Trong thời đại công nghệ 4.0, trí tuệ nhân tạo (AI) đang trở thành một công cụ quan trọng trong các chiến lược marketing. Sự phát triển của AI đã mở ra những cơ hội mới và cung cấp những lợi ích không thể phủ nhận cho các doanh nghiệp. Để tận dụng tối đa tiềm năng của AI trong marketing, việc thiết kế chiến lược AI Marketing hiệu quả là điều vô cùng quan trọng và sẽ được hé mở trong bài viết này.

Bộ phận Marketing hưởng lợi nhiều nhất từ AI

Trong tất cả các bộ phận của một công ty, marketing có lẽ là bộ phận nhận nhiều lợi ích nhất từ trí tuệ nhân tạo. Các hoạt động cốt lõi của marketing bao gồm việc hiểu nhu cầu của khách hàng, kết hợp chúng với sản phẩm và dịch vụ, và thuyết phục mọi người mua hàng—những khả năng mà AI có thể cải thiện đáng kể. Không có gì ngạc nhiên khi phân tích của McKinsey năm 2018 về hơn 400 trường hợp sử dụng tiên tiến cho thấy tiếp thị là lĩnh vực mà AI sẽ đóng góp giá trị lớn nhất.

Các giám đốc tiếp thị (CMOs) ngày càng chấp nhận công nghệ này: Một cuộc khảo sát vào tháng 8 năm 2019 của Hiệp hội Tiếp thị Mỹ tiết lộ rằng việc triển khai AI đã tăng 27% trong một năm rưỡi trước đó. Và một cuộc khảo sát toàn cầu năm 2020 của Deloitte với những người áp dụng AI sớm cho thấy ba trong năm mục tiêu AI hàng đầu đều hướng tới marketing: cải thiện sản phẩm và dịch vụ hiện có, tạo ra sản phẩm và dịch vụ mới, và cải thiện mối quan hệ với khách hàng.

Trong khi AI đã tạo ra những bước tiến trong lĩnh vực tiếp thị, chúng tôi kỳ vọng nó sẽ đảm nhận vai trò ngày càng lớn hơn trong chức năng này trong những năm tới. Với tiềm năng khổng lồ của công nghệ, việc hiểu rõ các loại ứng dụng tiếp thị AI có sẵn hiện nay và cách chúng có thể phát triển là điều cực kỳ quan trọng đối với các giám đốc tiếp thị (CMOs). 

AI Hiện Nay

Hiện nay, nhiều công ty sử dụng AI để xử lý các nhiệm vụ hẹp, như đặt quảng cáo số; hỗ trợ cho các nhiệm vụ rộng hơn, như tăng cường độ chính xác của các dự đoán (như dự báo doanh số bán hàng); và tăng cường nỗ lực của con người trong các nhiệm vụ có cấu trúc, như dịch vụ khách hàng.

Các công ty cũng sử dụng AI ở mọi giai đoạn của hành trình khách hàng. Khi khách hàng tiềm năng đang ở giai đoạn “xem xét” và nghiên cứu về một sản phẩm, AI sẽ nhắm mục tiêu quảng cáo đến họ và có thể giúp hướng dẫn tìm kiếm của họ. Sử dụng AI để xác định khách hàng nào có khả năng thuyết phục nhất và, dựa trên lịch sử duyệt web của họ, chọn sản phẩm để hiển thị cho họ. Và các bot hỗ trợ AI có thể giúp các nhà tiếp thị hiểu nhu cầu của khách hàng, tăng cường sự tham gia của họ trong tìm kiếm, thúc đẩy họ theo hướng mong muốn (ví dụ, đến một trang web cụ thể), và nếu cần, kết nối họ với nhân viên bán hàng qua chat, điện thoại, video – cho phép nhân viên hỗ trợ khách hàng điều hướng trên một màn hình chia sẻ.

AI có thể đơn giản hóa quy trình bán hàng bằng cách sử dụng dữ liệu cực kỳ chi tiết về cá nhân, bao gồm cả dữ liệu địa lý thời gian thực, để tạo ra các ưu đãi sản phẩm hoặc dịch vụ cực kỳ cá nhân hóa. Sau đó trong hành trình, AI hỗ trợ trong việc bán thêm và bán chéo và có thể giảm khả năng khách hàng bỏ giỏ hàng mua sắm số. Ví dụ, sau khi một khách hàng đã thêm sản phẩm vào giỏ, bot AI có thể cung cấp một lời chứng thực động viên để giúp hoàn tất việc bán hàng—như “Mua tuyệt vời! James từ Vermont đã mua cùng một chiếc nệm.” Những sáng kiến như vậy có thể tăng tỷ lệ chuyển đổi lên năm lần hoặc hơn.

Sau khi bán hàng, đại lý dịch vụ hỗ trợ AI từ các công ty như Amelia (trước đây là IPsoft) và Interactions sẵn sàng phục vụ 24/7 để phân loại yêu cầu của khách hàng—và có khả năng xử lý biến động về số lượng yêu cầu dịch vụ tốt hơn so với đại lý người. Họ có thể xử lý các truy vấn đơn giản về, ví dụ, thời gian giao hàng hoặc lên lịch hẹn và có thể chuyển những vấn đề phức tạp hơn cho đại lý người. Trong một số trường hợp, AI hỗ trợ đại diện người bằng cách phân tích giọng điệu của khách hàng và đề xuất các phản ứng khác nhau, huấn luyện đại lý về cách tốt nhất để đáp ứng nhu cầu của khách hàng, hoặc đề xuất can thiệp của người giám sát.

Khung Công Việc

AI trong tiếp thị có thể được phân loại theo hai chiều: mức độ thông minh và việc nó có phải là độc lập hay là một phần của một nền tảng rộng lớn hơn. Một số công nghệ, như chatbots hay các công cụ gợi ý, có thể thuộc vào bất kỳ danh mục nào; cách chúng được triển khai trong một ứng dụng cụ thể sẽ quyết định phân loại của chúng.

Hai loại trí tuệ nhân tạo khung công việc đầu tiên

• Tự động hóa nhiệm vụ

Các ứng dụng này thực hiện các nhiệm vụ lặp đi lặp lại, có cấu trúc đòi hỏi mức độ trí tuệ tương đối thấp. Chúng được thiết kế để tuân theo một bộ quy tắc hoặc thực hiện một chuỗi hoạt động đã được xác định trước dựa trên đầu vào cụ thể, nhưng chúng không thể xử lý các vấn đề phức tạp như các yêu cầu của khách hàng tinh tế. Một ví dụ có thể là một hệ thống tự động gửi email chào mừng cho mỗi khách hàng mới. Các chatbot đơn giản hơn, như những loại có sẵn thông qua Facebook Messenger và các nhà cung cấp truyền thông xã hội khác, cũng thuộc vào danh mục này. Chúng có thể cung cấp một số trợ giúp cho khách hàng trong các tương tác cơ bản, đưa khách hàng theo một cây quyết định đã xác định, nhưng chúng không thể nhận biết ý định của khách hàng, cung cấp phản hồi tùy chỉnh, hoặc học hỏi từ các tương tác theo thời gian.

• Máy học

Các thuật toán này được huấn luyện sử dụng lượng lớn dữ liệu để đưa ra những dự đoán và quyết định tương đối phức tạp. Các mô hình như vậy có thể nhận diện hình ảnh, giải mã văn bản, phân loại khách hàng, và dự đoán cách khách hàng sẽ phản ứng với các sáng kiến khác nhau, như khuyến mãi. Học máy đã thúc đẩy việc mua quảng cáo lập trình trong quảng cáo trực tuyến, các công cụ gợi ý thương mại điện tử, và các mô hình khả năng bán hàng trong hệ thống quản lý quan hệ khách hàng (CRM).

Nó và biến thể tinh vi hơn của nó, học sâu, là những công nghệ nổi bật nhất trong AI và đang nhanh chóng trở thành công cụ mạnh mẽ trong tiếp thị. Tuy nhiên, điều quan trọng cần làm rõ là các ứng dụng học máy hiện tại chỉ thực hiện các nhiệm vụ hẹp và cần được huấn luyện sử dụng lượng lớn dữ liệu.

So sánh AI độc lập và AI tích hợp

• Ứng dụng AI độc lập

Các ứng dụng này có thể được hiểu là các chương trình AI rõ ràng, hoặc cô lập. Chúng tách biệt khỏi các kênh chính mà qua đó khách hàng tìm hiểu về, mua, hoặc nhận hỗ trợ sử dụng các sản phẩm hoặc dịch vụ của công ty, hoặc các kênh mà nhân viên sử dụng để tiếp thị, bán hàng, hoặc phục vụ những sản phẩm hoặc dịch vụ đó. Nói một cách đơn giản, khách hàng hoặc nhân viên phải tìm đến một kênh khác để sử dụng AI.

Hãy xem xét ứng dụng khám phá màu sắc được tạo ra bởi Behr, công ty sản xuất sơn. Sử dụng khả năng xử lý ngôn ngữ tự nhiên và Tone Analyzer của IBM Watson (phát hiện cảm xúc trong văn bản), ứng dụng cung cấp một số gợi ý màu sơn Behr cá nhân hóa dựa trên tâm trạng mà người tiêu dùng mong muốn cho không gian của họ. Khách hàng sử dụng ứng dụng để chọn lọc từ hai đến ba màu cho căn phòng họ dự định sơn. Việc bán sơn thực sự sau đó được thực hiện ngoài ứng dụng, mặc dù nó cho phép kết nối để đặt hàng từ Home Depot.

• Ứng dụng tích hợp.

Được tích hợp trong các hệ thống hiện tại, những ứng dụng AI này thường ít hiển thị hơn so với các ứng dụng độc lập đối với khách hàng, nhà tiếp thị và nhân viên bán hàng sử dụng chúng. Ví dụ, học máy đưa ra quyết định trong tích tắc về quảng cáo số nào sẽ hiển thị cho người dùng được tích hợp vào các nền tảng xử lý toàn bộ quá trình mua và đặt quảng cáo. Học máy tích hợp của Netflix đã cung cấp gợi ý video cho khách hàng hơn một thập kỷ; các lựa chọn của nó đơn giản xuất hiện trong menu đề xuất mà người xem thấy khi họ truy cập trang web. Nếu công cụ gợi ý là độc lập, họ sẽ cần truy cập vào một ứng dụng chuyên biệt và yêu cầu gợi ý.

Những người sản xuất hệ thống quản lý quan hệ khách hàng (CRM) ngày càng tích hợp khả năng học máy vào sản phẩm của họ. Tại Salesforce, bộ Sales Cloud Einstein có một số khả năng, bao gồm một hệ thống đánh giá khách hàng tiềm năng dựa trên AI tự động xếp hạng các khách hàng tiềm năng B2B theo khả năng mua hàng. Các nhà cung cấp như Cogito, bán AI hỗ trợ huấn luyện nhân viên trung tâm cuộc gọi, cũng tích hợp ứng dụng của họ với hệ thống CRM của Salesforce.

Các bước tiếp cận

Chúng tôi tin rằng các nhà tiếp thị cuối cùng sẽ nhìn thấy giá trị lớn nhất bằng cách theo đuổi các ứng dụng học máy tích hợp, mặc dù các hệ thống dựa trên quy tắc đơn giản và tự động hóa nhiệm vụ có thể cải thiện các quy trình có cấu trúc cao và cung cấp tiềm năng hợp lý cho lợi nhuận thương mại. Tuy nhiên, lưu ý rằng ngày nay tự động hóa nhiệm vụ ngày càng được kết hợp với học máy – để trích xuất dữ liệu chính từ tin nhắn, đưa ra quyết định phức tạp hơn và cá nhân hóa thông tin liên lạc – một hỗn hợp nằm giữa các phần của khung công cụ.

Các ứng dụng độc lập tiếp tục có vị trí của chúng nơi mà tích hợp khó khăn hoặc không thể thực hiện, mặc dù có giới hạn về lợi ích của chúng. Do đó, chúng tôi khuyến nghị nhà tiếp thị nên dần dần chuyển hướng tích hợp AI vào các hệ thống tiếp thị hiện tại thay vì tiếp tục với các ứng dụng độc lập. Và thực tế, nhiều công ty đang hướng tới mục tiêu tổng thể này; trong cuộc khảo sát năm 2020 của Deloitte, 74% các giám đốc AI toàn cầu đồng ý rằng “AI sẽ được tích hợp vào tất cả các ứng dụng doanh nghiệp trong vòng ba năm.”

Nên bắt đầu xây dựng chiến dịch Marketing với AI thế nào?

Đối với các công ty có kinh nghiệm hạn chế về AI, một cách tốt để bắt đầu là xây dựng hoặc mua các ứng dụng dựa trên quy tắc đơn giản. Nhiều công ty theo đuổi phương pháp tiếp cận “bò – đi – chạy”, bắt đầu với một ứng dụng tự động hóa nhiệm vụ độc lập không hướng đến khách hàng, như một ứng dụng hỗ trợ các đại lý dịch vụ người thực hiện tương tác với khách hàng.

Một khi doanh nghiệp có kỹ năng AI cơ bản và lượng dữ liệu khách hàng và thị trường dồi dào, họ có thể bắt đầu chuyển từ tự động hóa nhiệm vụ sang học máy. Một ví dụ tốt về điều này là AI lựa chọn trang phục của Stitch Fix, giúp các nhà tạo mẫu của họ tùy chỉnh các đề xuất cho khách hàng dựa trên sở thích phong cách tự báo cáo, các mặt hàng họ giữ lại và trả lại, cũng như phản hồi của họ. Những mô hình này trở nên hiệu quả hơn khi công ty bắt đầu yêu cầu khách hàng chọn lựa giữa các ảnh Style Shuffle, tạo ra một nguồn dữ liệu mới có giá trị.

Những nguồn dữ liệu mới – như giao dịch nội bộ, các nhà cung cấp bên ngoài, và thậm chí các vụ mua bán tiềm năng – là điều mà các nhà tiếp thị nên luôn tìm kiếm, vì hầu hết các ứng dụng AI, đặc biệt là học máy, đòi hỏi lượng lớn dữ liệu chất lượng cao. Xem xét mô hình giá cả dựa trên học máy mà công ty charter jet XO sử dụng để tăng EBITDA của mình lên 5%: Chìa khóa là khai thác các nguồn bên ngoài cho dữ liệu về nguồn cung máy bay riêng và các yếu tố ảnh hưởng đến nhu cầu, như sự kiện lớn, kinh tế vĩ mô, hoạt động theo mùa và thời tiết. Dữ liệu mà XO sử dụng là công khai, nhưng cũng nên tìm kiếm các nguồn độc quyền bất cứ khi nào có thể, vì các mô hình sử dụng dữ liệu công cộng có thể bị đối thủ cạnh tranh sao chép.

Khi các công ty trở nên tinh vi hơn trong việc sử dụng AI tiếp thị, nhiều công ty hoàn toàn tự động hóa một số loại quyết định, loại bỏ hoàn toàn con người khỏi vòng lặp quyết định. Với các quyết định lặp đi lặp lại, diễn ra nhanh chóng, như những quyết định cần thiết cho việc mua quảng cáo lập trình (nơi quảng cáo số được hiển thị gần như ngay lập tức cho người dùng), cách tiếp cận này là cần thiết. Trong các lĩnh vực khác, AI có thể chỉ đưa ra đề xuất cho một người đứng trước sự lựa chọn — ví dụ, đề xuất một bộ phim cho người tiêu dùng hoặc một chiến lược cho một giám đốc tiếp thị. Quyết định của con người thường được dành cho những câu hỏi quan trọng nhất, như liệu có nên tiếp tục một chiến dịch hay phê duyệt một quảng cáo truyền hình đắt tiền.

Các công ty nên chuyển sang quyết định tự động hóa nhiều hơn mỗi khi có thể. Chúng tôi tin rằng đây là nơi sẽ tìm thấy lợi ích lớn nhất từ AI tiếp thị.

Thách thức và rủi ro

Triển khai ngay cả các ứng dụng AI đơn giản nhất cũng có thể gặp khó khăn. AI tự động hóa nhiệm vụ độc lập, mặc dù có độ phức tạp kỹ thuật thấp hơn, vẫn có thể khó cấu hình cho các quy trình làm việc cụ thể và đòi hỏi các công ty phải có kỹ năng AI phù hợp. Việc đưa bất kỳ loại AI nào vào quy trình làm việc đòi hỏi sự tích hợp cẩn thận giữa nhiệm vụ của con người và máy móc để AI tăng cường kỹ năng của con người và không được triển khai theo cách tạo ra vấn đề. Ví dụ, trong khi nhiều tổ chức sử dụng chatbot dựa trên quy tắc để tự động hóa dịch vụ khách hàng, những bot kém năng lực có thể làm khách hàng bực mình. Có thể tốt hơn khi để những bot này hỗ trợ các đại lý hoặc cố vấn người thay vì tương tác với khách hàng.

Khi các công ty áp dụng các ứng dụng phức tạp và tích hợp hơn, các vấn đề khác xuất hiện. Việc tích hợp AI vào các nền tảng của bên thứ ba, cụ thể là, có thể gặp khó khăn. Một trường hợp điển hình là Olay Skin Advisor của Procter & Gamble, sử dụng học sâu để phân tích tự sướng của khách hàng, đánh giá tuổi và loại da của họ, và đề xuất các sản phẩm phù hợp. Nó được tích hợp vào một nền tảng thương mại điện tử và chương trình khách hàng thân thiết, Olay.com, và đã cải thiện tỷ lệ chuyển đổi, tỷ lệ thoát trang, và kích thước giỏ hàng trung bình ở một số địa lý. Tuy nhiên, việc tích hợp nó với các cửa hàng bán lẻ và Amazon, các bên thứ ba chiếm một tỷ lệ cao trong doanh số bán hàng của Olay, lại khó khăn hơn. Skin Advisor không có sẵn trên trang web cửa hàng lớn của Olay trên Amazon, cản trở khả năng cung cấp trải nghiệm khách hàng liền mạch, được hỗ trợ bởi AI.

Cuối cùng, các công ty phải luôn đặt lợi ích của khách hàng lên hàng đầu. Càng thông minh và tích hợp, các ứng dụng AI càng làm tăng lo ngại của khách hàng về quyền riêng tư, an ninh và quyền sở hữu dữ liệu. Khách hàng có thể e ngại về các ứng dụng thu thập và chia sẻ dữ liệu vị trí mà không có sự thông báo của họ hoặc lo ngại về loa thông minh có thể nghe lén họ. Nói chung, người tiêu dùng đã thể hiện sự sẵn lòng (thậm chí hào hứng) để trao đổi một số dữ liệu cá nhân và quyền riêng tư để đổi lấy giá trị mà các ứng dụng sáng tạo có thể cung cấp.

Những lo ngại về các ứng dụng AI như Alexa dường như bị lu mờ bởi sự đánh giá cao về lợi ích của chúng. Do đó, điều quan trọng đối với các nhà tiếp thị khi mở rộng trí tuệ và phạm vi của AI là đảm bảo rằng các điều khiển quyền riêng tư và an ninh là minh bạch, khách hàng có quyền lựa chọn về cách dữ liệu của họ được thu thập và sử dụng, và họ nhận được giá trị công bằng từ công ty đổi lại. Để đảm bảo những bảo vệ đó và duy trì lòng tin của khách hàng, các CMO nên thiết lập các hội đồng đánh giá đạo đức và quyền riêng tư – với cả chuyên gia tiếp thị và pháp lý – để đánh giá các dự án AI, đặc biệt là những dự án liên quan đến dữ liệu khách hàng hoặc các thuật toán có thể có xu hướng thiên vị, như đánh giá tín dụng.

Giảng viên: Đỗ Nguyễn Minh Khôi
Bộ môn Kinh tế
Trường Cao đẳng FPT Mạng cá cược bóng đá cơ sở Đà Nẵng