فصلی جدید از بازاریابی هوش مصنوعی 

در بسیاری از کشورها در بازارهای مختلف صنعتی، مالی، خدماتی، پولی بانکی، خرده مصرفی و...، ابزارهای نوین بازاریابی با رویکرد تحول دیجیتال بر بستر مکانیزم بکارگیری یادگیری ماشینی از شاخه‌های هوش مصنوعی بازتعریف و بکار گرفته می‌شوند. رویکردی که برای استفاده بهینه از فناوری و داده‌های مشتریان برای ایجاد، انتقال، تحول و افزایش ارزش در طول سفر مشتری را مهیا می‌سازد. طبق یافته‌های جدید ۳۷ درصد میزان استفاده از هوش مصنوعی در بازاریابی است و این صنعت چهارمین صنعت جهان در استفاده از هوش مصنوعی معرفی گردیده است. همچنین ۸۸ درصد از متخصصان بازاریابی از هوش مصنوعی برای بهینه‌کردن مسیر سفر مشتری استفاده کرده‌اند و بازاریابی ششمین صنعت جهان در جذب سرمایه شناخته شده است.
بر همین اساس نظرسنجی‌ها نشان می‌دهند، مصرف‌کنندگان در سراسر دنیا در تمامی بازارهای یادشده، تأثیر هوش مصنوعی بر جوامع را بیشتر مثبت می‌دانند تا منفی. از مهم‌ترین تکنیک‌های مورد استفاده در بازاریابی هوش مصنوعی، تجزیه و تحلیل کلان داده‌ها و یادگیری ماشینی هستند. یادگیری ماشینی شاخه‌ای از هوش مصنوعی است که این امکان را می‌دهد تا براساس الگوهای موجود، مدل‌ها را بشناسد و آن‌ را تعریف کند. این کار با تجزیه و تحلیل داده‌ها و شناسایی الگوها انجام می‌شود و می‌توانند برای پیش‌بینی رفتارهای آینده مورد استفاده قرار گیرند. از همین‌رو این دو فناوری باعث شده دوره فعلی را "عصر بازاریابی هوش مصنوعی" بنامند که مستلزم تحول رادیکال در الگوهای سابق تعامل بازاریابان و بنگاه‌های اقتصادی و شرکت‌های خدماتی مالی با مشتریان خود و تدوین استراتژی‌های نوین بازاریابی است. از طرفی باید به رویکردهای نوآورانه در مواجه با مشتریان، سرمایه‌گذاران و سهامداران در بازارهای مالی و سرمایه‌ای که چه بهره‌برداری‌هایی می‌توان از این الگوها داشت نیز بپردازیم. در واقع می‌توان از کلان داده‌ها برای بهبود استراتژی‌های خود در بهبود فرایندهای بازاریابی بنگاه اقتصادی خود استفاده کرد. مانند: بخش‌بندی و هدف‌گیری جامعه مشتریان و سهامداران، شخصی‌سازی تجریه آن‌ها و پیش‌بینی رفتارهای ایشان مبتنی بر داده‌کاوی و بسیاری مولفه‌های اثرگذار دیگر که مطالعات بسیاری در این زمینه‌ها صورت گرفته و در دسته‌بندی‌های تحقیقات کیفی و کمی و روش‌های آماری تحقیقات بازاریابی در دنیا در حال بکارگیری و استفاده می‌باشند. از جمله این دسته‌ها، می‌توان به روش تحقیق‌های مشاهده‌ای، روش مقطعی و طولی و انواع روش‌های توصیفی و اکتشافی دیگر اشاره داشت.
هوش مصنوعی می‌تواند به بازاریابان کمک کند تا داده‌های بزرگ را جمع‌آوری، تجزیه و تحلیل و استفاده کنند. کلان داده‌ها مجموعه‌ای بزرگ از داده‌هاست که می‌توان از آن برای کشف الگوها و رفتارها استفاده نمود. این داده‌ها می‌تواند از طیف گسترده‌ای از منابع جمع‌آوری گردد، از جمله این موارد می‌توان به تراکنش‌های خرید، وب‌سایت برندها، شبکه‌های اجتماعی، میزان استفاده از باشگاه مشتریان، ارتباط با امور سهامداران، استفاده از خطوط اعتباری و... اشاره کرد. بطور خلاصه، تأثیرگذاری قابل بهبودی را که این بستر می‌تواند بر جامعه سیاست‌گذار بازار سرمایه و شرکت‌های خدماتی مالی بر جای گذارد، راهبردی توسعه محور و زمینه‌سازی بستر ابزارهای بروز و تحول گرایانه در چارچوبی نظام‌مند خواهد بود.

• مصطفی حسین زاده - مدیر توسعه استراتژی و برنامه ریزی مهر آیندگان

• شماره ۵۶۴ هفته نامه اطلاعات بورس