Impact Business-artikel oorspronkelijk gepubliceerd op: tenfold.com Toestemming voor publicatie door Ira Padilla.
We leven in spannende en innovatieve tijden met futuristische technologie letterlijk binnen handbereik. Maar voor de langste tijd werden kleine tot middelgrote bedrijven niet bediend door de nieuwste technologische trends waarvan ondernemingen hebben kunnen profiteren. Dat wil zeggen, tot nu toe.
In dit artikel onderzoeken we deze technologische trends en hoe ze in de toekomst van invloed zullen zijn op het bedrijfsleven.
Dus, wat voor soort dingen kan deze 'slimme' technologie doen? Slechts 4 maanden geleden slaagde een AI-machine erin om een wiskunde-examen op universitair niveau 12 keer sneller te voltooien dan de gemiddelde mens normaal gesproken nodig heeft. Hoe? Door de kunst van machine learning; waar computers leren en zich aanpassen door ervaring zonder expliciet te worden geprogrammeerd. Dat heeft gevolgen voor het bedrijfsleven.
Bovendien haalde Facebook eerder dit jaar de krantenkoppen toen hun chatbots hun eigen taal creëerden. Sommige Fake News-verhalen zeggen dat de ingenieur in paniek de stekker eruit trok nadat ze te slim werden. De waarheid is echter dat voor de doeleinden van Facebook de chatbots zich aan het Engels moesten houden in plaats van hun eigen steno te ontwikkelen. Hun machine learning-chatbots creëerden echter hun eigen taal buiten hun expliciete programmering om.
Wilt u direct uw klantervaring vergroten?
Dit zich ontwikkelende gebied van informatica is de toekomst voor dienstverlenende bedrijven en heeft nu al invloed op de manier waarop we vandaag leven en werken. Onderzoeksbureau Markets and Markets schat zelfs dat de markt voor machine learning zal groeien van $ 1.41 miljard in 2017 tot $ 8.81 miljard in 2022!
Dus zet u schrap, want deze technologische trends zullen van invloed zijn op het bedrijfsleven, van marketing tot operaties tot aan de salarisadministratie. Hier is hoe:
Marketing wordt slimmer met AI en machine learning
AI en sociale media marketing
In april 2017 voerde Salesforce een onderzoek uit onder marketingleiders wereldwijd, en de resultaten waren verbluffend. De respondenten zeiden dat ze de komende vijf jaar verbeteringen in efficiëntie en verbeteringen in personalisatie verwachten. Meer dan 60 procent van de marketeers overweegt AI om dynamische landingspagina's, websites, programmatic advertising en media-inkoop te creëren.
Waar mensen echter het meest enthousiast over waren, is de potentiële impact van AI op het luisteren naar sociale media en het koesteren van leads. In de niet zo verre toekomst zal AI steeds geavanceerder worden en een krachtig hulpmiddel voor social media marketing.
De belangrijkste manier waarop AI van invloed is op marketing, is door leads te koesteren via sociale media. Maar hoe? Door gepersonaliseerde, realtime contenttargeting die 20 procent meer verkoopkansen oplevert. Met gedragsgerichte methoden kan AI het nurture-proces lokaliseren en starten. Een marketingstack die AI-algoritmen gebruikt, kan bijvoorbeeld ontdekken dat een specifieke koper die op maandagochtend incheckt op LinkedIn, onlangs op zoek is gegaan naar een nieuwe CRM-tool. De software kan dan gerichte berichten voorstellen (of zelfs maken) die moeten worden gepubliceerd op de dagen en tijden dat ze ze zullen zien: een die hun eisen aan de software stelt en een ander vervolgartikel met een vergelijking van het CRM-ecosysteem.
Op dit moment beschikken slimme marketeers die social listening gebruiken als manier om leads te koesteren niet over de noodzakelijke verbetering van AI, dus het is tijdrovend, handmatig en niet in realtime. Dus hoe begin je je voor te bereiden op dit soort toekomstige contentmarketingdistributie?
Ten eerste moet u uw koperspersonages goed hebben gedefinieerd. Als u uw CRM goed onder de loep neemt, krijgt u talloze hints voor inhoud waarop gekwalificeerde leads zullen reageren. Door een stapje terug te doen en de inhoud van je kanaal te analyseren (zoals e-mails, telefoontjes en berichten op sociale media), krijg je de juiste inzichten die een lead ertoe zullen aanzetten de volgende stap te zetten naar de tweede fase van je verkooptrechter. Een C-Suite-manager kan bijvoorbeeld het beste reageren op datagestuurde whitepapers en infographics om hun interesses te benadrukken, terwijl een collega-marketeer misschien meer geschikt is voor een interactieve case-study of video.
De enige manier om dit soort inzichten te krijgen, is door een diepe duik te nemen in uw CRM-platform en een grondige beoordeling van klantgegevens uit te voeren - met behulp van semantische analyse om het niveau van koopintentie achter de woorden die uw gekwalificeerde prospects gebruiken te begrijpen.
Hot tip: nu beginnen met het uitvoeren van uw analyse en het ontwikkelen van sterke persona's is de sleutel tot het implementeren van AI-algoritmen op uw sociale media in 2018 en daarna.
Marketing en machinaal leren
Simpel gezegd, machine learning gaat over het begrijpen van data en statistieken. Het is een technisch proces waarbij computeralgoritmen patronen in gegevens vinden en vervolgens waarschijnlijke resultaten voorspellen - zoals wanneer uw e-mail bepaalt of een bepaald bericht spam is of niet, afhankelijk van woorden in de onderwerpregel, links in het bericht of patronen die in een lijst worden geïdentificeerd van ontvangers. Dit is een perfect voorbeeld van hoe machine learning kan worden toegepast in marketing om te optimaliseren voor succesvolle campagnes.
Bedrijven kunnen machine learning ook gebruiken om het juiste product op het juiste moment aan de juiste klant te verkopen. In 2018 zullen marketeers blijven vertrouwen op machine learning om de open rates van e-mail te begrijpen - zodat u precies weet wanneer u uw volgende campagne moet verzenden om de klikfrequenties en ROI te verhogen. Het volgende grote ding? Het klinkt misschien klein, maar het taggen en omleiden van tickets kan een enorme kostenpost zijn voor kleine bedrijven - kosten die kunnen worden bespaard met machine learning. Als een verkoopaanvraag automatisch bij het verkoopteam terechtkomt, of een klacht direct in de wachtrij van de klantenservice terechtkomt, gaat bedrijven veel tijd en geld besparen, en dit wordt allemaal mogelijk gemaakt met moderne technologie.
En hoewel het geweldig is om problemen in recordtijd op te lossen en succesvolle e-mailcampagnes af te leveren, is dit nog maar het begin. Dit is wat je nog meer kunt verwachten:
Machine learning kan retailresultaten verbeteren
Machine Learning (ML), een subcategorie van kunstmatige intelligentie (AI), kan in het begin verwarrend zijn voor veel eigenaren en managers van retailbedrijven. Maar als ze eenmaal leren wat het is, hoe het de winst kan opleveren en hoe het te gebruiken, wordt het een ander apparaat in het arsenaal van toenemende omzet en winst.
De bijgevoegde infografiek, Machine learning in de detailhandel, geeft een allesomvattend overzicht van het onderwerp. Het begint met eenvoudige uitleg over kunstmatige intelligentie en machine learning. In wezen is kunstmatige intelligentie de ontwikkeling van computersystemen die taken kunnen uitvoeren waarvan we doorgaans denken dat ze menselijke eigenschappen vereisen. AI-toepassingen gebruiken bijvoorbeeld visuele waarneming, spraakherkenning, taalvertaling en besluitvormingstools om problemen te analyseren en op te lossen, processen te versnellen en zelfs te leren.
Hoe werkt machine learning in de retailwereld? ML gebruikt wat bekend staat als voorspellende analysetechnologie, wat het gebruik van gegevens, algoritmen en machine learning-technieken is om voorspellingen te doen op basis van historische gegevens. In de detailhandel kunnen voorspellende analyses worden gebruikt om erachter te komen hoe klanten zullen reageren op verschillende marketing- en advertentiecampagnes en wat ze in de toekomst zullen kopen, om de relevante advertenties op klanten te richten en om aanbiedingen van gerelateerde producten te personaliseren die een aanvulling vormen op wat ze eerder kochten. Dit helpt retailbedrijven om huidige klanten te behouden en de verkoop te laten groeien.
ML gaat echter verder dan marketing. ML helpt retailers om processen te automatiseren, prijzen te bepalen, voorraden en voorraden te optimaliseren, een persoonlijkere winkelervaring te bieden en middelen te beheren. Het kan ook worden gebruikt om de kredietgeschiedenis van toekomstige klanten te analyseren om de kans te bepalen dat ze in gebreke blijven. ML kan worden gebruikt om fraude op te sporen en de logistieke efficiëntie te verhogen.
Het is waarschijnlijk dat er in de toekomst nog meer voordelen zullen worden gevonden. Is het niet tijd om te profiteren van alle gegevens die er nu zijn door op de ML-trein te springen?
E-commerce bereikt nieuwe hoogten
Je hebt op Amazon een nieuwe zonnebril gekocht en voordat je het weet, staat je Facebook-feed vol met meerdere brillenadvertenties en gerelateerde trends voor de zomer: dit is machine learning. In feite is dit voorbeeld van het analyseren van gegevens op basis van de aankoopgeschiedenis of het online winkelgedrag van een gebruiker de toekomst voor e-commerce.
Retailbedrijven houden ook bij op welke advertenties of afbeeldingen u het meest waarschijnlijk stopt met scrollen, om u te targeten met specifieke inhoud. Als u bijvoorbeeld altijd op advertenties klikt die gelukkige vrouwen en wat tekst bevatten, dan zal een machine dit als voorkeursinhoud registreren, zodat u alleen wordt getarget met advertenties die aan deze beschrijving voldoen. Machines kunnen ook bijhouden op welk tijdstip van de dag u het meest actief bent op Facebook, Instagram, Twitter en/of Pinterest, om deze advertenties op een optimaal koopmoment aan u te presenteren.
Wanneer het tijd is om te kopen, wordt machine learning toegepast om het risico op kredietfraude bij kleine bedrijven te verkleinen. Hoe? Machines leren van historische datasets die frauduleuze transacties bevatten en kunnen patronen identificeren die een typische frauduleuze transactie vertegenwoordigen - vergelijkbaar met de manier waarop spam-e-mails worden gedetecteerd en afgeschrikt. Machine learning zal ook andere delen van uw bedrijfstrechter gaan beïnvloeden, kijk maar eens naar de opkomst van chatbots.
Chatbots integreren
Er was een tijd dat chatbots op internet alleen werden gezien als door de mens veroorzaakte plagen, maar door machine learning worden ze slimmer en bedrijven omarmen ze massaal.
In 2018 en daarna zullen chatbots een sleutelrol spelen in de toekomst van klantenservice. Waarom? Chatbots kunnen helpen bij het bereiken van een snellere oplossing van de klantenservice en bieden een snelle geschiedenis van elke klant voor een onberispelijke klantenservice. Er zijn enkele belangrijke voordelen die chatbots hebben ten opzichte van uitsluitend menselijke interacties:
- 24/7 klantenservice bieden: De geweldige dingen van machines? Ze slapen niet! In combinatie met het feit dat chatbots geavanceerd genoeg worden om menselijke emoties zoals woede, verwarring, angst en vreugde te herkennen. Dus mocht een chatbot negatieve gevoelens van de klant tegenkomen, dan kunnen ze naadloos overgaan op een mens om het over te nemen en de klant verder te helpen.
- Het tijdperk van 'in de wacht staan' is voorbij: Een enorme belemmering voor het leveren van uitmuntende klantenservice zijn lange wachttijden. Hoe vaak heb je geprobeerd klantenservice te krijgen van Comcast (of een tv-/internetprovider) en raak je steeds meer gefrustreerd door de wachttijden? Dit kan allemaal worden geëlimineerd met chatbots!
- Snelle toegang tot klantgegevens maakt service persoonlijker: Een ding waar mensen nooit beter in zullen zijn dan chatbots, is het snel verwerken van klantgegevens en geschiedenis om context te bieden aan klantvragen. Chatbots blinken uit in het verzamelen van klantgegevens uit ondersteuningsinteracties. Ze kunnen dienen als virtuele assistenten die klantgegevens kunnen doorgeven aan uw klantenservicemedewerkers, zodat ze snel een volledige geschiedenis van elk account hebben. Ook al staan we aan het begin van de adoptie van chatbots, het lijdt geen twijfel dat deze technologie in 2018 een belangrijke bijdrage zal leveren aan zakelijk succes.
Deze opkomende tool voor bedrijven heeft al aanzienlijke steun van opinieleiders over de hele wereld. In werkelijkheid, Larry Kim, oprichter van Wordstream, is helemaal in op chatbots aangezien hij zijn eigen bedrijf is begonnen https://mobilemonkey.com/waar zijn bots momenteel in bèta zijn. Met deze stap zal het interessant zijn om te zien hoe bedrijven robots zullen gebruiken in andere aspecten van hun bedrijf. De laatste trend die we zullen onderzoeken, is automatisering en hoe dit bedrijven vandaag beïnvloedt.
Automatisering
Hoewel machine learning en AI hot topics zijn in de technische wereld, is het nog niet zo dat kleine tot middelgrote bedrijven er in de nabije toekomst gebruik van kunnen maken. Maar er is nog steeds hoop voor hen om het bedrijfsleven te beïnvloeden met automatisering. Aangedreven door de cloud, heeft dit type technologie al een revolutie teweeggebracht in de workflows en interacties van Marketing en Sales, maar het begint ook de verschillende andere delen van een bedrijf te raken. Bijvoorbeeld:
Operationele automatisering
Zodra je een belangrijke verkoop hebt gewonnen, moet je het product of de dienst leveren die je aan de klant hebt beloofd. Hoe ziet dat proces er nu voor de meeste bedrijven uit? Jullie zullen allemaal een kick-off meeting hebben en hopen alle beloftes die marketing en sales aan je klant hebben gedaan, waar te maken. Met het gebruik van operationele automatisering en een krachtige CRM kunt u echter de interacties lezen en alle verschillende contactpunten zien die een klant met uw bedrijf had voordat die kick-off call zelfs maar plaatsvond. Dit geeft alle dienstverlenende bedrijven een voorsprong bij het bieden van geweldige klantrelaties en het managen van verwachtingen. Deze categorie SaaS-producten wordt Service Operations Automation of kortweg ServOps genoemd.
Boekhoudautomatisering
Als er één afdeling is die veel gegevens moet invoeren, dan is het Boekhouding. Het probleem is dat we als mensen feilbaar zijn en veel langzamer bij het invoeren van gegevens dan een machine. Innovaties met bankfeeds, op regels gebaseerde categorisering en geïntegreerde betalingen hebben de werklast van administratief en boekhoudkundig personeel drastisch verminderd en hebben ondernemers sneller toegang gegeven tot nauwkeurige financiële informatie voor hun bedrijf. Onderzoek, gedaan door Xero, suggereert dat automatisering tegen 2020 een impact zal hebben op het bedrijfsleven en gemeengoed zal zijn in de boekhouding, en dat een aanzienlijk aantal financiële professionals het volgende niveau van analytische tools zullen gebruiken om hen te helpen waarde toe te voegen aan bedrijfsmodellen over de hele wereld.
Salaris/HR-automatisering
Ten slotte is de cloud en automatisering naar de sector Payroll en Human Resources gekomen. Deze belangrijke onderdelen van een bedrijf hebben te vaak te lijden onder het feit dat kleine bedrijven niet groot genoeg zijn om een fulltime HR-afdeling te betalen. Wat is het alternatief? Alleen parttime inspanningen van oprichters en opdrachtgevers hebben, wat vaak kan leiden tot ernstige risico's voor het bedrijf. Bijvoorbeeld, factoHR en Zenefits zal namens bedrijven automatisch formulieren indienen bij de federale belastingdienst. Met nieuwe automatiseringstechnologie wordt compliance geautomatiseerd door platforms en behoort de inspanning om verlofgoedkeuringen synchroon te houden met PTO-saldi en loonstroken tot het verleden.
Impact op zaken
In de nabije toekomst zullen we de opkomst zien van geweldige technologie, mogelijk gemaakt door de cloud, automatisering, AI en machine learning. Dit is echt het begin van het Gouden Tijdperk van Informatietechnologie en het is tijd voor bedrijven om hun organisaties onder de loep te nemen en manieren te vinden om te beginnen integratie van deze technische trends omdat ze van invloed zijn op het bedrijfsleven.
