I den andra delen av serien om AI för marknadschefer bryter jag ner tre saker du som marknadschef bör tänka på om du vill tillämpa AI i marknad och försäljningsavdelningens arbete. Den här artikeln är för dig som undrar vilka grundläggande element som du bör ha koll på från ett generellt, övergripande perspektiv för att tillämpa AI i din organisation kopplat till att hantera stora mängder egen data. Det finns så mycket kreativt vi kan göra för marknad och försäljningsavdelningen där AI är ett nyttigt verktyg för att skapa effekt och att minska utmaningar i verksamheten. I synnerhet i arbetet med företagets egna data så som CRM-data, kunddata, utfall från marknadsaktiviteter, data från webbplatsen, annonsplattformar och så vidare. Där finns det en stor potential till att både skapa tillväxt och öka företagets konkurrensfördelar.

Konkreta exempel är tex för att avlasta en kundtjänst för att förädla kundupplevelsen och överträffa kundernas förväntningar. Eller skapa något utifrån stora mängder data, kopplat till marknadsföring via tex ett AI som kan arbeta med CRM-data och agera på den självständigt för att minska kundtapp. Från det generella perspektivet är det gynnsamt att ha följande tre saker i åtanke kopplat till projekt med egen data;

Specifik och tydlig uppgift att lösa.

Uppgiften kan vara krävande att utföra men målet behöver vara tydligt och enkelt att förstå.
Tex “identifiera kunder i databas som sannolikt är på väg att avsluta sin prenumeration” mot “minska kundtapp”.

En stor mängd data av bra kvalité 

För att ett AI ska kunna utföra en uppgift behöver den tillgång till information som lär den om uppgiften den skall lösa. Datat som är bränslet till din AI behöver därför hålla bra kvalité:

• Strukturerad på en centrerad plats, därav att företag bygger data lakes för att spara ner så mycket data som möjligt på en plats.
  
• Datat behöver också vara organiserat och innehålla konsekventa benämningar. Det innebär konkret att om du hämtar data från Google Analytics in i en data lake att tex UTM-taggningen är konsekvent genomförd på alla företagets kampanjer.
  
• Ge en fullständig och holistisk bild i form av data som kan identifiera även andra parametrar än det man vill uppnå. Tex bygger ett företag en AI-lösning för att identifiera hur de kan öka medlemskapet i en kundklubb behöver det finnas data på hur de personerna ser ut som väljer att inte gå med i kundklubben. 
  
  

Data fritt från existerande bias

Oavsett om det är lösningar för hemassistenter (röster från alla människor) eller lösningar för att identifiera kompetenta kandidater till specifika roller, så behöver datat som AI lösningen lärs upp från vara fritt från bias. 

Artificiell intelligens lösningarna är bara så smarta som människorna och kontexten som skapar det. Därav för att få fram bästa svaret på en specifik fråga behöver informationen som finns att tillgå (datat) vara kvalitativ även från denna aspekt för att kunna leverera precision i svaret. Istället för att föra vidare existerande strukturer och mönster i samhället på grund av otillräcklig data. 

Foto av Google DeepMind