다. 고객을 위해 상품과 서비스를 제공하는 B2B 조직은 목표를 달성하기 위해 필요한 통찰력과 정보를 제공하는 모델을 개발하기 위해 AI 모델에 입력되는 데이터를 “분별”하는 방법을 개발해야 한다. 이를 위해 자체적으로 수집한 독점적인 데이터를 최대한 활용하는 모델을 구축해야 한다. 즉, 고객과의 커뮤니케이션, 판매 및 마케팅 보고서, 캠페인 반응, 그리고 수십 가지의 다른 지표에서 수집한 데이터를 활용해야 한다.
전통적인 아웃리치, 마케팅, 판매 전략이 효과적으로 작동하지만, 경쟁에서 앞서기 위해 조직은 인공지능을 사용하고 있다. 고객과 시장에 대한 좋은 AI 모델을 가지고 있는 기업은 훨씬 더 효과적인 마케팅 및 판매 계획과 노력을 설계할 수 있다. 왜냐하면 AI 알고리즘은 조직이 더 효과적인 전략을 개발하는 데 도움이 되는 수천 개의 데이터 포인트를 훨씬 더 효율적이고 빠르게 분석할 수 있기 때문이다.
데이터 품질, 즉 조직의 시장과 잠재 고객을真正로 반영하는 데이터가 여기서 핵심이다. 올바른 데이터를 가지고 있다면, 기업은 효율적으로 효과적인 마케팅 전략을 개발하고, 집중할 시장과 가장 적합한 고객을 결정하며, 강력한 전략을 구축할 수 있다. 반면에, “나쁨” 데이터는 이러한 목표를 달성하는 데 도움이 되지 않을 뿐만 아니라, 실제로 巨大한 손실을 초래할 수 있다.
AI 모델을 사용하는 모든 조직에서 데이터 품질을 보장하는 것이 중요하지만, 특히 AI를 처음 사용하는 회사에 더욱 중요하다. 이러한 회사들은 공공 및 독점적인 소스에서 데이터를 수집하여 AI 모델을 구현하려고 애쓰고 있다. 어떤 소스를 사용해야 하는가? 데이터가 가장 효과적인 모델을 개발하는 데 도움이 될지 어떻게 결정할 수 있는가? 유용한 데이터와 비유용한 데이터를 어떻게 구별할 수 있는가? 최대 85%의 AI 프로젝트가 실패한다는 사실(많은 경우가 나쁨 데이터로 인해 발생함)을 고려하면, 이러한 질문은 조직이 AI 여정에 착수하기 전에 매우 심각하게 고려해야 한다.
조직이 AI 모델에 데이터를 채우기 위해 취할 수 있는 몇 가지 경로가 있다. 산업, 잠재 고객, 경쟁사, 트렌드 등에 대한 대규모 공공 및 독점적인 데이터베이스에서 데이터를 제공하는 회사와 계약하는 것이 하나의 방법이다. 이러한 회사에서 제공하는 데이터로 모델을 채우면 조직은 빠르게 AI를 진행할 수 있다. 하지만 많은 조직에게 이는 실수일 수 있다. 제공되는 데이터 중 일부는 유용할 수 있지만, 조직의 목표에 부정적이거나 무의미한 데이터가 충분히 포함되어 있기 때문에 AI 모델을 왜곡할 수 있다. 또한, 제3자와 AI 모델을 공유하는 것은 보안 위험을 초래할 수 있다.
조직이 외부 소스를 통해 산업 및 경제에 대한 “큰 그림” 데이터를 얻는 것보다, 고객, 시장, 경쟁사 등에 대한 구체적인 정보를 얻기 위해 자체 내부 데이터를 사용하는 것이 더 나은 방법일 수 있다. 이러한 데이터는 조직이 대상으로 하는 고객과 시장에 대한 정확한 반영을 제공한다. 왜냐하면 이러한 데이터는 정확히 이러한 고객과의 상호작용에서 수집된 데이터를 기반으로 하기 때문이다. 심지어 젊은 조직도 자신이 생각하는 것보다 더 많은 데이터를 가지고 있다. 이메일 메시지, 전화 통화, 인스턴트 메시징 데이터, 기타 커뮤니케이션 등은 시장, 고객, 트렌드, 고객의 재정 상태, 구매 패턴, 선호도 등에 대한 정보를 제공할 수 있다. 이러한 데이터를 기반으로 모델을 구축함으로써, 조직은 AI 알고리즘의 정확성을提高할 수 있다.
조직의 CRM 시스템은 각 거래(성공 또는 실패)에 대한 고객의 반응, 접근 방식(메시지, 이메일, 전화 등), 고객이 제품/마케팅/접근 방식에 대해喜欢하거나 싫어하는 점, 기타 사항에 대한 귀중한 데이터를 제공할 수 있다. 이러한 데이터는 고객과 시장에 대한 최선의 접근 방식을 결정하기 위해 고급 알고리즘에 의해 분석된다. 메시지, 이메일, 전화 등 고객이 반응할 가능성이 높은 방법, 가장 긍정적으로 반응할 의사 결정자, 기타 사항을 결정한다.
예를 들어, 전화 통화는 고객의 감정, 키워드, 미래의 고객 계획, 제안에 대한 반응, 특정 아이디어 또는 제안에 대한 흥미, 전체적인 관심(다른 것들 중에서 통화 시간에 기반함) 등에 대한 분석을 제공할 수 있다. 이메일, 소셜 미디어 메시지, 웹사이트 상호작용, 무역 박람회 및 이벤트 회의, 기타 고객과 접촉하는 방법은 유사하게 분석될 수 있다. 결과는 가장 정확하고 관련性이 높은 데이터의宝庫이다. 왜냐하면 이러한 데이터는 조직의 고객과 시장에서 직접 수집되기 때문이다.
이러한 매우 정확한 기반을 구축한 후, 조직은 외부 데이터 소스를 사용하여 모델의 범위를 확장할 수 있다. AI 시스템의 알고리즘과 에이전트는 이러한 데이터를 기준 데이터와 비교한다. 제3자 데이터가 조직의 고객, 시장, 목표, 경제 조건, 전반적인 전략과 호환되는 경우, 이러한 데이터를 모델에 포함하여 모델의 효과성을 더욱提高할 수 있다. 그러나 이러한 데이터가 기존의 CRM에서 파생된 데이터와 일치하지 않거나 지원하지 않는 경우, 이러한 데이터는 거부되고 AI 모델은 그完整성을 유지한다.
이러한 전략은 모든 조직에 효과적이며, 특히 작은 또는 새로운 조직에 더욱 효과적일 수 있다. 이러한 조직은 CRM 및 고객 데이터를 사용하여 처음부터 효과적인 AI 모델을 구축할 수 있다. 또한, 이러한 모델은 조직이 AI 노력의 효과성을 훨씬 더 빠르고 효율적으로 결정할 수 있도록 한다. 캠페인 및 노력에 대한 반응률이 예상과 다르면, 조직은 AI 시스템을 사용하여 필요한 조정을 빠르게 결정할 수 있다.
적절하게 구현된 AI 시스템은 조직에 시간, 돈, 노력을 절약할 수 있다. 이러한 시스템은 캠페인, 접근 방식, 피치, 연구, 아웃리치 등이 고객에게 직접 전달될 수 있도록 도와준다. AI는 조직이 가장 가치 있는 잠재 고객에게 메시지를 전달하도록 도와준다. 또한, AI는 조직이 새로운 시장으로 빠르게 전환하거나 확장하여 잠재력을 최대한 활용하도록 도와준다. 그러나 AI의 마법은 알고리즘이 사용하는 데이터의 품질에 기반한다. 따라서, 조직은 “자체 개발” 데이터에 가능한 한 가까이 지향함으로써 가장 효과적인 AI 데이터 모델을 구축할 수 있다.
