Маркетинг 5.0. Технологии следующего поколения - Филип Котлер
Этот тип динамической рекламы и модель контекстного контента не новы для сферы цифрового маркетинга. Бренды давно используют их для показа персонализированной рекламы на основе поисковой истории покупателей. Умные холодильники – это пример переноса модели в розничные магазины, что, по сути, соединяет физический и цифровые миры. Сегодня маркетологи могут реализовывать контекстуальный маркетинг в автоматизированном режиме с помощью технологий нового поколения.
На самом деле долгосрочные цели технологий нового поколения, как «интернета вещей», искусственного интеллекта – воспроизвести ситуационное восприятие людей. Подкованные маркетологи могут предлагать подходящие товары подходящим покупателям в подходящий момент в подходящем месте. Опытные продавцы, которые выстраивают долгосрочные отношения с покупателями, знают их очень хорошо и подстраивают свои подходы под каждого. Идея состоит в том, чтобы предоставить такой контекстный опыт в широком масштабе с помощью технологий «интернета вещей» и искусственного интеллекта.
Построение инфраструктуры умных сенсоров
Люди развивают умение воспринимать ситуацию, сканируя среду на сенсорные ориентиры. Мы можем понимать эмоции других людей, смотря на выражение их лиц и жесты. Мы знаем, если люди нами раздражены или счастливы. Для компьютера такие задачи требуют набора сенсоров для сбора сенсорных ориентиров, которые обрабатывает искусственный интеллект.
Использование датчиков приближения для ситуативных действий на точке продажи
Первый шаг к созданию усиленного искусственным интеллектом контекстуального маркетинга – установка связанной экосистемы сенсоров и устройств, особенно в точке продажи. Один из самых популярных сенсоров, используемых на точках продаж, – это маячок, Bluetooth-передатчик с низким электропотреблением, коммуницирующий с находящимися рядом с ним устройствами. Установив несколько радиомаяков в любом физическом помещении, маркетологи могут определять точное положение покупателя, а также отслеживать его движения. Сенсоры также помогают маркетологам показывать персонализированный контент на подключенных устройствах, например в форме всплывающих уведомлений.
Компании необходимо определить, какие конкретные условия будут заставлять сенсоры совершать основанное на местоположении действие. Лучший ситуационный триггер – это присутствие покупателя. Сложность, однако, заключается в идентификации личности покупателя или составлении его профиля, чтобы убедиться, что действие действительно персонифицировано. Например, приближение к полке розничного магазина покупателя с подходящим под профиль возрастом и полом – отличный повод для отправки кастомизированного предложения со скидкой. Связанные со средой переменные, как, например, погода, также могут быть ситуативным триггером. Жара на улице – это, возможно, лучшее время для продвижения холодных напитков (см. рисунок 10.1).
Для того чтобы это работало, маркетологам необходимо использовать устройство, которое всегда под рукой у покупателя, как ориентир определения местоположения. Смартфон – одна из альтернатив. Смартфоны стали очень личными устройствами, которые покупатели всегда держат при себе. Устройство заменяет кошелек, ключи и камеру для многих людей. Что важнее, смартфоны снабжены большим количеством сенсоров и всегда подключены либо через Bluetooth, либо через сеть мобильной связи. Таким образом, мобильные телефоны могут подсоединяться и обмениваться данными с сенсорными датчиками.
Когда покупатель с подходящим мобильным приложением находится рядом, радиомаяк или датчик приближения связывается с покупателем. Представим, например, что покупатель установил приложение магазина и ввел персональные данные в приложении. При приближении мобильного телефона радиомаяк срабатывает и посылает персональное предложение как уведомление в приложении.
Представьте, если радиомаяки установлены на каждом проходе в розничных магазинах, парках развлечений, торговых центрах, отелях, казино и других учреждениях. Компании могут использовать мобильные телефоны покупателей как средства навигации, предоставляя информацию и предлагая промоакции, пока клиент проходит по физическому объекту. Это создает высококонтекстный путь для покупателей. Macy’s, Target, CVS и другие крупные розничные магазины используют радиомаячковые технологии именно для таких целей.
Роль смартфонов может быть заменена носимыми устройствами и даже вживленными в будущем. Производители смартфонов настойчиво продвигают умные часы, наушники и фитнес-браслеты, которые могут потенциально стать еще более личными устройствами для покупателей. Хотя носимые устройства еще не столь популярны, как смартфоны, некоторые из них все еще многообещающие, так как содержат информацию о малых движениях и здоровье покупателя. Disney и Mayo Clinic, например, используют RFID-браслеты с радиочастотной идентификацией для отслеживания и анализа местонахождения и движения людей.
Рисунок 10.1. Механизм контекстуального маркетинга
Использование биометрии как триггера персонифицированных действий
Другой популярный контекстный триггер – это сами покупатели. Без личных устройств покупатели могут вызывать связанные с местоположением действия, просто показывая свои лица. Активно развивающаяся технология распознавания лиц позволяет компаниям не только оценить демографические параметры, но также идентифицировать отдельных людей, как только появляется запись о них в базе данных. Это позволяет маркетологам предлагать подходящее ситуативное действие подходящему человеку.
Как и Walgreens с их умными холодильниками, сеть Tesco начала устанавливать системы распознавания лиц на автозаправочных станциях в Великобритании. Камера будет собирать данные по лицам, а алгоритм ИИ предполагать возраст и пол. Водитель будет получать таргетированную рекламу, подобранную под его демографический профиль, ожидая пока наполнится топливный бак машины.
Сеть закусочных в Китае Bestore использует базу данных распознавания лиц от Alibaba для сканирования и идентификации покупателей, которые дали на это согласие. Технологии позволяют работникам сети видеть, какие снеки предпочитают покупатели, на основании данных от Alibaba, в тот момент, когда они заходят в магазин. Таким образом, работники могут предложить подходящий продукт каждому покупателю. Технология распознавания лиц полезна не только для идентификации покупателей. Сеть розничных магазинов на кассе также использует платежную систему от Alibaba на основе системы распознавания лиц под названием «Smile to Pay» («Улыбнись для оплаты»).
Технологии распознавания лиц теперь способны идентифицировать также чувства людей. Алгоритмы ИИ могут определять эмоции, анализируя выражения лиц людей на изображениях, с видео и камер прямой трансляции. Это свойство полезно маркетологам для понимания того, как покупатели реагируют на их продукты и маркетинговые кампании без присутствия наблюдающего человека.
Таким образом, определение эмоций используется для тестирования идей продукта и рекламы в онлайн-интервью и фокус-группах. Респондентов, поделившихся доступом к своим веб-камерам, просят посмотреть изображение или видео, а выражение их лиц анализируется. Например, компания Kellogg’s использовала анализ выражений лиц от Affectiva для разработки рекламы для Crunchy Nut. Компания отслеживает уровень интереса и вовлечения зрителя при просмотре рекламных роликов во время первых просмотров и при повторении.
Disney экспериментировал с определением эмоций, установив камеры в кинотеатрах, показывающих их фильмы. Отслеживая миллионы выражений лиц на протяжении фильма,
