De kans dat je in het dagelijks leven gebruik maakt van artificial intelligence (AI) is behoorlijk groot. Gebruik je af en toe Siri? Zie je weleens suggesties voorbijkomen op Netflix? Of chat je soms met een chatbot? Het zijn allemaal toepassingen van AI. Steeds meer bedrijven zijn zich er van bewust dat zij iets met AI moeten om de concurrentie een stap voor te blijven. Dat geldt ook voor marketing. In mijn optiek zijn er twee AI-subcategorieën die daar op dit moment de toon zetten: machine learning en deep learning.

Booking.com maakt de pilotversie van haar AI-chatbot wereldwijd beschikbaar voor Engelstalige boekingen. De zogeheten Booking Assistant is te vinden in de eigen kanalen van Booking.com en op Facebook Messenger.

Inmiddels zijn er tienduizenden chatbots te vinden. In veel markten is de techniek al omarmd, en niet zonder reden. Chatbots bieden 24/7 klantenservice en antwoorden supersnel op vragen. Met name Millennials, van nature zeer ongeduldig als het om brand engagement gaat, hebben zeer hoge verwachtingen. Ruim 22% verwacht binnen 10 minuten een reactie wanneer zij via social media contact opnemen met een bedrijf. Zeker 52% van deze gebruikers laat het online winkelmandje achter wanneer er niet snel een antwoord gevonden kan worden.

In dit tweede deel uit een vijfdelige alomvattende serie over AI zullen we de volgende fundamentele AI-technieken gaan bespreken: Heuristics, Support Vector Machines, neurale netwerken, Markov beslissingsproces en natuurlijke taalverwerking.

Er is altijd wel een aantal verschillende high-level klantsegmenten te benoemen die relevant zijn voor een bedrijf. Om er maar een paar te noemen: er zijn altijd trouwe klanten, klanten die structureel op jacht zijn naar de beste deals en klanten die een lange tijd niet actief zijn geweest. Hoewel we weten dat deze typen klanten bestaan, weten we niet wie deze klanten zijn op individueel niveau. Wie zijn onze trouwe klanten? En nog belangrijker, hoeveel high-level klantsegmenten bestaan er voor onze business? We kunnen deze vragen voorzien van een antwoord door data op een slimme manier te gebruiken. Om iets preciezer te zijn: door een clusteringtechniek te combineren met het RFM-model.

Het gedrag van consumenten is enorm geëvolueerd de laatste decennia. Vroeger volstond een verzorgde website of logo om op te […]

Data niet alleen gebruiken om historische trends te signaleren, maar ook om de toekomst te voorspellen. Met predictive analytics kan dit. Lees hier hoe je slim start en deze vorm van machine learning in je marketingmix inpast.