AI驱动的内容营销的未来
Content Optimizer 提供的记分卡反映了营销电子邮件的整体内容质量以及每个分析类别中最佳实践的数量,例如浏览性和布局。所有用户都可以访问内容记分卡。高级用户还可以获得可操作的建议来改进他们的内容。
“我们解决这个问题的北极星是提高竞选绩效。如果我们将整个用户群的营销活动效果仅提高 10%,就会为我们客户的业务创造 1.9 亿的在线访问量,”沃尔夫说。
自然,机器学习是 Content Optimizer 的关键组成部分。在幕后,一系列机器学习模型开始解析和分析营销电子邮件的不同部分并预测其结果。
第一批模型提取了内容的不同元素的特征,例如写作语气、消息传递、营销内容的布局以及用于讲述故事的图像。
这些特征成为下一系列机器学习模型的输入,这些模型试图预测营销活动的结果和质量。在某些领域,Content Optimizer 将 ML 预测与符号 AI相结合,以提供更可靠和更易于理解的建议。
“除了机器学习,有时我们会使用机器学习模型和业务规则的混合来检测事物,”沃尔夫说。“有时我们发现业务规则实际上比机器学习更容易维护、更容易开发,而且在某些情况下更准确。”
例如,“号召性用语”是任何营销资产的关键组成部分。大多数成功的号召性用语句子都以某种形式的动词开头。Content Optimizer 团队发现,该业务规则执行得非常好。因此,在这种情况下,他们使用 ML 库来检测 CTA 文本中的词性,并将解析后的数据提供给基于规则的系统,该系统根据静态规则评估其质量。
人为监督
虽然机器学习模型提供了有价值的见解,但它们还不能自主工作。目前,Mailchimp 使用人工操作员来确保 Content Optimizer 提供的输出有意义,并且符合创意总监的建议。
“我们经历了传统的预测建模练习,但随后是手动审查过程,”沃尔夫说。“这会导致流程效率低下,但我们认为目前有必要这样做。”
关于将人类操作员置于人工智能系统背后存在一些争议。有时,它被称为“绿野仙踪技术”或伪人工智能。但在我们的谈话中,沃尔夫对此非常坦率,他认为这将是产品成功的重要因素。此外,该公司并未将任务外包,而是完全通过内部资源来执行。
“在应用 AI 的早期,我认为通过提出超出范围且没有意义的推荐而失去用户可信度的风险太大了,我们希望非常小心和敏感,”沃尔夫说。
随着内容优化器收集更多数据和反馈,该团队将逐步微调机器学习模型,并找出如何减少它们对人工协助的依赖。
“这需要时间。它增加了劳动密集型元素。但这是我们愿意让人们反对的领域,”沃尔夫说。
不保证该任务将完全自动化。但归根结底,机器学习产品与所有产品一样,是一种以更快的速度和更低的成本解决问题的工具。如果 Content Optimizer 帮助 Mailchimp 以统计上显着且具有成本效益的方式改善其客户的活动性能,那么无论需要多少人力,它都是一款成功的产品。这方面的一个显着例子是 AdWords,它是 Google 的在线广告平台及其最大的收入来源。AdWords 结合使用人工智能和人工评估来确保广告具有相关性并符合公司的政策。
向用户学习
产品管理过程的关键部分之一是向用户学习。推出产品后,您的假设将得到检验。您通常会发现您高估或忽视的痛点以及您没有考虑过的有趣用例。
例如,内容优化器表明,总体而言,Mailchimp 用户在排版方面做得比产品团队最初估计的要好。他们还发现,许多营销人员都在努力编写简洁明了的语言。
“这几乎就像集体系统是 1400 万活跃用户的创意总监,你需要成为他们的创意总监,”沃尔夫说。“有时,他们会用他们擅长的和仍在努力解决的问题让你大吃一惊。”
根据 Wolf 的说法,Content Optimizer 的积极成果之一是营销人员已经习惯使用该产品。
“当您将新产品投放市场时,您会期待很多关于'这是什么?' 的问题。和'它是怎么做的?'”他说。但是,当人们使用 Content Optimizer 时,他们的谈话更多是关于营销而不是产品,他说,这是一个不错的惊喜。
“如果他们直接进行营销对话以及他们未来将采取的不同做法,那就是确切的目标。他们已经接受了该产品并且非常了解它,”沃尔夫说。
Wolf 表示,他的团队将继续扩展 Content Optimizer,以在语气、消息传递、品牌一致性、图像和其他领域提供更广泛的推荐。该产品还将从电子邮件营销扩展到网页和社交媒体等其他渠道。接触点也将在未来增加。目前,Content Optimizer 是一种报告工具,但该团队还计划将其作为实时推荐系统提供,在用户编辑其内容时运行。
Wolf 也有兴趣在未来进入计算机生成的内容。
“即使是世界上最老练的营销人员也愿意花更少的时间来制作内容,”他说。“每个人都熟悉像GPT-3这样的前沿文案生成模型。那些很棒。但是,您如何确保它们符合品牌、符合信息,并且以与我们优化人工生成内容相同的方式进行优化。”
单独使用时,生成模型难以保持一致性和连贯性。但沃尔夫认为,内容优化器管道和 GPT-3 等生成模型的结合可以为营销人员创造巨大的价值。
“我们的客户每年仅花费 2800 万小时来撰写文案,甚至没有设计和采购图像。我们认为通过生成空间中的一些技术,我们可以将其减少 80%。我们可以为客户节省 2200 万小时,”他说。“这对我来说是惊人的,这是我发现将我的业务出售给 Mailchimp 时最引人注目的事情之一,只是为了能够创造这种规模的价值。我们对未来的发展感到非常兴奋,我们真的才刚刚开始。”