Tijdens het AI5050 event, over alle ontwikkelingen gedreven door AI, vertelde ik over de toepassing van AI in marketing en consultancy. Tijdens het event bleek de enorme breedte en populariteit van het onderwerp: AI is toepasbaar in vele industrieen en telt talloze concrete toepassingen. Van de ontwikkeling van medicatie, chatbots, digital twins, films, social content, samenvattingen, vertalingen, data analyses, diagnostiek, educatie, inclusiviteit en diversiteit, CO2 reductie, enz. Machine Learning en AI bestaan al vrij lang en de afgelopen 10 jaar waren er al behoorlijk wat AI tools voor data scientists op de markt toegankelijk. Grote verandering is toch de bewustwording, mede aangejaagd door de -voor het grote publiek toegankelijke en testbare- ChatGPT. Hierdoor wordt er nu door een vrij grote groep mensen gedagdroomd over slimme toepassingen, te realiseren efficiency slagen en nieuwe startups en tools.
AI in 2017
Mijn eerste ervaring met AI deed ik op tijdens een gesprek met Roland Sars, CEO van Media Distillery, een TNO startup. Ik wilde kijken of we (IPG Mediabrands) met TNO konden samenwerken op innovatieve projecten binnen de media. Hierbij werden modellen getraind om video te analyseren. Niet veel later zaten wij in 2017 met Google om tafel om onze eerste Vision AI projecten vorm te geven. Hierbij gingen wij op zoek naar manieren om creatie te optimaliseren. Zonder de hulp van AI om alle kenmerken van advertenties geautomatiseerd te ‘labelen’ en herkennen zou zo’n onderzoeksproject onmogelijk en onbetaalbaar zijn. We zouden daar honderden uren mensenwerk in moeten stoppen om van iedere video en display uiting de logo positie, logo size, call to action, tekst, kleurenpallet, objecten in beeld, enz enz per seconde op te schrijven. Zodat we daarna een dataset hadden om de effectdata tegen af te zetten om te kunnen kijken welke creatieve elementen tot de hoogste clicks, aandacht en viewtime leiden. Google Vision en Video Intelligence API’s deden dat voor ons.
In samenwerking met Erasmus Universiteit startup AlphaOne, verzamelden we neuro data (wat er in het brein gebeurt iedere seconde) van diezelfde uitingen. Dit leidde tot interessante inzichten over de impact van creatieve kenmerken, aantal edits, tekst, logo positie en dergelijke op EEG output zoals attentie bijvoorbeeld. Door de snelle ontwikkelingen is dit experimentele onderzoek uitgemond in junbi.ai, waarbij video’s kunnen worden geupload en direct geanalyseerd worden. De AI herkent alle creatieve kenmerken en de eyetracking en EEG resultaten zijn gemodelleerd.
Een ander mooi project was LijstTracker.nl (inmiddels niet meer online), waarbij wij de airtime van politici op TV maten. Het model van MediaDistillery was getraind op het herkennen van de lijsttrekkers op televisie in debatten en praatprogramma’s. Er was destijds veel kritiek op de aandacht die sommige lijsttrekkers wel of juist niet kregen. Hypothese die ik had was dat de lijsttrekker met de meeste TV aandacht (airtime) krijgt in de media, de verkiezingen ook wint. Door middel van AI werd continue bijgehouden hoeveel minuten lijsttrekkers in beeld kwamen en dit werd op NU.nl in een dashboard weergegeven. De hypothese bleek gedeeltelijk juist: Mark Rutte won en bleef premier, maar Geert Wilders scoorde veel beter dan af te leiden was aan zijn airtime. Hij wilde destijds niet verschijnen bij NPO-programma’s. Het model had grote problemen met Sylvana Simons: zij werd steeds verward met Humberto Tan, Ruud Gullit enz. Duidelijk dat er nogal wat bias in de modellen zat… Inmiddels zijn de modellen beter geworden en is er gelukkig tooling waarmee diversiteit van reclame (door Livewall bijvoorbeeld) en andere content op een meer betrouwbare manier kan worden gemeten.
Vandaag zien we binnen marketing communicatie AI vooral op drie onderdelen terug in tooling en startups:
- Content generatie
- Measurement & Content analyse
- Personalisatie & besluitvorming
Content generatie
Sneller en goedkoper, dat is de belofte van AI in content generatie. Gemini belooft een door AI gegenereerde podcast op basis van een artikel als input. De voiceovers van Diederik Ebbinge werden vervangen door de stemmen van Aldi medewerkers. Video wordt gegenereerd op basis van een tekstuele prompt. Een prachtig, prijswinnend voorbeeld van creatie is van GroupM waarbij een AI model getraind is op een beeldtaal die veel vrouwen aanspreekt (van het tijdschrift Vogue in dit geval), waarmee vervolgens Porsche uitingen zijn geproduceerd.
Vooral efficiency is de usecase. AI helpt animaties vele malen sneller te ontwikkelen (iets wat tot voor kort erg arbeidsintensief was). GenAI bewerkt de elementen van een reclameuiting in alle verschillende advertentieformaten die er zijn (iets waar studio’s vol DTP’ers druk mee waren). Er is zelfs een digitale krant die geheel met AI wordt gemaakt. Er zijn nu meerdere AI bureaus op het gebied van content productie en social content generatie. Er is inmiddels een groeiende groep redelijk succesvolle AI influencers (Lu Do Magula is de grootste met bijna 7 miljoen volgers op Instagram).
Measurement & Analyse
Hoewel AI erg snel is met tekst analyse is het met cijfers wat minder handig. Een samenvatting laten maken uit een berg rapporten, beelden of video wordt steeds beter, mede door de functionele en handig toepasbare Gemini tools. Een Python of R script schrijven om een bepaalde (statistische) analyse te doen gaat ook goed. Maar PowerBI vragen stellen over data (‘welke campagne scoorde het best op KPI A de afgelopen 5 jaar?’) in een dashboard is nog teleurstellend. Ook een classificatie taak bijvoorbeeld, waarvan je zou verwachten dat taalmodellen dat heel goed zouden kunnen, valt tegen. In dit geval ging het om een lijst met 100.000 Bol.com productomschrijvingen te classificeren in productcategorieen (zoals speelgoed, elektronica etc). Zo’n 30% klopte, de rest niet…
Vanuit de UvA is een aantal startups bezig met AI als synthetisch panel om onderzoek in te doen. Het model wordt dan gebruikt om producten te testen bijvoorbeeld en voor te leggen aan dit AI panel. Hierbij zijn de kosten ten opzichte van traditioneel onderzoek zo laag dat het verleidelijk is om te onderzoeken of de resultaten in de buurt komen van ‘echt’ onderzoek. Een andere toepassing is van Tellet, waarbij de kwalitatief onderzoeker wordt vervangen door een chatbot die slim doorvraagt. Respondenten kunnen ook hun antwoorden inspreken uiteraard. Hamvraag is ook hier of de resultaten vergelijkbaar (of liever, beter) zijn dan traditioneel kwalitatief onderzoek.
Personalisatie van marketing funnels
Nu we toch op chatbots zijn aanbeland kunnen we customer service, advies tijdens het aankoopproces en aanbevelingen, meteen behandelen. Hier liggen veel kansen om op basis van accurate klantgegevens relevantere aanbevelingen tre doen. Vooral bij producten die wat complexer zijn. Denk aan een telecom contract: op basis van je facturen en belgedrag kan een veel beter passend voorstel worden gedaan. Een startup die data uploads gebruikt voor slimmere aanbevelingen (conversational support) is Sunnyday bijvoorbeeld.
Maar ook voor het vervangen van onderdelen, aanschaffen van accessoires of het melden van defecten en reparaties kan dit een hoop gedoe besparen: upload een duidelijke foto en AI herkent het defect (diagnose) of apparaat type zodat het juiste onderdeel kan worden opgestuurd. Daarna zou ik het liefst mbv AR of instructie video uitgelegd krijgen hoe ik de reparatie zelf kan doen… Zeker met het oog op arbeidstekorten een fijne toevoeging.
Een heerlijke app die de toepassingsmogelijkheden van Vision AI mooi illustreert vind ik nog steeds BrickIt. Je maakt een foto van een berg Lego en de app geeft meteen aan wat je ermee zou kunnen maken, inclusief instructies. Briljant!
Toch valt het mij wat tegen wat we hier momenteel van zien als consumenten. Weinig merken die hier het voortouw in durven nemen en daadwerkelijk relevanter en betekenisvoller worden door toepassing van AI. Innovatie begint ook niet met technologie, een tool of ‘AI’, maar met een ambitie, een experimentele cultuur en drive om de ervaringen van klanten daadwerkelijk te verbeteren. Dat organiseren en vorm geven is voor veel organisaties nog zeer uitdagend.
Consultancy
De belofte van AI voorspelt een enorme revolutie voor consultancy bedrijven. Tenminste, als de core van de dienstverlening bestaat uit het maken en samenvatten van (onderzoeks)rapporten. Dat kan AI namelijk een stuk sneller dan onderbetaalde juniors, waarvan de (hoge marge) uren niet meer kunnen worden verkocht aan opdrachtgevers. Daarnaast kunnen opdrachtgevers veel wat consultants nu doen straks mbv AI tooling zelf.
Uiteraard proberen consultancy bedrijven nu zelf AI tooling te ontwikkelen (en voor henzelf te houden), maar deze tools zullen toch echt beschikbaar komen voor iedereen. Consultants zullen daarom meerdere samenwerkingsmodellen moeten gaan omarmen, waarbij flexibel is wie wat doet, (toegang tot) data wordt gedeeld en er volledige transparantie wordt vereist.
Kortom, AI bestaat al een tijd maar de usecases, toepassingsmogelijkheden en toegevoegde waarde binnen marketing en media tekenen zich steeds scherper af. Bij het genereren van content, diagnosticeren van grote hoeveelheden tekst, ontwikkelen van code, leveren van customer service, genereren van aanbevelingen e.d. is het gebruik van AI binnen marketing en media een no-brainer.
SilverLabs 