讨论营销与技术的紧密联系早已是老生常谈。不可否认的是，为了提供令人满意的购物体验、确保良好的媒体投资回报，或仅仅是在日益数字化的世界中生存下去，企业必须深入了解其受众，利用数据建模工具优化媒体投放，并具备选择最适合业务的平台与工具的能力，同时拥有操作这些工具的专业知识。
另一个老生常谈但尚未因各项财政、税务、物流、系统和治理挑战而得到妥善解决的问题是：无论客户选择通过何种渠道与我们互动，我们都必须提供独一无二的体验。“客户只有一个，无论其通过何种渠道与企业互动”这句话，在过去至少两年里，我们在各类活动和会议上听得耳朵都快起茧了，以至于听起来都让人感到不适。
那么，也许对某些专业人士来说尚不清楚的事实是：如果营销曾经是企业中一门平凡的学科，那么随着定义购买旅程以及人们与企业关系方式的演变，它已彻底不再平凡。
极其简而言之，过去关于营销预算是投向电视还是平面媒体的决策，如今变得更为复杂。简言之，我们需要决定资金是投向大众传统媒体还是互联网；在互联网部分，资金是投向Facebook、Google还是程序化广告；是否采用类似受众（look-a-like）模型、自定义受众（custom audience）或某种上下文定向；是否将CRM数据与第三方数据（third party data）进行交叉分析；多少资金用于新的电商平台、新的电子邮件营销发送工具、产品推荐统计模型的构建，或是用于活动管理、资产管理、聊天机器人等工具。
为了在这个如此复杂且多变的环境中运作，我们看到了“营销技术专家”这一角色的出现，他们是两类人才的融合演进：一类是信息技术专业人员，具备更偏向平台和信息架构的技术技能；另一类是营销专业人员，拥有商业视野和时机把握能力，并以客户为中心。营销技术专家是那些将营销视为远超沟通范畴的人，他们将营销视为一种工具，可用于沟通、互动、理解行为、驱动业务、销售等诸多方面。
随着这位既精通技术艺术，又深谙商业理解与时机的专业人士的加入，我们开始观察到人工智能工具，特别是机器学习（ML）工具的更频繁使用。我相信，在不久的将来，战术性决策（基于对多源数据的处理和分析），例如为虚拟商店橱窗确定最佳产品、为网站创建横幅广告、为电子邮件营销素材选择优惠方案、确定最佳产品组合以及优化媒体投资，将主要由机器学习来主导完成。
我们正从以分析为基础的时代迈向以预测为基础的时代。寻求差异化优势的企业必须认识到，仅仅深入理解消费者已不再足够；从现在开始，我们需要预测消费者的需求并提前应对，而只有借助人工智能与机器学习技术，企业才能具备这种能力。
决策和购买考量过程在过去几年中发生了巨大变化，这或许正是我们依赖机器学习以维持生存和运营能力的主要原因。人类无法处理关于客户、销售渠道和触点、市场、竞争对手以及当前影响我们市场的所有其他因素的海量信息。
在第二次工业革命期间，我们看到成千上万的人因机器而失业，这些机器人被设计成能够执行人类的体力任务，甚至在许多情况下超越了我们的生理局限。
这种在营销中利用机器学习的演进，并不会以同等的比例取代我们营销专业人士，但无疑将迫使我们跟上这一发展——我们将不再是直接执行优化搜索广告等行动的代理人，而是成为定义最佳工具与平台、理解它们如何相互作用与整合，以及如何更有效地操作的决策者。
欢迎来到机器学习时代。
本文最初发表于Revista E-Commerce Brasil