Een reeks van 4 blogs waarin we Artificial Intelligence in combinatie met Content Marketing bespreken en onderzoeken. In dit eerste artikel ben ik opzoek gegaan naar de theorie omtrent deze termen en geef ik o.a. antwoord op de volgende vragen:

  • Wat is Artificial Intelligence?
  • Wat verstaan we onder Content marketing?
  • Wat voor rol speelt AI (Artificial Intelligence) binnen content marketing?
  • Hoe wordt AI ingezet om content marketing effectiever te maken?

Om de vragen goed te kunnen beantwoorden is er gebruik gemaakt van (zogeheten) deskresearch. Op basis van verschillende bestaande bronnen geef ik in dit artikel uitleg over de termen AI en content marketing. Aangezien er al veel theorie en informatie beschikbaar is, ben ik niet nog eens zelf gaan onderzoeken wat de termen precies inhouden. De bronnen komen van verschillende boeken, websites en artikelen. De bronnen vind je onderaan de pagina.

Wat is Artificial Intelligence (AI)?

Om te beginnen wil ik eerst de term AI (Artificial intelligence, oftewel ‘kunstmatige intelligentie’) behandelen. Hieronder twee definities die gesteld worden door verschillende bronnen.

  • Een bekende definitie komt vanuit het artikel “Preparing for the Future of Artifcial Intelligence” van de NSTC. Deze stelt:

“Kunstmatige intelligentie is een geautomatiseerd systeem dat gedrag vertoont waarbij men normaal gesproken verwacht dat er intelligentie voor nodig is.” (PREPARING FOR THE FUTURE, 2016)

  • Bertram Raphael geeft in zijn boek ‘The thinking Computer’ de volgende definitie:

“Kunstmatige intelligentie is de wetenschap van machines vaardigheden laten uitvoeren waarvoor intelligentie van menselijk niveau vereist is.” (Raphael, 2007)

  • Consultans in Quantitative methods komt met de volgende definitie:

Artificiële Intelligentie of Kunstmatige Intelligentie (KI) is de wetenschap die zich bezighoudt met het creëren van een kunstmatig verschijnsel dat een vorm van intelligentie vertoont. (CQM, sd)

De drie definities verschillen niet veel van elkaar. Wat we wel zien is dat Raphael B. spreekt over ‘de wetenschap van machines’ (net als CQM) terwijl het artikel ‘preparing for the future’ spreekt over een geautomatiseerd probleem’. Beide definities spreken vanzelfsprekend over de intelligentie die nodig is (volgens Raphael B. intelligentie van menselijk niveau).

AI is (zoals je in de verschillende definities kan lezen) een breed begrip, dit komt omdat we AI aan allerlei verschillende zaken kunnen koppelen. Zo wordt AI gekoppeld aan het personaliseren van content, het genezen van kanker en functies die vervangen kunnen worden door AI. Als we spreken over AI spreken we eigenlijk over een groot wetenschappelijk domein die verschillende aspecten aanspreekt:

  • Computerwetenschap
  • Taalkunde
  • Psychologie
  • Filosofie

(Deloitte, 2018)

Verschillende relevante termen rondom AI

AI is een overkoepelende term voor Machine Learning en Deep Learing. Maar onder Artificial intelligence vallen ook nog de termen Strong en Narrow AI. Ik citeer de definities van deze twee termen vanuit CQM.

Strong AI: Strong AI houdt zich bezig met onderzoek met betrekking tot het creëren van een computer of software die echt kan redeneren en problemen oplossen, en die wellicht zelfbewustzijn (beleving van de eigen identiteit) zou hebben. (CQM, sd).

Narrow AI: Narrow AI houdt zich bezig met onderzoek in beperkte deelgebieden waarin gedragingen mogelijk zijn die intelligent lijken, maar niet echt intelligent zijn. Gespecialiseerde, beperkte AI houdt in dat deze alleen op één bepaald gebied kan worden toegepast. (CQM, sd)

Deze twee termen spelen dus een belangrijke rol binnen AI. Aangezien strong AI zich voornamelijk bezighoudt met het onderzoek naar het creëren van een computer of software die kan redeneren en problemen kan oplossing, kan Narrow AI zich juist specialiseren op één bepaald gebied. Samen dekt dit de term Artificial Intelligence (AI).

Naast het onderscheidt van de twee sub termen van AI wil ook de termen ‘Machine learning’ en “Deep learning” uitlichten.

Afbeelding 1: Hiërarchie AI, ML en DL

Machine learning

“Machine learning is een methode voor data-analyse die het bouwen van analytische modellen automatiseert. Het is een tak van kunstmatige intelligentie gebaseerd op het idee dat systemen kunnen leren van gegevens, patronen kunnen identificeren en beslissingen kunnen nemen met minimale menselijke tussenkomst.” (SAS, sd).

Machine learning is voornamelijk gerelateerd aan statistiek. Het analyseren van data speelt hierbij een grote rol. Machine learning ondersteunt AI door gegevens te analyseren. Dit wordt gedaan aan de hand veel data die alsmaar geanalyseerd wordt en uiteindelijk ervoor zorgt dat er door middel van kunstmatige intelligentie (AI) geleerd wordt en beslissingen gemaakt kunnen worden (WARC, 2019).

Deep learning

“Deep Learning, ook bekend als diep gestructureerd leren of hiërarchisch leren, maakt deel uit van een bredere familie van Machine Learning-methoden.” (CQM, sd)

Deep learning wordt veelal toegepast in de praktijk. Op gebied van beeldherkenning, spraakherkenning (denk aan de Google Home Assistent), audioherkenning (Shazam). DL (deep learning) speelt dus een grote rol als het gaat om dit soort praktische toepassingen.

Uiteindelijk heeft iedere term zijn eigen functie en draagt het allemaal bij aan kunstmatige intelligentie. Om te laten zien hoe dit in de werkelijkheid ook weer toegepast wordt (naast de voorbeelden hierboven) duiken we in de wereld van AI op dit moment.

Hoe wordt AI momenteel ingezet?

Er zijn momenteel al ontzettend veel manieren waarin de toepassing van AI een rol speelt. Te beginnen bij ‘Support Vector Machines’. De support vector machine is een binaire classificeerder. We kunnen er een erg technisch verhaal van maken maar uiteindelijk willen we weten wat het doet. Een support vector machine kan data kwalificeren in twee soorten klassen. Dit wordt gedaan op vooraf geselecteerd kenmerken. Door historische data wordt deze machine (AI-techniek) getraind om data te verdelen. We zien dit bijvoorbeeld terug bij spammails. Uiteindelijk is het doel van SVM dat er duidelijke grenslijn wordt gecreëerd tussen twee groepen (normale mails en spammails). (Wat zijn support vector machines en hoe werken ze?, sd)

AI-toepassing bij spammail

In je mail wordt vaak de spammail er automatisch er tussenuit gepikt en in een aparte map geplaatst. De kunstmatige techniek die hiervoor gebruikt wordt heet dus ‘support vector machine’. Hoe meer data hoe verfijnder de techniek werkt, dit leert de ‘machine’ zichzelf op basis van data aan.

Artificial Neural Networks, (ANN)

Mensen en dieren verwerken informatie uit hun omgeving om zich vervolgens aan te passen aan de verandering. Het zenuwstelsel speelt hierbij een cruciale rol.

Het basiselement van het zenuwstelsel is het neuron of de zenuwcel. De voornaamste functie van een neuron is informatie overdragen. Op basis daarvan kunnen wij allerlei handelingen uitvoeren, waarnemen, nadenken, voelen, etc. (Linden, 2018)

Afbeelding 2: Biologische neuron

Het zenuwstelsel en dus deze neuron kan worden gemodelleerd en vervolgens kan het gedrag nagebootst worden in kunstmatige intelligentie (AI). Dit wordt ook wel Artificial Neural Networks (ANN) genoemd. Het zijn een soort verwerkingsapparaten, gebaseerd op onze neurale hersenstructuur. (Bakhshi, 2017)

Hieronder is een Artificial neuron te zien. Dit is een kunstmatige neuron. Er zit een groot verschil tussen het menselijk neuron en een kunstmatige neuron. Een menselijk neurale hersenstructuur heeft miljarden neuronen, terwijl een ANN (op dit moment) ongeveer 1000 tot 2000 neuronen heeft.

Afbeelding 3: Artificial Neuron

Het grote verschil tussen een menselijk neuron en een kunstmatige neuron

Er zit een groot verschil tussen deze twee neuronen. Een menselijk neuron werkt op de volgende manier: Zodra een cel in de hersenen een boodschap verstuurd of ontvangt, gaat er een elektrische impuls langs de axonen (zie afbeelding 3 ‘Artificial Neuron‘). Vervolgens wordt de informatie overgedragen naar een ander neuron. Uiteindelijk leren wij als mensen doordat de verbinding tussen neuronen versterken of verzwakken.

Bij ANN wordt er gebruik gemaakt van gewichten per neuron (dus geen sterktes of zwaktes). Uiteindelijk wordt hier leren tot stand gebracht door de verandering in gewicht. Uiteindelijk wordt er aan de hand van veel datasets (met bekende eigenschappen) een bepaald gewicht gegeven aan een neuron zodat het kustmatige neurale netwerk bepaalde eigenschappen optimaal gaat herkennen.

Afbeelding 4: Verbonden ANN (Artificial Neural Networks)

Uiteindelijk zijn er veel verschillende opties, afhankelijk van het probleem dat opgelost moet worden, zijn er verschillende patronen beschikbaar. Op basis van de gewichten van een neuron wordt een definitieve output bepaald. (Bakhshi, 2017)

Uiteindelijk kan een machine, aan de hand van ANN, zelf dingen leren en vervolgens op basis van informatie de beste beslissingen maken.

Wat verstaan we onder content marketing?

Ik citeer Ward van Beek: “Content Marketing is een vorm van marketing gebaseerd op de gedachte dat relevante en waardevolle content in het huidige medialandschap het meest geëigende middel is om een goed gedefinieerde doelgroep aan te trekken, aan je te binden en tot interactie aan te zetten. Content die zowel online als offline beschikbaar kan zijn.” (Beek, 2011)

Maar wat is dit dan precies? En hoe wordt het ingezet? In principe kunnen we stellen dat content marketing een vorm van marketing is om je doelgroep aan te trekken en aan je te binden. Maar stop het hier? Uiteindelijk wil je meer omzet realiseren, maar vaak is dit niet het directe doel van content marketing.

Met content marketing wil je ervoor zorgen dat je doelgroep zich kan vinden in jouw merk/bedrijf. Dit doe je door relevant te zijn, door content te maken die echt iets toevoegt aan je klant. Belangrijk bij content marketing is dat je inspeelt op de juiste doelgroep, op het juiste kanaal, en op het juist moment.

Om je marketing zo effectief mogelijk in te zetten kan je gebruik maken van het AIDA-model. Dit model is bij de meeste wel bekend. Het model is gepubliceerd door E.K. Strong. Volgens E.K. Strong werd het model eind 19e eeuw al ontwikkeld door ST Elmo Lewis (Strong).

Afbeelding 5: AIDA-Model

Hierboven is een voorbeeld te zien van het AIDA-model speciaal gericht op content marketing. Aan de hand van de vier stappen zorg je ervoor dat klanten uiteindelijk tot actie overgaan, bijvoorbeeld een aankoop doen, iets downloaden of gegevens achterlaten. Maar voordat dit gebeurt moet er vaak veel gedaan worden om een consument zover te krijgen. Het model kent de volgende stappen:

  • Awareness/attention

Awareness staat voor het krijgen van de aandacht van de consument. Dit kan bijvoorbeeld gedaan worden door het publiceren van artikelen, advertenties, webinars en podcasts. De focus ligt hier voornamelijk op merkbekendheid. Deze fase is vooral belangrijk als je al nieuwe toetreder op de markt komt.

  • Interest

Wanneer de aandacht is getrokken moet je deze behouden door een bepaalde interesse in jouw product/dienst te creëren. Hierbij is het tegenwoordig een trend om te laten zien waar jouw bedrijf voor staat (anno 2019 zijn dit vaak maatschappelijk USP’s van het bedrijf). In afbeelding 5 is te zien dat dit gedaan kan worden door nieuwsbrieven, social media posts en blogs.

  • Desire

Nu de consument daadwerkelijk interesse heeft is het tijd om verlangen te creëren. Vaak wordt er in deze fase ingespeeld op de emotie van de consument. Wat voor probleem lost jouw product of dienst op voor de consument? Hoe maakt jouw product of dienst het leven van potentiële klant makkelijker?

  • Action

Zodra je hebt laten weten aan de potentiële klant wat voor toegevoegde waarde jouw product of dienst heeft is het tijd voor actie! Letterlijk en figuurlijk. Vaak wordt er in deze fase gebruik gemaakt van duidelijke Call to actions (CTA) gefocust op het aankopen van het product. (Verhage, 2013)

Wat voor rol speelt AI binnen content marketing?

AI gaat steeds vaker een rol spelen bij content marketing. Daar waar relevante content steeds belangrijker wordt, helpt AI met het creëren en tonen van de juiste content op het juiste moment via het juiste kanaal. Via https://www.artificialcrm.com kwam ik op het volgende model:

Afbeelding 6: Customer lifecycle (in combinatie met AI)

Het model laat verschillende technieken zien gedurende de customer lifecycle van een klant. Hierdoor is te zien hoe AI bijdraagt aan kwalificeren van potentiële klanten naar loyale klanten in de marketing funnel.

Je ziet in het model dat hoe verder de klant in de marketing funnel zit hoe hoger de interactie en waarde is. Dit is een logisch, en heeft verder niet zoveel met AI te maken. Maar in dit model worden verschillende AI-technieken in combinatie met Content marketing weergeven die er samen voor zorgen dat de potentiële klant uiteindelijk hoger en verder in de funnel komt.

AIDA en customer lifecycle model

Als we de twee modellen naast elkaar leggen zien we veel overeenkomsten. Beide modellen geven weer hoe je klanten kan interesseren en aan de hand van bepaald stappen over kan laten gaan tot een aankoop. De customer lifecycle model geeft daarbij ook nog eens weer hoe je een klant kan behouden en vervolgens loyaal aan jouw merk kan maken. Dit in combinatie met AI-toepassingen geven beide modellen goed weer hoe AI en content marketing samen kunnen werken.

Hoe wordt AI ingezet om content marketing effectiever te maken?

Een groot probleem bij content marketing is de aansluiting van de content bij de persoon waarvoor het bedoeld is. Ieder persoon anders en daarom is het personaliseren van content een ontzettend belangrijk factor. Momenteel wordt content gepersonaliseerd op basis van doelgroepen. Vaak wordt er een persona opgesteld voor verschillende doelgroepen.

AI kan zorgen voor optimale personalisatie

Kunstmatige intelligentie wordt momenteel al gebruikt bij bijvoorbeeld Google Ads. Op basis van verzamelde data kan door middel van machine learning bepaald worden welk soort advertentie het beste werkt voor een bepaald persoon. Met displaymarketing is het bijvoorbeeld mogelijk om een kopregel, beschrijving en foto aan te leveren. Vervolgens gaat Google Ads zelf aan de slag met het vertonen van de advertentie. Dit wordt gedaan op duizenden verschillende manieren. Wanneer er een bepaalde Advertentievariant goed werkt, onthoudt Google Ads dit en zal deze opgeslagen worden om vervolgens in de toekomst een zo goed mogelijke advertentie te tonen aan de consument.

Machine learning speelt hierbij een grote rol. Doordat alle varianten gemeten worden begint de ‘machine’ te ‘leren’ welke advertentie goed aansluit bij de persoon waaraan de advertentie getoond wordt. Vaak wordt er bij advertenties gemeten op basis van kliks. (Google is capitalizing on AI in marketing, 2018)

Timing van je berichten

AI kan door middel van machine learning precies weten wanneer de content verspreid moet worden. Machine learning baseert dit op grote datasets. Aan de hand van eerdere ervaringen kan AI precies bepalen welk op welk moment de content het beste gepubliceerd kan worden en vertoond kan worden via bijvoorbeeld advertenties. Bij Facebookadvertenties zien we dit al terug. Op basis van testen kan Facebook precies bepalen wanneer jouw (vooraf bepaalde) doelgroep het meeste actief is en bijvoorbeeld het meeste jouw advertentie opent.

Welke afbeeldingen moet je gebruiken?

Deep learning richt zich o.a. op beeldherkenning. Aan de hand van de gegevens die het verzamelt kan AI erachter komen welke afbeeldingen een bepaalde doelgroep aanspreekt en welke niet. Vervolgens kan Deep Learning de beste soort afbeelding aanbevelen.

Conclusie

AI is erg technisch maar kan door al deze technische ontwikkelingen veel uitkomsten bieden op content marketingniveau. De voorbeelden hierboven geven een goed beeld weer van hoe AI-ondersteuning kan aanbieden bij content marketing.

AI ontwikkelt zich steeds verder waardoor content marketing steeds beter en effectiever ingezet kan worden. Deze modellen dragen naar mijn mening goed bij aan het gehele proces. Door gebruik te maken van bijvoorbeeld het AIDA-model in combinatie met het customer lifecycle model zorg je ervoor dat je content optimaal ingezet wordt.

Bronnen