Moeten we echt iemand eraan herinneren dat e-mail (en e-mailmarketing) voorlopig niet verdwijnt? Als we dat deden, zouden we gewoon deze studie van The Radicati Group aan hen laten zien, met zinnen zoals...

Aan het einde van 2019 zal het aantal wereldwijde e-mailgebruikers toenemen tot meer dan 2,9 miljard. Meer dan een derde van de wereldbevolking zal tegen het einde van 2019 e-mail gebruiken.

Voor degenen onder ons die werken in e-mail? Statistieken zoals deze zijn behoorlijk aanlokkelijk, zoals de jeugd zegt. Maar de e-mail van vandaag is niet die van je ouders. Het voortdurende succes van e-mail ligt voor een groot deel in het vermogen om zich aan te passen. Mobiele toegankelijkheid heeft bijvoorbeeld e-mail in veel meer zakken gestopt. 

Nu, met de komst van AI-gerelateerde technologieën, kunnen je e-mailcampagnes nog preciezer, boeiender en effectiever worden dan ooit tevoren.

De komst van e-mail 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 al AI in meerdere gebieden te implementeren. 

Op wereldschaal zal tegen 2020 30% van de bedrijven wereldwijd AI gebruiken in ten minste één van hun verkoopprocessen. Maar slechts 17% van de e-mailmarketeers die automatiseringstools overwegen, dacht eraan AI te integreren.

De achterblijvers realiseren zich misschien niet welke impact AI al heeft gehad op het e-mail ecosysteem. Een zeer zichtbaar voorbeeld is hoe Gmail e-mailclassificatie afhandelt met behulp van Natural Language Processing (NLP) om inkomende e-mails te filteren als Primair, Sociaal of Promotie berichten. 

Hier is een redelijk goede uitleg van hoe NLP zijn werk doet, gepresenteerd als een inleiding voor coders die een spamfilter willen ontwikkelen. Maar als je niet geïnteresseerd bent in alle technische details, is dat prima. Eén ding dat het 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 zodanig te interpreteren dat het nuttig is in machine-mens interactie. 

• Machine learning omvat de toepassing van algoritmen en statistische modellen zodat computers kunnen beslissen en taken kunnen uitvoeren zonder expliciete instructies door patronen in gegevens te herkennen en gevolgtrekkingen te maken.

Op dit moment worden er meerdere tools en tactieken gebruikt waarin NLP en machine learning worden ingezet om e-mailprogramma's te verbeteren. Laten we eens kijken naar enkele van de plaatsen waar je ze in je campagnes kunt integreren, zullen we..?

Testen

Met machine learning kun je nu multi-armed bandit testing uitvoeren. Als je gewend bent aan splitsingstesten, maakt je borst maar nat: Nu kun je tests voortdurend uitvoeren en je bevindingen onmiddellijk implementeren. Na verloop van tijd optimaliseer je geleidelijk je resultaten en kun je tegelijkertijd content en berichten testen terwijl je de best presterende variant naar prospects of klanten stuurt.

Hoe wordt het gedaan? Je zet een campagne op en een paar e-mailvariaties, en machine learning doet de rest, voert tests uit gedurende je campagne en verfijnt deze op basis van testgegevens. Wat kun je testen? Vrijwel alles wat je al test, van tekst tot ontwerp, van afbeeldingen tot timing. 

Copywriting

Machine learning en NLP – en zijn neef, Natural Language Generation (NLG) – worden door meerdere aanbieders ingezet om oplossingen te bieden die daadwerkelijk onderwerpregels en andere teksten kunnen genereren.

Neem bijvoorbeeld een bedrijf als Persado: Hun “message machine” past zijn begrip van natuurlijke taal toe om tekst te creëren die spreekt in de “merkwijze” van de marketeer, gebruikmakend van een enorme database van gelabelde 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 berichten het meest aanspreken bij je doelgroep.

Touchstone vergelijkt bijvoorbeeld je onderwerpregel met een database van 21 miljard e-mails, evenals met industrietrends, om de waarschijnlijke indruk, klik- en conversieratio's te voorspellen.

Rasa.io automatiseerde het proces van nieuwsbriefcreatie en gebruikt machine learning om content 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 je abonnees, zonder de tijd die het kost om je e-mails handmatig samen te stellen.”

Betrokkenheid

Wil je een beetje optimalisatie van real-time content uitvoeren om betrokkenheid te stimuleren? Cordial zegt dat het “klantevent-, gedrags- en aankoopgegevens van praktisch elke bron kan opnemen en verwerken”, zodat berichten over meerdere kanalen kunnen worden verzonden op basis van direct-op-dit-ogenblik gedragsgegevens. Zodoende kunnen onboarding, re-engagement campagnes en andere getriggerde e-mails worden afgestemd op waar ze op dat moment in geïnteresseerd zijn.

Nog een manier om betrokkenheid te vergroten? Voeg een persoonlijke touch toe. Nou ja, een virtuele persoonlijke touch: Conversica beweert trots een “gepersonaliseerde menselijke touch op schaal” te leveren via AI verkoopassistenten die binnen enkele minuten nadat een gebruiker belangstelling heeft getoond voor je merk of inventaris via e-mail of sms contact opnemen. 

Als je je zorgen maakt dat het “gesprek” klinkt als robottekst, 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 routinegesprekken door de gehele klantreis heen afhandelen.

Segmentatie

Voor bedrijven die investeren in klantgegevensbeheerplatforms is het kunnen maximaliseren van het grootste mogelijke inzicht en voordelen uit big data om zeer gepersonaliseerde gebruikerservaringen te leveren, vooral in e-mail, een voor de hand liggende zorg. 

Een machine learning oplossing die is aangesloten op deze potentieel enorme gegevensbronnen kan inzichtelijke segmentatie uitvoeren op manieren die geen mens – of een volledige afdeling vol mensen – ooit zou kunnen, door voortdurende aanpassingen te maken en nieuwe relaties te ontdekken, zelfs nieuwe segmenten te genereren waar er eerder geen zichtbaar waren.  SimMachines is een van deze aanbieders die hun specifieke benadering “dynamische voorspellende segmentatie” noemen. 

Voorspellende bezorging

Als je er nog nooit van hebt gehoord, komt dat omdat het een nieuwe ontwikkeling is in de toepassing van machine learning op e-mail. Door het gedrag van triljoenen e-mails te analyseren, kunnen voorspellende analyses en machine learning de bezorging en de algehele gezondheid van een e-mailprogramma optimaliseren.

Dit betekent dat er real-time inzichten beschikbaar zijn over bezorgbaarheid en prestatieproblemen, problemen kunnen worden geïdentificeerd voordat ze zich voordoen, en dat er datagedreven aanbevelingen kunnen worden gedaan over hoe betrokkenheid en prestaties kunnen worden geoptimaliseerd.  Storingen kunnen worden vermeden – terwijl de ROI wordt gemaximaliseerd.

En als we onszelf even mogen aanbevelen? Het is nieuw in het spel omdat dit platform, SparkPost Signals, het eerste en enige e-mailintelligentie platform van zijn soort in de industrie is, en we zijn er trots op om het aan te bieden.

Het is een AI-voor-e-mail explosie

Dit zijn slechts een paar van de gebieden waar AI, NLP en machine learning momenteel een impact hebben op e-mailmarketing. Als je denkt dat het het topje van de ijsberg is – of het eerste stroompje door de sluizen – heb je gelijk.

Een manier om te zien hoe koortsachtig een nieuw technologisch segment wordt, is te kijken hoeveel bedrijven en startups een bedrijf hebben opgericht, met behulp van investeerders- of vacaturesites zoals AngelList. Op dit moment laat een zoekopdracht naar “e-mail AI” daar meer dan 600 bedrijven in de ruimte zien, en er zullen er meer volgen.

Met andere woorden, er zal uiteindelijk een AI-aanvulling zijn voor elk facet van je e-mailprogramma.  In de tussentijd? Het inzetten van de reeds bestaande AI-tools van vandaag biedt al veel potentieel voor het ontdekken hoe NLP en machine learning de manier kunnen verbeteren waarop je een ervaren marketingkanaal gebruikt dat nog altijd voorop loopt.