Yapay Zeka Destekli Pazarlama ile Hiper Kişiselleştirme

Jake Burns:
Başlarken bize biraz kullandığınız teknoloji yığınından bahsedebilirsiniz? Şu aralar konuştuğum birçok müşteri yapay zekayı ve üretici yapay zekayı kullanmaya başlamak istiyor ve birçoğu nereden başlayacaklarını hiç bilmiyor. Yani onlara ne gibi tavsiyelerde bulunursunuz?

Vijay Chittoor:
Bence ilk olarak, özellikle alanımızda yapay zekanın doğasını düşünürsek, her şeyden önce büyük miktarda veriye sahip olmak gerekir. Bizim durumumuzda, verilerin tamamı tüketicilerin birinci taraf verileri olup marka düzeyinde düzenlenir. Esasen müşterilerimizin her birinin büyük bir veri deposu var. Bunu tarihi boyunca takip etmiş veya etmemiş olabilirler ancak Blueshift ile bu veri birleştirme yolculuğuna başlamalarını kolaylaştırıyoruz. Çoğu zaman kendi deneyiminizde bunu yapay zekaya doğru ilerlemenin temel adımlarından biri olduğunu düşündüğünüzden de eminim. Bu yüzden bence ilk adım, gerçekten o zengin verilerin iyi organize edilmesini sağlamak, bunu gerçek zamanlı olarak yakalayabilmek, bu verileri birleştirebilmekle ilgili. İkincisi ise, bu yapay zeka yolculuğuna başlayan herkese verdiğimiz tavsiyelerde, gerçekten önce son müşteriyi düşünmek geliyor.

Bizim durumumuzda, müşteri için, son tüketiciye kişiselleştirilmiş etkileşimler sunarken yapay zekayı nasıl kullanabileceğinizi gerçekten düşünüyoruz. Bizim için bu yoğunlukla müşteri yapay zekasını düşünmek anlamına geliyor. Müşteri yapay zekasında ise bu esasen müşteri verilerini, yani bahsettiğimiz birinci taraf verilerini almak ve bunu müşteriyle iletişim kurmak için kim, ne, ne zaman ve nerede ve nasıl bilgilerine dönüştürmek demek. Bu nedenle, genellikle çok manuel olan ve yapay zeka tarafından yönlendirilmeyen geleneksel pazarlamada, belirli bir kampanya için kimi hedefleyeceğiniz, onlara ne teklifler göstereceğiniz, müşteriye ne zaman ulaşacağınız ve hangi kanalla veya onlarla nerede etkileşim kurmanız gerektiği konusunda düz kararlar vermeye başlarsınız. Yapay zeka olmayan bir dünyadaki uygulamalarda bu kararları manuel olarak verirken, biraz fazla basitleştiriyorsunuz ve bir grup müşteriyi bir araya getiriyorsunuz ve şunu söylemeye çalışıyorsunuz: Peki, tüm bu segmenti, tek bir teklifle hedefleyelim.

Ancak gerçekte insanlar, son tüketiciler benzersiz bireyler ve buna farklı tepki vermeleri gerekir. Yapay zekanın burada gerçekten iyi yaptığı şey şu: İnsan pazarı o anda uyurken bile kararı bireysel bir müşteri düzeyinde verebiliyor ve böyle milyonlarca karar alabiliyor. Yapay zekanın bu tür bir karar verme motoru olup size bu tür karar verme gücü, kişiselleştirme gücü verdiğini düşünüyorum. Bu nedenle, insanlara yapay zeka yolculuğuna nasıl ulaşacakları konusunda tavsiye olarak şunu söyleyebilirim: Bu verileri organize ederek başlayın. İkincisi, önce müşteriyi, kullanım örneklerini düşünün ancak daha sonra yapay zekanın avantajından yararlanın. Büyük ölçekte karar verebilme, bir bireye göre kişiselleştirebilme avantajından. Son müşteri deneyiminizi de bu unsurları göz önünde bulundurarak dönüştürün.

Jake Burns:
Kesinlikle! Çok iyi bir noktaya değindiniz. Gerçekten deneyimi kişiselleştirmek söz konusu. Manuel bir süreç olduğunda, 24 saat çalışıyor olsa bile herhangi bir insan için bunu yapabilmek çok zahmetli olurdu, değil mi?

Vijay Chittoor:
Aynen öyle. Evet.

Jake Burns:
AI'da ise muhtemelen daha çok doğru karar veriyor çünkü daha farklı veri noktaları için daha fazla çizim kullanıyor.

Vijay Chittoor:
Aynen öyle. Bence önemli bir konuya değindiniz. Son müşteri yolculuğunu düşünüyorsunuz. Birçok insan, pek çok farklı temas noktasının ortaya çıktığı günümüzün dijital dünyasında müşteri yolculuklarının nasıl çok daha karmaşık hale geldiğinden bahsediyor. Bu karmaşıklık nedeniyle, müşteri yolculuğunda milyonlarca permütasyon var. Bence bugünün müşteri katılımı sorunu, bazı açılardan, her müşterinin kendi kendine yönlendirdiği yolculuğunu beslemekle ilgili çünkü her müşterinin marka ile otomatik bir yolculuğu olur. Yani, her bireyin yaptığı yolculuğu nasıl fark edeceksiniz? O anda onlara nasıl yardımcı olabilirsiniz ve bunu büyük ölçekte nasıl yapabilirsiniz? Burada yapay zeka devreye giriyor ve herkese yardım ediyor. Pazarlamacıları düşünün. Ben pazarlamacıların çok iyi hikaye anlatıcıları olduklarını düşünüyorum. Ancak bugünün zorluğu, hikayenin özünü alıp tüm bu farklı yansıtılan yolculuklarda kişiselleştirmek. Pazarlamacıların yapay zeka ile gerçekten iyi iş birliği yapabildiklerini düşünüyorum. Çok güçlü bir ortaklık kurdular.

Jake Burns:
Kulağa harika geliyor. Şunu sorayım: Tüm bunlarda insanların rolü nedir?

Vijay Chittoor:
Bence tüm bunların arkasındaki temel yaratıcı unsur, insanlar. Tüm bunların arkasında stratejik itici güçler de var. Birçok otomasyon teknolojisinde, otomasyon teknolojisinin ilk dalgasının, esasen, insanların daha stratejik ve daha yaratıcı olmalarını zorlaştırdığını düşünüyorum çünkü bu otomasyonun çoğu şartlara bağlıydı. Kural tabanlı otomasyondu.

Ve çoğu zaman işletmedeki pazarlamacılar ve diğer departmanlar çok fazla düğmeye basarak yaratıcılığı ve stratejik düşünceyi işlerinden uzaklaştırdı. Bence, bu tür düğmelere basmak zorunda kalmayacağınız gerçek otomasyonu harekete geçiren yeni bir yapay zeka yönteminde ise aslında stratejik değer ve yaratıcılık sunmaya daha fazla zorlanıyorsunuz ve daha fazla güçleniyorsunuz. Artık son müşterilerinize anlatmak istediğiniz hikayeleri gerçekten düşünebilir ve teknolojiyi bunları geniş ölçekte sunmak için bir asistan olarak kullanabilirsiniz. Bazı cephelerde teknolojinize karşı savaşarak boğulmazsınız.. Yani bu anlamda, AI birçok insanın potansiyelini ortaya çıkardı ve bu konuda çok heyecanlıyız.

Jake Burns:
Yani insanı tamamen değiştirmekten çok, bir ortak yaratıcı ilişkisi.

Vijay Chittoor:
Aynen öyle. Ortak yaratıcı benzetmesini açarsak, bazen herkesin editör olması fikri üzerine konuşuyoruz. Şu anda yazıyla uğraşan insanların ilk taslakları hızlı bir şekilde alıp düzenlemeler için daha fazla zaman ayırabilmesinden. Ama daha stratejik bir seviyede, insanların işi hakkında düşünmeye başlıyorsunuz. Bence her departmanda, her tür roldekiler, o editör seviyesine yükselecek ve belki de ilk taslakları ve ilk paragrafları çıkarma gibi angarya işlerle uğraşmaları gerekmeyecek veya bunlarla daha az uğraşacaklar.

Jake Burns:
Farklılaşmamış eserlerle daha az uğraşıp daha fazla kişiselleştirme ve son dokunuşları yapacaklar.

Vijay Chittoor:
Aynen öyle.

Jake Burns:
Evet. Öyleyse böyle bir şirket kurmak için gereken becerilerden bahsedelim çünkü birlikte çalıştığım şirketlerin çoğu yapay zeka ile çalışmak istiyor. Bununla birlikte, günümüzde veri bilimcilerini ve yapay zeka alanında çalışan kişileri bulup işe almak çok zor olduğu için bu bulunması çok zor bir beceri. Çok değerliler. Peki, bu yeteneği işe alma ve kuruluşunuza katma konusunda nasıl bir yaklaşımınız vardı?

Vijay Chittoor:
Bu harika bir soru. Bence bu kısmen doğru kişiyi işe almak, kısmen de doğru kültürü oluşturmaktan ibaret. İşe alım açısından, şirkette yapay zeka yeteneğine sahip olduğumuz için ilk günden beri şanslı olduğumuzu düşünüyorum. Kurucu ortağım Manyam, Baş Yapay Zeka Sorumlumuz olarak görev yapıyor ve daha AI bu kadar popüler değilken bile çok etkileyici işler yaptı. Bu yüzden işe böyle biriyle başlayıp ekibin temelini doğru şekilde atmak bence muhteşem. Yani doğru becerileri ve yeteneği aramak kesinlikle çok önemli ama kültürün de aynı şekilde önemli olduğunu düşünüyorum. Dolayısıyla, tüm şirket için doğru çerçeveyi belirlemelisiniz. Yani sadece makine öğrenimi ve yapay zeka mühendisleri değil, tüm şirket bu teknolojilerden yararlanabilmeli, onları müşterilere götürebilmeli ve müşterileri başarılı kılabilmeli.

Yani kültür söz konusu olduğunda, Blueshift'te beş temel kültür değerinden bahsediyoruz. Bu beş değerin [İngilizce ifadelerindeki] ilk harfleri "MORPH" kelimesini oluşturur. İlk harf olan M, yeni hatalar yapmak demektir. Ve bu biraz şaşırtıcı bir değer çünkü neden birinden hata yapmasını isteyelim, diye düşünebiliriz. Ancak kilit kısım yeni hatalar yapmaktır. Bu hızlı öğrenme, bir şeyler deneyebilme, aynı zamanda sürekli öğrenme kültürü ile merak ve öğrenme unsuruna sahip olma ile ilgilidir. Bununla başlıyoruz çünkü bence bu çok kritik. Özellikle de yapay zeka gibi yeni teknolojilerde. İkinci olarak, müşteri başarısına takıntılı olmaktan bahsediyoruz. Yani MORPH'deki O harfi. Bunda da bence teknolojinin gerçekten değerli olması için, son müşteriyi mutlaka aklınızda bulundurmanız gerekir.

Buna odaklanınca, ister teknoloji ekiplerimiz veya pazarlama isterse satış ve müşteri başarı ekibimiz olsun, herkes bu müşteri başarısını takıntılı hale getiriyor. R, çıtayı yükseltmek anlamına gelir. Bu yüzden kendimizi geliştirip müşterilerimize sunabileceğimiz en iyi yeniliğin ne olduğunu gerçekten düşünmek için kendimize meydan okuyoruz. Bu da çıtayı yükseltmek demek. Dördüncü harf olan P, ekipte hep birlikte hareket etmek anlamına gelir. Müşterilerimizi başarılı kılmak için bu yeniliğin çoğunu, bunu geliştiren insanlardan başlayarak müşterilerle karşılaşan ön saflar ekiplerine kadar vb. tüm şirket genelinde hep birlikte hareket etmek oluşturur. Son harf olan H, eğlenmek demektir, gerçek anlamda. Bu, tüm bu çalışmaların zor olacağını kabul etsek de işe gelmeyi herkes için keyifli hale getireceğimiz ve bunu inşa ederken varış noktasına bakarken aldıkları keyfi yolculukta alarak eğlenebilecekleri bir kültür yaratacağımız anlamına gelir.

Jake Burns:
Daha önce söz ettiğiniz, M harfi ve hata yapma fikri sanırım bazı insanlara korkutucu gelebilir. Bu hataların felakete dönüşmemesi için başarısızlığın maliyetini düşürdüğünüzden nasıl emin olabiliyorsunuz?

Vijay Chittoor:
Evet, bence bu kesinlikle önemli. Hata yapmak derken yeni hatalar yapmaktan bahsediyoruz ve bu daha çok şirket içindeki öğrenme kültürüne vurgu yapıyor. Ama aynı şekilde, müşteri başarımızı takıntılı hale getirmekten de bahsediyoruz. Müşteriler için hizmet verdiğimiz ve görev açısından kritik olan birçok kullanım örneği var. Müşteri başarımızı takıntılı hale getirme fikrine dayandığımız için, misyon açısından kritik olan her şeyi çok, çok ciddiye almalısınız. Hata yapmak istediğiniz yer, orası değil.

Ancak geliştikçe perde arkasında gerçekleşebilecek olan bu, yeniliği dengeleme süreci. Daha sonra ise nihai geliştirilen ürünü müşteri başarısı takıntısı için gerçekten çıtayı karşılayan bir biçimde ele alıyoruz. Uğruna çabalamamız gereken iki şey bunlar. Ve noktada, Amazon gibi muhteşem şirketlerle ortaklık yapmanın harika olduğunu düşünüyorum çünkü altyapımızın çoğunda Amazon'a güveniyoruz. Güvenilir olması, performans göstermesi gerekiyor, düşük gecikmeye sahip olması gerekiyor. Bunların hepsi olmalı. Müşterilerimize ürün sunmayı ve bu müşteri başarısını takıntılı hale getirmeyi düşündüğümüzde ise benimsediğimiz zihniyet bu.

Prototip oluştururken, kurum için bir şeyler inşa ederken, hızlı bir şekilde hata yapmak istersiniz. Herkesin deneme yapmak istediği bir kültüre sahip olmak istiyoruz ama aynı zamanda hata yapmanın uygun olmadığı zamanın farkında olunan ve müşteri başarımızı takıntılı hale getiren ve son müşteriye karşı sorumluluğumuzu çok ciddiye aldığımızdan emin olunan bir kültürümüz olsun istiyoruz.

Jake Burns:
Yolculuğunuz boyunca karşılaştığınız zorluklar oldu mu? Olduysa bunları nasıl aştınız?

Vijay Chittoor:
Bu harika bir soru. Bence bu yenilikçi teknolojinin bir kısmını piyasaya sürerken, zaman içinde özellikle yapay zeka ekseninde ele aldığımız birkaç ilginç zorluk oldu. İlki, yapay zekayı güvenilir ve açıklanabilir hale getirmek çünkü kurumsal durumlarda kullanılıyor. Müşterilerimiz, son tüketiciye sundukları deneyimin markalarıyla tutarlı olduğundan ve sorunsuz bir kişiselleştirilmiş katma değerli etkileşim olduğundan emin olmak istiyorlar. İşletmeye yapay zekanın tüm bu kararları verdiğini söylerken, müşteri deneyimi ekibini, pazarlama ekibini, yapay zekanın doğru kararları verdiğine ikna etmeniz gerekiyor çünkü her birini manuel olarak, her birine bakarak denetleyemezler. Zaten bu, amacına da ters. Bu zorluğu çözmeye çalıştığımız yollar aklıma geliyor ve bence şu anda bu konuda çok başarılıyız. Yani yapay zekayı birden çok düzeyde açıklanabilir hale getirme konusunda.

Örneğin teknik alan dışı bir pazarlamacının Blueshift platformuna girmesini ve yapay zekanın dağıtılmadan önce etkilerini anlayabilmesini sağlamak için. Anlaşılması için, yapay zekanın tüm farklı parametrelerini tam olarak takip etmeyen birinin, modelin kendisinin yüksek güven düzeyinde olup olmadığını anlayarak, modellemeye giren verilerin doğasını, çıkarılan ve kullanılan özellikleri anlayarak yapay zekayı da yeterince anlayabileceği bir kullanıcı arayüzü oluşturuyoruz. Örneğin bu yapay zekanın belirli bir segmentteki varsayımsal bir müşteri için nasıl karar verdiğini açıklayan kullanıcı arayüzleri. Tüm bunları uygulamalarımızın kullanıcı arayüzüne yerleştirmenin, bu yapay zekayı güvenle dağıtabilmek için önemli bir şey olduğunu düşünüyorum. Yapay zeka teknolojilerini pazara taşıyan herkesi de insanların bu yapay zeka ile nerede işbirliği yapabilmesini istediklerini düşünmeye davet ediyorum. Başarılı bir şekilde işbirliği yapabilmeleri için yapay zekanın açıklanabilir, sezgisel ve yorumlanabilir olması gerekir.

Jake Burns:
Yani başka bir deyişle, AI bir cevap verecek ancak bu cevaba nasıl ulaştığını açıklaması gerekiyor.

Vijay Chittoor:
Büyük ölçüde evet ya da bu cevap o kadar sezgisel olmalı ki doğru gelmeli ve milyonlarca karara bakmadan, son müşteri açısından doğru şeyleri yaptığına ikna olabilmeniz için yeterli kanıt olmalı.

Jake Burns:
Herkes geleceğin ne getireceğini bilmek ister, değil mi? Yani, kimsenin kristal küresi yok ancak iki, üç yıl sonrasına dair tahminde bulunacak olsanız yapay zekanın ve belki daha spesifik olarak üretici yapay zekanın müşteri deneyimini nasıl şekillendireceğini düşünüyorsunuz?

Vijay Chittoor:
Bu harika bir soru. Üretici yapay zekanın son birkaç aydaki ilk dalgasına baktığınızda, üretici yapay zeka hakkında çok şey duyuyoruz ve herkes bunun tüm dünyayı kasıp kavurduğundan bahsediyor. Gen AI için ilk kullanım örneklerinin çoğu, içerik oluşturmak ve gittikçe daha fazla varyasyon oluşturmak ve karmaşıklığı, yeni içerik oluşturma süresini azaltabilmekle ilgili. Sizin de değindiğiniz gibi, müşteri deneyimi sunmaya çalışan ekiplerin müşteri deneyimi dünyasını tarihsel olarak düşünürseniz her etkileşimi kişiselleştirmek amacıyla doğru içeriği üretmede büyük bir içerik darboğazı var. Milyonlarca kişiselleştirilmiş etkileşim için milyonlarca içerik parçasını nasıl oluşturursunuz? Gen AI'nın yaptığı ilk şey, aynı içeriğin birçok varyasyonunda içerik oluşturmadaki darboğazı ortadan kaldırmak veya en azından azaltmaktır.

Ancak bundan sonra nereye gideceği, gerçek kişiselleştirmeyi sağlamak üzere bu Gen AI'yı müşteri yapay zekası dediğimiz şeyle birleştirmeye bağlı. Müşteri yapay zekası ise her bireyin ne istediğini veya her bireye hangi içerik varyasyonunun hitap edebileceğini gerçekten tahmin edecek. Gen AI, tüm bu içeriği gerçek zamanlı veya neredeyse gerçek zamanlı olarak oluşturup kullanılabilir hale getirebilir. Bunun basit örnekleri arasında bir markanın SMS yoluyla gönderdiği promosyonları sayabiliriz. AI, promosyonunun her müşteri için farklı olmasını sağlar. Buna, yalnızca üretici yapay zekanın manipüle etmesi kolay olan duygu ve benzeri şeyler değil, aynı zamanda müşterinin hangi teklifle ilgilendiğini gerçekten anlayan müşteri yapay zekası da katkıda bulunur. Bu iki unsuru bir araya getirdiğinizde, bunun bizi kişiselleştirmenin kutsal kasesinde bir sonraki seviyeye çıkaracağını düşünüyoruz. Gen AI ve müşteri yapay zekasının harika müşteri deneyimleri sunmak için bir araya geldiği bu gelecek için çok heyecanlıyız.

Jake Burns:
Uzun süredir bu alanda olan biri olarak, belki de yapay zeka yolculuklarının başlangıcında olan insanlara tavsiyeniz var mı? Daha yeni başlayan bir sürü insan var. Sizce dikkate almaları gereken en önemli şeyler neler?

Vijay Chittoor:
Şirketlerde çok fazla gizli potansiyel var. Çok fazla gizli bilgi var, son tüketicilere değer sunmak için kullanılabilecek birçok gizli veri var. Peki, tüm bunların değerini nasıl açığa çıkarırsınız? Geleneksel olarak markaların insan odaklı çalışmalarla başladığını düşünüyorum. Daha sonra, değerin kilidini açmaya başlamak için bazı teknolojileri kullanmak üzere biraz dijital dönüşüm yaptılar.

Yapay zeka ile ise, kuruluştaki herkes artık bu dönüşümsel değeri son müşterilere sunabiliyor. Buradan düşünmeye başladığınızda, önce her şeyi yapay zeka ile oluşturmak zorunda kalsaydınız tüm stratejinizi, süreçlerinizi nasıl yeniden yapacağınızı düşünmeye başlıyorsunuz ve bunların bir kısmı için süreçlerin yeniden icat edilmesi gerekir.

Jake Burns:
Evet. Bir şeyden bahsettiniz. Sanırım bu teknolojinin demokratikleşmesine atıfta bulundunuz, değil mi? AI'yı kuruluşunuzdaki tüm kişilerin veya kuruluşunuzdaki daha fazla kişinin eline vermekten. Ayrıca anladığım kadarıyla, zaten sahip olduğunuz ve büyük ölçüde kullanılmamış olan verileri alıp bu teknolojiyi kullanarak bu verilerdeki öngörüleri ortaya çıkarmaktan.

Vijay Chittoor:
Aynen öyle. Evet, öyle. Demokratikleşme. Çünkü bu teknoloji, teknik alan dışı kullanıcıların onu kullanabileceği bir noktaya kadar olgunlaşıyor. Bu, birçok işletmede büyük ölçekte gerçekleştiği için, muazzam kurumsal değerin kilidini açıyor. Dolayısıyla, bu teknolojiyi müşteriyle uğraşan ekiplere, şirketinizdeki diğer birçok teknik alan dışı fonksiyona açarak büyümeniz için en büyük itici güç olabileceğini düşünmek, ölçeklendirmenin anahtarı olacaktır.