AI In Content Marketing: 이 23개 지점이 이야기를 들려줍니다.

마케터 여러분, 당신의 일이 바둑을 두는 것보다 더 복잡하다는 사실에 감사하십시오.

인간은 인공 지능에서 큰 발전을 이루었지만 응용 인공 지능은 우리에게 더 똑똑한 도구와 제한된 기능의 비서를 제공했을 뿐입니다. Noam Chomsky가 Scientific American과의 인터뷰에서 반영하듯이, "아기들이 거의 반사적으로 숙달한 작업조차도 현대 AI의 능력을 훨씬 능가합니다." 따라서 조만간 AI 대군주를 위해 일하게 될 것 같지 않습니다.

존 매카시(John McCarthy)는 1956년 이 주제에 대한 학술회의 초연과 함께 "AI"라는 용어를 처음 만들었습니다. 그 이후로 점점 더 다양한 응용 프로그램에서 사용되는 방대하고 복잡한 주제로 성장했습니다.

자신도 모르는 사이에 AI에 노출되었을 가능성이 있습니다. SIRI를 사용한 적이 있거나 Facebook을 방문했거나 Amazon에서 구매한 적이 있다면 인공 지능이 귀하의 여정을 도와줄 것입니다.

이 게시물에서는 인공 지능이 콘텐츠에 어떻게 적용되고 있는지에 대한 예와 함께 마케터에게 미치는 영향을 이해하기 위해 24개 이상의 인공 지능 분야를 살펴봅니다.

인공 창의력

인공 창의성은 알고리즘 내에서 인간 수준의 창의성을 포착하려는 시도입니다. 일부에서는 AI가 전혀 창의적이지 않으며 AI가 할 수 있는 최선은 인간의 창의성을 모방하는 것이라고 주장합니다. 그럼에도 불구하고 AI 창의성은 현재 인기있는 온라인 출판물에서 다양한 저급 방식으로 활용되고 있습니다.

인공 지능 창의성은 처음에 수익 보고서와 스포츠 및 선거 결과에 대한 데이터가 많은 기사에서 나타났습니다. 이러한 유형의 글은 직관적인 서술과 함께 고도로 구조화된 공식을 따르므로 AI 사용에 이상적인 상황입니다. 이러한 맥락에서 AI는 콘텐츠 제작자의 노력을 강화하여 더 높은 가치의 콘텐츠에 시간을 집중할 수 있는 기회를 제공합니다.

Thomson Reuters는 2006년부터 수익 보고서 발행을 자동화하기 위해 인공 지능을 사용하기 시작했습니다. AI를 창의적으로 사용하는 다른 유명한 출판물에는 Associated Press, Forbes, ProPublica 및 The Los Angeles Times가 있습니다. 마케팅에서 AI를 사용하려는 경향은 지난 18개월 동안 많은 AI 작성 도구가 출시되면서 계속해서 가속화되고 있습니다.

자동화된 계획 및 스케줄링

가장 높은 수준에서 인공 지능의 이 분야는 전략을 현실로 바꾸는 일을 다룹니다. 그러나 실제 응용 프로그램은 일상적인 문제를 해결하기 위한 접근 방식에서 덜 추상적이고 더 구체적인 경향이 있습니다.

AI는 방대한 양의 데이터를 신속하게 분석하는 데 탁월하며 이는 마케터에게 상당한 이점입니다. 스마트 소프트웨어는 많은 양의 정보를 실행 가능한 통찰력으로 빠르게 추출할 수 있습니다.

콘텐츠 마케터에게 가장 중요한 이점은 더 이상 분석에 얽매이지 않는다는 것입니다. 며칠은 아니더라도 몇 시간이 걸리던 일을 이제는 몇 분 안에 완료할 수 있습니다. 이는 비판적 사고 및 의사 결정과 같은 고부가가치 활동에 더 많은 시간을 할애합니다.

MarketMuse는 인공 지능을 사용하여 특정 주제 범주에 대해 경쟁할 수 있는 콘텐츠 전략을 구축합니다. 주제 모델링을 사용하여 추가 콘텐츠 또는 기존 페이지의 최적화로 타겟팅해야 할 수 있는 관련 주제를 표시합니다.

소셜 미디어 관리 도구인 Tailor Social은 인공 지능을 사용하여 소셜 미디어 게시물을 예약하는 데 도움을 줍니다. 최근에 베타에서 나왔습니다.

자동화된 추론

자동 추론은 사고의 다양한 측면을 이해하려고 하며 언젠가는 콘텐츠에서 "미적 속성, 감정, 심지어 감정까지 추출"로 이어질 수 있습니다.

그러나 우리는 아직 거기에 있지 않습니다. 사실 우리는 거기에서 멀리 떨어져 있습니다. 그러나 그날이 오면 마케터가 모험을 할 시간도 의욕도 없는 심층 콘텐츠를 연결하는 훨씬 더 강력한 도구를 보게 될 것입니다.

오토메이션

자동화는 인공 지능보다 훨씬 오래 존재했지만 AI는 효율성을 높이는 더 똑똑하고 더 나은 방법을 만드는 데 도움이 되었습니다. 이 분야의 발전은 이전에 인간의 영역이었던 작업의 자동화를 가능하게 했습니다. 이에 따라 콘텐츠 제작자가 수행하는 작업의 유형이 변화하고 있습니다.

예를 들어 일반적으로 디자인 및 콘텐츠 생성을 포함한 다양한 분야를 포함하는 웹 디자인 프로세스를 살펴보십시오. Grid는 제공하는 콘텐츠를 기반으로 웹사이트를 생성하는 AI 기반 웹 디자인 시스템입니다.

컴퓨터 비전 / 물체 인식

디지털 이미지 처리는 패턴 인식, 분류 및 특징 추출을 포함한 여러 영역에서 사용됩니다. 실용적인 수준에서 AI 컴퓨터 비전은 디지털 자산 관리를 더 쉽게 만듭니다. Miro의 이미지 인식 기술을 사용하는 MavSocial이 한 예입니다.

Remove.bg는 정교한 AI 기술을 사용하여 전경 레이어를 감지하고 배경과 분리합니다. Photoshop을 사용하면 일반적으로 1시간 이상이 소요되는 어려운 프로세스를 이제 단 5분이면 완료됩니다.

이 기술이 도움이 될 수 있는 또 다른 방법은 자동 콘텐츠 조정입니다. Clarifai는 사람의 개입 없이 플랫폼에서 민감한 정보를 조정하고 필터링하는 기능을 제공합니다.

지식 관리

Girard & Girard는 응용 지식 관리 온라인 저널(PDF)에서 "지식 관리는 조직의 정보와 지식을 생성, 공유 및 사용하는 관리 프로세스"라고 말합니다. 인공 지능의 한 분야로서 개념 마이닝, 데이터 마이닝, 텍스트 마이닝, 정보 추출 및 지식 표현과 같은 다양한 측면을 포함합니다. 콘텐츠 마케터를 위한 이점은 이러한 특정 애플리케이션 내에서 이미 발견되었습니다.

개념 마이닝

개념 마이닝은 웹 페이지 또는 블로그 게시물과 같은 아티팩트에서 개념을 추출하는 것입니다. 예를 들어, Aylien은 개념 추출 엔드포인트가 있는 API를 제공하여 텍스트에서 언급된 주제를 찾습니다.

API는 대부분의 마케터가 활용할 수 있는 것이 아닙니다. 그러나 소프트웨어 개발자는 콘텐츠 마케팅 분야에서 사용하기 위해 이 API를 자신의 소프트웨어에 통합할 수 있습니다.

이것이 마케터의 이익을 위해 어떻게 사용될 수 있는지에 대한 몇 가지 아이디어는 인공 창의성 섹션을 다시 참조하십시오.

데이터 수집

데이터 마이닝은 대규모 데이터 세트에서 패턴을 발견하려고 합니다. 콘텐츠 마케팅 관점에서 AI의 이 분기는 구매자 여정에서 적시에 제공할 최고의 콘텐츠를 결정하는 데 도움이 될 수 있습니다.

American Express는 카드 소지자의 지출을 분석하여 고객을 유치하고 유지하는 맞춤형 제안을 제시할 수 있습니다. 그런 다음 이 타겟 마케팅을 사용하여 판매자를 적절한 고객, 즉 평균 소비자보다 더 많이 지출하는 경향이 있는 고객과 연결합니다.

British Airways는 데이터 자산을 마이닝하여 모든 단일 고객을 고유하게 식별하고 이메일 마케팅 및 기타 고객 커뮤니케이션을 개인화합니다.

텍스트 마이닝

텍스트 마이닝은 패턴 인식 및 자연어 처리(NLP)를 통한 기타 접근 방식을 사용하여 텍스트에서 정보를 추출하는 데 명시적으로 초점을 맞춘 데이터 마이닝 유형입니다. Grammarly와 같은 고급 문법 검사기는 이 기술로 만들어진 도구 유형 중 하나입니다. 마케터가 이점을 높이 평가한다는 것은 의심의 여지가 없습니다!

보다 발전된 수준에서 Acrolinx 플랫폼은 작가 스타일, 문법, 용어 및 어조를 안내하는 언어 분석 엔진을 제공하여 모든 콘텐츠가 브랜드에 남아 있도록 합니다. 이는 모든 엔터프라이즈 콘텐츠 제작자가 직면한 중대한 문제를 해결합니다. 콘텐츠 작성자와 상관없이 콘텐츠의 일관성을 유지하고 브랜드를 반영합니다.

프로세스 마이닝

추세와 패턴을 식별하기 위해 이벤트 로그 데이터를 분석하는 것을 프로세스 마이닝이라고 합니다. Livejourney는 이를 실시간으로 고객 여정을 추적하는 데 적용했습니다. 모든 고객 접점을 모니터링하고 고객의 관점에서 여정을 분석하여 비효율성을 해결하고 고객 만족도를 높일 수 있습니다.

이메일 스팸 필터링

스팸으로 스팸과 싸우십시오. Rescam은 사기 이메일에 답장하는 인공 지능 이메일 봇입니다. 챗봇은 인간의 성격 중 하나를 사용하여 사기꾼이 될 사람과 대화를 계속합니다. 봇으로 시간을 낭비하면 사기꾼이 실제 피해자를 추적할 시간이 줄어듭니다. 현재까지 Rescam은 사기꾼의 시간을 5년 이상 낭비했습니다.

정보 추출

이 AI 브랜치는 종종 NLP를 사용하여 인간 언어 텍스트를 처리하는 데 중점을 둡니다. 실제 응용 프로그램은 이메일에서 자동으로 텍스트를 추출하는 것과 같은 비교적 단순한 것(파서)부터 문서를 요약하는 보다 복잡한 작업(프레이즈)까지 다양합니다. 이 기술의 직접적인 사용 사례는 매일 새로운 라운드업 또는 콘텐츠 큐레이션에 사용하기 위해 자동 텍스트 요약을 제공하는 것입니다.

시맨틱 웹

시맨틱 웹은 2001년 월드 와이드 웹의 창시자인 Tim Berners-Lee가 만든 용어입니다(pdf). 인터넷의 모든 데이터, 콘텐츠, 링크 및 트랜잭션을 기계로 분석할 수 있다는 아이디어입니다. 그러나 개념은 관심을 끌기 위해 고군분투합니다. 시맨틱 웹 마크업을 사용하는 사이트의 수가 계속 증가하고 있지만 여전히 소수에 불과합니다.

시맨틱 웹 기술의 더 주목할만한 용도 중 하나는 2010년에 전체 월드컵 웹사이트에 전력을 공급하는 데 사용한 BBS입니다. 시맨틱 웹 기술의 다른 중요한 용도로는 Time Inc., Elsevier 및 Library of Congress가 있습니다.

그러나 시맨틱 웹을 위한 콘텐츠 형식 지정은 현재 프로세스보다 훨씬 더 복잡합니다. 추가된 시간과 비용은 마케터들 사이에서 느린 채택을 설명할 수 있습니다.

기계 학습

기계 학습은 작업을 위해 프로그래밍되지 않고 컴퓨터가 데이터에서 "학습"하도록 하는 인공 지능의 한 분야입니다. Curata, Scoop.it 및 Zetaare 기계 학습에서 사용되는 것과 같은 추천 엔진이 작동합니다.

이와 같은 시스템의 이점은 시스템이 좋은 제안을 구성하는 요소를 학습함에 따라 시간이 지남에 따라 권장 사항이 개선된다는 것입니다. 그러나 마케터는 이러한 개선 사항을 기다릴 인내심이 없을 수 있습니다!

Persado는 전환에 최적화된 "이메일 제목 및 소셜 미디어 유료 광고에 AI 생성 언어"를 사용합니다. 이것을 전환에 대한 자동 테스트라고 생각하십시오.

전환율 최적화 전문가가 될 필요도 정기적으로 테스트를 수행할 필요도 없습니다. 소프트웨어 이면의 AI가 모든 작업을 처리하여 지속적으로 학습하고 마케터에게 더 나은 선택을 제시합니다.

각 사용자에게 맞춤화된 콘텐츠로 실시간 추천을 제공한다고 상상해 보십시오. LiftIgniter는 머신 러닝을 사용하여 해당 목표를 달성합니다. 설정한 특정 목표를 기반으로 지속적으로 학습하고 최적화합니다.

머신 러닝은 적절한 권장 사항을 제공하는 것 이상을 수행할 수 있습니다. 콘텐츠를 생성하거나 보다 정확하게 선별하는 데에도 사용할 수 있습니다.

IBM Watson은 할리우드 서스펜스/호러 영화의 예고편 제작을 도왔습니다.

먼저, 무서운 장면과 무서운 음악을 식별하는 방법과 영화 장면의 구성을 분석하여 무엇이 그들을 무섭게 만들었는지 결정하는 방법을 배웠습니다. 그런 다음 영화의 전체 버전을 시청하고 예고편에 가장 적합한 10개의 순간을 선택했습니다.

실제 편집 작업을 수행하는 것은 인간의 독창성에 맡겨졌습니다. 결과는 다음과 같습니다.

딥러닝

딥 러닝은 작업별 알고리즘을 사용하는 대신 데이터 표현을 기반으로 하는 머신 러닝의 한 측면입니다. 자연어 처리, 기계 번역, 컴퓨터 비전 등 다양한 분야에 적용되고 있습니다.

2018 게임 개발자 회의에서 NVIDIA는 "딥 러닝 네트워크를 사용하여 사실적으로 보이는 인간 애니메이션을 생성할 수 있는 방법에 대한 최근 연구"와 텍스처 합성에 딥 러닝을 적용한 방법을 시연했습니다.

보다 실용적인 애플리케이션에서 Envision은 인공 지능을 사용하여 마케터가 최고의 비디오 축소판, 세그먼트 또는 사진을 선택할 수 있도록 지원합니다. 또한 딥 러닝을 사용하여 Instagram 게시물에 가장 적합한 해시태그를 자동으로 찾고 추가합니다.

자연어 처리

텍스트 콘텐츠를 다루는 마케터에게 자연어 처리는 인공 지능의 필수 분야입니다. AI의 이 분야는 컴퓨터가 언어를 이해할 수 있도록 하는 것과 관련이 있습니다.

이 분야의 중요한 과제는 음성 인식, 자연어 이해 및 자연어 생성입니다. 그러나 챗봇의 확산, 기계 번역, SIRI와 같은 자연어 사용자 인터페이스의 사용 등으로 상당한 진전이 이루어지고 있습니다.

다음은 주목할 만한 몇 가지 흥미로운 예입니다.

Narrative Science는 설명을 자동으로 생성하고 개인화된 커뮤니케이션을 제공하기 위해 자연어 생성을 사용하여 대규모 개인화를 자동화합니다.

Conversica는 관심이 구매 의도로 바뀔 때까지 인바운드 리드를 육성하기 위해 AI에 의존합니다. 보다 구체적으로 말하면 인공 지능을 사용하여 이메일 응답을 해석하고 고유하고 자연스러운 응답을 후속 조치로 보냅니다.

챗봇

챗봇은 어디에나 있습니다! 일반적으로 리드를 검증하는 데 사용되거나 콘텐츠 전달 시스템으로 사용됩니다.

챗봇의 두 가지 기본 유형은 제한된 명령을 이해하는 것과 자연어 처리를 사용하는 것입니다.

제한된 명령 유형 챗봇은 작업 옵션이 제한적일 때 유용하며 매우 잘 정의된 경로로 상호 작용을 안내할 수 있습니다. NLP 챗봇은 더 많은 대화 흐름을 허용합니다.

Flow XO와 같은 챗봇 플랫폼은 코딩 기술이 필요하지 않지만 다음과 같은 몇 가지 이유로 구현하기가 여전히 어려울 수 있습니다.

• 마케터는 방문자가 달성하려는 작업을 알아야 합니다.
• 그들은 청중이 걸어온 여정에 대한 깊은 이해가 필요합니다.
• 이 컨텍스트에서 사용되는 콘텐츠 유형은 근본적으로 다를 수 있습니다.
• 풍부한 콘텐츠 전략이 부족할 수 있습니다.

언어 식별

언어 식별은 기계 번역 및 자연어 처리의 중요한 구성 요소입니다. 마케팅 담당자에게 직접적인 영향을 미치지는 않지만 엔터프라이즈 수준에서 일하는 콘텐츠 전략가는 종종 언어 번역 문제와 콘텐츠에 대한 영향을 다룹니다.

Google AI는 언어 식별을 포함하여 자연어 기술과 관련된 모든 것에 깊이 관여하고 있습니다. 외국어로 된 페이지를 방문했을 때 이것을 경험했을 것입니다.

번역 예산이 없는 콘텐츠 전략가에게 이것은 생명의 은인이 될 수 있습니다.

자연어 사용자 인터페이스

프로토타입 자연어 사용자 인터페이스는 1960년대 후반에 처음 등장했으며 최근에야 대중화되었습니다. SIRI 또는 ​​Amazon Echo를 사용해 본 적이 있다면 자연어 인터페이스를 경험한 적이 있을 것입니다.

콘텐츠 마케터에게 이것은 잠재적으로 우리가 생각하고 콘텐츠를 만드는 방식을 바꿀 수 있습니다. 검색 엔진은 여전히 ​​키워드 기반이며 콘텐츠 제작자는 많은 키워드에 대한 순위를 높이기 위해 긴 콘텐츠를 만드는 경우가 많습니다.

그러나 자연어 인터페이스, 특히 음성으로 제어되는 인터페이스를 사용하면 새로운 컨텍스트가 생성됩니다. 사용자는 10,000단어의 선언문이 적합하지 않은 특정 질문에 대한 표적 답변을 찾고 있습니다. 더 확장된 콘텐츠를 지향하는 경향을 보았지만 이러한 경향은 곧 바뀔 수 있습니다.

자연어 이해

자연어 이해는 Daniel Bobrow의 Ph.D.가 출판된 1964년으로 거슬러 올라가는 자연어 처리의 하위 주제입니다. 논문. 자연어 이해는 대규모 콘텐츠 분석, 질문 답변 및 텍스트 분류와 관련이 있기 때문에 많은 관심이 있습니다.

최소한 마케팅 용도의 실제 응용 프로그램은 문서 내의 개념을 파악하기 위해 상당히 정교한 이해 능력이 필요합니다. OneSpot은 기계 학습과 자연어의 조합을 사용하여 사이트 방문자의 콘텐츠 소비를 처리하고 규모에 맞게 개별화된 콘텐츠를 제공하는 회사 중 하나입니다.

기계 번역

자연어 처리의 또 다른 하위 부문은 기계 번역입니다. Google 번역을 사용한 적이 있다면 기계 번역의 표면에 흠집을 낸 적이 있을 것입니다.

번역 정확도가 계속 증가함에 따라 B2B 및 소비자 시장에서의 번역 기회도 증가합니다.

글로벌 기업에서 일하는 콘텐츠 전략가는 기계 번역을 활용하여 비용 효율적인 방식으로 대규모 콘텐츠를 번역합니다. 기술, 금융, 법률, 의료 등과 같은 비즈니스 도메인에는 고유한 뉘앙스와 용어가 있으므로 도메인별 기계 번역이 선호되는 경로입니다.

그러나 Kantan에서 제공하는 것과 같은 다중 도메인 기계 번역이 자리를 잡기 시작했습니다.

질문 답변

질문 응답은 인간의 언어로 제기된 질문에 자동으로 대답하도록 시스템을 설계하는 자연어 처리의 하위 집합입니다. START 자연어 질의응답 시스템은 “세계 최초의 웹 기반 질의응답 시스템으로 1993년 12월부터 온라인으로 운영되고 있다”고 주장하고 있습니다.

Facebook이 질문에 답하기 위해 AI를 훈련하고 있다는 사실을 알고 계셨습니까? 그들은 AI에게 이미지를 분석하고 해당 사진에 대한 질문에 답하도록 가르치고 있습니다. 현재 AI는 간단한 답변만 제공할 수 있습니다. 그러나 아이디어는 인간처럼 더 정교한 응답을 제공할 수 있도록 하는 것입니다.

의미 번역

의미론은 단어의 의미와 구조를 해석하는 것과 관련된 언어학의 한 분야입니다. 의미론적 번역은 다른 언어로 번역할 때 문서의 의미를 유지하는 것을 목표로 합니다.

글로벌 비즈니스에서 일하는 콘텐츠 전략가는 여러 언어에 걸친 콘텐츠 거버넌스 문제에 직면해 있습니다. 의미론적 번역을 사용하면 번역 효율성을 높이고 잘못된 해석의 위험을 줄일 수 있습니다. PROMT는 의미 정보를 통합하는 애플리케이션의 한 예입니다.

콘텐츠 마케팅에서 인공 지능의 미래

Elon Musk는 AI의 종말을 두려워할 수 있지만 내가 본 바에 따르면 우리는 여전히 많은 인공 지능 분야에 실행 가능한 애플리케이션을 만들기 위해 고군분투하고 있습니다. 그렇긴 하지만, 우리는 우리의 삶을 실질적으로 개선하는 범위가 제한적인 더 스마트한 소프트웨어를 보기 시작했습니다.

Netflix 및 Amazon과 같은 거대 기업을 지원하는 추천 엔진이 한 예입니다. 이제 Bibblio와 같은 소프트웨어를 사용하여 이러한 정교함을 자신의 사이트로 가져올 수 있습니다. 많은 "관련 게시물" 앱을 제공하는 간단한 접근 방식과 달리 AI 기반 알고리즘은 의미상 관련 있는 콘텐츠 제안을 제공합니다.

대규모 사이트를 운영하지 않는 한 이와 같은 소프트웨어는 큰 성공을 거두지 못할 수 있습니다. 그러나 인공 지능 분야는 오늘날 마케터에게 영향을 미치는 실질적인 정량화 가능한 조치를 취하고 있습니다. AI가 곧 귀하의 작업을 수행할 것이라고 기대하지 마십시오.

Freepik에서 디자인한 특징 이미지 벡터