El advenimiento de nuevos algoritmos, un procesamiento más rápido y conjuntos de datos masivos basados en la nube hace que sea posible para todos los principales proveedores de medios digitales. Venden publicidad para experimentar con inteligencia artificial para ayudar a impulsar un mejor rendimiento para sus anunciantes. Y si bien todas las áreas de marketing están particularmente maduras para la transformación, me centraré en las áreas de adquisición de nuevos clientes y crecimiento de los ingresos porque ahí es donde la mayoría de las nuevas empresas suelen gastar la mayor cantidad de dinero discrecional. Estas áreas, denominadas colectivamente Adquisición de clientes 3.0, tienen el impacto más significativo en el crecimiento de escala de su negocio y el poder de desbloquear futuras rondas de financiación. Nuevas dimensiones para la escala y el aprendizaje Primero, definamos rápidamente Adquisición de clientes 1.0 como la fase de datos de clientes en silos que viven en diferentes servidores físicos que dieron como resultado esfuerzos de adquisición de usuarios pagados con datos deficientes sin una confianza total en su desempeño. Customer Acquisition 2.0 es la capacidad de aprovechar la nube y las capacidades de procesamiento de datos para integrar todos los datos de sus clientes de múltiples fuentes en una plataforma unificada de datos de clientes. Con esto, puede compartir buenos datos para aprovechar las capacidades individuales de IA y la automatización de los principales socios publicitarios que se ejecutan en silos como Facebook, Google, Snapchat y otros para ayudarlo a optimizar mejor su presupuesto para alcanzar sus objetivos de rendimiento. Esto nos lleva a lo que yo llamo el mundo de Adquisición de Clientes 3.0; La escala ya no representará solo el valor tradicional de lograr el liderazgo en costos y optimizar la provisión de una oferta estable. En cambio, la escala creará valor de nuevas formas a través de múltiples dimensiones: escala en la cantidad de datos relevantes que las empresas pueden generar y acceder, escala en la cantidad de aprendizaje que se puede extraer de estos datos, escala para disminuir los riesgos de experimentación, escala en el tamaño y el valor de los ecosistemas colaborativos, la escala en la cantidad de nuevas ideas que pueden generar como resultado de estos factores, y la escala en la amortiguación de los riesgos de impactos imprevistos. El aprendizaje siempre ha sido importante en los negocios. Como , las empresas generalmente pueden reducir sus costos marginales de producción a un ritmo predecible a medida que crece su experiencia acumulada. Pero en los modelos de aprendizaje tradicionales, el conocimiento que importa (aprender cómo hacer un producto o ejecutar un proceso de manera más eficiente) es estático y duradero. Será necesario desarrollar capacidades organizativas para el aprendizaje dinámico: aprender a hacer cosas nuevas y "aprender a aprender" aprovechando la nueva tecnología y los vastos conjuntos de datos. observó Bruce Henderson hace más de 50 años Hoy, la inteligencia artificial, los sensores y las plataformas digitales ya han aumentado la oportunidad de aprender de manera más efectiva, pero según BCG, competir en la tasa de aprendizaje se convertirá en una necesidad en la década de 2020. El entorno empresarial dinámico e incierto requerirá que las empresas se centren más en el descubrimiento y la adaptación en lugar de solo en la previsión y la planificación. Las empresas adoptarán y expandirán cada vez más su uso de la IA, elevando el nivel competitivo para el aprendizaje. Y los beneficios generarán un efecto de "volante de datos": las empresas que aprenden más rápido tendrán mejores ofertas, atrayendo a más clientes y datos, aumentando aún más su capacidad de aprendizaje. Sin embargo, existe una enorme brecha entre el desafío tradicional de aprender a mejorar un proceso estático y el nuevo imperativo de aprender cosas nuevas en toda la organización continuamente. Por lo tanto, competir con éxito en el aprendizaje requerirá más que simplemente conectar la IA a los procesos y estructuras actuales. En cambio, las empresas deberán: Seguir una agenda digital que abarque todos los modos de tecnología relevantes para el aprendizaje, incluidos sensores, plataformas, algoritmos, datos y toma de decisiones automatizada. Conéctelos en arquitecturas de aprendizaje integradas que puedan aprender a la velocidad de los datos, en lugar de estar limitados por una toma de decisiones jerárquica más lenta. Desarrolle modelos comerciales que puedan crear y actuar en base a información dinámica y personalizada de los clientes Nunca antes los especialistas en marketing habían tenido acceso a más datos de clientes. Los datos propios que recopilan las empresas con los perfiles de usuario pueden ir más allá del nombre básico y los datos demográficos y pueden incluir puntos de datos enriquecidos posteriores sobre participación, retención, monetización y mucho más; las empresas pueden usar esto para crear segmentos de usuarios significativos para campañas de prospección y reorientación para equipos de crecimiento. La ingesta y el procesamiento de todos estos datos propios de las marcas superpuestos a los datos de usuarios enriquecidos permite a estos socios de medios realizar modelos y análisis sofisticados con aprendizaje automático que no era posible incluso hace unos años. Esto da como resultado una mejor orientación con nuevos conocimientos y análisis de datos. Si todavía está optimizando manualmente las campañas de la misma manera que se hizo hace media década, es posible que se encuentre entre una raza que desaparece rápidamente en el juego de adquisición de clientes. Es probable que cualquier proceso manual sea mucho menos efectivo y mucho más propenso a errores humanos que las nuevas soluciones que surgen rápidamente para atacar las ineficiencias. El futuro de Customer Acquisition 3.0 descansa sobre el hombro de las máquinas inteligentes, orquestando campañas complejas a lo largo y entre las plataformas de marketing clave, asignando presupuestos dinámicamente, eliminando creatividades, revelando ideas y tomando acciones de forma autónoma. Estas máquinas tienen el potencial de impulsar un rendimiento excepcional con un equipo Lean mucho más eficiente, un enfoque de gestión de no intervención impulsado por inteligencia artificial. Sobre el Autor es un líder con visión de futuro con 20 años de experiencia ayudando a las empresas emergentes a convertirse en negocios exitosos. Lomit ha desempeñado un papel fundamental en la ampliación del crecimiento de las nuevas empresas, incluidas Roku (IPO), TrustedID (adquirida por Equifax), Texture (adquirida por Apple) e IMVU (la aplicación de juegos n.º 2 con mayor recaudación). Lomit es un orador público, autor y asesor, con numerosos elogios y premios a lo largo de su carrera, incluido el reconocimiento como Mobile Hero por Liftoff. El libro de Lomit es parte de la serie "The Lean Startup" de mayor venta de Eric Ries. Lomit Patel Lean AI
