en
RådgivningCasesInsightsOm migBook samtale
MetodikkerMetodik·5 min læsning·3 afsnit

AI i marketinganalyse: hvad der virker i praksis, og hvad der stadig er hype

AI i marketing er fyldt med løfter, der ikke holder, når de møder virkeligheden. Her er, hvad AI faktisk løfter i marketinganalyse i dag, hvad der stadig kræver et menneske, og hvor I bør starte.

Der kommer hele tiden nye AI-platforme til marketing, der lover at automatisere strategien, forudsige kunderejsen og tænke som en marketingchef. Mange af dem løser et problem, ingen har bedt om at få løst. Imens bliver de mere kedelige gevinster ved AI i marketinganalyse ikke udnyttet, fordi de ikke gør sig lige så godt i en salgspræsentation.

Skillelinjen er ret enkel: AI er meget god til at finde mønstre i store mængder data og svag til strategisk dømmekraft. Det meste af skuffelsen med AI i marketing kommer af, at de to bliver blandet sammen.

01Hvor AI gør en forskel i dag

01

Overvågning og afvigelser

AI er langt bedre end mennesker til at opdage usædvanlige udsving på tværs af mange kampagner på én gang. Det er netop den type overvågning, jeg beskrev i artiklen om alarmer i stedet for daglige tjek. Kedeligt arbejde, som maskinen gør bedre end en person foran et dashboard.

02

Budgivning

Google og Metas egne automatiske budstrategier er i dag bedre end manuel budstyring i de fleste tilfælde, hvor der er data nok. Forudsætningen er, at de får rene og retvisende konverteringsdata, gerne med salgsdata fra CRM'et, som jeg skrev om i artiklen om offline conversion import.

03

Udkast og varianter

AI kan skrive første udkast, lave varianter af annoncetekster til test og tilpasse budskaber til de roller, som jeg også skrev om i artiklen om buying committees. Det erstatter ikke positioneringen, men det gør produktionen hurtigere, når et menneske har sat rammen.

04

Forudsigelse af, hvem der bliver kunder

Modeller kan finde kombinationer af signaler, der hænger sammen med salg, som intuitionen ikke ville finde. Men de kræver data. Google Analytics viser f.eks. kun sine KildeGoogle: Predictive metricsAnalytics HelpGoogle Analytics kan forudsige f.eks. købssandsynlighed, men kun når mindst 1.000 tilbagevendende brugere har udført handlingen, og mindst 1.000 ikke har, i en periode på syv dage inden for de seneste 28 dage.Se kilden ↗, når mindst 1.000 tilbagevendende brugere har udført den relevante handling i løbet af syv dage inden for de seneste 28 dage, og mindst 1.000 ikke har. Det når de færreste B2B-websites op på, og det samme gælder for mange andre modeller.

02Hvor AI stadig er hype

01

AI-strategi

Et værktøj kan ikke fastlægge jeres positionering, vælge jeres målgrupper eller afgøre, om I skal ind på et nyt marked. Det kræver kendskab til organisationen, markedet og risikoen, som ingen model har. En "strategigenerator" leverer noget, der ligner strategi, men mangler den dømmekraft, der gør strategi værdifuld.

02

Indsigt af sig selv

AI kan opsummere data, men den stiller ikke selv det rigtige spørgsmål. Den værdifulde indsigt kommer fra et menneske, der ved, hvad der er værd at undersøge, f.eks. hvorfor en bestemt målgruppe køber mindre efter en prisændring. Derefter kan AI hjælpe med at finde svaret hurtigere.

03

Selvkørende marketing

Om I kan overlade opsætning, budgetfordeling og optimering til et AI-system uden menneskelig kontrol, er ikke først og fremmest et teknisk spørgsmål. Platformene bevæger sig selv mod mere automatik, og teknologien bliver hurtigt bedre. Det afgørende er, hvem der står til ansvar, når systemet tager fejl: forkert budgetfordeling, annoncetekst, der skader brandet, eller målretning i strid med GDPR. Ansvaret kan ikke automatiseres, og så længe det ligger hos jer, skal et menneske have mandat og overblik til at gribe ind.

03Sådan vurderer I et nyt AI-værktøj

Stil tre spørgsmål, før I investerer. Løser værktøjet et mønsterproblem, hvor AI er stærk, eller et dømmekraftsproblem, hvor AI er svag? Har I data nok til, at modellen kan lære noget, eller sælger leverandøren et løfte, der ikke kan indfries med jeres mængder? Og vigtigst: Hvem er ansvarlig for beslutningen, når værktøjet foreslår noget? Er svaret "værktøjet", har I overladt ansvaret til noget, der ikke kan stå til regnskab.

Skal I så købe et nyt AI-værktøj? Start med det, I allerede har. Annonceplatformenes automatiske budgivning, de indbyggede alarmer i Google Analytics og den AI, der allerede ligger i jeres CRM og kontorpakke, dækker en stor del af gevinsten. Det, der oftest mangler, er ikke værktøjer, men tre regler: hvilke AI-værktøjer der må bruges til hvad, hvem der ejer hvert værktøj og de beslutninger, det påvirker, og hvilke data, som kundedata og fortrolige tal, der må deles med eksterne AI-tjenester. Et nyt værktøj er først relevant, når der er et konkret mønsterproblem, I ikke kan løse med det, I har, og data nok til at løse det. Vil I have et hurtigt billede af, hvor I står, kan I tage AI-modenhedsscoren og AI-governance-tjekket.

Pointen

AI i marketinganalyse er ikke noget, I skal vente på. Det giver allerede en gevinst, der kan måles, når det bruges til det, det er godt til. Kunsten er at kende grænsen og ikke lade en overbevisende præsentation fra en leverandør tage mennesket ud af de beslutninger, der stadig kræver et menneske.

Kan I genkende udfordringen?

Lad os tage en snak om, hvor I står.

Book en indledende samtale