در حال خواندن
هوش‌مصنوعی و بازاریابی در بانک‌ها
0

هوش‌مصنوعی و بازاریابی در بانک‌ها

نویسنده:  علی اصغر افتاده1400-05-21

صنم متقی، مدیر روابط‌عمومی بهسازان فردا و دانش آموخته دکتری بازاریابی دانشگاه تهران

امروزه اهمیت هوش‌مصنوعی در بازاریابی، به دلیل افزایش قدرت و هزینه‌های پایین‌تر محاسبات، در دسترس بودن داده‌های کلان و پیشرفت الگوریتم‌ها و مدل‌های یادگیری ماشین در حال افزایش است. ما شاهد کاربردهای گسترده‌ای از هوش‌مصنوعی در زمینه‌های مختلف بازاریابی هستیم، از جمله؛ استفاده از پهپاد برای حمل و نقل خودکار توسط پرایم‌ایر، سایت فروشگاه آنلاین آمازون، آزمایش اتومبیل‌های خودران و روبات‌های دلیوری توسط پیتزای دومینو برای بهبود فرایند تحویل به‌موقع پیتزا به مشتریان، بهره‌برداری بالون قرمز از پلتفرم بازاریابی هوش‌مصنوعی آلبرت برای شناسایی و جذب مشتریان جدید، کاربرد پردازش زبان طبیعی(NLP) توسط مکیزآن‌کال برای ارایه خدمات دستیار شخصی به مشتریان داخل فروشگاه، استفاده لکسوس از IBM Watson برای نوشتن متون فیلم‌نامه‌های تبلیغات تلویزیونی، تشخیص احساسات مصرف‌کنندگان هنگام تماشای تبلیغات تجاری توسط پلتفرم مبتنی بر تجزیه‌وتحلیل عاطفی افکتیوا و ارائه آسایش عاطفی با تقلید از شیوه‌های ارتباطی مشتریان از طریق رپلیکا، چت‌باتی مبتنی بر یادگیری‌ماشین.

در سرتاسر جهان، تغییرات بی‌سابقه و سریع در ویژگی‌های دموگرافیک و فناوری‌های مختل‌کننده، بازاریاب‌ها را مجبور به بازبینی نظریه‌هایی می‌کند که بازاریابی را در ۵۰ سال گذشته تعریف کرده‎اند. تکنیک‌های سنتی بازاریابی مورد انتقاد قرار گرفته‌ و بازاریابی مبتنی بر هوش مصنوعی برای فضای کسب‌وکار جدید مناسب‌تر بنظر می‌رسد. از سوی‌دیگر، امروزه حجم داده‌های تولید شده توسط انسان‌ها و ماشین‌ها خیلی پیش‌تر از توانایی انسان‌ها برای جمع‌آوری، تفسیر و تصمیم‌گیری‌های پیچیده بر اساس این داده‌ها است. هوش‌مصنوعی می‌تواند به رفع این مشکل کمک کند.

بنابراین به‌تازگی اصطلاح “بازاریابی ۵٫۰ “، توسط فیلیپ کاتلر و همکارانش، به‌عنوان کاربرد فناوری‌های تقلید از انسان برای ایجاد، برقراری ارتباط، ارائه و تقویت ارزش در سفر مشتری، تعریف می‌شود. یکی از موضوعات مهم در بازاریابی ۵٫۰ کاربرد فناوری‌های آتی (next tech) که شامل مجموعه‌ای از فناوری‌هایی است که هدف آنها شبیه‌سازی قابلیت‌های بازاریابان انسانی می‌باشد. کاربردهای فناوری‌های بازاریابی “martech” از انتشار محتوا در رسانه‌های اجتماعی یا حضور همه جانبه بواسطه اُمنی چنل‌ فراتر رفته‌است. هوش مصنوعی، پردازش زبان طبیعی، فناوری حسگرها، اینترنت اشیاء، روباتیک، واقعیت افزوده، واقعیت مجازی و بلاکچین پتانسیل بالایی برای تغییر بازی به‌نفع روش‌های بازاریابی دارند، درواقع ترکیبی از این فناوری‌ها توانمندساز بازاریابی ۵٫۰ می‌باشند.

همزمان با رشد بازاریابی، افزایش همه‌گیری تلفن‌های هوشمند و فناوری‌های اینترنتی به رشد سریع هوش‌مصنوعی نیزکمک کرده اند. در بازارهای کسب‌و کاری، هوش‌مصنوعی فرآیندهای سنتی فروش انسان محور را تغییر داده و بر قیف فروش B2B تاثیر گذاشته‌است. هوش‌مصنوعی همچنین برندها را قادر ساخته است تا از طریق بسیاری از نقاط مختلف تماس با مشتریان خود درگیر شده و بدین ترتیب داده‌هایی تولید شود که به توسعه استراتژی‌های بازاریابی کمک می‌کنند. این قابلیت‌ها شرکت‌ها را وادار کرده‌است تا هوش‌مصنوعی را در بازاریابی ادغام کنند تا از داده‌های کلان برای درک بینش مشتری، پیش‌بینی الگوهای رفتار مشتری، توسعه استراتژی‌های بخش‌بندی و پروفایلینگ مشتری و ایجاد روابط طولانی مدت با آنها استفاده کنند. تجزیه و تحلیل وب‌سایت یا سفر مشتری می‌تواند از طیف گسترده‌ای از منابع، از جمله پلتفرم‌های وب و تلفن همراه، رسانه‌های سنتی یا اجتماعی، داده‌ها را جمع‌آوری کرده و الگوها را شناسایی کند. سیستم‌های هوش‌مصنوعی ساخته شده با برنامه‌های تحلیلی صدای مشتری می‌توانند به بازاریابان در جمع‌آوری بازخورد یا ردیابی مشتری در طول زمان کمک کرده و داده‌های بازاریابی را به بینش مفیدی برای مدیریت ارتباط با مشتری تبدیل کنند. علاوه بر این، سیستم‌های هوش‌مصنوعی به بازاریابان از طریق بخش‌بندی و هدف‌گذاری یک به یک کمک می‌کنند تا در نهایت با ارسال پیام‌های مجزای سفارشی شده، هر یک از مشتریان را درگیر و جذب کنند.

در این مطلب ما تاثیر هوش‌مصنوعی بر بازاریابی در بانک‌ها و موسسات مالی را در طی ۹مرحله برنامه‌ریزی استراتژیک بازاریابی توضیح می‌دهیم. همچنین به نمونه‌هایی از کاربردهای فعلی هوش‌مصنوعی در بازاریابی بانک‌ها و موسسات مالی اشاره می‌کنیم.

مرحله اول: تحلیل وضعیت موجود

این مرحله تحلیل وضعیت فعلی است که شامل درک عوامل محیطی کلان که بر بانک، بازاریابی و سهامداران آن تاثیر می‌گذارند، می‌باشد. در این مرحله سهامداران و مدیران سعی می‌کنند درک درستی از اکوسیستم فعلی و آتی که بانک در آن فعالیت می‌کند، به‌دست آورند. مدیران می‌توانند بازارها، فرصت‌های موجود در آنها و تهدیدهای ناشی از تصمیمات پذیرش هوش‌مصنوعی را ارزیابی کنند.

ابزارهایی مانند تجزیه و تحلیل SWOT یا PESTLE  می‌توانند به مدیران در درک اکوسیستم و بازارهای خاصی که در آن فعالیت می‌کنند و درک مشتریان مورد هدف بانک‌ها کمک کنند. تکنیک‌های هوش‌مصنوعی، از جمله گوش دادن اجتماعی می‌توانند اطلاعات بازارها و مصرف‌کنندگان، به ویژه از نظر رضایت، الگوی مصرف و تقاضای محصول یا خدمت را جمع‌آوری کنند. از این منظر، هوش مصنوعی امکان شناسایی تغییر در رفتار رقبا از جمله قیمت‌گذاری، تخمین تقاضای محصول و آنالیز احساسات مشتری مانند رضایت مشتری را به بانک‌ها ارایه می‌دهد.

شبکه‌های اجتماعی و فروم‌های آنلاین این امکان را برای مشتریان بانکی فراهم می‌کنند که بیشترین تحقیقات را درباره محصولات و خدمات متناسب با نیازهای خاص خود داشته باشند. بانک‌ها و موسسات مالی می‌توانند با استفاده از یادگیری ماشین، بحث‌های مشتریان را در فروم‌های آنلاین تحلیل کنند. این امر اهمیت تجزیه و تحلیل مکالمات آنلاین در مورد کل طبقه محصول به جای تمرکز دقیق بر یک بانک خاص را نشان می‌دهد. چنین بینشی برای تجزیه و تحلیل گسترده وضعیت و ارایه یک اندازه‌گیری از چگونگی ارایه خدمات به بخش‌های مصرف‌کننده توسط بانک و همچنین رقبای آن مناسب است.

مرحله دوم: درک بازار و مصرف‌کننده

مرحله درک بازار و مصرف‌کننده، مستلزم جمع‌آوری دانش از عوامل محیطی خرد است که به‌طور خاص بر بانک‌ها تاثیر می‌گذارند، از جمله روندهای سهم بازار، تقاضای محصول و ویژگی‌های مشتریان شامل؛ نیازها، خواسته‌ها، رفتارها، نگرش‌ها، وفاداری به برند و الگوی مصرف آنها است.

در طی این فرایند، تجزیه و تحلیل وب و تحقیقات بازار سنتی مانند سنجش رضایت مشتریان اغلب از طریق هوش‌مصنوعی با مجموعه‌ای از فرصت‌های فراتر از این‌ها درگیر می‌شوند. برای مثال، برنامه‌های صدای مشتری به بانک‌ها اجازه می‌دهد به فراتر از داده‌های مبتنی بر مصاحبه دسترسی پیدا کرده وآن را با حجم زیادی از داده‌های غیرساختارمند مشتریان ادغام کنند.

امروزه نرم‌افزارهای تجربه‌مشتری با قابلیت‌های هوش‌مصنوعی برای استخراج ترجیحات مشتری و داده‌ها از وب، رسانه‌های اجتماعی، فعالیت تلفن‌همراه و مراکز تماس یکپارچه شده‌اند. بنابراین با تجزیه و تحلیل داده‌ها و ارایه بازخورد در زمان واقعی و نهایتا امکان تصمیم‌گیری و اقدام بلافاصله و به‌موقع فراهم می‌شود.

مرکز تماس یک بانک روسی به نام راس بانک ، در سال ۲۰۱۹، پرومو بات، یک روبات تشخیص احساسات چند حالته برای مدیریت تجربه‌مشتری را آزمایش کرد. این یک سیستم هوش‌مصنوعی است که قادر به تجزیه و تحلیل ترکیبی از فعالیت‌های انسانی است (به عنوان مثال، حالات صورت، بدن، حرکات، صدا، حرکت چشم و ضربان قلب) و وضعیت احساسی مشتری را تعیین می‌کند. داده‌های جمع‌آوری شده از مشتریان شامل؛ تعداد مکث در گفتار، تغییر در حجم صدا و کل زمان مکالمه بوده که در زمان واقعی به معیار سنجش رضایت مشتری تبدیل می‌شوند.

مرحله سوم: بخش‌بندی، هدف‌گذاری و جایگاه‌یابی (STP)

در این مرحله استراتژیک، بانک‌ها و موسسات مالی می‌توانند از هوش‌مصنوعی برای سه تصمیم کلیدی استراتژیک یعنی؛ بخش‌بندی، هدف‌گذاری و جایگاه‌یابی استفاده کنند. که شامل ایجاد و توسعه درکی از بخش‌های مشتری و کمک به مدیران بازاریابی در هدف‌گذاری و جایگاه‌یابی تصمیمات آنها است. در این فرایند، بانک‌ها به‌دنبال بخش‌‌بندی مشتریان براساس معیارهای خاص هستند، امکان هدف‌گیری دقیق پیام‌ها و خلق برندها و محصولاتی که بتوانند به بهترین شکل برای هر بخش از مشتریان جذاب شوند.  هوش‌مصنوعی نه تنها به می‌تواند به بانک‌ها در پیش‌بینی قصد و نیت مشتریان که حتی در تقسیم‌بندی مشتریان به گروه‌های دقیق‌تر و همگن کمک کند. با توجه به ناهمگنی زیاد سلیقه و ترجیحات مشتری، پتانسیل بخش‌بندی از ارایه پروموشن‌ها و تبلیغات شخصی‌سازی شده گرفته تا توصیه‌های بهتر محصولات و خدمات بسیار زیاد است. به عنوان مثال، در تلاش برای بهبود تعیین مشتریان هدف، بانک‌ها با استفاده از پلتفرم‌های مبتنی بر هوش‌مصنوعی و یادگیری‌ماشین، اتوماسیون و برنامه‌ریزی بازاریابی را تسهیل می‌کنند. این پلتفرم‌ها اطلاعات مربوط به گذشته مشتریان بانکی را در اختیار گرفته و می‌توانند لیستی از مشتریان مشابه ایجاد کرده و آنها را با افرادی که با مشتریان فعلی شباهت دارند، مطابقت ‌دهند. نهایتا این پلتفرمها در قبال درصدی از فروش خدمات بانکی و افزایش چندین برابری تماس‌های ورودی بانک‌ها متعهد می‌شوند.

علی‌رغم مزایای استفاده از هوش‌مصنوعی برای بخش‌بندی، هدف‌گذاری و جایگاه‌یابی، بازاریابان باید از ریسک‌های تبعیض ناشی از هوش‌مصنوعی آگاه باشند. از آنجا ‌که کسب‌وکارها ذاتا از نظر اینکه به چه کسی محصولات و خدمات خود را ارایه می‌دهند، تبعیض قائل می‌شوند، هوش‌مصنوعی نیز می‌تواند از طریق تاکید بر هدف‌گذاری متفاوت مشتریان منجر به تبعیض قیمت ناخواسته و غیرقانونی شود. هم‌اکنون، در اتحادیه اروپا رفتار تبعیض‌آمیز هنگام استفاده از الگوریتم‌ها برای قیمت‌گذاری بر اساس مشخصات قابل مشاهده گروه مشتریان، مورد توجه بسیاری قرار گرفته است. از آنجا ‌که ممکن است یک گروه از مشتریان رفتار عمومی از خود به نمایش گذاشته ولی رفتار فردی از اعضای گروه از رفتار عمومی چندان تبعیت نکند، در صورت استفاده از روندهای رفتاری عمومی مشاهده‌شده‌ گروه برای قیمت‌گذاری، آن شخص مورد تبعیض قرار خواهد گرفت.

مرحله چهارم: هدایت برنامه‌ریزی، اهداف و پشتیبانی بازاریابی

این مرحله شامل توسعه اهداف بلندمدت و کوتاه‌مدت مرتبط با آنها برای حمایت از استراتژی‌های بزرگ‌تر است. استراتژی‌های رشد، استراتژی‌های غیررشد، اهداف (مانند بازاریابی، مالی و اجتماعی) و خدمات به مشتری از نکات مهم در این مرحله هستند. برای کمک به استراتژی‌های رشد، هوش‌مصنوعی و چت‌بات‌ها می‌توانند برای تقویت خرید مشتری در اپلیکیشن‌ها یا رسانه‌های اجتماعی ادغام شوند.

یکی از رایج‌ترین کاربردهای هوش‌مصنوعی در این مرحله در خدمات مشتریان است، مانند اپلیکیشن‌هایی به‌عنوان چت‌بات و آنالیز متن و صدا. امروزه، چت‌بات‌ها در خدمات مشتریان برای رسیدگی به اکثر سوالات ساده استفاده می‌شوند. چت‌بات‌ها هزینه‌های خدمات به مشتری را کاهش می‌دهند اما تاثیر آنها بر رضایت مشتری می‌تواند متنوع باشد. بسیاری از مصرف‌کنندگان هنوز ترجیح می‌دهند با نمایندگان انسانی برای درخواستهای پیچیده‌تر صحبت کنند.

بانک گارانتی ترکیه از طریق چت‌بات ” گارانتیا سُر” به معنی از گارانتی بپرس، که اولین کانال رضایت مشتری ۷ در ۲۴ در رسانه‌های اجتماعی در بخش بانکی ترکیه است، خدمات کارآمد رضایتمندی مشتری را ارایه می‌دهد. این بات پیشنهادات ویژه‌ای متناسب با مشخصات و نیازهای مشتریان طراحی و ارایه می‌کند. روی پلتفرم رسانه‌های اجتماعی، بانک گارانتی محرک‌هایی که از تصویر سازمانی حمایت می‌کنند را پیش می‌برد، به نتایج کسب‌و کار از طریق معرفی محصولات و خدمات کمک می‌کند و با استفاده از محتوای مرتبط با سواد مالی و دیجیتال، که همزمان با ماهیت سرگرم کنندگی و پویایی شبکه‌های اجتماعی همسو هستند، زندگی مشتریان را تسهیل می‌کند.

مرحله پنجم: تدوین استراتژی محصول

این مرحله شامل توسعه استراتژی محصول و یا بهتر بگوییم خدمت است (به عنوان مثال، ایجاد مجموعه ای از محصولات و خدمات که توسط یک بانک ارایه می‌شوند). در این مرحله، بانک‌ها با استفاده از درک خود از مشتریان هدف و جایگاه در نظر گرفته شده برای برند به توسعه محصولات و خدمات اقدام می‌کنند. که به طور معمول شامل تصمیم‌گیری‌هایی در مورد طراحی، ویژگی‌ها، کیفیت و سفارشی‌سازی یک خدمت یا محصول است. فرصت‌های کمکی هوش‌مصنوعی به استراتژی محصولات بانکی شامل شناسایی شکاف برای توسعه محصول جدید، تسهیل تولید محصولات سفارشی و شخصی‌سازی شده‌ی منطبق با ویژگی‌های مشتریان هدف و کمک به تحویل محصول و سرویس از طریق یا اُمنی‌چنل است. هوش‌مصنوعی همچنین می‌تواند تشخیص دهد که کدام محصولات یا خدمات باید ارایه شوند.

یکی از نقاط قوت بانک گارانتی این است که محصولات سنتی موجود در کانال‌های فیزیکی را به کانال‌های دیجیتالی با همان ویژگی‌ها تبدیل و منتقل نمی‌کند. هدف این بانک ایجاد محصولات کاملا دیجیتالی است که برای ارضای نیازهای برگرفته از کانال‌های دیجیتال طراحی شده است. بیمه خودرو مُدولار نمونه خوبی از محصولات منحصرا دیجیتال است، به‌طوری‌که مشتریان می‌توانند پوشش بیمه‌ای مورد نظر را خودشان تعیین کنند و از مزیت تخفیف‌ها بسته به تعداد پوشش‌های انتخابی بهره‌مند شوند. این بر اساس تجزیه و تحلیل روند خرید مشتریان در کانال‌های دیجیتال و نقاط درد آنها طراحی شده‌است. ویژگی‌های محصول بر اساس این تجزیه و تحلیل دقیق و نیازهای مشتریان شکل گرفته است. بنابراین، فقط از طریق کانال‌های دیجیتال در دسترس است و به همین ترتیب، این یک محصول دیجیتالی کاملا end-to-end است.

مرحله ششم: توسعه استراتژی قیمت‌گذاری

این مرحله شامل ایجاد یک استراتژی قیمت‌گذاری برای به حداکثر رساندن فروش است. در تدوین استراتژی قیمت‌گذاری، بازاریابان تصمیم می‌گیرند که چقدر برای محصولات و خدمات خود هزینه در نظربگیرند، تا بتوانند درک درستی از حساسیت مصرف‌کننده به قیمت و نقشه قیمت‌گذاری رقبا کسب کنند. در حالی که صنعت مالی به سمت قیمت‌گذاری در زمان واقعی می‌رود، بانک‌ها ابزارهای تحلیلی مانند یادگیری‌ماشین و هوش‌مصنوعی را برای پیشی‌گرفتن از رقبا به‌کار می‌گیرند. هوش‌مصنوعی می‌تواند به روش‌های مختلفی از جمله برآورد کشش قیمتی مصرف‌کننده، امکان قیمت‌گذاری پویا (مانند قیمت‌گذاری نوسانی) و تشخیص ناهنجاری‌های قیمت‌گذاری (از جمله خطاهای قیمت‌گذاری، موارد تقلب و مشتریان غیرسودآور) به توسعه استراتژی قیمت‌گذاری کمک‌کند.

به‌عنوان مثال؛ وقتی‌که زمان تعیین نرخ وام کاهش‌یافته و قیمت به سرعت به بازار هدایت می‌شود، درآمد و رشد وام‌دهنده افزایش می‌یابد. بنابراین چالش‌ قیمت‌گذاری وجود دارد و بانک‌ها باید اطمینان حاصل کنند که قیمت‌گذاری را صحیح انجام می‌دهند. اما چیزی که بسیار مهم‌تر می‌شود، عملا، فرایند ورود این قیمت به بازار است.

بانک ایالات متحده فرایند قیمت‌گذاری خود را چندین سال پیش ارتقا داده است؛ درواقع یک فرایند دستی که متشکل از هزاران نرخ متمایز از هر ایالت است را به یک فرایند تغییر نرخ مبتنی بر الگوریتم تبدیل کرده است. چرا که موفقیت در بازار وام‌ و تسهیلات متکی بر ارایه نرخ‌های بهتر خدمات و شناسایی فرصت‌های بهتر ارایه تسهیلات در زمان واقعی و به‌موقع است. این موضوع در کنار برآورد صحیح و پایای اعتبار مشتریان کمک خواهد کرد تا بانک‌ها در بازار رقابت برای اعطای تسهیلات مزیت رقابتی خود را با در نظر داشتن ریسک مشتریان بهبود دهند.

در نتیجه هم‌اکنون، بانک ایالات متحده نرخ‌های مبتنی بر عوامل را با در نظر گرفتن نرخ‌های رقیب در آن زمان تجزیه و تحلیل می‌کند. با این ورودی‌ها، الگوریتم “در مدت زمان بسیار کوتاهی” ده‌ها هزار نرخ مورد نیاز در ۵۰ ایالت آمریکا را تولید کرده و بانک روز بعد با این نرخ‌ها کار خود را ادامه می‌دهد.

مرحله هفتم: تدوین استراتژی کانال‌ها

در حالت کلی در این مرحله، بازاریابان تلاش می‌کنند تا میان کانال‌های فروش مستقیم، کانال‌های عمده یا کانال‌های خرده‌فروشی، کانال‌های آنلاین و سایر تصمیم بگیرند. در برخی موارد، هوش‌مصنوعی می‌تواند دسترسی به بازار و مشتریان را از طریق کانال‌های جدید فراهم کند.

فناوری و ارتباطات اینترنت سریع‌تر باعث افزایش تما‌س‌های ویدیویی و مصرف محتوا ویدیویی شده است. استفاده از فناوری، بانک گارانتی را به راه‌اندازی سرویس تماس ویدیویی برای کاربران سوق داده، به نحوی که به افزایش سهولت در زندگی آنها، رفع انسداد و غیره که قبلا به مراجعه به شعبه احتیاج داشتند، منجر شده است. مثال دیگر، خدمات وام حضوری است، به موجب آن مشتریان می‌توانند با نمایندگان بانک رو در رو هنگامی که آنها برای وام از طریق کانال بانکداری موبایلی درخواست می‌کنند، تعامل داشته باشند. با فناوری چت ویدیویی، این بانک نیز روند ورود مشتریان جدید را بسیار آسان‌تر کرده. این قابلیت نمونه خوبی از قرار دادن تماس وتاثیر انسانی در تجربه دیجیتال را ارایه می‌دهد.

نوآوری دیجیتالی دیگری که گارانتی اجرا کرده و قبلا نیز به آن اشاره شد، راه‌اندازی روبات پیام‌رسان فیس‌بوک و واتس‌اپ آن در سال ۲۰۱۹ است. این کانال‌ها، کاربران را به محاسبه وام شخصی به صورت مکالمه‌ای قادر می‌سازند. کاربران می‌توانند محاسبات را از طریق این پلتفرم‌ها انجام داده و به راحتی به اطلاعات مورد نیاز خود برسند. روبات تا حدودی به سوالات مربوط به وام شخصی کاربران پاسخ می‌دهد و در صورت لزوم آن را به بانکداری موبایلی، وب‌سایت یا کانال‌های دیگر هدایت می‌کند.

همچنین گارانتی سعی دارد کانال‌های خود را به‌گونه‌ای پوزیشن کند که قادر باشند با یکدیگر تعامل و ارتباط برقرار کنند. این نه تنها در تجربه آنلاین اعمال می‌شود؛ که هدف بانک اتصال تجربه ناشی از کانال‌های آنلاین و فیزیکی است. تراکنش‌های انجام شده از طریق QR کد مثال خوبی در این مورد است. مشتری‌ها می‌توانند به راحتی از طریق فانکشن تراکنش‌های QR روی بانکداری موبایلی، پول را واریز یا برداشت کنند، بدون نیاز به حمل کارت. انتقال پول از طریق QR کد نیز آسان است، زیرا نیازی به شماره IBAN ندارد. پرداخت بدهی کارت اعتباری و تراکنش‌های بازپرداخت وام نیز به مجموعه تراکنش‌های QR اضافه می‌شود، بنابراین مجموعه تراکنش‌های بدون کارت افزایش می‌یابد.

مرحله هشتم: تدوین استراتژی ارتباطات بازاریابی و نفوذ

این مرحله شامل تدوین استراتژی ارتباطات بازاریابی و نفوذ، با تمرکز ویژه بر ارایه تبلیغات صحیح به مشتریان در زمان مناسب است. در این مرحله، بازاریابان برای خلق و تقویت معنای برند در نظر مشتریان و همچنین مطلع کردن آنها از پیشنهادات محصول تلاش می‌کنند. این شامل توسعه دقیق، هدف ‌گذاری و قرار دادن ارتباطات به منظور انتقال پیام موثر به گروه درستی از مشتریان ضمن به حداقل رساندن هزینه‌ها است. طیف متنوعی از فرصت‌ها در دامنه وسیع ارتباطات بازاریابی برای هوش‌مصنوعی وجود دارد، از جمله هدف‌گذاری تبلیغات زمینه‌ای، هدف‌گذاری مجدد تبلیغاتی که با هوش‌مصنوعی بهینه شده، پیشنهاد کلمات کلیدی و اتوماسیون و شخصی سازی تولید محتوا.

بانک گارانتی با هدف مدیریت آگاهی از برند و ارتباطات یکپارچه بازاریابی، اقدام به ایجاد اکانت در شبکه‌های اجتماعی فیس‌بوک، اینستاگرام، توییتر، یوتیوب و لینکدین کرده‌است. با هدف دسترسی مستقیم به محصولات و خدمات نوآورانه، نیازهای مشتریان و فالوورها را مورد هدف قرار گرفته‌است. البته این بانک رسانه‌های اجتماعی را نیز به‌عنوان یک کانال دیجیتال مدنظر قرار می‌دهد؛ با بیش از ۲٫۵میلیون فالوور در مجموع و ۱٫۸میلیون فالوور در فیس‌بوک، بانک گارانتی یکی از موسسات مالی است که بیشترین تعداد فالوور را در ترکیه و اروپا دارد.

مرحله نهم: شاخص‌های و کنترل و ارزیابی

سرانجام، مرحله ۹ شامل تدوین معیارهای ارزیابی و کنترل فرایند اجرا و به‌طور خاص تلاش برای شناسایی و نظارت بر عملکرد معیارها و سپس انجام هرگونه اقدامات اصلاحی لازم است. برای این منظور، مدیران بازاریابی برای ارزیابی اقدامات، شناسایی مشکلات و افزایش بهره‌وری از شاخص‌ها استفاده می‌کنند. دو مزیت اصلی هوش مصنوعی در برنامه‌ریزی و پیاده‌سازی این است که دیگر اپراتورهای انسانی برای فرمان‌دادن یا تجزیه و تحلیل خروجی‌ها لازم نبوده و اینکه هوش‌مصنوعی به صورت آزمون و خطا کار می‌کند. الگوریتم‌ها با تقلید رفتار مغز انسان قادر به جمع‌آوری اطلاعات دقیق هستند و بازاریابان را به درک، پیش‌بینی، تجزیه‌وتحلیل و اقدام به حل مشکلات قادر می‌‌سازند.

یکی از روش‌های اصلی استفاده از هوش مصنوعی در این مرحله از فرایند بازاریابی، انجام آزمون آ/ب، در زمینه ارزیابی تبلیغات یا فیچرهای آنلاین است. مزیت اصلی آزمون آ/ب زیربنای هوش‌مصنوعی و یادگیری ماشین بوده که به کمک آن وب‌سایت‌ها، تبلیغات و سایر دارایی‌های آنلاین می‌توانند در زمان واقعی در نتیجه ارزیابی هوش‌مصنوعی از رفتار و واکنش مخاطبان به بسیاری از تغییرات مختلف، خود را بهینه سازی کنند. آزمون آ/ب به شما کمک می‌کند تا بهترین رابط و تجربه کاربری را برای وب‌سایت یا اپلیکیشن خود انتخاب کنید. روشی است که با آن می‌توانید دو نسخه از یک وب‌سایت یا اپلیکیشن را با یکدیگر مقایسه کنید. در حقیقت، در آزمون آ/ب شما سعی می‌کنید با شناخت رفتار مخاطب، بهترین تجربه کاربری را به او ارایه دهید. می‌توان این جمله را در یک کلام خلاصه کرد: تبدیل کاربر به مشتری. به همین سادگی!

بانک HSBC از این روش برای افزایش ۱۰۰درصدی کلیک در صفحه نخست اپلیکیشن تلفن‌همراه خود استفاده کرد. این بانک محتوای پویای تولید شده با هوش‌مصنوعی را با محتوای استاتیک روی صفحه اصلی اپلیکیشن تلفن‌همراه خود مقایسه کرد. نتایج حاکی از عملکرد قابل‌توجه صفحات پویا در مقایسه با همتایان استاتیک خود از نظر نرخ کلیک بود.

حس شما نسبت به این خبر چیست؟
دوستش دارم
100%
علاقه‌مندم
0%
نظری ندارم
0%
شگفت زدم
0%
ازش متنفرم
0%
غمگینم
0%
خوشحالم
0%
درباره نویسنده
علی اصغر افتاده

ارسال یک نظر