Generativ AI kan hjelpe med å redde merkevarer gjennom hyper-personaliserte opplevelser, økt etterspørsel vinner kunder

I dag må ledende selskaper markedsføre, planlegge og prognostisere med ekstrem presisjon. Generativ AI kan hjelpe.

Store endringer i dagens forbrukerlandscape – inkludert flere kjøpskanaler, nye vaner og skiftende rikdomsfordeling – betyr at forbrukerrettede merkevarer bør vurdere å endre sine markedsførings- og produktstrategier. Ved å utnytte data, maskinlæring og AI har disse organisasjonene en mulighet til å bedre kjenne hver enkelt kunde, deres liker, misliker, hva som motiverer dem til å kjøpe, og mer. Ifølge Deloittes forskning på personalisert CX, sa 69% av forbrukerne at de er mer sannsynlig å kjøpe fra en merkevare som personaliserer opplevelser. Vurdér noen nylige eksempler på hvordan merkevarer utnytter data for å skape etterspørsel og gi forbrukerne hva de vil ha. Tidligere i år så vi en viral Valentinsdags-cup skape en hysteri blant forbrukerne som ledet til raskt utsolgte produkter, en sosialmediabrytning og massefølelse av FOMO. Nå forutsier eksperter at dette ikke bare var en isolert hendelse, men snarere et glimt inn i fremtiden av hva merkevarer kan gjøre for å utvide produkter og profitter.

På mange måter er dette et eksempel på hvordan merkevareloyalitet har utviklet seg. Faktorer som inflasjon og økonomisk turbulens gjør at å bare ha et populært produkt ikke lenger er nok – forbrukerne blir mer valgfrie og mer villige til å slippe merkevarer som ikke lenger føles sett eller verdsatt av dem, eller hvis de ikke eksemplifiserer verdier som er viktige for dem (for eksempel miljøvennlige produkter/selskaper). Hvis merkevarer ønsker å vinne og beholde forbrukerutgifter, må de plassere opplevelsen i sentrum.

Men en minneverdig interaksjon kan bety mange forskjellige ting avhengig av hvem som opplever den. Her kommer Generativ AI (GenAI) inn. Ny GenAI-teknologi kan hjelpe merkevarer ikke bare å forstå hva deres målgruppe trenger for å føle seg koblet til, men også informere hvor det finnes bestemte målgruppetrender, steder de velger å dekke disse behovene, og hvordan ofte de gjør det. Denne informasjonen kan gjøre eller bryte hvordan en merkevare er posisjonert overfor sin målgruppe. Det finnes også noen måter merkevarer må tenke på hvordan de kan bruke GenAI-verktøy til å sikre at de skaper en helhetlig tilnærming til å møte målgruppens behov og bygge varig lojalitet. De to største faktorene er målretting/markedsføring og etterspørselsplanlegging.

Bli en mestermarkedsfører

For å effektivt bruke GenAI som markedsfører, må praktikerne først forstå skiftet bort fra massemålretting med brede kampanjer til individualiserte mikrokontakter for hver av sine kunder. Nøkelfaktorer som driver dette skiftet og ultimate, økningen i personalisering, inkluderer virkeligheten av mange førsteganger i det amerikanske markedet, inkludert:

• Kvinner forventes å kontrollere mer rikdom enn menn (fra 49% i 2019 til 65% i 2040)¹
• Den amerikanske befolkningen vil inkludere flere mennesker over 65 år enn under 18², og den mest diverse generasjonen i historien kommer i alder.³

Dette “Mass to Micro“-tilnærmingen, som er forsket av Deloittes ConvergeCONSUMER-team, viser at å gå bort fra masse, manuell og reaktiv beslutning til en mer dynamisk modell som er kontinuerlig, automatisert og prediktiv, kan hjelpe merkevarer å bringe sine markedsførings- og målrettingsstrategier inn i fremtiden.

Hva utgjør en mikrokontakt? Taktikker for å nå en forbruker kan inkludere flere hyper-personaliserte markedsføringsstrategier, som å koble til gjennom sosiale medier, strømmetjenester, influencere, blogger og mer. De mest innovative detaljhandelsaktørene utforsker bruken av propensjonsmodeller for å forme sosiale medieinntrykk og velge kanalen som deres mest ønskede kunder trekkes til. Men det er bare mediet – dataene bak disse kontaktene er enda mer kritiske å få rett. Innsikter som viser hvem, hvor, hvordan og hvorfor merkevarer må målrette bestemte målgrupper, har historisk sett vært vanskelige å trekke ut, særlig på så liten skala. Men nå gjør GenAI det mye enklere å få denne granulerte dataen.

Ved å bruke GenAI til å analysere data om forbrukerne, kan merkevarer målrette svært nisjeorienterte målgrupper over plattformer – og bygge markedsføringsopplevelser som resonnerer nært med denne gruppen. For eksempel kan AI fortelle merkevarer at Amanda i Indianapolis sannsynligvis vil kjøpe tre merkevare-yogasets online på morgenen den 15. mars etter å ha meldt seg på en ny gymmedlemskap. Merkevarer kan deretter servere henne en personlig annonse på nyhetssiden hun leser, samt en treningsrelatert post fra hennes favorittsosiale medieinfluenser.

GenAI omdefinierer også hva det betyr å kjenne sin eksisterende kundebase. Mens de fleste organisasjonene tror de har en oversikt over segmentene de betjener, bruker mange enkle demografiske oversikter over sine kunder. Organisasjoner som omfavner GenAI-æraen, bruker en mer nyansert måte å gruppere sammen like-tenkende kunder ved å blande deres første-part-informasjon med tredjeparts-signaler, propensjonsmodeller, livstidsverdimodeller og churn-modeller for å skape en virkelig komprehensiv kunde-mappe. De prosesserer deretter denne berikede kunde-mappen for å identifisere den faktiske antallet kohorter i dataene. Frigjort fra begrensningene av enkle demografiske inndelinger av alder, kjønn eller hvor de bor, muliggjør maskinlæring at vi kan oppdage de ikke-åpenbare sammenhengene blant grupper som mange ville betrakte som helt uavhengige. GenAI kommer inn i å forklare disse kohortene på en måte vi kan forstå etter at de sofistikerte matematikkene har inndelt dem. Videre gir GenAI naturlig språk-forklaring av ukjente trender og innsikter innen kohorter, samtidig som det fremhever variasjoner over kohorter på en måte som selv de beste markedsførerne aldri kunne gjøre alene.

GenAI kan skape 360-graders kontakter for markedsførere på områder som tidligere var utfordrende, og teknologien har stor potensiale i denne bransjen – men å implementere den i drift vil kreve langvarig transformasjon. Pluss, det kan ta tid for organisasjonene å lære at selv om konseptet bak “mass to micro”-tilnærmingen øker kompleksiteten, kan den ultimate skape en mer hånd-av-metode for merkevarer kombinert med bruk av GenAI. Dette skiftet markerer en avgang fra tradisjonelle strategier, og innfører en æra av data-drevet, sanntids-tilpasning.

Planlegg med presisjon

GenAIs potensiale går fullt ut, og dens evne til å løse problemer stopper ikke etter markedsføring og personalisert målretting. Når de hyper-personaliserte markedsføringsstrategiene har virket sin magi for å skape merkevare-buzz, kan GenAI støtte ytterligere ved å hjelpe organisasjonene å planlegge etterspørsel og forutsi hvor mye av hvert produkt de vil trenge og hvor – ned til den eksakte lokasjonen.

Dette er nyttig av flere grunner, en av dem er at for essensielle merkevarer som avhenger av å ha lager i butikkene for å holde tritt med konstant forbrukeretterspørsel (som mat, matvarer og CPG-merkevarer), kan disse verktøyene hjelpe dem å forutsi og pivotere under større forsyningskjede-avbrudd. En annen grunn er at for merkevarer hvis produkter er ikke-essensielle, kan denne dataen hjelpe å forutsi etterspørsel fra både makro- og mikronivå – og informere lagerstrategi.

En strategisk utfall kan være at GenAI analyserer data og foreslår å bevisst holde lageret lavt i høy-etter-søkte markeder for å øke interessen. På denne måten, hvis det er begrenset lager som er mindre enn merkevarens målgrunnlag i visse markeder, føler forbrukerne som fikk produktet at de er en del av en spesiell merkevare-opplevelse. Dette er et godt eksempel på hvordan GenAI er et kraftig verktøy som markedsførere kan ha i ryggen, ikke bare for å finjustere kreative løsninger, men også for å skape dem på ikke-tradisjonelle måter.

GenAIs potensiale er fortsatt under oppdagelse

GenAI er fortsatt i sin barndom, men vi har allerede oppdaget hundrevis av måter vi kan bruke den til å finjustere prosesser i alle slags industrier. Men det er fortsatt mye å lære.

Mens vi allerede vet at den kan hjelpe organisasjonene å forstå forbrukerne og deres interne prosesser bedre, er det talløse måter den vil utvide grensene for hva som er mulig i markedsføring. Ultimate, potensialet den holder, er å ta data ut av bakkontorfunksjonene og inn i frontkontorfunksjonene, og skape en mer strømlinjeformet organisasjon.

Organisasjoner som ønsker å starte å bruke GenAI, bør først sikre at de har en klar oversikt over kvaliteten og styringen av sine data. Uten denne sterke grunnlaget er det en større risiko for eksponensielt forsterkede dårlige innsikter, så investering i en skalerbar datamanagementsløsning og fagfolk som kan hjelpe å få dataene i orden, vil være kritisk.

GenAI bør ikke være noe å frykte. I stedet bør ledere være begeistret for potensialet GenAI har til å låse opp ytterligere verdi i sine markedsføringsoperasjoner.