AI nel content marketing: queste 23 filiali raccontano una storia

Operatori di marketing, siate grati che il vostro lavoro sia più complicato che giocare a Go.

Sebbene gli esseri umani abbiano fatto grandi passi avanti nell'intelligenza artificiale, l'IA applicata ci ha fornito solo strumenti più intelligenti e assistenti con funzionalità limitate. Come riflette Noam Chomsky in questa intervista a Scientific American, "Anche i compiti gestiti quasi in modo riflessivo dai bambini sono ben oltre le capacità dell'IA contemporanea". Quindi è improbabile che presto lavorerai per un signore dell'IA.

John McCarthy coniò per la prima volta il termine "AI" nel 1956 con la prima di una conferenza accademica sull'argomento. Da allora è diventato un argomento vasto e complesso che ha trovato impiego in una crescente varietà di applicazioni.

È probabile che tu sia stato esposto all'IA senza nemmeno saperlo. Se hai mai utilizzato SIRI, visitato Facebook o effettuato un acquisto su Amazon, l'intelligenza artificiale è stata lì per aiutarti nel tuo viaggio.

In questo post, esaminiamo oltre due dozzine di rami dell'intelligenza artificiale per comprenderne l'impatto sui marketer, insieme a esempi di come viene applicata ai contenuti.

Creatività artificiale

La creatività artificiale è un tentativo di catturare la creatività a livello umano all'interno di un algoritmo. Alcuni sostengono che l'IA non sia affatto creativa e che il meglio che può fare è imitare la creatività umana. Nonostante ciò, la creatività dell'IA è attualmente impiegata in vari modi di basso livello tra le pubblicazioni online popolari.

La creatività dell'intelligenza artificiale è stata inizialmente vista nei rapporti sugli utili e nelle storie ricche di dati su sport e risultati elettorali. Questo tipo di scrittura segue una formula altamente strutturata con una narrazione semplice, rendendola una situazione ideale per l'uso dell'IA. In questo contesto, l'IA aumenta gli sforzi dei creatori di contenuti, consentendo loro l'opportunità di concentrare il proprio tempo su contenuti di valore superiore.

Thomson Reuters ha iniziato a utilizzare l'intelligenza artificiale per automatizzare la pubblicazione dei rapporti sugli utili nel 2006. Altre note pubblicazioni che utilizzano in modo creativo l'IA includono Associated Press, Forbes, ProPublica e The Los Angeles Times. La tendenza all'utilizzo dell'IA nel marketing continua ad accelerare con il rilascio di molti strumenti di scrittura dell'IA negli ultimi 18 mesi.

Pianificazione e programmazione automatizzate

Al suo livello più alto, questo ramo dell'intelligenza artificiale si occupa di trasformare le strategie in realtà. Tuttavia, le applicazioni del mondo reale tendono ad essere meno astratte e più concrete nel loro approccio alla risoluzione delle sfide quotidiane.

L'intelligenza artificiale eccelle nell'analisi rapida di grandi quantità di dati, il che rappresenta un vantaggio significativo per i professionisti del marketing. Il software intelligente può distillare rapidamente grandi quantità di informazioni in informazioni fruibili.

Il vantaggio più significativo per i marketer di contenuti è che non sono più impantanati nell'analisi. Ciò che prima richiedeva ore, se non giorni, ora può essere fatto in pochi minuti. Questo lascia più tempo per attività di alto valore come il pensiero critico e il processo decisionale.

MarketMuse utilizza l'intelligenza artificiale per costruire strategie di contenuto in grado di competere per specifiche categorie di argomenti. Utilizza la modellazione degli argomenti per far emergere argomenti rilevanti che potrebbero dover essere presi di mira con contenuti aggiuntivi o l'ottimizzazione delle pagine esistenti.

Tailor Social, uno strumento di gestione dei social media, utilizza l'intelligenza artificiale per pianificare i post sui social media. Di recente è uscito dalla versione beta.

Ragionamento automatizzato

Il ragionamento automatizzato cerca di comprendere i diversi aspetti del pensiero e un giorno potrebbe portare a "estrarre proprietà estetiche, sentimenti e persino emozioni" dal contenuto.

Ma non ci siamo ancora, anzi, ne siamo lontani. Ma quando arriverà quel giorno, vedremo strumenti ancora più potenti che scandagliano i contenuti in profondità dove i marketer non hanno né il tempo né il desiderio di avventurarsi.

Automazione

L'automazione esiste da molto più tempo dell'intelligenza artificiale, ma l'IA ha contribuito a creare modi più intelligenti e migliori per aumentare l'efficienza. I progressi in questo campo hanno consentito l'automazione di compiti che in precedenza erano il dominio degli esseri umani. Di conseguenza, il tipo di lavoro svolto dai produttori di contenuti sta cambiando.

Prendiamo ad esempio il processo di web design che in genere coinvolge numerose discipline tra cui la progettazione e la creazione di contenuti. The Grid è un sistema di web design basato sull'intelligenza artificiale che crea siti Web in base al contenuto fornito.

Visione artificiale/riconoscimento di oggetti

L'elaborazione digitale delle immagini viene utilizzata in una serie di aree, tra cui il riconoscimento dei modelli, la classificazione e l'estrazione di caratteristiche. A livello pratico, la visione artificiale dell'IA semplifica la gestione delle risorse digitali. MavSocial, l'utilizzo della tecnologia di riconoscimento delle immagini di Miro è un esempio.

Remove.bg utilizza una sofisticata tecnologia AI per rilevare i livelli in primo piano e separarli dallo sfondo. Un processo difficile che in genere richiederebbe un'ora o più utilizzando Photoshop ora richiede solo cinque minuti.

Un altro modo in cui questa tecnologia può aiutare è la moderazione automatica dei contenuti. Clarifai offre la possibilità di moderare e filtrare le informazioni sensibili dalla tua piattaforma senza l'intervento umano.

Gestione della conoscenza

Girard & Girard, nell'Online Journal of Applied Knowledge Management (PDF), affermano che "la gestione della conoscenza è il processo di gestione della creazione, condivisione e utilizzo di informazioni e conoscenze organizzative". In quanto ramo dell'intelligenza artificiale, comprende vari aspetti come il concept mining, il data mining, il text mining, l'estrazione di informazioni e la rappresentazione della conoscenza. È all'interno di queste applicazioni specifiche che troviamo già vantaggi per i marketer di contenuti.

Concetto di estrazione mineraria

Il concept mining deriva dall'estrazione di concetti da artefatti, come una pagina Web o un post di blog. Ad esempio, Aylien offre un'API con un endpoint di estrazione del concetto per trovare quali argomenti sono menzionati in un pezzo di testo.

Essendo un'API, non è qualcosa di cui la maggior parte dei marketer può trarre vantaggio. Tuttavia, gli sviluppatori di software possono incorporare questa API nel proprio software da utilizzare nell'arena del marketing dei contenuti.

Fare riferimento alla sezione sulla creatività artificiale per alcune idee su come questa potrebbe essere utilizzata a vantaggio dei marketer.

Estrazione dei dati

Il data mining cerca di scoprire modelli in ampi set di dati. Dal punto di vista del marketing dei contenuti, questo ramo dell'IA può aiutare a determinare i migliori contenuti da presentare al momento giusto nel percorso dell'acquirente

Analizzando la spesa dei titolari di carta, American Express può presentare offerte personalizzate che attraggono e fideliscono i clienti. Quindi utilizza questo marketing mirato per abbinare i commercianti ai clienti giusti, ovvero quelli che tendono a spendere di più rispetto al consumatore medio.

British Airways estrae le sue risorse di dati per identificare in modo univoco ogni singolo cliente e personalizzare il marketing tramite e-mail e altre comunicazioni con i clienti.

Estrazione di testo

Il text mining è un tipo di data mining incentrato esplicitamente sull'estrazione di informazioni dal testo utilizzando il riconoscimento di modelli e altri approcci tramite l'elaborazione del linguaggio naturale (NLP). I correttori grammaticali avanzati come Grammarly sono un tipo di strumento creato da questa tecnologia. Non c'è dubbio che i marketer apprezzino i vantaggi!

A un livello più avanzato, la piattaforma Acrolinx offre un motore di analisi linguistica che guida lo stile, la grammatica, la terminologia e il tono degli scrittori per garantire che tutti i tuoi contenuti rimangano sul marchio. Questo affronta una sfida significativa affrontata da tutti i creatori di contenuti aziendali; mantenere i contenuti coerenti e rispecchiare il marchio, indipendentemente dal creatore dei contenuti.

Processo di estrazione

L'analisi dei dati del registro eventi per identificare tendenze e modelli è nota come process mining. Livejourney lo ha applicato per tracciare il percorso del cliente in tempo reale. Monitorando tutti i punti di contatto con i clienti e analizzando i percorsi dal punto di vista del cliente, puoi affrontare eventuali inefficienze e aumentare la soddisfazione del cliente.

Filtro antispam della posta elettronica

Combatti lo spam con lo spam. Rescam è un bot di posta elettronica artificialmente intelligente che risponde alle e-mail truffa. Il chatbot usa una delle sue personalità umane per continuare la conversazione con un aspirante truffatore. Sprecare il loro tempo con il bot offre ai truffatori meno tempo per perseguire le vere vittime. Ad oggi, Rescam ha sprecato oltre cinque anni di tempo da truffatori.

Estrazione di informazioni

Questo ramo dell'IA si concentra spesso sull'elaborazione del testo in linguaggio umano utilizzando la PNL. Le applicazioni del mondo reale vanno dal relativamente semplice come l'estrazione automatica di testo dalle e-mail (Parseur) al compito più complesso di riassumere un documento (frase). Un caso d'uso diretto di questa tecnologia sarebbe la fornitura di riepiloghi di testo automatici per nuove raccolte quotidiane o per l'uso nella cura dei contenuti.

Web semantico

Il web semantico era un termine coniato da Tim Berners-Lee, inventore del world wide web, nel lontano 2001 (pdf). L'idea è che tutti i dati su Internet, i contenuti, i collegamenti e le transazioni possono essere analizzati da una macchina. Ma il concetto fatica a prendere piede. Sebbene il numero di siti che utilizzano il markup del web semantico continui ad aumentare, sono ancora in minoranza.

Uno degli usi più importanti della tecnologia del web semantico è la BBS che l'ha utilizzata per alimentare l'intero sito Web della Coppa del Mondo nel 2010. Altri usi significativi della tecnologia del web semantico includono Time Inc., Elsevier e la Library of Congress.

Tuttavia, la formattazione dei contenuti per il web semantico è molto più complicata dei processi attuali. Il tempo e le spese aggiunti possono spiegare la sua lenta adozione tra i marketer.

Apprendimento automatico

L'apprendimento automatico è un campo dell'intelligenza artificiale che consente ai computer di "imparare" dai dati, senza essere programmati per l'attività. Motori di raccomandazione come quelli utilizzati in Curata, Scoop.it e Zetaare machine learning in azione.

Il vantaggio per sistemi come questi è che i consigli migliorano nel tempo man mano che il sistema apprende cosa costituisce un buon suggerimento. Tuttavia, i marketer potrebbero non avere la pazienza di aspettare quei miglioramenti!

Persado utilizza il "linguaggio generato dall'intelligenza artificiale per le righe dell'oggetto e-mail e gli annunci a pagamento sui social media" ottimizzato per le conversioni. Pensa a questo come test automatico per le conversioni.

Non è necessario essere uno specialista dell'ottimizzazione del tasso di conversione, né condurre regolarmente test. L'intelligenza artificiale dietro il software si occupa di tutto il lavoro, imparando continuamente e presentando al marketer scelte migliori.

Immagina di offrire consigli in tempo reale con contenuti personalizzati per ogni utente. LiftIgniter utilizza l'apprendimento automatico per raggiungere tale obiettivo. Sta imparando e ottimizzando continuamente in base a un obiettivo specifico che hai impostato.

L'apprendimento automatico può fare molto di più che aiutare a formulare raccomandazioni appropriate. Può anche essere utilizzato per creare o curare più accuratamente i contenuti.

IBM Watson ha contribuito a creare un trailer per un film horror/di suspense hollywoodiano.

In primo luogo, è stato insegnato come identificare scene spaventose e musica terrificante e analizzare la composizione delle scene del film per determinare cosa le rendesse spaventose. Quindi ha guardato la versione integrale del film e ha selezionato dieci momenti che sarebbero stati i migliori contendenti per il trailer.

È stato lasciato all'ingegno umano eseguire l'attività di modifica vera e propria. Ecco il risultato:

Apprendimento profondo

Il deep learning è un aspetto dell'apprendimento automatico basato sulla rappresentazione dei dati anziché sull'utilizzo di algoritmi specifici per attività. È stato applicato a vari campi, tra cui l'elaborazione del linguaggio naturale, la traduzione automatica e la visione artificiale.

Alla Game Developers Conference del 2018, NVIDIA ha dimostrato "recenti ricerche sui modi in cui le reti di Deep Learning possono essere utilizzate per generare animazioni umane dall'aspetto realistico" e come hanno applicato il deep learning alla sintesi delle texture.

In un'applicazione più pratica, Envision utilizza l'intelligenza artificiale per aiutare i professionisti del marketing a scegliere la migliore miniatura, segmento o immagine del video. Utilizza anche il deep learning per trovare e aggiungere automaticamente i migliori hashtag per i tuoi post su Instagram.

Elaborazione del linguaggio naturale

Per gli esperti di marketing che si occupano di contenuti testuali, l'elaborazione del linguaggio naturale è un campo essenziale dell'intelligenza artificiale. Questo ramo dell'IA si occupa di consentire ai computer di comprendere la lingua.

Le sfide significative in questo campo sono il riconoscimento vocale, la comprensione del linguaggio naturale e la generazione del linguaggio naturale. Tuttavia, sono stati compiuti notevoli progressi, come si vede nella proliferazione di chatbot, traduzione automatica e utilizzo di interfacce utente in linguaggio naturale come SIRI.

Ecco un paio di esempi interessanti da notare.

Narrative Science automatizza la personalizzazione su larga scala utilizzando la generazione del linguaggio naturale per generare automaticamente descrizioni e fornire comunicazioni personalizzate.

Conversica si affida all'intelligenza artificiale per aiutare a coltivare i lead in entrata fino a quando il loro interesse non cambia in un'intenzione di acquisto. Più specificamente, usano l'intelligenza artificiale per interpretare le risposte e-mail, inviando risposte uniche e naturali come follow-up.

Chatbot

I chatbot sono ovunque! In genere vengono utilizzati per qualificare i lead o impiegati come sistema di consegna dei contenuti.

Due tipi di base di chatbot sono quelli che comprendono comandi limitati e quelli che utilizzano l'elaborazione del linguaggio naturale.

I chatbot di tipo a comando limitato sono utili quando le opzioni delle attività sono limitate e puoi guidare l'interazione lungo percorsi molto ben definiti. I chatbot NLP consentono un flusso più colloquiale.

Le piattaforme di chatbot come Flow XO eliminano la necessità di competenze di codifica, ma possono comunque essere difficili da implementare per alcuni motivi:

• Gli esperti di marketing devono conoscere i compiti che i loro visitatori stanno cercando di svolgere.
• Hanno bisogno di una profonda comprensione dei viaggi compiuti dal loro pubblico.
• Il tipo di contenuto utilizzato in questo contesto può essere radicalmente diverso.
• Potrebbero mancare di una strategia di contenuti ricchi.

Identificazione della lingua

L'identificazione della lingua è una componente fondamentale della traduzione automatica e dell'elaborazione del linguaggio naturale. Sebbene non abbia un impatto diretto sui marketer, gli strateghi dei contenuti che lavorano a livello aziendale spesso si occupano di problemi di traduzione linguistica e dei suoi effetti sui contenuti.

L'IA di Google è profondamente coinvolta in tutto ciò che riguarda le tecnologie del linguaggio naturale, inclusa l'identificazione della lingua. Potresti averlo sperimentato visitando una pagina in una lingua straniera.

Per gli strateghi dei contenuti con budget zero per la traduzione, questo può essere un vero toccasana.

Interfaccia utente in linguaggio naturale

Le interfacce utente prototipo in linguaggio naturale sono apparse per la prima volta alla fine degli anni '60 e solo di recente sono diventate popolari. Se hai mai utilizzato SIRI o Amazon Echo, hai sperimentato un'interfaccia in linguaggio naturale.

Per i marketer di contenuti, questo potenzialmente cambia il modo in cui pensiamo e creiamo contenuti. I motori di ricerca rimangono basati su parole chiave e i creatori di contenuti spesso creano lunghi contenuti nella speranza di posizionarsi bene per molte parole chiave.

Ma l'uso di un'interfaccia in linguaggio naturale, in particolare quella controllata dalla voce, crea un nuovo contesto. Gli utenti cercano risposte mirate a domande specifiche, cosa per la quale un manifesto di 10.000 parole non è adatto. Sebbene abbiamo visto una tendenza verso contenuti più estesi, questa tendenza potrebbe presto cambiare.

Comprensione del linguaggio naturale

La comprensione del linguaggio naturale è un argomento secondario dell'elaborazione del linguaggio naturale che risale al 1964 con la pubblicazione del dottorato di ricerca di Daniel Bobrow. dissertazione. C'è un grande interesse per la comprensione del linguaggio naturale a causa della sua rilevanza per l'analisi del contenuto su larga scala, la risposta alle domande e la categorizzazione del testo.

Le applicazioni del mondo reale, almeno per uso di marketing, richiedono capacità di comprensione abbastanza sofisticate per cogliere i concetti all'interno di un documento. OneSpot è una di queste società che utilizza una combinazione di apprendimento automatico e linguaggio naturale per elaborare il consumo di contenuti dei visitatori del sito e fornire contenuti personalizzati su larga scala.

Traduzione automatica

Un altro ramo secondario dell'elaborazione del linguaggio naturale è la traduzione automatica. Se hai mai usato Google Translate, hai graffiato la superficie della traduzione automatica.

Poiché la precisione della traduzione continua ad aumentare, aumentano anche le opportunità di traduzione nei mercati B2B e consumer.

Gli strateghi dei contenuti che lavorano in aziende globali sfruttano la traduzione automatica per tradurre i contenuti su larga scala in modo conveniente. I domini aziendali come tecnologia, finanza, legale, assistenza sanitaria, ecc. hanno le loro sfumature e termini, motivo per cui la traduzione automatica specifica del dominio è stata la strada preferita.

Tuttavia, la traduzione automatica multidominio, come quella offerta da Kantan, sta cominciando a guadagnare terreno.

Risposte alle domande

La risposta alle domande è un sottoinsieme dell'elaborazione del linguaggio naturale che progetta sistemi per rispondere automaticamente alle domande poste in un linguaggio umano. Il sistema di risposta alle domande in linguaggio naturale START afferma di essere il "primo sistema di risposta alle domande basato sul Web al mondo, è online e opera continuamente dal dicembre 1993".

Sapevi che Facebook sta addestrando l'IA per rispondere alle domande? Stanno insegnando all'IA ad analizzare le immagini e rispondere alle domande poste su quelle immagini. In questo momento l'IA può fornire solo risposte semplici. Ma l'idea è di consentirgli di offrire risposte più elaborate, proprio come farebbe un essere umano.

Traduzione semantica

La semantica è una branca della linguistica che si occupa di interpretare il significato delle parole e la loro struttura. La traduzione semantica mira a mantenere il significato di un documento quando si traduce in un'altra lingua.

Gli strateghi dei contenuti che lavorano per il business globale devono affrontare la sfida della governance dei contenuti in più lingue. L'uso della traduzione semantica può aiutare ad aumentare l'efficienza della traduzione e mitigare il rischio di interpretazioni errate. PROMT è un esempio di applicazione che incorpora informazioni semantiche.

Il futuro dell'intelligenza artificiale nel content marketing

Elon Musk potrebbe temere un'apocalisse dell'IA ma, da quello che ho visto, stiamo ancora lottando per creare applicazioni praticabili per molti rami dell'intelligenza artificiale. Detto questo, stiamo iniziando a vedere software più intelligenti, di portata limitata, che migliorano sostanzialmente le nostre vite.

I motori di raccomandazione che alimentano aziende giganti come Netflix e Amazon ne sono un esempio. Ora puoi portare quella raffinatezza nel tuo sito con software come Bibblio. A differenza del semplice approccio fornito da molte app di "post correlati", il suo algoritmo basato sull'intelligenza artificiale offre suggerimenti di contenuti semanticamente rilevanti.

A meno che tu non gestisca un sito di grandi dimensioni, un software come questo potrebbe non essere un grande successo. Tuttavia, il campo dell'intelligenza artificiale sta compiendo passi concreti e quantificabili che hanno un impatto sui marketer in questo momento, oggi. Non aspettarti che l'IA svolga il tuo lavoro per te presto.

Caratteristica immagine vettoriale progettato da Freepik