Miten tekoäly on jo muuttanut verkkokauppojen arkea?

Verkkokaupassa lähes kaikki asiat tapahtuvat digitaalisessa maailmassa, jossa isojenkaan prosessien muuttuminen ei vaadi ollenkaan fyysisten prosessien muuttamista. Nämä muutokset ovat suorassa yhteydessä asiakaskokemukseen ja myyntiin. Tämmöinen digitaalinen prosessi voi muuttua hyvinkin nopeasti.

Tästä syystä tekoäly on muuttanut etenkin verkkokaupan parissa työskentelevien ihmisten arkea nopeasti ja pysyvästi, koska sillä on ollut vuosien aikana välitön ja nopea vaikutus verkkokaupan tulokseen.  

Mitä tekoäly tekee jo omassa arjessani ja osana verkkokauppojen arkea joka päivä? Nyt ei puhuta siitä, mitä kaikkea tekoäly voisi ehkä tulevaisuudessa tehdä vaan siitä, mitä on jo käynnissä täydessä tuotantokäytössä.

Tekoälyn rooli on kasvanut jo niin merkittävään rooliin verkkokaupan arjessa, että sen roolia on mielenkiintoista pysähtyä vertailemaan tästä näkökulmasta: 

”Miten verkkokaupoissa toimittiin vielä pari vuotta sitten vs. miten tekoäly on muuttanut ihmisen arkea ja roolia nyt?”

Lähdetään pohtimaan tätä vertailua aluksi markkinointiin liittyvistä töistä ja prosesseista ja aloitetaan vertailu markkinoinnin automaation tyypillisistä ydintehtävistä.

Asiakkaiden segmentointi kiinnostuksen kohteiden perusteella

Asiakkaan kiinnostuksen kohde pitää jotenkin määritellä markkinoinnin automaation alustassa. Sen avulla pyritään kohdentamaan mainontaa tarkemmin tai saavuttamaan personoitu asiakaskokemus. Tätä määrittelyä ja luokittelua kutsutaan segmentoinniksi, jota on vuosien ajan tehty manuaalisesti seuraavalla tavalla:

• Määritellä looginen asiakasdataan perustuva ehto, jolla asiakas päätyy automaattisesti segmenttiin X. 
• Ehto voi olla esimerkiksi seuraava: asiakas on selannut tuoteryhmää X ja ei ole ostanut tuoteryhmää X. 
• Jos segmenttiin lisätään vielä lisää älykkyyttä, niin: asiakas on selannut tuoteryhmää X viimeisen 14 päivän sisällä ja ei ole ostanut tuoteryhmää x viimeisen 30 päivän sisällä ja asiakkaalle ei ole käynnissä tikettiä asiakaspalveluun.

Ensimmäisen ehdon ongelma on se, että asiakas kuuluu segmenttiin kuukaudesta ja vuodesta toiseen, vaikka asiakas olisikin kiinnostunut jo ihan muista asioista. Jälkimmäinen osaa siivota segmenttiä automaattisesti ajankohtaiseksi. 

Manuaalisen tavan ongelmia: 

• Jos tuotevalikoima ja kategorioiden määrä on suuri, niin kaikkien segmenttien tekeminen ja ylläpito alkaa olla mahdotonta. 
• Asiakas voi päätyä useaan eri segmenttiin ja markkinoija ei voi segmenttien perusteella tietää, mistä asiakas on eniten kiinnostunut ilman riittävää älyä ja laskentaa. 

 Tekoälyllä toteutettu segmentointi: 

• Tekoäly laskee 24/7 täysin automaattisesti pisteytystä kaikkien asiakkaiden kaikille kiinnostuksen kohteille ilman mitään manuaalista työtä. 
• Pisteytyksen perusteella tekoäly voi päätellä, mistä eri aiheista asiakas on juuri nyt kiinnostunut eniten ja mistä asiakas tulee kiinnostumaan tulevaisuudessa. 
• Kaikki muutokset ja uutuudet menevät automaattisesti pisteytykseen mukaan välittömästi. 
• Tekoäly pystyy hyödyntämään pisteytyksien historiadataa ennustaa tulevia kiinnostuksen kohteita automaattisesti ja alkaa näin rakentaa pitkiä personoituja polkuja, jotka noudattavat asiakkaan kiinnostuksen kohteita tärkeysjärjestyksessä. 

Suurimpana etuna tässä on tekoälyn skaalautuvuus ja nopeus. 

Tekoälyn avulla kaikki asiakkaat ovat segmentoituna kaikkiin haluttuihin kiinnostuksen kohteisiin heti ja tiedot päivittyvät automaattisesti siitä hetkestä eteenpäin. 

Kaikki pienetkin tuoteryhmät ja dimensioiden kombinaatiot alkavat tuottamaan tulosta pieninä puroina heti ensimmäisenä päivänä. Manuaalisen tiimin kanssa tätä ei pystytä saavuttamaan ehkä koskaan tai siihen menisi valtavasti työaikaa. 

Esimerkiksi kansainvälinen useilla eri markkinoilla toimiva verkkokauppa voi hyötyä tämmöisestä valtavasti, kun tekeminen skaalautuu uusille markkinoille heti ilman manuaalista työtä. 

Myös generatiivinen tekoäly on tullut osaksi segmentointia. Koko asiakkuuden tietomalli voi olla turvallisesti generatiivisen tekoälyn luettavissa ja siltä voi pyytää selkokielellä keskustelemalla vaikeampiakin segmenttejä: 

”Tee minulle kohdeyleisö arvokkaimman desiilin asiakkaista, jotka omistavat ostohistorian perusteella omakotitalon ja eivät ole ostaneet pariin kuukauteen mitään.” 

Tämä yleisö voidaan tuon chat keskustelun jälkeen kytkeä esimerkiksi Googlen Display-mainontaan päälle. 

Uutiskirjeiden ja markkinoinnin sisällöt per segmentti

Yllä kuvattujen segmenttien määrän perusteella on päivän selvää, että sisältöjen rakentaminen manuaalisesti kaikille segmenteille on täysin mahdoton urakka. 

Aikaisemmin jokaiselle segmentille on pitänyt lähteä manuaalisesti rakentamaan uutiskirjeen sisältöjä atomeista. Jos tämmöinen segmentin ja sitä vastaava sisällön kirje on onnistuttu rakentamaan, niin sillä syntyy selvästi parempaa tulosta ja sitten sen sisältöjä on pitänyt alkaa ylläpitämään jatkossa. 

Tulokset on todistettu, mutta mihin tämä johtaa, jos tätä työtä tehdään 500 eri segmentille manuaalisesti?

Täysin manuaalisen tekemisen rinnalla on puoliautomaattinen ratkaisu, jossa markkinoija voi valita esimerkiksi uutiskirjeeseen, että esitä tässä kirjeessä tuoteryhmän X tuotteita, mutta tässäkin valinta joudutaan tekemään manuaalisesti ja tuotteita ympäröivä sisältö luomaan manuaalisesti. 

Tämäkin käy tosi työlääksi ja ylläpidon määrä kasvaa nopeasti suureksi. 

Mitä jos halutaankin muuttaa jotain logiikkaa sisällöissä? 

Tekoälyllä tuotettuna homma toimii näin: 

• Tekoälyllä tuotetut uutiskirjeen sisällöt ja tuotesuositukset ovat täysin synkronoituna aikaisemmin kuvatun pisteytyksen kanssa. 
• Kirjeiden sisällöt rakentuvat automaattisesti ilman manuaalista määrittelyä.
• Kirjeen sisäisten elementtien hierarkia ja logiikka voi perustua pisteytykseen ja markkinoija ei edes tiedä, mitä tuoteryhmiä ja tuotemerkkejä kirjeessä milläkin asiakkaalla on näkyvissä ja missä järjestyksessä.  

Kirjeiden sisältöjen päivittämisen ja rakentamisen sijaan markkinoija voikin valita erilaisiin asiakkuuden polun kohtiin sopivia algoritmeja ja tuottaa paljon kovempaa arvoa kokonaisuuteen mekaanisen työn sijaan. 

Ehkä jossain tuoteryhmässä sesonkiin ja säähän liittyvät algoritmit ovat tosi oleellisia ja toisessa taas uutuudet. Tämmöisiä asioita on paljon mukavampaa pohtia ja testata vs. ja antaa tekoälyn samalla tehdä mekaanista työtä skaalautuvasti kaikkiin markkinoihin. 

Asiakaskokemuksen ja lähetystiheyden välinen optimointi

Lähetystiheyden optimointi manuaalisesti on tyypillisesti hyvin karkeaa tekemistä, mutta se on ratkaisevan tärkeää kuitenkin pitkän jänteen tulosten kannalta.  Manuaalisesti työskennellä pyritään jotenkin määritellään passiivinen yleisö, jolle kirjeitä lähetetään joskus tosi harvoin ja aktiivinen yleisö, joka saa valtaosan kirjeistä. 

Tätäkin tarkoitusta varten on olemassa jo tekoälyjä, jotka tekevät näitä päätöksiä joka päivä kaikkien asiakkaiden kohdalla personoidusti. 

• Tekoäly profiloi asiakkaiden käyttäytymisdataa jatkuvasti ja siihen liittyviä muutoksia. 
• Näiden muutoksien perusteella tekoäly ennustaa asiakkaat, joille ei juuri nyt kannata lähettää viestiä, vaikka he olisivat olleetkin aktiivisia vielä hetki sitten. 

Tämä alkaa olla jo sellaista älykkyyttä, jota ihminen ei pysty segmentoimalla saavuttamaan. Annetaan tulosten kertoa tarinaa tästä osuudesta. 

Kuvassa näkyy, miten suureen laskuun unsubscribe-käyrä kääntyi, kun tekoäly alkoi tekemään tätä työtä. Näin kova lasku unsubscribe- käyrällä ennustaa parempaa asiakaskokemusta, isompaa asiakaskantaa ja varmaa kasvua myyntiin jatkossa. 

Markkinoinnin automaatioihin liittyvää listaa tekoälystä voisi jatkaa vielä paljon pidemmäksikin mm. seuraavilla ominaisuuksilla, mutta tämän postauksen pituus alkaisi venyä jo vähän turhan pitkäksi kaikkien käsittelyyn, joten mainitaan niitä näin otsikon tasolla lisää: 

• Sisällön toimivuuden testaaminen ja jakelu. (Tekoälylle syötetään vaan ns. pool erilaisia sisältöjä ja tekoäly testaa ja kokeilee niitä automaattisesti ja jättää parhaat käyttöön.) 
• Customer journeyn automaattinen optimointi. (Tekoäly tutkii polkujen tuloksia ja ohjaa asiakkaita automaattisesti parhaiten toimiviin polkuihin.) 
• Personoitujen lähetysaikojen profilointi tekoälyn toimesta asiakkaan tasolle. 
• ”Automatic insights” isosta datasta. (Kaikki tämä tuottaa valtavasti dataa asiakkaiden käyttäytymisestä. Tekoäly valvoo jatkuvasti isoja poikkeamia ja osaa muotoilla ne mielenkiintoisessa muodossa markkinoijan tutkittavaksi.) 

Tekoälyn tuomasta muutoksesta on helppoa päätellä, että:

• Tekoäly on ratkaisevan tärkeässä roolissa, jos haluat saavuttaa aidosti personoidun asiakaskokemuksen markkinoinnin automaation keinoin.
•  Tekoäly mahdollistaa kaiken nopeammin ja skaalautuvasti ja alkaa pidemmällä juoksulla säästää kuluja ja tekee samalla parempaa tulosta. 
• Jos et ole täysillä mukana tässä kelkassa, niin kilpailijat ovat varmasti jo valovuoden etumatkalla tässä osastossa. 

Siirrytään markkinoinnin automaatiosta seuraavaksi muihin verkkokaupan ”lajeihin”.

Tekoälyn rooli hakukonemarkkinoinnissa

Vielä vuosia sitten perinteisesti toteutetussa hakusanamainonnassa markkinoijat toimivat näin: 

• Mainonnan tilille syötetään hakusana, jolla omaa mainosta halutaan näyttää. 
• Hakusanalle kirjoitetaan mainos ja valitaan mihin verkkokaupan sivulle asiakas mainoksesta lähetetään.
• Määritellään, paljonko ollaan valmiita maksamaan kyseisen mainoksen klikkauksesta kyseisellä hakusanalla. Mitä enemmän maksetaan, sitä paremmalla paikalla oma mainos näkyy.

Tämmöisiä hakusanoja verkkokauppasi valikoimaan liittyen on satoja tuhansia tai miljoonia erilaisia. Riippuu vähän, miten isosta valikoimasta puhutaan. 

Hyvän asiakaskokemuksen saavuttamiseksi markkinoijan pitää pystyä löytämään kaikki oleelliset termit ja toistamaan yllä oleva prosessi mahdollisimman hyvin näille kaikille. Siinä vaiheessa, kun sanoja on livenä vaikka 25 000 ja ne kaikki aiheuttavat kuluja, nousee huutokauppaan käytettävä työnmäärä todella suureen rooliin ja siinä vaiheessa myös tilin ja mainoksien rakentamiseen on käytetty valtavasti aikaa. 

Vielä joitain vuosia sitten hakukonemarkkinointi oli tämmöinen manuaalinen prosessi. Nykyään tekoäly on muuttanut pelin ihan täysin päälaelleen. 

Tekoäly tekee hakukonemarkkinoinnissa täysin automaattisesti mm. kaikkea tätä: 

• Google Shopping / PMAX sisällöt mainoksissa 
• Miljoonien hakutermien automaattinen kohdistus sisällöille 
• Budjetin ja näkyvyyden automaattinen optimointi liiketoiminnan tavoitteelle.
• Sisältöjen automaattinen testaaminen ja optimointi 
• Automaattiset raportit ja hälytykset sivuston teknisestä toiminnasta 

Markkinoijan ei enää tarvitse huolehtia mekaanisesta työstä. Sen sijaan hän toimii sijoitusneuvojan tavoin paljon strategisemmalla tasolla ja pohtii, miten liiketoiminnan ja asiakkuuden datalla voidaan mahdollistaa tämän koneen mahdollisimman tehokas toiminta, niin että omalla älykkyydellä datalla tuotetaan selvää kilpailuetua tuohon automaatioon. 

Mainontaa pystyy tekemään paljon enemmän ja paljon tehokkaammin vs. mitä aikaisemmin pystyttiin ja ihmisten rooli on nykyään paljon strategisempi. 

Teknologia-jätit kirittävät tekoälyn kehitystä verkkokaupan arjessa?

Nämä tähän mennessä mainitut tekoälyn ominaisuudet ovat esimerkkejä teknologiajättien (esim. Salesforce ja Google) kehittämistä ominaisuuksista. Näillä jättiläisillä riittää valtavat määrät dataa ja resursseja ominaisuuksien kehittämiseen. Uusien ominaisuuksien avulla he pystyvät myymään palvelujaan entistä enemmän niitä käyttäville asiakkaille eli verkkokaupoille. 

Verkkokaupat ovat nimenomaan sellainen asiakas, joka hyötyy välittömästi näiden työkalujen käytöstä. Tämä on toiminut kovana draiverina sille, että verkkokaupan arki on muuttunut radikaalisti teknologiajättien avustuksella. 

Tekoälyn merkittävä rooli verkkokaupan arjessa ei jää pelkästään markkinointiin

Digitaalisessa maailmassa muutokset tapahtuvat datan kautta ohjatulla älykkyydellä, joka muuttuu toimenpiteiksi ohjelmoinnin ja koodauksen avulla. Mitä nopeammin tätä pystytään tekemään, sitä nopeammin muutoksia ja ideoita päästään testaamaan. Tämmöisessä notkeassa ja iteroivassa testauksessa tekoälyn rooli voi olla oikein käytettynä todella merkittävä.

Generatiivisen tekoälyn avulla saadaan merkittävää nopeutta mm. näin: 

• Ohjelmointia millä tahansa ohjelmointikielellä 
• Isompien kokonaisuuksien suunnittelu. (Tämä yhdistettynä edelliseen mahdollistaa kustannustehokkaan ja nopean testaamisen missä tahansa ympäristössä)
• Datan visualisointi esimerkiksi Excel tiedostojen pohjalta. 
• Ad hoc tilastolliset mallinnukset (Näillä saat datasta nopeita vastauksia.)  
• Asiakaskannan analytiikkaa (Syötä tilausdataa raakamuodossa ja ala keskustelemaan asiakkuuksista tekoälyanalyytikon kanssa)   
• Erilaisten Excel/csv -tiedostojen massakäsittely ja yhdistely. (Tätähän tehdään muuten paljon monissa verkkokaupoissa) 
• Chat-palvelu, joka on yhdistettynä omaan tuotekatalogiin ja liiketoiminnan dataan. (Pystyy hoitamaan suuren osan asiakkaiden tarpeista riittävän hyvin)

Generatiivinen tekoäly on vaan jäävuoren huippu ja kovaa ja tuottoisaa työtä tekeviä koneoppimiseen ja automaatioihin perustuvia tietyn tehtävän hoitavia ”täsmä-tekoälyjä” löytyy myös moneen muuhun tarkoitukseen: 

• Hinnoittelun automaattinen optimointi tiettyyn katetasoon asti. 
• Varaston kierron optimointiin ja analysointiin. 
• Erilaisten tekstisisältöjen luokitteluun ja täsmäämiseen liiketoiminnan datan kanssa.
  …

Listaa voisi jatkaa vielä paljon pidemmäksikin, mutta tässä vaiheessa lienee ilmeistä, että tekoäly on käytännössä töissä jo lähes kaikissa verkkokaupan toiminnoissa ja mahdollistaa paljon nopeamman ja kustannustehokkaamman skaalautuvan kasvun jo tänään. 

Jos haluat olla tässä pelissä edelläkävijä ja ottaa kaikki hyödyt näistä mahdollisuuksista irti, niin tätä peliä varten kannattaa laittaa oma data kuntoon. Mitä parempaa dataa tuolle koneistolle tarjotaan, sitä parempaa lopputulosta sieltä tulee ulos. 

Jos et ole vielä täysillä pelissä mukana, niin kannattaa ehkä pysähtyä miettimään, mitä kilpailijoiden konepellin alla tapahtuu juuri nyt. Uskon, että tällä hetkellä haetaan ihan uusia kilpailuasetelmia kustannustehokkuuteen ja skaalautuvaan markkinointiin. 

Juha Saarinen on markkinoinnin automaation, AI:n ja analytiikan superosaaja. Juhalla on pitkä kokemus sitä, miten isojen verkkokauppojen data muutetaan liiketoiminnan kilpailueduksi ja asiakasymmärrykseksi. Hän on tehnyt pitkäjänteistä kehitystyötä sen parissa, miten asiakasymmärrys muutetaan tekoälyjä ja automaatioita hyödyntäen markkinoinnin automaatioksi.

Katso Juha Saarisen puheenvuoro tallenteena ”Johdanto markkinoinnin automaatioihin” , jonka hän piti Automaatiot markkinoinnissa- valmennuspäivässä 30.1.2024