아시다시피 인공지능은 리드 생성(Lead Generation)과 전환(Conversion)을 바꿔놓으려 합니다. 그 과정에서 기업과 직업을 변화시키는 영향을 미칠 것으로 보입니다.
인공지능은 여러 가지 다른 기술을 포괄하는 용어입니다. 여러분은 아마 머신 러닝(machine learning), 컴퓨터 비전, 그리고 자연어 처리(natural language processing)와 같이 그것에 대해 들어본 적이 있을 것입니다.
혹시 당신이 인공지능에 대해 잘 모르더라도 하루에도 수십번, 수백번씩 인공지능으로 작동되는 기술을 사용할 것입니다. 예를 들어 알렉사(Alexa)나 시리(Siri)와 같은 음성 비서들은 여러분을 이해하고 여러분의 말에 반응하기 위해 인공지능을 사용합니다. 그리고 아마존(Amazon)과 넷플릭스(Netflix) 추천 엔진도 여러분이 좋아하는 제품과 영화를 제공하기 위해 인공지능을 사용합니다.
또한 인공지능이 어떻게 마케팅 담당자들의 리드 생성과 전환을 바꾸어놓을지 이해하기 위해 인공지능 전문가가 될 필요는 없습니다. 사실은 매우 간단합니다:
인공지능 시스템은 대규모 데이터세트에서 인사이트를 추출하는 데 탁월하며, 이러한 인사이트를 사용하여 예측합니다. 최상위 수준으로 발달된 인공지능 시스템들은 시간이 지남에 따라 스스로 학습하고 개선합니다.
즉, 리드 또는 고객 데이터가 있는 경우 해당 데이터를 사용하여 당신의 리드를 지능적으로 예측할 수 있는 인공지능 기반 시스템이 존재할 가능성이 있습니다. 여기에는 다음이 포함될 수 있습니다.
- 데이터베이스에서 이상적인 리드를 보여주는 사람은 누구인지
- 데이터베이스 외부에서 이상적인 리드를 보여주는 사람은 누구인지
- 리드를 전환하기 위해 취해야 할 다음 조치는 무엇인지
- 어떤 콘텐츠와 제품들이 리드와 가장 잘 어울리는지
- 추구할 가치가 있는 리드는 무엇인지
이것은 빙산의 일각에 불과합니다.
마케팅 분야의 인공지능은 아직 걸음마 단계입니다.
맥킨지(McKinsey)는 마케팅과 판매에서 향후 몇 년 동안 2조 6천억 달러의 비즈니스 가치를 창출할 것으로 전망했습니다. 이는 인공지능을 탐구하는 마케팅 담당자들이 이 기술을 통해 경쟁 우위를 구축함으로써 회사 및 경력을 가속화할 수 있는 기회를 제공한다는 것을 의미합니다. 특히 리드 생성과 전환에 있어서는 더욱 그렇습니다.
시작하기 전에, 마케팅 인공지능 연구소의 일환으로 보고 있는 주요 리드 생성 및 전환 활용 사례에 대해 간략하게 설명했는데, 마케팅 인공지능 연구소는 50억 달러 규모의 통합 자금으로 1,100개의 매출 및 마케팅 인공지능 회사를 추적하고 있습니다.
각 사용 사례별로, 인공지능 기반 공급업체에 대해 조사한 45개 이상의 프로필을 토대로 살펴볼 수 있는 툴도 나열했습니다. 그러나 이러한 각 툴에 대한 자체적인 실사도 필요합니다. 많은 종류의 툴이 있으며, 마케팅 담당자들은 각 벤더가 인공지능을 어떻게(그리고 얼마나 효과적으로) 사용하는지를 직접 검증해야 합니다.
리드에 대한 핵심 인사이트를 얻으세요.
당신은 귀사의 최고의 (또는 목표인) 리드를 명확하게 파악했을 수 있습니다. 하지만 당신은 사람입니다. 시장에 대한 인사이트가 아무리 많아도 대규모 리드 데이터 세트를 그 규모 그대로 분석하는 것은 불가능합니다.
하지만 인공지능은 가능합니다. 이 기능을 사용하면 기존 리드 및 리드를 보다 잘 이해할 수 있습니다. 인공지능은 많은 데이터에서 인사이트를 추출하는 데 탁월합니다. 또한, 올바른 데이터세트만 있다면 여러 가지 결론을 내릴 수 있습니다.
귀하의 리드가 데이터를 생성하는 모든 장소를 생각해 보세요. 귀사의 마케팅 자동화 시스템, CRM 툴, 웹 사이트 분석, 전자 상거래 매장, 소셜 미디어 등등… 현존하는 인공지능 시스템은 이와 같은 데이터 세트를 통해 리드에 대한 인사이트를 추출할 수 있습니다.
예를 들어, 큰 리드 데이터베이스가 있지만 효과적인 리드 스코어링은 없을 수 있습니다. 인공지능은 과거의 리드 행태를 분석한 다음, 어느 쪽에 먼저 초점을 맞출지 알려줄 수 있을 것입니다. 아이러니하게도, 올바른 시스템과 데이터를 통해 기계가 여러분이 마케팅하는 사람들을 더 잘 이해할 수 있도록 도와줄 수 있다는 것입니다.
이 분야의 중요 업체는 Salesforce입니다. 이 회사의 인공지능인 아인슈타인은 자동으로 세일즈 담당자를 위해 리드에 우선순위를 매기고 고객으로 전환될 가능성이 가장 높은 그룹을 예측합니다. 이러한 기능은 회사의 CRM에 점점 더 많이 도입되고 있습니다.
당신만의 리드 데이터베이스를 구축하세요
인공지능 기반 툴은 현재 리드에 대해 알려진 정보를 기반으로 더 많은 리드를 찾아주기 위해 존재합니다. 이 경우에도 대규모 데이터 세트를 분석할 수 있는 인공지능의 기능이 유용하게 사용됩니다.
인공지능 시스템은 마케팅 자동화 소프트웨어와 같은 시스템의 데이터를 사용하여 귀사의 현재 리드 및 고객을 조사한 다음, 그 정보를 다른 데이터베이스와 비교하여 귀사의 최고의 잠재 구매자처럼 보이는 사람을 더 많이 찾습니다.
이것의 한 예는 Seamless.AI입니다. Seamless.AI는 인공지능을 활용해 리드의 연락처 정보를 검증하는 업체입니다. 이를 통해 당신은 검색 기준을 활용해 공략해볼 만한 시장 전체를 순식간에 찾을 수 있습니다.
실제로, 이는 브랜드가 찾고자 하는 타깃 회사 목록을 확인한 다음 Seamless.AI와 같은 인공지능 기반 툴에 해당 회사를 입력할 수 있다는 것을 의미합니다. 툴은 몇 분 만에 각 회사의 후보의 검증된 이메일 주소를 제공하여 거의 즉시 연락처 목록을 만들 수 있었습니다.
자동으로 참여, 육성 및 전환하세요
이미 충분한 수의 리드를 창출하고 있다고 해도, 인공지능은 그 중 더 많은 수를 매출로 전환하는 데 도움이 될 수 있습니다.
방문자 참여를 극대화하기 위해 온사이트 콘텐츠(On-site content)를 개인화하는 인공지능 시스템이 이미 존재해, 리드가 더 많은 양의, 더 관련도가 높은 콘텐츠를 소비함에 따라 전환율이 높아집니다.
이러한 시스템 중 일부는 리드가 다음에 어떤 콘텐츠와 할인에 관심을 가질지 예측하여, 그들을더 효율적으로 마케팅 퍼널(Marketing funnel) 아래로 이동시킬 수도 있습니다. 다른 인공지능 시스템은 챗봇과 가상 도우미를 활용하여 같은 목표를 달성합니다. 부분적으로 또는 완전히 자동화된 방식으로요.
이 작업을 수행하는 한 가지 도구는 자동으로 리드를 참여시키고 맞춤형 아웃리치를 대규모로 제공하는 인공지능 기반의 영업 보조 프로그램인 Conversica입니다.
Conversica 같은 툴은 자동으로 사이트 방문자 또는 변심한 리드를 연결한 다음, 마케팅 담당자 또는 영업 사원이 잠재 고객에 대해 계속 잘 알고 있을 필요 없이 일관되고 정기적으로 후속 조치를 취합니다. 이를 통해 마케팅 및 영업 전문가가 후속 조치를 취할 때뿐만 아니라, 구매 과정내내 리드가 계속 참여할 수 있도록 해줍니다.
세일즈 파이프라인(Sales Pipeline) 품질을 개선합니다.
인공지능은 파이프라인의 전반적인 품질을 개선하는 데도 도움을 줄 수 있습니다. 갖고 있는 예측 능력 덕분에 마케팅 및 영업 전문가에게 어떤 조치가 가장 효과 있는지 알려주며 매출을 늘리는 가장 효과적인 영업 전략을 밝힐 수 있습니다.
따라서 보다 효율적이고 효과적인 마케팅 및 세일즈 파이프라인이 제공되므로, 조직의 매출이 증가하고 비용은 절감됩니다.
Gong.io은 이를 위해 인공지능을 이용하는 하나의 솔루션입니다. 이 회사는 인공지능을 사용하여 세일즈 컨버세이션(sales conversation)을 분석하고 정확히 무엇이 귀사의 파이프라인을 발전시키는지 알아냅니다.
예를 들어, Gong은 인공지능을 사용하여 세일즈 콜(sales call)을 분석한 후, 어떤 방식이 효과가 있으며 어떤 것이 효과 없는지에 대해 데이터에 기반한 권장사항을 제공할 수 있습니다. 상위 영업 사원이 평균 이하의 실적을 달성하는 영업 사원에 비해 가격에 대해 덜 언급(하고 다음 단계에 대해 더 많이 언급)한다는 것을 알게 되실 수도 있습니다.
원문 URL: https://unbounce.com/marketing-ai/how-ai-will-transform-your-lead-gen/
원문 제목: How Marketing AI Will Transform Your Lead Generation (and Conversion)
작성자 및 작성일자: Mike Kaput / June 11, 2019