Du har (stadig) fået mail: hvorfor kunstig intelligens betyder en stærk fremtid for markedsføring af e-mails

Kunstig intelligens og e-mail-marketing

Det er svært at tro, at e-mail har eksisteret i 45 år. De fleste marketingfolk i dag har aldrig levet i en verden uden e-mail.

På trods af at den er vævet ind i hverdagen og forretningen for så mange af os så længe, ​​har e-mail-brugeroplevelsen udviklet sig lidt siden den første besked blev sendt 1971.

Sikker på, vi kan nu få adgang til e-mail på flere enheder, stort set når som helst, men den grundlæggende proces har ikke ændret sig. Afsenderen rammer send på et vilkårligt tidspunkt, meddelelsen går til en indbakke og venter på, at modtageren åbner den, forhåbentlig inden den slettes.

Periodisk gennem årene har eksperter forudsagt e-mail-forsvinden, erstattet af nyere og køligere messaging-apps. Men ligesom Mark Twain er rapporter om e-mails død meget overdrevne. Det er fortsat en vigtig og ofte brugt kommunikationslinje mellem virksomheder og kunder - ikke længere den eneste, helt sikkert, men en kritisk del af blandingen.

Rundt regnet 100 milliarder forretnings-e-mails sendes hver dag, og antallet af e-mail-konti til virksomheder forventes at vokse til 4.9 milliarder ved udgangen af ​​dette år. E-mail forbliver især populær i B2B, da det giver mulighed for længere og dybere kommunikation sammenlignet med sociale medier og andre former for messaging. Faktisk siger B2B-marketingfolk, at e-mail-marketing er 40 gange mere effektive end sociale medier til at generere kundeemner

Ikke kun går e-mail væk når som helst snart, men fremtiden ser lys ud takket være kunstig intelligens-teknologi, der er klar til at vitalisere e-mail-oplevelsen. Ved at analysere modtageres adfærdsmønstre ved åbning, sletning og handling på e-mails kan AI hjælpe marketingfolk med at skræddersy deres e-mail-rækkevidde til kunders og potentielle kunders specifikke præferencer.

Indtil nu har meget marketinginnovation omkring e-mail været centreret om indhold. Der er en hel industri dedikeret til at hjælpe med at skabe den mest relevante e-mail-besked for at bede om et svar og handling. Andre innovationer har fokuseret på lister. Sourcing lister. Voksende lister. Liste hygiejne.

Alt dette er vigtigt, men at forstå, hvornår og hvorfor modtagere åbner e-mails, har stort set været et mysterium - og det er vigtigt at løse. Send for meget, så risikerer du at irritere kunder. Send ikke nok af den rigtige type e-mail - på det rigtige tidspunkt - og du risikerer at gå vild i en stadig mere overfyldt kamp for indbakkeejendomme.

Mens marketingfolk har gjort en omhyggelig indsats for at personalisere indhold, har opmærksomheden ved at tilpasse leveringsprocessen været sparsom. Indtil nu har marketingfolk tidsbestemt masse-e-mail-distribution gennem intuition eller vagt bevis indsamlet fra store grupper og analyseret manuelt. Ud over gæstetimering, hvornår e-mails sandsynligvis læses, vedrører denne back-of-the-the-serviet-analyse ikke rigtig, når folk er mere tilbøjelige til at svare og handle.

For at vinde vil marketingfolk i stigende grad blive forpligtet til at personalisere levering af e-mail-baserede marketingbeskeder, ligesom de har personaliseret indholdet af disse beskeder. Takket være fremskridt inden for AI og maskinindlæring bliver denne type personaliseringsleverance til virkelighed.

Teknologien dukker op for at hjælpe marketingfolk med at forudsige det bedste tidspunkt at sende en besked. For eksempel kan systemer lære, at Sean er mere tilbøjelig til at læse og handle på nye e-mails kl. 5, mens han er på pendeltoget hjem. Trey læser derimod ofte sin e-mail før sengetid kl. 45, men tager aldrig skridt, før han sidder ved sit skrivebord næste morgen.

Machine learning-systemer kan registrere e-mail-optimeringsmønstre, huske dem og optimere tidsplaner for at levere meddelelser til toppen af ​​indbakken under det optimale engagementsvindue.

Som marketingfolk sætter vi også pris på, at udsigterne har en voksende liste over foretrukne kommunikationskanaler. Tekstbesked. Sociale medier messaging platforme. Skub underretninger til en mobilapp.

Snart kan maskinlæringssystemer, der er optimeret til e-mail-leveringsindstillinger, lære de foretrukne kanaler til at levere meddelelser. Det rigtige indhold, leveret på det rigtige tidspunkt gennem en tidsspecifik foretrukken kanal.

Enhver interaktion, du har med kunder, betyder noget. Enhver interaktion, du har med kunder, er en mulighed for at inkorporere feedback, der forbedrer deres købsrejse på nye og forskellige måder. Alle har forskellige købsmønstre.

Traditionelt har marketingfolk brugt uendelige timer på at kortlægge lineære købsture til store grupper af kunder og derefter hældt cement over processen. Systemer har ingen måde at tilpasse sig uundgåelige ændringer i individuelle købsmønstre og kan ikke reagere på miljømæssige ændringer.

Da e-mail forventes at forblive et vigtigt link mellem virksomheder og kunder, er AIs rolle i at lære en 45-årig hund nye tricks en velkomstudvikling. Marketingautomatiseringssystemer skal nu tror om hver kunde, hvert stykke indhold og matche dem i realtid for at nå forretningsmålene. Smartere e-mail-levering skal være en vigtig del af det.

Hvad mener du?

Dette websted bruger Akismet til at reducere spam. Lær, hvordan dine kommentardata behandles.