Nu, met de komst van AI-gerelateerde technologieën, kunnen uw e-mailcampagnes nog nauwkeuriger, boeiender en effectiever worden dan ze ooit zijn geweest.
Moeten we echt iemand eraan herinneren dat e-mail (en e-mailmarketing) niet snel ergens naartoe gaat? Als we dat zouden doen, zouden we gewoon deze studie van The Radicati Group aan hen laten zien, met zulke uitspraken als…
Tegen het einde van 2019 zal het aantal e-mailgebruikers wereldwijd toenemen tot meer dan 2,9 miljard. Meer dan een derde van de wereldbevolking zal tegen eind 2019 e-mail gebruiken.
Voor degenen onder ons die in e-mail werken? Statistieken zoals die zijn behoorlijk verleidelijk, zoals de jongeren zeggen. Maar de e-mail van vandaag is niet de e-mail van je moeder of vader. Het voortdurende succes van e-mail ligt voor een groot deel in het vermogen om te evolueren. Mobiel gaan heeft e-mail bijvoorbeeld in veel meer zakken gebracht.
Nu, met de komst van AI-gerelateerde technologieën, kunnen je e-mailcampagnes nog preciezer, boeiender en effectiever worden dan ooit tevoren.
De komst van email AI? Dat is zo 2018
Aan het einde van 2018 zei PwC dat het Amerikaanse leidinggevenden had ondervraagd en ontdekte dat 27% van hen beweerde AI al in meerdere gebieden te implementeren.
Op mondiaal niveau zal 30% van de bedrijven wereldwijd tegen 2020 AI gebruiken in ten minste één van hun verkoopprocessen. Maar slechts 17% van de e-mailmarketeers die automatiseringshulpmiddelen overwegen, dacht na over het integreren van AI.
De achterblijvers realiseren zich misschien niet de impact die AI al heeft gehad op het e-mailecosysteem. Eén heel zichtbaar voorbeeld was hoe Gmail e-mailclassificatie behandelt met behulp van Natural Language Processing (NLP) om inkomende e-mails te filteren als Primair, Sociaal of Promoties.
Hier is een best goede uitleg van hoe NLP zijn werk doet, gepresenteerd als een inleiding voor programmeurs die een spamfilter willen opzetten. Maar als je niet geïnteresseerd bent in al het technische, is dat prima. Eén ding dat de moeite waard is om te onthouden? NLP en machine learning zijn slechts takken van de grotere, bredere categorie "AI" en hebben specifieke doelen.
NLP is bedoeld om menselijke taal te lezen, te ontcijferen, te begrijpen en er zin in te maken op een manier die nuttig is in mens-machine-interactie.
Machine learning houdt in het toepassen van algoritmen en statistische modellen zodat computers beslissingen kunnen nemen en taken kunnen uitvoeren zonder expliciete instructies door patronen in gegevens te herkennen en daaruit conclusies te trekken.
Op dit moment zijn er meerdere hulpmiddelen en tactieken waar NLP en machine learning worden gebruikt om e-mailprogramma's te verbeteren. Laten we kijken naar enkele van de plekken waar je ze in je campagnes zou kunnen integreren, zullen we..?
Testen
Copywriting
Machine learning en NLP – en zijn neef, Natural Language Genration (NLG) – worden door meerdere aanbieders gebruikt om oplossingen te bieden die daadwerkelijk onderwerpregels en andere teksten kunnen genereren.
Neem bijvoorbeeld een bedrijf zoals Persado: De "message machine" past zijn begrip van natuurlijke taal toe om teksten te creëren die in de "merkstem" van de marketeer spreken, gebruikmakend van een enorme database van getagde en gescoorde werken in 25 talen, een database die in de loop van de tijd evolueert naarmate machine learning inzichten levert (en oordelen velt) over welke boodschappen de meeste aantrekkingskracht hebben op uw doelgroep.
Touchstone, als een ander voorbeeld, vergelijkt uw onderwerpregel met een database van 21 miljard e-mails, evenals industrietrends, om de waarschijnlijke indruk-, klik- en conversiepercentages te voorspellen.
Rasa.io automatiseerde het nieuwsbriefcreatieproces en gebruikt machine learning om inhoud te optimaliseren op basis van het gedrag van elke ontvanger om 1:1 personalisatie te bieden die “is afgestemd op de unieke interesses en persoonlijkheden van uw abonnees, zonder de tijd die het kost om uw e-mails handmatig samen te stellen.”
Engagement
Wilt u een beetje contentoptimalisatie in real-time uitvoeren om betrokkenheid te stimuleren? Cordial zegt dat het “klantgebeurtenissen, gedrag en aankoopgegevens van vrijwel elke bron kan inlezen en verwerken,” zodat berichten kunnen worden verstuurd via meerdere kanalen, op basis van tot-op-dit-moment gedragsgegevens. Dus onboarding, re-engagement campagnes en andere getriggerde e-mails kunnen worden afgestemd op waar mensen op dit moment in geïnteresseerd zijn.
Nog een manier om betrokkenheid te creëren? Voeg een persoonlijk tintje toe. Nou ja, een virtueel persoonlijk tintje: Conversica beweert trots “gepersonaliseerde menselijke aanraking op schaal” te leveren via AI-verkoopassistenten die binnen enkele minuten na interesse van een gebruiker in uw merk of inventaris via e-mail of SMS contact opnemen.
Als u zich zorgen maakt dat het “gesprek” leest als robo-kopie, beweren ze dat de AI effectief “empathiseert” door reacties te analyseren om de juiste antwoorden aan te passen. Bovendien is het platform niet alleen bedoeld voor initiële betrokkenheid of onboarding, maar kan het routinematige dialogen gedurende de hele klantreis afhandelen.
Segmentatie
Voor bedrijven die investeren in platformen voor klantgegevensbeheer, is het kunnen benutten van de grootst mogelijke inzichten en voordelen van big data om zeer gepersonaliseerde gebruikerservaringen te leveren, vooral in e-mail, een voor de hand liggende zorg.
Een machine learning-oplossing die is verbonden met deze potentieel enorme datameren kan inzichtelijke segmentatie uitvoeren op manieren die geen mens - of een boiler room vol mensen - ooit zou kunnen, met voortdurende aanpassingen en het ontdekken van nieuwe verbanden, zelfs nieuwe product segmenten genereren waar er eerder geen zichtbaar waren. SimMachines is een van deze aanbieders en noemt hun specifieke aanpak “dynamische voorspellende segmentatie.”
Voorspellende levering
Als u er nog niet van gehoord hebt, komt dat omdat het een nieuwe wending is in het toepassen van machine learning op e-mail. Door het gedrag van triljoenen e-mails te analyseren, kunnen voorspellende analyses en machine learning de bezorging optimaliseren en de algehele gezondheid van een e-mailprogramma verbeteren.
Dit betekent dat er realtime inzichten beschikbaar zijn over bezorgbaarheid en prestatieproblemen, problemen kunnen worden geïdentificeerd voordat ze zich voordoen, en dat er datagestuurde aanbevelingen kunnen worden gedaan over hoe betrokkenheid en prestaties geoptimaliseerd kunnen worden. Stroomstoringen kunnen worden vermeden – terwijl de ROI wordt gemaximaliseerd.
En als ik slechts één zelfpromotie mag doen? Het is nieuw in het spel omdat dit platform, SparkPost Signals, het eerste en enige e-mailintelligentieplatform in zijn soort in de industrie is, en we zijn er trots op dat we het aanbieden.
Het is een AI-voor-email explosie
Dit zijn slechts enkele van de gebieden waar AI, NLP, en machine learning op dit moment invloed hebben op e-mailmarketing. Als je denkt dat het slechts het topje van de ijsberg is – of het eerste stroompje door de sluisdeuren – dan heb je gelijk.
Een manier om te zien hoe koortsachtig een nieuwe technologie is, is door te kijken hoeveel bedrijven en startups er met een bord buiten hangen, gebruikmakend van investeer- of vacaturesites zoals AngelList. Op dit moment laten een zoekopdracht voor “email AI” daar meer dan 600 bedrijven in de ruimte zien, en er zullen meer volgen.
Met andere woorden, er zal uiteindelijk een AI-add-on zijn voor elk facet van je e-mailprogramma. In de tussentijd? Het gebruik van de huidige AI-tools biedt al genoeg potentieel om te ontdekken hoe NLP en machine learning kunnen verbeteren hoe je een ervaren marketingkanaal gebruikt dat nog steeds net zo geavanceerd is als altijd.
