Δύο οπτικές πάνω στο ίδιο ερώτημα. Ένας μαθηματικός που δουλεύει με μοντέλα και δεδομένα και μια marketer που δουλεύει με ανθρώπους, ROI και αποτελέσματα. Και οι δύο συμφωνούν σε ένα πράγμα. Το ΑΙ βοηθάει αλλά δεν αποφασίζει.
Τι μπορεί πραγματικά να προβλέψει το ΑΙ
Το ΑΙ δεν μαντεύει το μέλλον. Βλέπει τι έχει συμβεί στο παρελθόν και υπολογίζει τι είναι πιθανό να συμβεί ξανά.
Αν έχετε ιστορικό καμπανιών με σταθερό κοινό το ΑΙ μπορεί να δώσει καλές εκτιμήσεις για πράγματα όπως το κόστος ανά κλικ, το ποσοστό μετατροπής ή το αναμενόμενο ROI. Αυτό είναι πολύτιμο γιατί βοηθάει να βάλετε ρεαλιστικούς στόχους πριν ξεκινήσει μια καμπάνια.
Αυτό που δεν μπορεί να κάνει είναι να σας πει αν μια ιδέα θα αγγίξει το κοινό συναισθηματικά ή αν ένα μήνυμα θα ξεχωρίσει. Αυτά δεν είναι θέμα αριθμών. Είναι θέμα ανθρώπινης αντίδρασης και αυτή δεν προβλέπεται εύκολα.
Τι λένε τα δεδομένα και πού σταματούν
Regression Analysis (Ανάλυση Παλινδρόμησης) είναι μια στατιστική μέθοδος που εξετάζει τη σχέση ανάμεσα σε μία μεταβλητή αποτελέσματος (που θέλουμε να προβλέψουμε) και σε έναν ή περισσότερους προσδιοριστικούς παράγοντες, που μπορεί να την επηρεάζουν. Για παράδειγμα, μπορεί να χρησιμοποιηθεί για να εκτιμήσουμε πώς συνδέεται το ύψος του budget με τον αριθμό των leads ή των πωλήσεων.
Με βάση τέτοιες σχέσεις, τα εργαλεία πρόβλεψης αξιοποιούν τα δεδομένα του παρελθόντος για να εκτιμήσουν την πιθανή απόδοση μιας καμπάνιας. Δεν προσφέρουν όμως βεβαιότητα. Το αποτέλεσμα δεν πρέπει να αντιμετωπίζεται ως ένας μοναδικός, απόλυτος αριθμός, αλλά ως ένα εύρος πιθανών τιμών.
Επομένως, ένα μοντέλο μπορεί να δείξει ότι μια καμπάνια έχει αυξημένες πιθανότητες να αποδώσει καλά, χωρίς να εγγυάται ότι αυτό θα συμβεί. Όσο πιο καινούργια είναι η ιδέα, όσο περισσότερο βασίζεται στη δημιουργικότητα ή όσο ταχύτερα μεταβάλλονται η αγορά και η συμπεριφορά του κοινού, τόσο μεγαλύτερη γίνεται η αβεβαιότητα της πρόβλεψης.
Εδώ μπαίνει η marketer. KPIs (Key Performance Indicators) είναι οι συγκεκριμένοι δείκτες με τους οποίους μετράμε αν μια καμπάνια πετυχαίνει τον στόχο της, όπως το κόστος ανά lead, το ποσοστό μετατροπής ή το ROI. Τα νούμερα δείχνουν το τι αλλά όχι πάντα το γιατί. Μια καμπάνια μπορεί να πέτυχε λόγω της ιδέας, της χρονικής στιγμής ή απλά της τύχης. Το να ξέρεις να διαβάζεις αυτή τη διαφορά είναι εμπειρία και όχι στατιστική.
Πού σταματά η στατιστική και αρχίζει η στρατηγική
Το ΑΙ μπορεί να μειώσει την αβεβαιότητα αλλά δεν μπορεί να την εξαφανίσει. Δίνει καλύτερο σημείο εκκίνησης, όχι εγγύηση επιτυχίας. Η στρατηγική είναι εκεί που ένας άνθρωπος παίρνει τα δεδομένα και προσθέτει κρίση, εμπειρία και γνώση της αγοράς.
3 πρακτικά tips για σωστές αποφάσεις
1. Σκέψου σαν μαθηματικός: κοίτα το εύρος όχι μόνο τον αριθμό. Αν ένα εργαλείο σου δώσει πρόβλεψη 10.000 leads μη μείνεις στο νούμερο. Ζήτα το εύρος γύρω του, π.χ. από 7.000 έως 13.000. Το budget και το πλάνο σου πρέπει να αντέχουν και το χειρότερο σενάριο όχι μόνο το καλύτερο.
2. Σκέψου σαν marketer: τρέξε μικρό test πριν το μεγάλο budget. Πριν βάλεις όλο το budget σε μια πρόβλεψη δοκίμασε πρώτα με μικρό ποσό σε πραγματικό κοινό. Η αντίδραση των ανθρώπων θα σου πει πράγματα που κανένα μοντέλο δεν προβλέπει.
3. Συνδύασε τα δύο: κράτα ένα σταθερό σημείο αναφοράς. Κάθε φορά που κάνεις μια πρόβλεψη γράψε τι πραγματικά συνέβη μετά. Με τον καιρό θα ξέρεις πότε να εμπιστεύεσαι το μοντέλο και πότε το ένστικτό σου, γιατί θα έχεις δικά σου δεδομένα και όχι μόνο του εργαλείου.
AI: Ένας πολύτιμος βοηθός. Όχι ο decision-maker.
Το ΑΙ είναι ένας πολύ καλός σύμβουλος. Δίνει αριθμούς, πιθανότητες και σημεία εκκίνησης. Η τελική απόφαση όμως, αυτή που καθορίζει αν μια καμπάνια θα μείνει στη μνήμη του κόσμου, παραμένει ανθρώπινη δουλειά.
Γράφουν ο Παναγιώτης Κρυσταλλίδης, MSc Applied Mathematician NTUA, NKUA, www.didaskaleio.gr, www.teacherai.gr και η Σίσσυ Θεοφανοπούλου, Marketing Strategist, Marketing Instructor, Συγγραφέας
