AI no marketing de conteúdo: esses 23 ramos contam uma história

Profissionais de marketing, sejam gratos por seu trabalho ser mais complicado do que jogar Go.

Embora os humanos tenham feito grandes avanços na inteligência artificial, a IA aplicada apenas nos deu ferramentas mais inteligentes e assistentes de funcionalidade limitada. Como Noam Chomsky reflete nesta entrevista da Scientific American, “Mesmo as tarefas dominadas quase que reflexivamente por bebês estão muito além das capacidades da IA ​​contemporânea”. Portanto, é improvável que você esteja trabalhando para um senhor da IA ​​em breve.

John McCarthy cunhou o termo “IA” pela primeira vez em 1956 com a estreia de uma conferência acadêmica sobre o assunto. Desde então, tornou-se um assunto vasto e complexo que é usado em uma variedade crescente de aplicações.

As chances são de que você tenha sido exposto à IA mesmo sem saber. Se você já usou o SIRI, visitou o Facebook ou fez uma compra na Amazon, a inteligência artificial está lá para ajudar na sua jornada.

Neste post, analisamos mais de duas dúzias de ramos da inteligência artificial para entender seu impacto nos profissionais de marketing, além de exemplos de como ela está sendo aplicada ao conteúdo.

Criatividade Artificial

A criatividade artificial é uma tentativa de capturar a criatividade do nível humano dentro de um algoritmo. Alguns argumentam que a IA não é nada criativa e que o melhor que ela pode fazer é imitar a criatividade humana. Apesar disso, a criatividade da IA ​​é atualmente empregada de várias maneiras de baixo nível entre as publicações online populares.

A criatividade da inteligência artificial foi vista inicialmente em relatórios de ganhos e histórias com muitos dados sobre esportes e resultados eleitorais. Esse tipo de escrita segue uma fórmula altamente estruturada com uma narrativa direta, tornando-se uma situação ideal para o uso da IA. Nesse contexto, a IA aumenta os esforços dos criadores de conteúdo, permitindo que eles concentrem seu tempo em conteúdo de maior valor.

A Thomson Reuters começou a usar inteligência artificial para automatizar a publicação de relatórios de lucros em 2006. Outras publicações conhecidas que usam IA criativamente incluem Associated Press, Forbes, ProPublica e The Los Angeles Times. A tendência de usar a IA no marketing continua a acelerar com muitas ferramentas de escrita de IA sendo lançadas nos últimos 18 meses.

Planejamento e agendamento automatizados

Em seu nível mais alto, esse ramo da inteligência artificial lida com a transformação de estratégias em realidade. No entanto, os aplicativos do mundo real tendem a ser menos abstratos e mais concretos em sua abordagem para resolver os desafios diários.

A IA se destaca na análise rápida de grandes quantidades de dados, o que é um benefício significativo para os profissionais de marketing. O software inteligente pode destilar rapidamente grandes quantidades de informações em insights acionáveis.

O benefício mais significativo para os profissionais de marketing de conteúdo é que eles não estão mais presos à análise. O que costumava levar horas, se não dias, agora pode ser feito em minutos. Isso deixa mais tempo para atividades de alto valor, como pensamento crítico e tomada de decisões.

O MarketMuse emprega inteligência artificial para criar estratégias de conteúdo que podem competir por categorias de tópicos específicos. Ele usa modelagem de tópicos para trazer à tona tópicos relevantes que podem precisar ser direcionados com conteúdo adicional ou a otimização de páginas existentes.

Tailor Social, uma ferramenta de gerenciamento de mídia social, usa inteligência artificial para ajudar a agendar postagens de mídia social. Recentemente saiu do beta.

Raciocínio Automatizado

O raciocínio automatizado busca entender os diferentes aspectos do pensamento e pode um dia levar a “extrair propriedades estéticas, sentimentos e até emoções” do conteúdo.

Mas ainda não chegamos lá, na verdade, estamos longe disso. Mas quando esse dia chegar, veremos ferramentas ainda mais poderosas que sondam as profundezas do conteúdo onde os profissionais de marketing não têm tempo nem vontade de se aventurar.

Automação

A automação existe há muito mais tempo do que a inteligência artificial, mas a IA ajudou a criar maneiras mais inteligentes e melhores de aumentar a eficiência. Os avanços nesse campo permitiram a automação de tarefas que antes eram de domínio humano. Como resultado, o tipo de trabalho que os produtores de conteúdo realizam está mudando.

Tomemos, por exemplo, o processo de web design, que normalmente envolve várias disciplinas, incluindo design e criação de conteúdo. O Grid é um sistema de web design com inteligência artificial que cria sites com base no conteúdo que você fornece.

Visão Computacional / Reconhecimento de Objetos

O processamento digital de imagens é usado em várias áreas, incluindo reconhecimento de padrões, classificação e extração de recursos. Em um nível prático, a visão computacional de IA facilita o gerenciamento de ativos digitais. O MavSocial, usando a tecnologia de reconhecimento de imagem da Miro, é um exemplo.

O Remove.bg usa tecnologia sofisticada de IA para detectar camadas de primeiro plano e separá-las do plano de fundo. Um processo difícil que normalmente exigiria uma hora ou mais usando o Photoshop agora leva apenas cinco minutos.

Outra maneira que essa tecnologia pode ajudar é pela moderação automática de conteúdo. O Clarifai oferece a capacidade de moderar e filtrar informações confidenciais de sua plataforma sem intervenção humana.

Gestão do conhecimento

Girard & Girard, no Online Journal of Applied Knowledge Management (PDF), afirmam que “Gestão do Conhecimento é o processo gerencial de criar, compartilhar e usar informações e conhecimentos organizacionais”. Como um ramo da inteligência artificial, abrange vários aspectos, como mineração de conceitos, mineração de dados, mineração de texto, extração de informações e representação de conhecimento. É nessas aplicações específicas que já encontramos benefícios para os profissionais de marketing de conteúdo.

Mineração de conceito

A mineração de conceito vem da extração de conceitos de artefatos, como uma página da web ou postagem de blog. Por exemplo, Aylien oferece uma API com um endpoint de extração de conceito para encontrar quais tópicos são mencionados em um pedaço de texto.

Sendo uma API, não é algo que a maioria dos profissionais de marketing possa aproveitar. No entanto, os desenvolvedores de software podem incorporar essa API em seu próprio software para uso na área de marketing de conteúdo.

Consulte a seção sobre Criatividade Artificial para algumas ideias sobre como isso pode ser usado em benefício dos profissionais de marketing.

Mineração de dados

A mineração de dados procura descobrir padrões em grandes conjuntos de dados. Do ponto de vista do marketing de conteúdo, esse ramo da IA ​​pode ajudar a determinar o melhor conteúdo para apresentar no momento certo na jornada do comprador

Ao analisar os gastos do titular do cartão, a American Express pode apresentar ofertas personalizadas que atraem e retêm clientes. Em seguida, ele usa esse marketing direcionado para combinar os comerciantes com os clientes certos, ou seja, aqueles que tendem a gastar mais do que o consumidor médio.

A British Airways extrai seus ativos de dados para identificar exclusivamente cada cliente e personalizar seu marketing por e-mail e outras comunicações com o cliente.

Mineração de texto

A mineração de texto é um tipo de mineração de dados explicitamente focado na extração de informações do texto usando reconhecimento de padrões e outras abordagens via processamento de linguagem natural (NLP). Verificadores gramaticais avançados como Grammarly são um tipo de ferramenta que foi criada a partir dessa tecnologia. Não há dúvida de que os profissionais de marketing apreciam os benefícios!

Em um nível mais avançado, a plataforma Acrolinx oferece um mecanismo de análise linguística que orienta o estilo, a gramática, a terminologia e o tom dos escritores para garantir que todo o seu conteúdo permaneça na marca. Isso aborda um desafio significativo enfrentado por todos os criadores de conteúdo corporativo; mantendo o conteúdo consistente e refletindo a marca, independentemente do criador do conteúdo.

Mineração de Processos

A análise de dados de log de eventos para identificar tendências e padrões é conhecida como mineração de processos. A Livejourney aplicou isso para rastrear a jornada do cliente em tempo real. Ao monitorar todos os pontos de contato com o cliente e analisar as jornadas da perspectiva do cliente, você pode resolver quaisquer ineficiências e aumentar a satisfação do cliente.

Filtragem de spam de e-mail

Lute contra spam com spam. Rescam é um bot de e-mail artificialmente inteligente que responde a e-mails fraudulentos. O chatbot usa uma de suas personalidades humanas para continuar a conversa com um possível golpista. Perder tempo com o bot dá aos golpistas menos tempo para perseguir vítimas reais. Até o momento, o Rescam desperdiçou mais de cinco anos do tempo dos golpistas.

Extração de informações

Essa ramificação de IA frequentemente se concentra no processamento de texto em linguagem humana usando NLP. As aplicações do mundo real vão desde o relativamente simples, como extrair automaticamente texto de e-mails (Parseur) até a tarefa mais complexa de resumir um documento (frase). Um caso de uso direto dessa tecnologia seria fornecer resumos de texto automáticos para novos resumos diários ou para uso na curadoria de conteúdo.

Web semântica

A web semântica foi um termo cunhado por Tim Berners-Lee, inventor da world wide web, em 2001 (pdf). A ideia é que todos os dados da internet, conteúdos, links e transações possam ser analisados ​​por máquina. Mas o conceito luta para ganhar força. Embora o número de sites que usam marcação semântica da Web continue a aumentar, eles ainda são minoria.

Um dos usos mais notáveis ​​da tecnologia da web semântica é o BBS, que a usou para alimentar todo o site da Copa do Mundo em 2010. Outros usos significativos da tecnologia da web semântica incluem Time Inc., Elsevier e a Biblioteca do Congresso.

No entanto, a formatação de conteúdo para a web semântica é muito mais complicada do que os processos atuais. O tempo e as despesas adicionais podem explicar sua lenta adoção entre os profissionais de marketing.

Aprendizado de máquina

O aprendizado de máquina é um campo da inteligência artificial que faz com que os computadores “aprendam” com os dados, sem serem programados para a tarefa. Mecanismos de recomendação como os usados ​​no aprendizado de máquina Curata, Scoop.it e Zetaare em ação.

O benefício para sistemas como esses é que as recomendações melhoram com o tempo à medida que o sistema aprende o que constitui uma boa sugestão. No entanto, os profissionais de marketing podem não ter paciência para esperar por essas melhorias!

O Persado usa “linguagem gerada por IA para linhas de assunto de e-mail e anúncios pagos de mídia social” otimizado para conversões. Pense nisso como um teste automático para conversões.

Você não precisa ser um especialista em otimização de taxa de conversão, nem realizar testes regularmente. A IA por trás do software cuida de todo esse trabalho, aprendendo continuamente e apresentando ao profissional de marketing as melhores escolhas.

Imagine oferecer recomendações em tempo real com conteúdo personalizado para cada usuário. O LiftIgniter usa aprendizado de máquina para atingir esse objetivo. Está continuamente aprendendo e otimizando com base em uma meta específica que você definiu.

O aprendizado de máquina pode fazer mais do que apenas ajudar a fazer recomendações apropriadas. Ele pode até ser usado para criar, ou com mais precisão, curadoria de conteúdo.

IBM Watson ajudou a criar um trailer para um filme de suspense/terror de Hollywood.

Primeiro, foi ensinado como identificar cenas assustadoras e músicas horríveis e analisar a composição de cenas de filmes para determinar o que as tornava assustadoras. Em seguida, assistiu à versão completa do filme e selecionou dez momentos que seriam os melhores candidatos ao trailer.

Foi deixado para a engenhosidade humana para realizar a tarefa de edição real. Aqui está o resultado:

Aprendizado Profundo

O aprendizado profundo é um aspecto do aprendizado de máquina baseado na representação de dados em vez de usar algoritmos específicos de tarefas. Foi aplicado a vários campos, incluindo processamento de linguagem natural, tradução automática e visão computacional.

Na Game Developers Conference de 2018, a NVIDIA demonstrou “pesquisas recentes sobre como as redes de Deep Learning podem ser usadas para gerar animação humana de aparência realista” e como eles aplicaram o deep learning à síntese de texturas.

Em uma aplicação mais prática, o Envision usa inteligência artificial para ajudar os profissionais de marketing a escolher a melhor miniatura, segmento ou imagem de vídeo. Ele também usa aprendizado profundo para encontrar e adicionar automaticamente as melhores hashtags para suas postagens do Instagram.

Processamento de linguagem natural

Para os profissionais de marketing que lidam com conteúdo de texto, o processamento de linguagem natural é um campo essencial da inteligência artificial. Este ramo da IA ​​está preocupado em permitir que os computadores entendam a linguagem.

Os desafios significativos neste campo são o reconhecimento de fala, a compreensão da linguagem natural e a geração da linguagem natural. No entanto, um progresso considerável está sendo feito, como visto na proliferação de chatbots, tradução automática e uso de interface de usuário em linguagem natural, como SIRI.

Aqui estão alguns exemplos interessantes a serem observados.

A Narrative Science automatiza a personalização em escala usando a geração de linguagem natural para gerar descrições automaticamente e fornecer comunicações personalizadas.

A Conversica conta com a IA para ajudar a nutrir leads de entrada até que seu interesse mude para uma intenção de compra. Mais especificamente, eles usam inteligência artificial para interpretar respostas de e-mail, enviando respostas únicas e naturais como acompanhamento.

Chatbots

Os chatbots estão por toda parte! Eles são normalmente usados ​​para qualificar leads ou empregados como um sistema de entrega de conteúdo.

Dois tipos básicos de chatbots são aqueles que entendem comandos limitados e aqueles que usam processamento de linguagem natural.

Os chatbots de tipo de comando limitado são úteis quando as opções de tarefas são limitadas e você pode guiar a interação por caminhos muito bem definidos. Os chatbots de PNL permitem um fluxo mais conversacional.

Plataformas de chatbot, como o Flow XO, eliminam a necessidade de habilidades de codificação, mas ainda podem ser difíceis de implementar por alguns motivos:

• Os profissionais de marketing precisam conhecer as tarefas que seus visitantes desejam realizar.
• Eles precisam de uma compreensão profunda das jornadas percorridas por seu público.
• O tipo de conteúdo usado neste contexto pode ser radicalmente diferente.
• Eles podem não ter uma estratégia de conteúdo rica.

Identificação de idioma

A identificação do idioma é um componente crítico da tradução automática e do processamento de linguagem natural. Embora não tenha um impacto direto sobre os profissionais de marketing, os estrategistas de conteúdo que trabalham no nível corporativo geralmente lidam com problemas de tradução de idiomas e seu efeito no conteúdo.

A IA do Google está profundamente envolvida em todas as coisas relacionadas às tecnologias de linguagem natural, incluindo a identificação de linguagem. Você pode ter experimentado isso ao visitar uma página em um idioma estrangeiro.

Para estrategistas de conteúdo com orçamento zero para tradução, isso pode ser um salva-vidas.

Interface de usuário de linguagem natural

Protótipos de interfaces de usuário em linguagem natural apareceram pela primeira vez no final da década de 1960 e só recentemente se popularizaram. Se você já usou SIRI ou Amazon Echo, experimentou uma interface de linguagem natural.

Para os profissionais de marketing de conteúdo, isso potencialmente muda a maneira como pensamos e criamos conteúdo. Os mecanismos de pesquisa permanecem baseados em palavras-chave e os criadores de conteúdo geralmente criam longos pedaços de conteúdo na esperança de obter uma boa classificação para muitas palavras-chave.

Mas o uso de uma interface de linguagem natural, especialmente aquela controlada por voz, cria um novo contexto. Os usuários estão procurando respostas direcionadas para perguntas específicas, algo para o qual um manifesto de 10.000 palavras não é adequado. Embora tenhamos visto uma tendência para conteúdo mais extenso, essa tendência pode mudar em breve.

Compreensão da linguagem natural

A compreensão da linguagem natural é um subtópico do processamento da linguagem natural que remonta a 1964 com a publicação do doutorado de Daniel Bobrow. dissertação. Há um grande interesse na compreensão da linguagem natural devido à sua relevância para análise de conteúdo em larga escala, resposta a perguntas e categorização de texto.

As aplicações do mundo real, pelo menos para uso de marketing, requerem capacidades de compreensão bastante sofisticadas para compreender os conceitos dentro de um documento. A OneSpot é uma dessas empresas que usa uma combinação de aprendizado de máquina e linguagem natural para processar o consumo de conteúdo dos visitantes do site e fornecer conteúdo individualizado em escala.

Maquina de tradução

Outro sub-ramo do processamento de linguagem natural é a tradução automática. Se você já usou o Google tradutor, você arranhou a superfície da tradução automática.

À medida que a precisão da tradução continua a aumentar, também aumentam as oportunidades de tradução nos mercados B2B e de consumo.

Os estrategistas de conteúdo que trabalham em corporações globais aproveitam a tradução automática para traduzir conteúdo em escala de maneira econômica. Domínios de negócios como tecnologia, finanças, jurídico, saúde etc. têm suas próprias nuances e termos, e é por isso que a tradução automática específica de domínio tem sido a rota preferida.

No entanto, a tradução automática multidomínio, como a oferecida pela Kantan, está começando a ganhar terreno.

Resposta a perguntas

A resposta a perguntas é um subconjunto de processamento de linguagem natural que projeta sistemas para responder a perguntas feitas em uma linguagem humana automaticamente. O START Natural Language Question Answering System afirma ser o “primeiro sistema de resposta a perguntas baseado na Web do mundo, está on-line e operando continuamente desde dezembro de 1993”.

Você sabia que o Facebook está treinando IA para responder perguntas? Eles estão ensinando a IA a analisar imagens e responder a perguntas sobre essas imagens. No momento, a IA só pode fornecer respostas simples. Mas a ideia é permitir que ele ofereça respostas mais elaboradas, assim como um humano faria.

Tradução semântica

A semântica é um ramo da linguística preocupado com a interpretação do significado das palavras e sua estrutura. A tradução semântica visa reter o significado de um documento ao traduzir para outro idioma.

Os estrategistas de conteúdo que trabalham para negócios globais são desafiados com a governança de conteúdo em vários idiomas. O uso da tradução semântica pode ajudar a aumentar a eficiência da tradução e mitigar o risco de interpretação incorreta. PROMT é um exemplo de aplicação que incorpora informação semântica.

O futuro da inteligência artificial no marketing de conteúdo

Elon Musk pode temer um apocalipse da IA, mas, pelo que vi, ainda estamos lutando para criar aplicativos viáveis ​​para muitos ramos da inteligência artificial. Dito isso, estamos começando a ver softwares mais inteligentes, de escopo limitado, que melhoram substancialmente nossas vidas.

Os mecanismos de recomendação que alimentam empresas gigantes como Netflix e Amazon são um exemplo. Agora você pode trazer essa sofisticação para o seu próprio site com softwares como o Bibblio. Ao contrário da abordagem simples fornecida por muitos aplicativos de “post relacionados”, seu algoritmo com inteligência artificial oferece sugestões de conteúdo semanticamente relevantes.

A menos que você tenha um site grande, um software como esse pode não ser um grande sucesso. No entanto, o campo da inteligência artificial está dando passos quantificáveis ​​reais que impactam os profissionais de marketing agora, hoje. Só não espere que a IA execute seu trabalho para você tão cedo.

Vetor de imagem de recurso projetado por Freepik