
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 dat 27% van hen beweerde AI al op meerdere gebieden te implementeren.
Op het wereldwijde front zullen 30% van de bedrijven wereldwijd tegen 2020 AI gebruiken in ten minste een van hun verkoopprocessen. Maar slechts 17% van de e-mailmarketeers die automatiseringstools overwegen, dacht aan het integreren van AI.
De achterblijvers realiseren zich misschien niet wat voor effect AI al heeft gehad op het e-mailecosysteem. Een heel zichtbaar voorbeeld was hoe Gmail e-mailclassificatie afhandelt met behulp van Natural Language Processing (NLP) om inkomende e-mails te filteren als Primair, Sociaal of Promotieberichten.
Hier is een vrij goede uitleg van hoe NLP zijn werk doet, gepresenteerd als een inleiding voor programmeurs die een spamfilter willen ontwikkelen. Maar als je niet geïnteresseerd bent in alle technische details, is dat prima. Een ding dat het onthouden waard is? NLP en machine learning zijn alleen takken van de grotere, bredere categorie “AI” en hebben specifieke doelen.
NLP is bedoeld om menselijke taal te lezen, ontcijferen, begrijpen en betekenis te geven op een manier die nuttig is in interactie tussen mens en machine.
Machine learning houdt de toepassing in 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 tools en tactieken waar NLP en machine learning worden gebruikt om e-mailprogramma's te verbeteren. Laten we eens kijken naar enkele plaatsen 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
Wil je een beetje real-time contentoptimalisatie uitvoeren om betrokkenheid te stimuleren? Cordial zegt dat het u0004alformed and handeltaken van klantengebeurtenissen, gedrag en aankoopgegevens van vrijwel elke bron kan "inlezen en verwerken", zodat berichten kunnen worden verzonden via meerdere kanalen, op basis van tot-op-dit-moment gedragsgegevens. Dus onboarding-, herbetrokkenheidscampagnes en andere getriggerde e-mails kunnen worden afgestemd op waar ze op dit moment in geïnteresseerd zijn.
Een andere manier om te betrekken? Voeg een persoonlijk tintje toe. Nou, een virtueel persoonlijk tintje: Conversica beweert trots een “gepersonaliseerde menselijke aanraking op schaal” te leveren via AI-verkoopassistenten die binnen enkele minuten na interesse in je merk of inventaris per e-mail of SMS contact opnemen met een gebruiker.
Als je je zorgen maakt dat het 'gesprek' klinkt als robotachtige tekst, beweren ze dat de AI effectief 'empathiseert' door antwoorden te analyseren om de juiste reacties aan te passen. Bovendien is het platform niet alleen bedoeld voor eerste betrokkenheid of onboarding, maar het kan routinematige dialogen gedurende de hele klantreis beheren.
Segmentatie
Voor bedrijven die investeren in platforms voor klantgegevensbeheer, is het in staat zijn om de grootst mogelijke inzichten en voordelen uit big data te halen 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 gegevenspools kan inzichtelijke segmentatie uitvoeren op manieren die geen enkele mens – of een boilerroom vol mensen – ooit zou kunnen, met voortdurende aanpassingen en het ontdekken van nieuwe verbindingen, zelfs het genereren van nieuwe productsegmenten waar eerder geen zichtbaar waren. SimMachines is een van deze leveranciers en noemt hun specifieke aanpak "dynamische voorspellende segmentatie."
Voorspellende levering
Als je er nog niet eerder van hebt gehoord, komt dat doordat het een nieuwe dimensie is in het toepassen van machine learning op e-mail. Door het gedrag van triljoenen e-mails te analyseren, kunnen voorspellende analyse en machine learning de levering 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 datagedreven aanbevelingen kunnen worden gedaan over hoe betrokkenheid en prestaties geoptimaliseerd kunnen worden. Stroomstoringen kunnen worden vermeden – terwijl de ROI wordt gemaximaliseerd.
En als ik één zelfverheerlijking mag toestaan? Het is nieuw in het spel omdat dit platform, SparkPost Signals, het eerste en enige e-mail intelligence platform in zijn soort in de industrie is, en we zijn er trots op het aan te bieden.
Het is een AI-voor-email explosie
Dit zijn slechts enkele van de gebieden waar AI, NLP en machine learning een hedendaagse impact 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 sector wordt, is door te kijken hoeveel bedrijven en startups een naamplaatje hebben opgehangen, en gebruik maken van investerings- of vacaturewebsites zoals AngelList. Op dit moment worden er meer dan 600 bedrijven in deze ruimte getoond, en er zullen er nog meer komen.
Met andere woorden, er zal uiteindelijk een AI-add-on zijn voor elk facet van je e-mailprogramma. In de tussentijd? Het inzetten van de bestaande AI-tools van vandaag biedt al voldoende 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 ooit.