客户期望个性化，但你不必成为数据科学家就能做到这一点

2021年，机器学习和人工智能驱动的个性化不再仅仅是“拥有就好”，而是客户对品牌的最低期望。事实上，正如亚马逊网络服务(Amazon Web Service)应用人工智能业务开发全球主管Zoe Hillenmeyer在最近的一次活动中所分享的那样网络研讨会关于主题，63％的客户将个性化视为标准的服务级别。

“这意味着当我出现时，它更好地推荐或个性化，当我到达时，你更好地了解我，”她在虚拟事件期间告诉观众。“这是一个非常有趣的表攸关的赌注，已经成为规范非常迅速。”

随着Hillenmeyer解释的，围绕个性化的高客户期望导致了一些营销人员来质疑他们是否有足够的数据和AI来真正满足客户所需的知识。这种不确定性是由信念驱动的，即只有对数据科学的知识的人才可以实现AI驱动的个性化。

“往往是一种感觉，你必须在数据科学中拥有很多深度，以便能够参与制作这种体验，”Hillenmeyer说。“这是对机器学习能力和个性化进行思考的错误方式。技术正在成为数据科学与设计之间的桥梁。“

她表示，机器学习和人工智能驱动的个性化和推荐的最佳实现，正在由由创新和科学头脑组成的混合团队打造。“人们正在以一种真正积极的敏捷方式相互学习，”她说。“它非常快，互动性很强。”

她指出，来自化妆商店的一个例子，该品牌能够在几个星期的空间内实现个性化其电子邮件营销的能力，最终导致了电子邮件点击率增加了65％相应增加电子邮件收入。

“事实上，一切都是个性化的，或者至少客户希望一切都是个性化的。所以这是关于获得正确的产品，正确的图片，正确的产品，标题，默认类别，产品排名，外传信息;整件事情。”

德勤经济咨询公司(Deloitte Access Economics)合伙人约翰•奥马奥尼(John O’mahony)也是该小组成员，他提醒听众，数据分析不只是添加了一些数字的老式营销。他表示:“营销在组织内部的适用范围也在发生变化。”

在一个报告从AWS和Deloitte叫做解密数据澳新银行(ANZ)的研究人员采访了300家企业，以了解他们对数据的看法。他们发现，对于组织内部哪些数据是重要的，人们的看法存在差异。

研究人员发现，只有35％的企业将行业或客户研究确定为组织数据;虽然只有38％的企业将呼叫中心录制或日志标识为组织数据。

O’mahony解释说，虽然客户会产生与营销人员相关的数据，但这些数据在整个客户服务过程中也很重要，而且可以在市场营销之外使用。

Using call centre logs as an example, O’Mahony explained that while this data will clearly be helpful for helping to improve the outcomes for customers, it will also have benefits for other parts of the organisation including monitoring compliance, research, and supporting lead generation.

“从CMOS看到的挫败感之一是有时候他们的角色可以缩小或舱室化，”他说。“难以解释营销活动的好处。数据分析和机器学习提供了机会更好地跟踪您正在做的事情，并能够获得更改组织和营销功能所需的投资。“

AWS的本·莱因(Ben Kidney)与希伦迈耶和奥马奥尼一起参加了这次网络研讨会。他解释说，数据给了品牌一个不仅仅是“说”，而是“做”的机会。他分享了澳大利亚食品品牌Tip Top的例子，该公司通过使用数据实现了减少浪费的承诺。

“尖端顶部的意图是为了减少浪费而不限制他们产品的物理可用性，”他说。“这导致过度沉积的减少30％，降低了10％的距离。所以有一个环境效益，节省了巨大的成本，他们向客户提供了更新鲜的产品。这是一个非常强大的营销命题，由数据启用。“

那么营销人员如何开始鼓励整个业务职能支持机器学习的投资？据O'Mahony称，为了获得资金和业务支持这些举措，营销人员必须在商业倡导方面变得更好。

他说:“目前发生的很多事情都需要与持有数据的企业其他部门或金融部门进行互动，以获得投资所需的东西。””营销,我们需要做的第一件事是放在一起的业务案例,是考虑到您的业务许可内部能够采取投资步骤,得到数据,并执行的东西小,东西是可行的。”

最后，对于那些对自己的知识库仍不确定的人，希伦迈耶建议建立一种“不成为专家也没关系”的文化。她说:“我的团队每季度有一次学习日，我们花一天时间讨论我们正在学习的东西。”“在这段旅程中，我们互相分享，互相鼓励。”

诸如AWS的免费电子书，为澳大利亚和新西兰的高管开启机器学习的潜力，对于那些刚刚开始学习旅程的人来说，也是一个很好的资源。

为了从网络研讨会中发现更多的见解，并全面回顾，点击这里。