Alle AI-cases die je moet kennen

Leestijd: 6 minuten

AI is veel in het nieuws. Maar, wat kun je er als marketeer mee? Ik vond een interessant overzicht van toepassingen. Het is erg uitgebreid. Dus ik heb het puntig voor je samengevat. Een lijstje om te archiveren!

Uitgangspunt 

Persoonlijke marketing
Voor marketeers is een belangrijke belofte van AI is dat ‘massa-marketing’ eindelijk echt persoonlijk kan worden. Een eenvoudig voorbeeld komt van merken als Spotify, Amazon en Netflix. Zij geven met AI steeds individuelere aanbevelingen, waardoor hun service veel persoonlijker wordt. Hierdoor weten ze een bovengemiddelde loyaliteit te creëren. Immers, hoe relevanter een dienst is, hoe vaker je ‘m gebruikt.

Handig hulpje
Overigens zijn niet alle diensten, die gebruiken maken van AI, perse 100% kunstmatig. Vaak doen robots het voorwerk en dragen gewone mensen zorg voor de laatste stap. Dit is het geval bij de gesprekken die KLM voert via messenger-diensten. Robots geven suggesties voor een antwoord, de medewerker bepaalt wat het antwoord uiteindelijk wordt.

Keuze
Het onderstaande overzicht toont aan, dat AI reeds op heel veel plekken is opgedoken. Daarmee staan marketeers voor een belangrijke keus: willen ze klanten persoonlijk gaan benaderen, dan kunnen ze uiteindelijk moeilijk zonder AI. Of ze muziekdiensten bieden, campagnes willen optimaliseren, een helpdesk hebben of hun winkelformule willen optimaliseren.

1. Beeld

Zelfrijdende auto’s
Het eerste domein waarbij AI belangrijk is, is de herkenning van beeld. Een populair voorbeeld is de zelfrijdende auto. Deze kan niet zonder AI. AI helpt de auto te begrijpen wat hij ziet: een kartonnen doos of een kind op een fietsje.

Winkelbezoek
Winkels gebruiken soortgelijke technieken om te begrijpen wat bezoekers in hun winkels doen: welke schappen werken goed en welke minder? Hierbij kan gezichtsherkenning worden gebruikt: wie doet wat in de winkel, hoe vaak komt deze persoon terug en wie heeft hij nog meer bij zich?

Nummerborden
Winkels gebruiken dit soort technieken inmiddels ook om de nummerborden van langsrijdende auto’s te noteren. Door deze gegevens te combineren met externe databases, wordt het steeds makkelijker om uit te vinden wie de mensen zijn die langsrijden, wat ze te besteden hebben en waar ze wonen.

Cases
Voorbeelden zijn dit soort diensten zijn ShopperTrakRetailNext en OpenAPLR.

Sociale media
Ook door sociale media wordt AI, die beelden kan herkennen, belangrijker. Sociale media gebruiken tegenwoordig immers minder tekst en worden steeds visueler. Denk aan Snapchat, Instagram, Pinterest of YouTube.

Beeld is een stuk lastiger te interpreteren dan woord. Dus zijn ‘deep-learning’-technieken nodig om te begrijpen waar beelden op sociale media over gaan, welke trends er achter zitten en wat het sentiment hierbij is.

Cases
Voorbeelden: ClarifAICloudsightIndico en Dextro.

Archivering van beeld
We zetten met z’n allen steeds meer beelden online. En we verwachten dat deze steeds makkelijker gevonden kunnen worden. AI kan helpen deze media te inventariseren.

Een goed voorbeeld is uiteraard de mogelijkheid om met Google naar een afbeelding te zoeken. Google’s AI herkent inmiddels heel goed wat er op een afbeelding gebeurt, welke labels deze moet krijgen en zelfs wie er op het plaatje staat. Bedenk dus, dat als je straks zoekt naar ‘een kat die in de sneeuw met een bal speelt’, je afbeeldingen krijgt, die een computer zo heeft herkent.

Cases
Illustraties zijn Adobe Smart TagsAsset Bank en Google Cloud Vision API


2. Taal

Siri en callcenters
Het gebruik van AI is in dit domein wat bekender. Onderzoekers zijn al decennia bezig om computers te laten begrijpen wat mensen bedoelen als ze iets opschrijven of iets uitspreken.

Een vroeg voorbeeld was de computer van een callcenter. Deze probeerde het onderwerp van je vraag  te begrijpen om je zo direct met de juiste medewerker door te verbinden.

Inmiddels kennen we deze toepassingen ook van Amazon’s Alexa en Apple’s Siri. Een mooie mijlpaal is IBM’s Watson. Watson begrijpt tekst zo goed, dat het een spelletje Jeopardy won.

Chatbots
Dit gebied krijgt tevens veel aandacht door chatbots, bijvoorbeeld via Twitter, Facebook Messenger of Whatsapp. De grote belofte is dat merken zo authentieke, persoonlijke gesprekken met grote hoeveelheden klanten kunnen voeren. Maar dit is nog een stip aan de horizon.

In eerste instantie helpt AI klanten vooral om snel een oplossing te vinden, zonder door uitgebreide keuzemenu’s te lopen. Ofwel, doordat de chatbot herkent waar een vraag over gaat, kan hij snel suggesties doen waar het antwoord gevonden kan worden.

Deze bots zijn belangrijk, omdat chat-omgevingen steeds volledigere ecosystemen worden. Ze bieden toegang tot een heel scala aan diensten. Inspiratie is uiteraard het succes van het Chinese WeChat. Een slimme robot kan een gebruiker dus straks vrijwel overal mee helpen.

Cases
Facebook MessengerAlexa Skills APIConverse.AI en IBM Watson.

A/B…Z
Een andere toepassing van taal en AI is een geavanceerde versie van A/B-testen. Doordat computers taal beter begrijpen, kunnen ze continu nieuwe varianten van een communicatieboodschap testen. Robots leren zo autonoom welke communicatiestrategie het beste werkt voor welk type klant.

Een marketingcampagne heeft hierdoor geen vaste vorm meer, waar een strateeg vooraf over nadenkt. Hij krijgt een hele organische opbouw, waarbij de invulling wordt gebaseerd op trial-and-error.

Cases
Voorbeelden zijn: PersadoIPSoftAutomated Insights.

Sentiment
Voor merken wordt het ook steeds belangrijker om het sentiment van klanten te herkennen. Robots zijn inmiddels goed in staat te begrijpen of een klant blij, teleurgesteld of geïrriteerd is.

Zo kan sneller ingespeeld worden op een mogelijke crisis. Dit kan tijdens een 1 op 1-contact, om te herkennen dat een klant niet tevreden is over de dienstverlening en dus een plan B nodig is. En het is belangrijk voor sociale media, om een negatief sentiment te identificeren voordat het momentum krijgt.

Cases
Toepassingen zijn LexalyticsSysomos en Crimson Hexagon.

3. Advies

Data-analyse
AI kan marketeers ook adviseren welke beslissing het beste gemaakt kan worden. Data-mining speelt hier een belangrijke rol: robots kunnen grote hoeveelheden data vertalen naar eenvoudige inzichten.

Programmatic-buying
Maar behalve adviseren, kunnen machines ook steeds vaker zelf beslissingen maken. Bijvoorbeeld of het zinvol is om extra budget voor een lopende digitale campagne aan te wenden. Programmatic-advertising is een goed voorbeeld. Computers zijn een stuk beter in staat dan mensen om snel te beslissen welk bod op welk moment moet worden uitgebracht.

Cases
Voorbeelden: Adobe Media OptimizerRocket Fuel en Kenshoo.

Tweelingen
Tweeling-analyse is een andere trend. Bedrijven kunnen met AI analyseren welke nieuwe groepen mensen veel overeenkomsten vertonen met hun bestaande klanten. Zo kan ontdekt kan worden, dat mensen die een bepaalde winterjas kopen, veel overeenkomsten hebben met de bezoekers van een specifieke wintersport-site.

Cases
Illustraties: Oracle BluekaiAdobe Audience Manager en DoubleClick van Google.

Flexible content
Veel online content wordt nog aangeboden op basis van handmatige geformuleerd regels. Deze zijn bijvoorbeeld gebaseerd op de locatie van een gebruiker: als iemand in Amsterdam is, krijgt hij net wat andere content dan iemand in Rotterdam.

Met slimme algoritmes kan content direct worden aangepast terwìjl de bezoeker de website gebruikt. De potentiële klant kan bijvoorbeeld een lagere prijs aangeboden krijgen, wanneer de robot inschat dat de kans groot is dat hij de site verlaat.

AI wordt hierbij steeds beter in staat om te leren. Het kan automatisch nieuwe patronen ontdekken: wat moet worden gedaan om de kans op een online aankoop zo groot mogelijk te maken? Iedere succesvolle ingreep wordt gebruikt om toekomstige acties aan te scherpen.

Cases
Voorbeelden: NeoWizeBloomreach en Sentinent.

4. Voorspellen

Aanbevelingen
Tenslotte zijn er AI-technieken, die anticiperen op een toekomstige handeling van een gebruiker. Een bekend voorbeeld zijn aanbevelingen: als je dit leest of kijkt, vindt je dit boek of deze film vast ook leuk.

Waar deze adviezen nu vaak zijn gebaseerd op overlappend aankoopgedrag, kan AI een flinke stap verder maken. Het kan allerlei aanvullende data gebruiken, zoals het apparaat dat wordt gebruikt en het tijdstip van het bezoek. Deze gegevens kunnen worden gecombineerd met externe data. Hiermee kan een ‘koude start’ worden voorkomen: als een klant nog weinig gekocht heeft, is het moeilijk een goede voorspelling van een aankoop te doen.

Under Armour en Nortface
Twee illustraties in dit kader: sportmerk Under Armour gebruikt de AI van IBM’s Watson om betere productaanbevelingen te doen. Hierbij wordt gebruik gemaakt van allerlei voeding- en fitnessdata van derde partijen.

Northface’s gebruikt “Find the perfect jacket”. Via een simpel vraag-en-antwoord-spel (‘Waar ga je wanneer naar toe en wat ga je doen?’) krijgt een gebruiker direct een persoonlijke aanbevelingen welke producten het beste bij hem passen.

Cases
Leveranciers: Amazon DSSTNELiftIgniter of IBM Watson.

Voorspelling
Het nieuwe in dit domein is dus dat big-data vaak gericht is op het verleden: wat hebben mensen gedaan en hoe succesvol was een bepaalde benadering? Met AI wordt geprobeerd om toekomstig gedrag te voorspellen. Deze benadering is erg interessant om de effectiviteit van CRM te vergroten.

Salesforce Einstein geeft marketeers pro-actief een seintje als belangrijke ontwikkelingen op stapel staan. Bijvoorbeeld als de kans groot is dat een belangrijke klant een contract niet gaat verlengen. Hierbij worden algemene markttrends gecombineerd met hele specifieke, individuele data.

Cases
Voorbeelden: Salesforce EinsteinIBM Predictive Analytics en Marketo.

Kortom
Ofwel, gebruik je nog geen AI, weet dan dat de kans groot is dat je dat in de toekomst wel doet. Direct, doordat je deze technieken zelf gebruikt. Of indirect, doordat een toeleverancier AI inschakelt.

De samenwerking tussen marketing en ICT wordt hiermee nog belangrijker. Evenals een kritische analyse wat AI precies voor je organisatie kan betekenen. En of het echt gaat om een betere, persoonlijkere service of een grappig gimmick.

Als je zelf AI wilt ervaren, check dan dit artikel dat ik eerder schreef: Speel pictionary met Google’s AI.

Speel Pictionary met Google’s AI

Leestijd: < 1 minuut

quickdraw1

Je leest veel over Artificial Intelligence. En je hebt er een beeld bij. Maar hoe werkt het precies? En hoe goed is het in staat abstractere dingen te begrijpen?

Een leuk, simpel voorbeeld is Quick, Draw! van Google. Je kunt Pictionary spelen met een slimme computer van Google. Deze probeert te raden wat je tekent. En doet dat verrassend goed. Leuk voor een regenachtige zaterdagmiddag :).

Zie hoe Google denkt
Grappig is dat je tijdens het tekenen hoort wat Google denkt dat je tekent. En nadat je 6 tekeningen hebt gemaakt, kun je zien hoe Google heeft geleerd je krabbel te herkennen.

quickdraw2

Probeer het hier zelf

 

Meer AI
Hier staan meer AI-experimenten van Google. Een ander voorbeeld is Thing Translator. Je richt je telefoon op een object en Google probeert het te herkennen en te vertalen naar diverse talen.

thingtranslator

Wat ik leerde op Web Summit 2016

Leestijd: 3 minuten

babyx

Vorige week was ik op de Web Summit in Lissabon, “Europe’s Largest Technology Marketplace”. Een aantal punten vond ik interessant. En één case maakte grote indruk.

De thema’s
Virtual Reality was het ene grote thema van het congres. Veel bedrijven proberen de kloof tussen virtueel en echt kleiner en intuïtiever te maken. Zo wordt het steeds makkelijk om virtuele objecten ‘aan te raken’, doordat handgebaren beter te herkennen zijn. Bijvoorbeeld met speciale handschoenen. Maar ook met minuscule radars, die de echo’s van specifieke bewegingen herkennen.

websummit-vr

Artificial Intelligence was het andere thema. Intelligente robots duiken overal op. Het lijkt alsof de meeste bedrijven druk zijn mensen overbodig te maken. Dit terwijl onze planeet een boel tekorten heeft. Maar een tekort aan mensen is daar niet perse eentje van, voor m’n gevoel.

De kritische noot
Tussen de regels door kwam daardoor een gevoel naar boven. De verkiezing van Donald Trump verstevigde dit. Dit is dat de digitale industrie in een bubbel leeft en het contact met de normale wereld dreigt te verliezen.

In deze bubbel werd Clinton president en maakt innovatie het leven steeds beter en leuker. Ondertussen kiest een grote groep mensen een andere president, omdat deze dingen alles behalve beter vindt gaan. Onderzoek van de Britse overheid leerde dat 51% van de mensen vindt dat innovatie op dit moment te snel gaat. Er ontstaat een kloof tussen mensen die wel en niet meedoen met vernieuwing.

Verder zijn digitale voorlopers bezig met vrij basale dingen: snellere bezorging en goedkopere overnachting. Dit terwijl best gesteld kan worden dat de wereld met serieuzere uitdagingen worstelt, zoals klimaatverandering, armoede en het vastlopen van het democratisch proces. Zie ook dit artikel van de Correspondent: De Grote Disruptive-Start-up-Out-Of-The-Box-Co-Creation-in-the-Cloud-Bullshit-Bingo.

Daardoor ontstond er op diverse podia een teneur dat er misschien wat meer moet worden veranderd, dan de manier waarop we producten en diensten kopen.

BabyX
Tot zover de kritische noot. Want toen ik BabyX zag, sprong ik weer enthousiast in de bubbel. Deze innovatie valt onder het kopje AI en maakte grote indruk. Of, zoals één van de oprichters van Pixar ooit zei: “If I had my time again I’d want to spend it in this lab”.

Laboratory for Animate Technologies is een project van de University of Auckland in Nieuw Zeeland. Het creëert live simulaties van mensen. Interessant is dat dit helemaal vanuit de basis gebeurt.

Het project simuleert dus niet zomaar ‘lachen’ of ‘huilen’ door een gezicht vrolijk of droevig te maken. Het begint met de kleinste elementen. De chemische stofjes, die in de hersenen zitten. Hoe deze met elkaar reageren. Wat dat betekent voor de hersenactiviteit. Hoe de spieren veranderen en hoeveel inspanning ze hiervoor moeten leveren. Wat dat betekent voor de ademhaling, de emotionele reactie en de uiteindelijke gezichtsuitdrukking.

Dit kan nog steeds ‘lachen’ zijn. Maar door de verfijnde micro-expressies komt het lachen erg realistisch over. De digitale persoonlijkheid leert daarbij continu van interactie met echte mensen.

BabyX is een simulatie van een jong kindje. Deze voelde tijdens de demo zo realistisch, dat ik het uit de laptop wilde redden. Want de demonstratie gebeurde live op een gewone, zelfs wat verouderde, MacBook!

Ook volwassen personen worden zo realistisch gesimuleerd. De onderzoekers kunnen hierbij direct zien wat er in de hersenen gebeurt. En ze kunnen specifieke stofjes in de aanmaken om een reactie te beïnvloeden.

Ofwel, binnenkort hebben we ook geen mensen meer nodig om een emotionele relatie op te bouwen :).

Kunstmatige intelligentie in 7 stappen

Leestijd: 2 minuten

her

Het internet draait om strijd: wie wordt de monopolist van een domein?

Eerst ging deze om bereik: wie wordt het grootste medium? Toen draaide het om ‘search’, daarna om de ‘social graph’: wie verbindt het beste mensen aan elkaar?

Nu gaat de strijd om service: welke partij gebruik je straks om assistentie te vragen? Bijvoorbeeld als je een taxi, pizza of recept wilt. Of als de lichten moeten worden gedimd?

Apple’s Siri? Google Home? Amazon Echo? WeChat? Ik vind dit een bijzonder interessante ontwikkeling. Service is daarmee echt een massamedium aan het worden, zoals ik eerder schreef.

Belangrijk is AI: de mate waarin een computer in staat is je te begrijpen. Dit artikel is leuk leesvoer: welke assistent geeft je superkrachten? Het maakt onderscheid tussen 7 fases.

superpowers

1. Kennis
Intelligentie draait om veel dingen weten. Google heeft hier gewonnen.

2. Begrip
Belangrijk is vervolgens interpretatie: wat bedoel je precies? Dit domein draait om stemherkenning, de herkenning van lichaamstaal, gezichtsherkenning en de vertaling van tekst.

Microsoft zegt dat stemherkenning nu een foutratio van 6.3% heeft. Mensen zitten rond de 4%.

3. Assistentie
In dit domein zitten Amazon Echo en consorten. Hier gaat het om hulp. Wat heb je nodig en hoe kan jouw productiviteit worden vergroot?

Reageren op een hulpvraag is belangrijk, maar pro-activitiet ook: de assistent moet weten wat je nodig hebt, zonder dat je er om vraagt. Bijvoorbeeld een filemelding gebaseerd op de verwachting dat je zo naar huis rijdt.

4. Complexiteit
Intelligentie kan ook complexe informatie terugbrengen tot een eenvoudige kern. Bijvoorbeeld grote juridische documenten vertalen naar een kernachtig overzicht. Of complexe marktinformatie terugbrengen tot een strategisch inzicht.

5. Creativiteit
Dit is het vermogen om tot nieuwe ideeën te komen. Bekende concepten moeten naar nieuwe situaties worden vertaald. Hier wordt druk mee geëxperimenteerd, zoals AI dat een trailer helpt te maken of muziek schrijft.

6. Emotionele intelligentie
Hier ligt één van de grootste uitdagingen: het begrijpen en toepassen van intelligentie om een doel te bereiken. Als mensen worstelen we hier vaak nog mee. De interpretatie van emotie is belangrijk.

De film Her is een goed voorbeeld.

7. Bewustzijn
Hier zit de heilige graag en het Terminator-schrikbeeld. Machines krijgen een bewustzijn. Voorlopig nog flinke toekomstmuziek.

Bij dit alles lijkt de grote uitdaging niet zozeer om slimme apparaten te maken. Maar om ervoor te zorgen dat deze het leven van mensen makkelijker maken. En ons dus ‘superkrachten’ geven.

Ofwel: leuk dat de machine iets kan. Maar gaat een handeling daardoor veel sneller, kost deze een stuk minder moeite of is de uitkomst significant beter?

Druk nu op de Home-knop van je iPhone en vraag Siri een afspraak met een vriend van dinsdag naar woensdag te verplaatsen. En je voelt waar de schoen wringt :).

Lees het hele artikel