Principales différences entre l’apprentissage automatique et l’IA générative en marketing
L’essentiel
- Clarté du terme. L’apprentissage automatique et l’IA générative dans le marketing sont souvent confondus, ce qui entraîne une confusion pour les marques évaluant les outils.
- Focus utilisateur. L’IA générative destinée aux spécialistes du marketing offre principalement des avantages en matière de gain de temps, tandis que l’apprentissage automatique améliore principalement les performances des campagnes.
- Importance du courrier électronique. Les algorithmes d’apprentissage automatique ont révolutionné l’optimisation du marketing par e-mail, des délais d’envoi aux lignes d’objet.
Les modèles de classification les plus populaires font de l’IA générative un sous-ensemble de l’apprentissage automatique, et de l’apprentissage automatique un sous-ensemble de l’IA. Bien que cela puisse être techniquement et architecturalement la bonne façon de penser à ces outils, cela a conduit à une confusion importante.
Jetons un coup d’œil à l’apprentissage automatique et à l’IA générative dans le marketing.
Prendre en compte l’apprentissage automatique et l’IA générative dans le marketing
Premièrement, en raison de notre tendance naturelle à supprimer les mots pour simplifier et économiser notre langage, cela a conduit de nombreuses personnes à qualifier l’IA générative simplement d’IA. Pour compliquer davantage les choses, étant donné que l’IA générative et l’apprentissage automatique sont tous deux regroupés sous l’IA en tant que grand parapluie, tous ces termes sont utilisés de manière quelque peu interchangeable.
Tout cela rend difficile pour les marques d’évaluer ces outils et de comprendre comment les utiliser pour atteindre leurs objectifs. Après tout, la plupart des gens ne créent pas ces outils. Ils les utilisent.
Considérons donc un cadre plus centré sur l’utilisateur, qui se concentre sur ce qui intéresse les marques, et en particulier les spécialistes du marketing. Concentrons-nous également sur l’apprentissage automatique et l’IA générative, qui constituent la plupart des outils d’IA utilisés par les spécialistes du marketing. Du point de vue de l’utilisateur, les plus grandes différences entre l’apprentissage automatique et l’IA générative sont doubles :
- La provenance des données alimente la sortie de l’outil.
- Le principal avantage de l’outil.
Examinons d’abord à quoi ressemble l’apprentissage automatique vu à travers ces deux lentilles…
L’apprentissage automatique et l’impact sur le marketing par e-mail
Utilisé par les spécialistes du marketing depuis environ une décennie, l’apprentissage automatique alimente une variété de fonctionnalités et d’applications courantes de marketing par e-mail, notamment :
- Optimisation du temps d’envoiqui détermine le meilleur moment pour envoyer des e-mails, des SMS et d’autres campagnes numériques à des abonnés individuels en fonction de leurs temps d’engagement passés.
- Optimisation de la ligne d’objetqui permet de déterminer les meilleurs mots et autres éléments à inclure dans la ligne d’objet d’une campagne particulière en fonction des performances historiques des campagnes utilisant ces mots et éléments de la ligne d’objet.
- Modélisation RFMqui utilise la récence du dernier engagement d’un abonné, la fréquence de son engagement et la valeur monétaire de ses engagements pour classer les abonnés en groupes, aidant ainsi à déterminer les meilleures stratégies de contact et de contenu à utiliser avec chaque groupe.
- Analyse de fatiguequi détermine quels abonnés risquent le plus de se désinscrire s’ils sont inclus dans votre prochain envoi, en fonction des modèles d’engagement historiques des abonnés qui se désinscrivent.
- Recommandations de produits et de contenuqui détermine les meilleurs produits ou contenus à inclure dans une campagne en fonction de l’engagement passé de chaque abonné avec les produits et le contenu.
- Sélections de chaînesqui détermine le ou les meilleurs canaux à utiliser pour atteindre chaque abonné pour une campagne ou un parcours particulier.
D’où viennent les données
Les algorithmes d’apprentissage automatique sont alimentés presque entièrement par les données de votre entreprise, qu’il s’agisse des performances de vos campagnes, de l’engagement de vos abonnés ou d’autres aspects de votre entreprise.
Cependant, il existe des cas où les résultats de l’apprentissage automatique peuvent être informés par des données provenant d’autres marques qui utilisent également l’outil d’apprentissage automatique. Par exemple, les outils d’optimisation de la ligne d’objet donnent parfois la priorité aux données de votre ligne d’objet, mais utilisent également les données d’autres utilisateurs pour les compléter. Ce type de supplémentation de données fonctionne mieux lorsqu’il est limité aux utilisateurs similaires à votre marque, par exemple dans votre même secteur.
Le principal avantage de l’apprentissage automatique dans le marketing
Les spécialistes du marketing utilisent l’apprentissage automatique car il améliore les performances de leurs campagnes. Le retour sur investissement se traduit par un engagement et des conversions plus élevés, et par une diminution des désinscriptions.
Fondamentalement, l’apprentissage automatique aide les spécialistes du marketing à atteindre leur objectif de longue date : envoyer le bon message à la bonne personne, au bon moment, via le bon canal, et ce, avec précision et à grande échelle.
Cependant, lorsqu’il est utilisé pour des choses telles que les recommandations de produits et de contenu, on pourrait affirmer que l’apprentissage automatique permet également de gagner du temps. En effet, beaucoup de nos clients ont été ravis de repenser leurs campagnes afin que ces recommandations soient présentes de manière constante – ou même constituent l’intégralité d’une campagne récurrente – afin de gagner du temps sur la rédaction, la conception et le codage. Mais pour l’essentiel, l’apprentissage automatique permet aux spécialistes du marketing d’effectuer des tâches qui autrement prendraient beaucoup de temps.
L’IA générative en marketing
Faisant irruption sur la scène à l’automne 2022 avec le lancement de ChatGPT, l’IA générative sous la forme de grands modèles de langage (LLM) et de moteurs de génération d’images peut aider les spécialistes du marketing dans les domaines suivants :
- Copie, y compris la recherche de fond, l’idéation, la rédaction de la copie, l’analyse des lacunes dans le contenu, les changements de ton ou de style de la copie, la ligne d’objet et l’itération du titre, et plus encore.
- Code, y compris tout, depuis le débogage, la refactorisation et la documentation du code existant jusqu’à l’écriture de nouveaux morceaux de code ou même de projets entiers.
- Images, y compris tout, depuis les modifications d’arrière-plan, la manipulation d’images et la mise à l’échelle de l’image jusqu’aux images créées à partir d’invites uniquement.
D’où viennent les données
Aujourd’hui, les modèles fondamentaux d’IA générative tels que ChatGPT, Bard et Midjourney reposent sur d’énormes quantités de données externes. Par exemple, ChatGPT est formé sur Common Crawl, Wikipedia et d’autres sources publiques. (Un certain nombre de poursuites ont également été intentées par des artistes, des auteurs et des communautés, affirmant qu’ils étaient également formés aux œuvres protégées par le droit d’auteur.)
Mais les données internes de la marque peuvent également être intégrées à ces modèles. Le moyen le plus évident consiste à demander à ces outils. Les invites peuvent inclure du contenu spécifique à la marque, ainsi que des informations sur le style de la marque et bien plus encore. De nombreuses marques ont déjà créé des bibliothèques d’invites afin de mieux standardiser les résultats qu’elles obtiennent lorsque leurs employés utilisent l’IA générative.
Au-delà des invites, un petit pourcentage de fournisseurs et de marques ont déjà commencé à créer leurs propres modèles d’IA générative spécialisés, où ils entraînent un modèle de base sur de grandes quantités de contenu supplémentaire. Cela permet à un modèle d’effectuer des tâches plus ciblées plus efficacement ou en mettant l’accent sur une marque ou un secteur d’activité beaucoup plus fort.
Le principal avantage de l’IA générative en marketing
Les spécialistes du marketing utilisent l’IA générative principalement parce qu’elle permet de gagner du temps par rapport à l’exécution manuelle de ces tâches eux-mêmes. Cependant, même avec des modèles d’IA génératifs spécialisés, le résultat n’est généralement pas meilleur que ce qu’une personne qualifiée pourrait créer elle-même. Ainsi, une révision et une édition humaines – parfois approfondies – sont presque toujours nécessaires pour garantir que la qualité est à la hauteur des normes d’une marque et que la voix de la marque est présente et appropriée.
C’est probablement le plus gros point de confusion. Peut-être à cause du terme « intelligence artificielle », certains spécialistes du marketing supposent que ces outils sont plus intelligents qu’ils ne le sont et, par conséquent, peuvent prendre de meilleures décisions. Par exemple, certains pensent que l’IA générative peut écrire des lignes d’objet plus efficaces qu’eux. Ensuite, ils testent A/B les lignes qu’ils ont écrites par rapport à celles écrites par l’IA générative et sont choqués lorsque les leurs gagnent.
Mais, bien sûr, le leur gagnerait, car ils ont une solide compréhension de ce à quoi leur public réagit en fonction des résultats passés, alors que l’IA générative ne bénéficie d’aucune de ces connaissances. Il enchaîne simplement les mots en fonction des mots que les gens ont tendance à mettre les uns à côté des autres, et non en fonction de leur efficacité.
Cela dit, les modèles spécialisés d’IA générative peuvent apporter certains avantages en termes de performances, en particulier pour les entreprises aux ressources limitées.
Article connexe : 7 lignes d’objet d’e-mail irrésistibles
À l’avenir : apprentissage automatique et IA générative dans le marketing
J’espère avoir mis en lumière les principales différences entre l’apprentissage automatique et l’IA générative dans le marketing aujourd’hui. Mais le mot clé est « aujourd’hui », car le chevauchement entre l’apprentissage automatique et l’IA générative dans le marketing ne cessera de croître à l’avenir.
En effet, de plus en plus de fournisseurs de technologies ou de marques construiront des modèles d’IA génératifs spécialisés. Nous verrons également davantage de grandes entreprises créer leurs propres modèles fondamentaux d’IA générative, semblables à ChatGPT et Bard.
Par exemple, Oracle a créé un modèle d’IA générative qui écrit du code APEX, ce qui accélère le développement d’applications et élimine efficacement les erreurs humaines. Et Amazon vient d’annoncer Alexa LLM, optimisée pour les communications vocales. Au fil du temps, la création de tels modèles deviendra plus facile et moins coûteuse, et la formation continue sur de nouvelles données et contenus deviendra également plus simple.
Mais même si cela se produit dans les années à venir, les marques doivent toujours être claires sur les avantages qu’elles tirent de leurs outils d’apprentissage automatique et d’IA générative, ainsi que de leurs autres outils d’IA qui n’entrent dans aucune de ces deux classifications.
Augmentez-vous les performances ou gagnez-vous du temps ? Ou une combinaison ? Car en fonction de votre réponse, vous aurez peut-être besoin de plusieurs solutions pour obtenir tous les avantages souhaités.
Découvrez comment vous pouvez rejoindre notre communauté de contributeurs.
0 commentaire