01
AI i marknadsföring
Där AI faktiskt hjälper marknadsföringen
Jag poängsatte 23 marknadsteam inom ett och samma bolag på samma skala. Den intressanta kvadranten var mindre än någon väntat sig, och nästan aldrig där entusiasmen fanns.
Kort svar
AI ger verklig hävstång i ett marknadsflöde när fyra saker är sanna samtidigt: flödet tar mycket tid i dag, resultatet tål att bli fel ibland, indatan modellen behöver finns faktiskt i ett system, och flödet är billigt att ändra. Poängsätt varje flöde på de fyra axlarna så blir den verkligt värda mängden oftast liten – utkastgenerering, variantproduktion, klassificering och sammanfattning av fritext, samt första QA-genomgången. Allt som kräver en garanti för korrekthet, eller vars indata bor i någons huvud, är teater.
Jag har kört samma poängsättning över 23 marknadsteam inom ett och samma bolag, som ett internt program och inte en pilot. Resultatet blev en rangordnad lista i stället för en samling åsikter, och det nyttigaste med den var hur mycket den tog bort från roadmapen.
Här är modellen, eftersom den är mer användbar för er än slutsatserna från någon annans organisation.
De fyra axlarna
Poängsätt varje återkommande arbetsflöde – inte varje verktyg, varje flöde – på fyra saker.
- Tid det tar i dag. Timmar per månad, för alla som rör det. Mät i stället för att uppskatta; uppskattningarna är fel åt båda hållen och felet är inte slumpmässigt.
- Tolerans för ett felaktigt resultat. Om modellen har fel en gång på 20 – vad händer? Ett utkast en människa redigerar: ingenting. Ett pris som visas för en kund: en mycket dålig eftermiddag. Den här axeln eliminerar fler kandidater än de andra tre tillsammans.
- Tillgång till indatan. Har modellen tillgång till det den behöver, i ett system, i dag? Om kontexten som gör beslutet rätt bor i någons huvud eller i en Slack-tråd från mars är flödet inte automatiserbart ännu – det är odokumenterat, vilket är ett annat och billigare problem att lösa.
- Kostnad att ändra. Vad måste byggas om, godkännas om eller integreras om? Ett flöde inuti ett verktyg är billigt. Ett flöde som spänner över er CDP, er meddelandeplattform och en juridisk granskning är det inte.
Som bedömningsmall, på en sida:
| Axel | Frågan | Hög poäng när | Låg poäng när |
|---|---|---|---|
| Tid det tar | Timmar per månad, för alla som rör flödet | Det är ett stående jobb för flera personer varje vecka | Det händer två gånger om året |
| Feltolerans | Vad händer när det blir fel en gång på 20? | En människa redigerar utkastet innan någon ser det | En kund agerar på det, eller en myndighet läser det |
| Tillgång till indata | Finns det modellen behöver i ett system i dag? | Indatan är kolumner i en tabell | Kontexten bor i någons huvud |
| Kostnad att ändra | Vad måste byggas om, godkännas om eller integreras om? | Det ligger inuti ett verktyg | Det spänner över CDP, plattform och juridik |
Poängsätt varje axel på samma skala – ett till fem räcker gott, förutsatt att en och samma person kalibrerar alla i ett svep – och rangordna på summan. Behandla feltoleransen som ett veto i stället för en vikt: ett flöde som får en etta där hör inte hemma på listan oavsett totalsumma.
Den intressanta kvadranten är mycket tid, hög feltolerans, tillgänglig indata, billig att ändra. I de flesta organisationer rymmer den en handfull flöden, och sällan de som har mest entusiasm bakom sig.
Illustrativt. Raderna nedan är påhittade – en verklig poänglista är kundens material – men formen på resultatet är exakt den här: fyra poäng, en summa, och ett beslut som går att argumentera mot.
| Arbetsflöde | Tid | Feltol. | Indata | Ändring | Beslut |
|---|---|---|---|---|---|
| Lokalisera kampanjtext till sex marknader | 5 | 4 | 4 | 4 | Gör först |
| Veckovis kommentar till resultatet | 4 | 4 | 5 | 3 | Gör först |
| Tagga och sammanfatta inkomna ärenden | 5 | 4 | 4 | 2 | Gör härnäst |
| Regler för vilka segment en kund hamnar i | 3 | 1 | 3 | 2 | Gör inte |
| Årlig rapport om varumärket | 2 | 3 | 2 | 2 | Låt ligga |
Lägg märke till fjärde raden. Den har en respektabel summa och är ändå ett nej, eftersom feltoleransens veto slår till: en segmentregel som är fel en gång på 20 är en kund som får veta något osant om sitt eget konto.
AI i marknadsföringen: vad som faktiskt fungerar
Konsekvent, över team och bolag, poängsätter fyra kategorier högt.
- Utkastgenerering. Första versioner av allt en människa ska redigera: texter, briefar, sammanfattningar, testplaner. Mycket tid, hög feltolerans, indata oftast tillgänglig. Det är oglamoröst och det är där de flesta verkliga timmarna finns.
- Variantproduktion. Tolv versioner av en ämnesrad, lokaliserade till sex marknader, är en uppgift där marginalkostnaden per variant var den faktiska begränsningen för att göra det ordentligt. Att ta bort den begränsningen ändrar strategin, inte bara arbetsbördan.
- Klassificering och sammanfattning av fritext. Supportärenden, recensioner, öppna enkätsvar, säljanteckningar. Enorm tidskostnad, hög tolerans för enskilda fel, och det är ändå aggregatet ni agerar på.
- Första QA-genomgången. Kontroll av länkar, variabler, lokaliseringstäckning och rendering före en mänsklig granskning – inte i stället för en. Den fångar aldrig allt, och behöver inte göra det.
Lägg märke till vad de har gemensamt: en människa finns kvar i loopen, och modellen komprimerar arbete snarare än fattar beslut.
Där det är teater
Tre kategorier kommer konsekvent tillbaka som dåliga kandidater, och att namnge dem är värt lika mycket som roadmapen.
Allt som kräver en garanti. Priser, behörighet, regulatoriska påståenden, allt med en siffra en kund kommer att agera på. Feltoleransen är i praktiken noll, och kostnaden för granskningsprocessen ni skulle behöva bygga runt det överstiger det ni sparade.
Allt vars indata är odokumenterad. ”Varför exkluderar vi alltid det här segmentet i Norge?” Om svaret är institutionellt minne kan modellen inte ha det, och ingen mängd prompt-arbete ersätter att skriva ned det. Skriv ned det först – ni kan upptäcka att det var hela förbättringen.
Allt som mäts i adoption. Antal licenser och prompter per anställd räknar aktivitet. Ett initiativ som rapporterar det har oftast hoppat över frågan om vad det skulle förändra – samma miss som ett churn-program utan en siffra kopplad till sig. Det är det tydligaste tecknet som finns, och det överlever hur mycket ledningsentusiasm som helst.
Bygga eller köpa
Bygg-eller-köp-beslutet är där mest pengar vinns och förloras, och den ärliga versionen är obekväm för båda sidor av marknaden.
Köp när flödet är generiskt, leverantörens dataövertag är verkligt och integrationen är produkten. Bygg när flödet kodifierar något specifikt för er affär – er segmenteringslogik, er ton, er definition av livstidsvärde – eftersom just den specificiteten är vad ett generellt verktyg plattar ut.
Och ett tredje alternativ som glöms bort: skriv 20 rader kod. En förvånande andel av det plattformar säljs in för är ett schemalagt skript med ett modellanrop i mitten. Jag har byggt och lanserat ett AI-verktyg i den kategorin själv, vilket mest är användbart som kalibrering: det visar hur mycket av priset som är förmåga och hur mycket som är förpackning.
Så kör ni det själva på en vecka
Ni behöver ingen hjälp för första genomgången.
- Lista varje återkommande arbetsflöde i marknadsorganisationen. Inte verktyg – flöden. Sikta på 40 till 80 för ett medelstort team.
- Intervjua i stället för att skicka enkät. 45 minuter per team, och fråga vad som faktiskt händer, inte vad processdokumentet säger. Enkätsvar beskriver den önskade versionen.
- Poängsätt alla fyra axlar, på samma skala, i ett svep så att kalibreringen håller.
- Ta den översta punkten och bygg den faktiskt, dåligt, på en dag. Prototypen är det som visar om rangordningen stämmer.
- Publicera ”det här gör vi inte”-listan lika synligt som roadmapen. Det är den halvan som sparar pengar.
Tre veckor i stället för en är rätt svar och inte ett misslyckande. Ett kvartal betyder att organisationen svarar på en annan fråga – oftast om den kan enas om någonting alls – och det är också värt att veta.
Det här tar du med dig
- Poängsätt arbetsflöden, inte verktyg, på fyra axlar: tid, tolerans för fel resultat, tillgång till indata, och kostnad att ändra.
- Feltoleransen eliminerar fler kandidater än de andra tre axlarna tillsammans, och fungerar därför som veto snarare än vikt.
- De pålitliga vinsterna är utkastgenerering, variantproduktion, klassificering av fritext och första QA-genomgången – alla med en människa kvar i loopen.
- Indata som bor i någons huvud betyder att flödet är odokumenterat snarare än automatiserbart. Att skriva ned det kan vara hela förbättringen.
- Ett initiativ som mäts i adoption har hoppat över frågan om vad det skulle förändra.
- Glöm inte det tredje alternativet: 20 rader kod, i stället för att bygga eller köpa.
Vill ni ha siffran för ert antal team? En rad räcker.[email protected]