コンテンツマーケティングにおけるAI：これらの23のブランチが物語を語る

マーケター、あなたの仕事は囲碁のゲームをプレイするよりも複雑であることに感謝してください。

人間は人工知能で大きな進歩を遂げましたが、適用されたAIは、よりスマートなツールと限られた機能のアシスタントしか提供してくれませんでした。 NoamChomskyがこのScientificAmericanのインタビューで反映しているように、「幼児がほぼ反射的に習得したタスクでさえ、現代のAIの能力をはるかに超えています。」 したがって、AIの大君主のためにすぐに働くことはまずありません。

ジョン・マッカーシーは、1956年にこのテーマに関する学会の初演で「AI」という用語を最初に作り出しました。 それ以来、それはますます多様なアプリケーションで使用されることがわかっている広大で複雑な主題に成長しました。

たぶん、あなたはそれを知らなくてもAIにさらされてきました。 SIRIを使用したり、Facebookにアクセスしたり、Amazonで購入したりしたことがある場合は、人工知能が旅の手助けになります。

この投稿では、人工知能の20を超えるブランチを調べて、マーケターへの影響を理解し、コンテンツにどのように適用されているかの例を示します。

人工創造性

人工的な創造性は、アルゴリズム内で人間レベルの創造性を捉えようとする試みです。 AIはまったく創造的ではなく、AIができる最善のことは、人間の創造性を模倣することであると主張する人もいます。 それにもかかわらず、AIの創造性は現在、人気のあるオンライン出版物の中でさまざまな低レベルの方法で採用されています。

人工知能の創造性は当初、スポーツや選挙結果に関する収益レポートやデータ量の多いストーリーで見られました。 このタイプの文章は、高度に構造化された公式とわかりやすい説明に従っており、AIを使用するのに理想的な状況になっています。 このコンテキストでは、AIはコンテンツ作成者の努力を強化し、より価値の高いコンテンツに時間を集中できるようにします。

Thomson Reutersは、2006年に人工知能を使用して収益レポートの公開を自動化し始めました。AIをクリエイティブに使用するその他の有名な出版物には、AP通信、フォーブス、プロパブリカ、​​ロサンゼルスタイムズなどがあります。 マーケティングでAIを使用する傾向は加速し続けており、過去18か月間に多くのAIライティングツールがリリースされています。

自動計画とスケジューリング

最高レベルでは、人工知能のこのブランチは戦略を現実に変えることを扱います。 ただし、実際のアプリケーションは、日常の課題を解決するためのアプローチにおいて、抽象的ではなく、より具体的である傾向があります。

AIは、膨大な量のデータを迅速に分析することに優れており、これはマーケターにとって大きなメリットです。 スマートソフトウェアは、大量の情報をすぐに実用的な洞察に抽出できます。

コンテンツマーケターにとっての最も重要な利点は、分析にとらわれなくなったことです。 以前は数日ではなくても数時間かかっていた作業が、今では数分で実行できるようになりました。 これにより、批判的思考や意思決定などの価値の高い活動に多くの時間を割くことができます。

MarketMuseは、人工知能を使用して、特定のトピックカテゴリをめぐって競合できるコンテンツ戦略を構築します。 トピックモデリングを使用して、追加のコンテンツまたは既存のページの最適化でターゲットにする必要がある可能性のある関連トピックを表示します。

ソーシャルメディア管理ツールであるTailorSocialは、人工知能を使用してソーシャルメディアの投稿をスケジュールします。 最近ベータ版がリリースされました。

自動推論

自動推論は、思考のさまざまな側面を理解しようとし、いつの日かコンテンツから「美的特性、感情、さらには感情を抽出する」ことにつながる可能性があります。

しかし、私たちはまだそこにいません。実際、私たちはそこから遠く離れています。 しかし、その日が来ると、マーケターが冒険する時間も欲求もない深みのあるコンテンツを盛り上げる、さらに強力なツールが表示されます。

オートメーション

自動化は人工知能よりもはるかに長い間存在していましたが、AIは効率を高めるためのよりスマートでより良い方法を作成するのに役立ちました。 この分野の進歩により、以前は人間の領域であったタスクの自動化が可能になりました。 その結果、コンテンツプロデューサーが実行する作業の種類は変化しています。

たとえば、通常、デザインやコンテンツの作成を含む多くの分野を含むWebデザインプロセスを考えてみましょう。 グリッドは、提供したコンテンツに基づいてWebサイトを作成するAIを利用したWebデザインシステムです。

コンピュータビジョン/オブジェクト認識

デジタル画像処理は、パターン認識、分類、特徴抽出など、さまざまな分野で使用されています。 実用的なレベルでは、AIコンピュータービジョンによりデジタル資産の管理が容易になります。 MavSocialは、Miroの画像認識技術を使用した一例です。

Remove.bgは、高度なAIテクノロジーを使用して前景レイヤーを検出し、それらを背景から分離します。 Photoshopを使用して通常1時間以上かかる困難なプロセスは、今ではわずか5分で完了します。

このテクノロジーが役立つもう1つの方法は、コンテンツの自動モデレートです。 Clarifaiは、人間の介入なしに、プラットフォームからの機密情報を管理およびフィルタリングする機能を提供します。

知財管理

Girard＆Girardは、オンラインジャーナルオブアプライドナレッジマネジメント（PDF）で、「ナレッジマネジメントは、組織の情報と知識を作成、共有、使用するための管理プロセスです」と述べています。 人工知能のブランチとして、コンセプトマイニング、データマイニング、テキストマイニング、情報抽出、知識表現などのさまざまな側面を網羅しています。 これらの特定のアプリケーションの範囲内で、コンテンツマーケターにとってすでにメリットがあります。

コンセプトマイニング

コンセプトマイニングは、Webページやブログ投稿などのアーティファクトからコンセプトを抽出することで実現します。 たとえば、Aylienは、テキスト内で言及されているトピックを見つけるための概念抽出エンドポイントを備えたAPIを提供しています。

APIであるため、ほとんどのマーケターが利用できるものではありません。 ただし、ソフトウェア開発者は、コンテンツマーケティングの分野で使用するために、このAPIを独自のソフトウェアに組み込むことができます。

マーケターの利益のためにこれをどのように使用できるかについてのいくつかのアイデアについては、人工創造性のセクションに戻って参照してください。

データマイニング

データマイニングは、大量のデータセットのパターンを発見しようとします。 コンテンツマーケティングの観点から、AIのこのブランチは、購入者の旅の適切なタイミングで提示するのに最適なコンテンツを決定するのに役立ちます

カード所有者の支出を分析することにより、American Expressは、顧客を引き付けて維持するカスタマイズされたオファーを提示できます。 次に、このターゲットを絞ったマーケティングを使用して、マーチャントを適切な顧客、つまり平均的な消費者よりも多く支出する傾向のある顧客と照合します。

ブリティッシュ・エアウェイズは、データ資産をマイニングして、すべての顧客を一意に識別し、電子メールマーケティングやその他の顧客コミュニケーションをパーソナライズします。

テキストマイニング

テキストマイニングは、パターン認識や自然言語処理（NLP）を介したその他のアプローチを使用して、テキストから情報を抽出することに明確に焦点を当てたデータマイニングの一種です。 Grammarlyのような高度な文法チェッカーは、このテクノロジーから作成されたツールの一種です。 マーケターがそのメリットを高く評価していることは間違いありません。

より高度なレベルでは、Acrolinxプラットフォームは、すべてのコンテンツがブランドにとどまるように、ライターのスタイル、文法、用語、およびトーンをガイドする言語分析エンジンを提供します。 これは、すべてのエンタープライズコンテンツクリエーターが直面する重大な課題に対処します。 コンテンツの作成者に関係なく、コンテンツの一貫性とブランドの反映を維持します。

プロセスマイニング

イベントログデータを分析して傾向とパターンを特定することは、プロセスマイニングと呼ばれます。 Livejourneyはこれを適用して、カスタマージャーニーをリアルタイムで追跡しています。 すべての顧客のタッチポイントを監視し、顧客の視点から旅を分析することで、非効率性に対処し、顧客満足度を高めることができます。

電子メールスパムフィルタリング

スパムとスパムを戦います。 Rescamは、詐欺メールに返信する人工知能メールボットです。 チャットボットは、その人間の性格の1つを使用して、詐欺師になる可能性のある人との会話を続けます。 ボットで時間を無駄にすることで、詐欺師は実際の被害者を追跡する時間が少なくなります。 現在まで、Rescamは5年以上の詐欺師の時間を無駄にしてきました。

情報抽出

このAIブランチは、NLPを使用した人間の言語テキストの処理に頻繁に焦点を当てています。 実際のアプリケーションは、電子メールからテキストを自動的に抽出するなどの比較的単純なもの（Parseur）から、ドキュメントを要約するというより複雑なタスク（frase）まで多岐にわたります。 このテクノロジーの直接的な使用例は、毎日の新しいまとめやコンテンツのキュレーションで使用するための自動テキスト要約を提供することです。

セマンティックWeb

セマンティックWebは、2001年にワールドワイドウェブの発明者であるTim Berners-Leeによって造られた用語でした（pdf）。 インターネット上のすべてのデータ、コンテンツ、リンク、およびトランザクションをマシンで分析できるという考え方です。 しかし、コンセプトは牽引力を得るのに苦労しています。 セマンティックWebマークアップを使用するサイトの数は増え続けていますが、まだ少数派です。

セマンティックWebテクノロジーの最も注目すべき用途の1つは、2010年にワールドカップのWebサイト全体に電力を供給するためにそれを使用したBBSです。セマンティックWebテクノロジーの他の重要な用途には、Time Inc.、Elsevier、および米国議会図書館があります。

ただし、セマンティックWebのコンテンツのフォーマットは、現在のプロセスよりもはるかに複雑です。 追加された時間と費用は、マーケターの間での採用が遅いことを説明している可能性があります。

機械学習

機械学習は、タスク用にプログラムされていなくても、コンピューターがデータから「学習」できるようにする人工知能の分野です。 Curata、Scoop.it、Zetaareの機械学習で使用されているような推奨エンジンが実際に動作しています。

このようなシステムの利点は、システムが適切な提案を構成するものを学習するにつれて、推奨が時間の経過とともに向上することです。 しかし、マーケターはそれらの改善を待つ忍耐力を持っていないかもしれません！

Persadoは、コンバージョン向けに最適化された「メールの件名とソーシャルメディアの有料広告にAIで生成された言語」を使用しています。 これは、変換の自動テストと考えてください。

コンバージョン率の最適化のスペシャリストである必要はなく、定期的にテストを実施する必要もありません。 ソフトウェアの背後にあるAIがすべての作業を処理し、マーケティング担当者に継続的に学習してより良い選択肢を提示します。

ユーザーごとにパーソナライズされたコンテンツを使用して、リアルタイムの推奨事項を提供することを想像してみてください。 LiftIgniterは、機械学習を使用してその目的を達成します。 それはあなたが設定した特定の目標に基づいて継続的に学習し、最適化します。

機械学習は、適切な推奨事項を作成するのに役立つだけではありません。 コンテンツを作成したり、より正確にキュレートしたりするためにも使用できます。

IBMワトソンは、ハリウッドのサスペンス/ホラー映画の予告編の作成を支援しました。

まず、恐ろしいシーンや恐ろしい音楽を特定し、映画のシーンの構成を分析して、何が怖いのかを判断する方法を学びました。 次に、映画のフルレングスバージョンを見て、予告編の最高の候補となる10の瞬間を選択しました。

実際の編集作業は人間の創意工夫に任されていました。 結果は次のとおりです。

ディープラーニング

ディープラーニングは、タスク固有のアルゴリズムを使用するのではなく、データ表現に基づく機械学習の側面です。 自然言語処理、機械翻訳、コンピュータビジョンなど、さまざまな分野に応用されています。

2018 Game Developers Conferenceで、NVIDIAは、「ディープラーニングネットワークを使用してリアルな外観の人間のアニメーションを生成する方法に関する最近の研究」と、ディープラーニングをテクスチャ合成にどのように適用したかを示しました。

より実用的なアプリケーションでは、エンビジョンは人工知能を使用して、マーケターが最適なビデオサムネイル、セグメント、または画像を選択できるようにします。 また、ディープラーニングを使用して、Instagramの投稿に最適なハッシュタグを自動的に見つけて追加します。

自然言語処理

テキストコンテンツを扱うマーケターにとって、自然言語処理は人工知能の不可欠な分野です。 AIのこの部門は、コンピューターが言語を理解できるようにすることに関係しています。

この分野での重要な課題は、音声認識、自然言語理解、および自然言語生成です。 ただし、チャットボットの急増、機械翻訳、SIRIなどの自然言語ユーザーインターフェイスの使用に見られるように、かなりの進歩が見られます。

ここに注意すべきいくつかの興味深い例があります。

ナラティブサイエンスは、自然言語生成を使用して大規模なパーソナライズを自動化し、説明を自動的に生成して、パーソナライズされたコミュニケーションを提供します。

Conversicaは、AIを利用して、購入意向に関心が変わるまで、インバウンドリードの育成を支援しています。 より具体的には、彼らは人工知能を使用して電子メールの応答を解釈し、フォローアップとしてユニークで自然な響きの応答を送信します。

チャットボット

チャットボットはいたるところにあります！ これらは通常、リードを認定するために使用されるか、コンテンツ配信システムとして使用されます。

チャットボットの2つの基本的なタイプは、限られたコマンドを理解するものと、自然言語処理を使用するものです。

制限付きコマンドタイプのチャットボットは、タスクオプションが制限されている場合に役立ち、非常に明確に定義されたパスで対話をガイドできます。 NLPチャットボットは、より会話的な流れを可能にします。

Flow XOなどのチャットボットプラットフォームはコーディングスキルの必要性を排除しますが、それでもいくつかの理由で実装が難しい場合があります。

• マーケターは、訪問者が達成しようとしているタスクを知る必要があります。
• 彼らは彼らの聴衆がたどった旅を深く理解する必要があります。
• このコンテキストで使用されるコンテンツのタイプは、根本的に異なる可能性があります。
• リッチコンテンツ戦略が不足している可能性があります。

言語識別

言語の識別は、機械翻訳と自然言語処理の重要なコンポーネントです。 マーケターに直接的な影響はありませんが、企業レベルで働くコンテンツストラテジストは、言語翻訳の問題とそのコンテンツへの影響に対処することがよくあります。

Google AIは、言語の識別など、自然言語テクノロジーに関連するすべてのものに深く関わっています。 外国語のページにアクセスしたときに、これを経験したことがあるかもしれません。

翻訳の予算がゼロのコンテンツストラテジストにとって、これは命の恩人になる可能性があります。

自然言語ユーザーインターフェース

プロトタイプの自然言語ユーザーインターフェイスは、1960年代後半に最初に登場し、最近になってようやく普及しました。 SIRIまたはAmazonEchoを使用したことがある場合は、自然言語インターフェースを体験したことがあります。

コンテンツマーケターにとって、これは私たちの考え方やコンテンツの作成方法を変える可能性があります。 検索エンジンはキーワードベースのままであり、コンテンツ作成者は多くのキーワードで上位にランク付けされることを期待して長いコンテンツを作成することがよくあります。

しかし、自然言語インターフェース、特に音声制御のインターフェースを使用すると、新しいコンテキストが作成されます。 ユーザーは、特定の質問に対する的を絞った回答を探しています。これは、10,000語のマニフェストには適していません。 コンテンツがより拡張される傾向が見られますが、この傾向はすぐに変わる可能性があります。

自然言語理解

自然言語理解は、ダニエル・ボブロウ博士の出版により1964年にさかのぼる自然言語処理のサブトピックです。 論文。 大規模な内容分析、質問応答、テキスト分類との関連性から、自然言語理解には大きな関心が寄せられています。

少なくともマーケティングで使用するための実際のアプリケーションでは、ドキュメント内の概念を把握するために、かなり高度な理解機能が必要です。 OneSpotは、機械学習と自然言語を組み合わせてサイト訪問者のコンテンツ消費を処理し、個別のコンテンツを大規模に配信する企業の1つです。

機械翻訳

自然言語処理のもう1つのサブブランチは、機械翻訳です。 Google翻訳を使用したことがある場合は、機械翻訳の表面を傷つけたことになります。

翻訳の精度が向上し続けるにつれて、B2Bおよび消費者市場での翻訳の機会も増加します。

グローバル企業で働くコンテンツストラテジストは、機械翻訳を活用して、費用効果の高い方法でコンテンツを大規模に翻訳します。 テクノロジー、金融、法務、ヘルスケアなどのビジネスドメインには独自のニュアンスと用語があります。そのため、ドメイン固有の機械翻訳が推奨されるルートになっています。

ただし、Kantanが提供するようなマルチドメインの機械翻訳が普及し始めています。

質問応答

質問応答は、自然言語処理のサブセットであり、人間の言語で提起された質問に自動的に回答するシステムを設計します。 START自然言語の質問応答システムは、「世界初のWebベースの質問応答システムであり、1993年12月からオンラインで継続的に運用されています」と主張しています。

Facebookが質問に答えるためにAIをトレーニングしていることをご存知ですか？ 彼らはAIに画像を分析し、それらの画像について尋ねられた質問に答えるように教えています。 現在、AIは単純な答えしか提供できません。 しかし、そのアイデアは、人間と同じように、より精巧な応答を提供できるようにすることです。

セマンティック翻訳

意味論は、単語の意味とその構造の解釈に関係する言語学の一分野です。 セマンティック翻訳は、別の言語に翻訳するときにドキュメントの意味を保持することを目的としています。

グローバルビジネスで働くコンテンツストラテジストは、複数の言語にわたるコンテンツガバナンスに挑戦しています。 セマンティック翻訳を使用すると、翻訳の効率が向上し、誤った解釈のリスクが軽減されます。 PROMTは、セマンティック情報を組み込んだアプリケーションの一例です。

コンテンツマーケティングにおける人工知能の未来

Elon MuskはAIの黙示録を恐れているかもしれませんが、私が見たところ、人工知能の多くの分野で実行可能なアプリケーションを作成するのにまだ苦労しています。 とは言うものの、私たちの生活を大幅に改善する、範囲が限定されたよりスマートなソフトウェアが見られ始めています。

NetflixやAmazonのような巨大企業を動かすレコメンデーションエンジンはその一例です。 これで、Bibblioなどのソフトウェアを使用して、その洗練された機能を自分のサイトにもたらすことができます。 多くの「関連投稿」アプリを提供する単純なアプローチとは異なり、そのAIを利用したアルゴリズムは、意味的に関連するコンテンツの提案を提供します。

大規模なサイトを運営していない限り、このようなソフトウェアは大ヒットしない可能性があります。 しかし、人工知能の分野は、今日、マーケターに影響を与える実際の定量化可能なステップを作成しています。 AIがすぐにあなたの仕事を実行することを期待しないでください。

Freepikによって設計された特徴画像ベクトル