生成式人工智能已成为营销行业的驱动力。我们已经看到了许多用例，从内容创建到活动优化。它还有望彻底改变我们深入了解营销数据的方式。在本文中，我们将深入探讨生成式人工智能如何重塑营销分析，并揭示其推动数据驱动决策和洞察的潜力。最好的起点是查看我们的数据中心和商业智能 (BI) 工具中当前或即将存在的一些内置工具。
由生成式人工智能提供支持的数据分析平台
专门为数据分析而构建的大型语言模型(LLM)生成式人工智能工具有些较新且相当初级。同样重要的是要考虑到使用法学硕士需要干净且强大的底层数据模型。 我们可能会看到数据分析师的角色发生转变，以减少收集见解、提供分析、构建仪表板和创建可视化的时间。 相反，重点将是完善数据模型，以使用自然语言处理提取这些见解。
画面
以 Tableau 最新的 AI 产品 Pulse 为例，该产品计划于 2023 年底发布。 用户将选择优先 KPI，Tableau 将自动为其生成可视化效果，并在检测到异常趋势或模式时向用户发出警报。 从那里，用户只需单击相关的 KPI 即可挖掘趋势变化背后的“原因”。 Tableau 明确表示，其目标是“简化和简化”数据分析师现有的工作流程，这是我们将开始越来越多地看到的一个关键想法。 生成式人工智能工具将承担更多繁重的工作。相反，分析师将把注意力转移到数据模型开发方面，或者通过了解如何构建和修改自然语言查询以从其能力中提取最大价值，成为所选生成式人工智能工具的高级用户。
Funnel.io
Funnel.io 是一个流行的全渠道营销中心，它采用的方法与他们所谓的 Funnel AI 略有不同。 虽然我提到生成式人工智能解决方案通常需要强大的数据模型，但用户可以在 Funnel AI 中提取、探索、操作和分析所有营销数据，而无需离开 Funnel 平台。 一站式数据管道方法正在兴起，旨在消除数据孤岛并使数据民主化，使其易于日常使用，即使没有传统分析师的技术技能。漏斗人工智能和类似工具对于即时临时分析非常有用，而不必在需要持续维护的现有仪表板中对数据进行切片和切块。
Funnel AI 可为不确定从哪里开始的用户提供自动建议的查询，例如“过去四个星期每个渠道的 CPC 细目是多少？”
此查询提供每个渠道每次点击费用的条形图，用户可以使用其他过滤器进行细化或在搜索栏中输入新查询。 以前，获得这种基本洞察力需要数据分析师根据特定参数提取、建模和可视化数据。借助生成式人工智能，原本需要数小时的工作现在仅需几秒钟，从而使用户能够集中精力进行分析和决策。
Tellius
Tellius 是一个类似的更通用的包罗万象的数据平台，它通过其生成人工智能工具采用了与前面的示例类似的方法。
在下面的示例中，他们的平台自动检测到营销活动转化率的下降，并立即通过创建细分分析提供最主要的贡献点来解释下降的原因。 通常，这个过程会消耗营销人员或分析师数小时的时间，从识别下降到挖掘以确定因果关系。 迅速发现此类关键见解的能力无疑为使用这些工具的营销人员提供了显着的优势，使他们能够迅速采取行动，而不是花费时间来搜索这些信息。
信任和透明度考虑因素
虽然我们可以清楚地看到生成式人工智能工具的力量和价值，但获得广泛的用户采用和对这些模型的信任是组织必须克服的挑战。
在可预见的未来，仍然需要人工监督和数据验证。四分之三的首席执行官认为，竞争优势将取决于谁拥有最先进的生成式人工智能，但 48% 的首席执行官担心偏见或数据准确性。
这将要求营销人员实施新的角色和流程，以确保人工智能模型的问责制和基于人工智能的决策的透明度。
数字营销的未来与人工智能能力的进步紧密相连。适应、了解最佳实践并建立有效监督的营销人员将获得竞争优势。
原文链接：https://searchengineland.com/marketing-analytics-generative-ai-marketers-434104