Merkvraag 18a: wat kan jouw merk met kunstmatige intelligentie?

20 juli 2020, 09:00

Wekelijks behandel ik een basale merkvraag op Marketingfacts. Deze gaat over kunstmatige intelligentie (artificial intellicence of AI). Dit onderwerp is veel in het nieuws en er zijn een boel spannende voorbeelden. Toch verscheen enkele dagen geleden het bericht dat Nederlandse investeringen in AI achterblijven. Een goed moment om jezelf af te vragen: wat kan ik als merkbouwer eigenlijk met AI?

Wat is AI eigenlijk?

Als je aan AI denkt, denk je aan slimme robots, auto’s die zelf rijden, computers die muziek maken of chatbots die zelfstandig een dialoog voeren. Dit maakt AI magisch en inspirerend, maar ook abstract: hoe werkt deze magie?

Vorig jaar was ik in Lissabon op de Websummit. Daar hoorde ik het verhaal van Cassie Kozyrkov, Chief Decision Scientist bij Google. Haar definitie van AI was verfrissend eenvoudig. Zij vertelde dat het op dit moment simpelweg om patroonherkenning draait: je gooit een bak data in de computer en hoopt dat die patronen herkent. Met deze patronen probeer je een doelstelling te behalen.

Als voorbeeld: je geeft de computer een grote hoeveelheid foto’s. Die computer vindt allerlei patronen in kleur en vorm. Het enige dat AI vervolgens doet, is labels geven aan deze patronen. De ene foto heeft een blauw vlak (label ‘lucht’, de andere een gele cirkel (label ‘zon’). Kozyrkov:

Machine learning is a thing-labeler, essentially.

Hoe herkent AI een kat?

Vervolgens geef je de computer ook een doelstelling: zoek zoveel mogelijk foto’s die qua patroon lijken op de foto’s van een tweede groep. Dit zijn foto’s van katten. Als de computer een foto vindt met een kat, is het goed. Als de computer een foto vindt die qua patroon passend lijkt, maar een vuilniszak of beer bevat, geef je een fout.

Zonder dat de computer enig benul heeft waarnaar wordt gezocht, leert deze met welke patronen katten te herkennen zijn. Daarmee lijkt de computer intelligent. Maar dat is dus niet zo, de computer snapt nog steeds niet het wezenlijke verschil tussen een vuilniszak en een kat.

De computer snapt nog steeds niet het wezenlijke verschil tussen een vuilniszak en een kat

Dit kun je zelf makkelijk toetsen. Zoek op Google naar ‘een kat die in de sneeuw speelt‘, druk op afbeeldingen en je ziet de beelden die de computer zelfstandig heeft herkend. De meeste afbeeldingen kloppen verrassend goed, dit illustreert hoe ver gevorderd AI is. Maar als je wat verder scrollt, zie je ook foto’s van een hond in de sneeuw, een tijger in het water of de afbeelding van een kerstman op een douchegordijn. Als je meer wilt weten over slimme beeldherkenning, check dan Adobe Smart Tags, Asset Bank of Google Cloud Vision API

AI is gewoon een lerende machine

Echte kunstmatige intelligentie is daarmee nog een lange termijn ambitie. AI is op dit moment niets meer dan ‘machine learning’: computers kunnen met grote hoeveelheden data en eindeloze analyses goed leren wat de kenmerken van een kat zijn. Maar zelfs een kind van drie ziet het verschil tussen de kerstman op een douchegordijn en een kat in de sneeuw.

AI maakt merken persoonlijker

Een belangrijke belofte van AI is dat massamarketing persoonlijk wordt. Goede voorbeelden komen van Spotify, Amazon en Netflix. Doordat hun AI patronen herkent in de voorkeuren van klanten, kunnen ze persoonlijke aanbevelingen geven. Want Spotify is leuker als je muziek hoort die bij je past.

Een belangrijke belofte van AI is dat massamarketing persoonlijk wordt

Modemerken maken hier ook gebruik van. Under Armour en Nike doen met AI betere productaanbevelingen. Nog interessanter is Revolve, een modemerk opgericht door data-analisten. Met AI ontdekken zij sneller nieuwe modetrends en spelen hun producten daar beter op in. Extra interessant is dat de computers van Revolve ook leren welke influencers het beste bij zo’n productintroductie kunnen worden betrokken.

Merkbouwers komen zo stapsgewijs voor een belangrijke keuze te staan: als ze hun klanten persoonlijk willen blijven benaderen, dan kunnen ze uiteindelijk moeilijk zonder AI.

AI gaat in dialoog

Een toepassing van AI die al lang tot de verbeelding spreekt, is de pratende computer. In theorie ligt deze in lijn met het kattenvoorbeeld: als je maar genoeg geluidsfragmenten invoert, lukt het computers steeds beter te begrijpen welk geluid bij welk woord past. Vervolgens is de vraag: welke actie past het beste bij dit woord?

Merken pasten deze mogelijkheid vroeg toe bij hun callcenters. Eerst vraagt een stem waar de klant over belt. Als het antwoord is: “Mijn creditcard is vanavond gestolen terwijl ik met mijn vriend aan het eten was” pikt de computer het woord “gestolen” eruit en wordt de klant doorverbonden met Verlies & Diefstal.

Inmiddels wordt veel telefonische dienstverlening vervangen door chatbots, bijvoorbeeld via Twitter of WhatsApp. De computer kan zo makkelijker zelf een reactie geven. Als de klant typt dat z’n creditcard is gestolen, kiest de computer de reactie die hij het meest passend vindt: “Wat vervelend… Wat is uw klantnummer…? Wilt u uw card tijdelijk of definitief blokkeren…? Wanneer bent u terug van vakantie…?”

De uitdaging is uiteraard dat een dagelijkse dialoog zoveel kanten op kan, dat deze snel te lastig wordt om te interpreteren voor een computer. Vaak doet AI daarom het voorwerk: als de klant bij KLM een vraag stelt via de chat, geeft de computer een suggesties voor het meest passende antwoord. Dit bespaart de medewerker tijd, die hoeft hierdoor alleen te kiezen welk antwoord de klant te zien krijgt.

AI begrijpt abstracte vragen

Hoe goed computers inmiddels zijn in het begrijpen van vragen, werd duidelijk toen de supercomputer van IBM het bekende tv-spelletje Jeopardy won. De computer beantwoorde abstracte vragen beter dan z’n menselijke uitdagers.

Inmiddels zijn computers ook vrij goed in staat om het sentiment achter een dialoog te herkennen. Is een klant blij, teleurgesteld of geïrriteerd over het verloop van de dialoog? Als een klant niet tevreden is over de antwoorden van de computer kan deze naadloos worden doorgeschoven naar een echte medewerkers. Op deze manier kan ook een negatief sentiment op social media vroeg worden ontdekt, nog voordat het momentum krijgt. Voorbeelden van dergelijke diensten komen van Lexalytics, Sysomos en Crimson Hexagon. AI zoekt zo ook naar terroristische berichten of nep-accounts. Twitter haalde met AI al honderdduizenden terroristische accounts offline.

Beeld is voor een normale computer een stuk lastiger te interpreteren dan woord

Slimme computers zijn ook belangrijker voor social media omdat die van woord naar beeld gaan, zie Instagram of TikTok. Beeld is voor een normale computer een stuk lastiger te interpreteren dan woord. Dus zijn ‘deep-learning’-technieken nodig. Wat is er zichtbaar op de beelden? Welke trends zitten er achter en wat is het sentiment? Aanbieders zijn onder meer ClarifAI, Cloudsight en Indico.

AI zorgt voor nieuwe ecoystemen

Stapsgewijs wordt praten met computers steeds normaler. Slimme assistenten als Google Home, Amazon’s Alexa en Apple’s Siri zijn voor iedereen beschikbaar. Volgens schattingen worden ze al door een derde van de Nederlanders gebruikt.

De slimme bots beantwoorden vragen niet alleen in woord, maar ook in daad. Ze kunnen op mondeling verzoek muziek afspelen, een taxi bestellen en een pak luiers kopen. Dit ecosysteem van diensten wordt steeds vollediger, waardoor je binnenkort vrijwel alles via de slimme spraakcomputer kunt regelen, zelfs je bankzaken.

Je kunt binnenkort zelfs je bankzaken via de slimme spraakcomputer regelen

Een cruciale consequentie voor merken is dat veel bekende interactiemomenten daarmee verdwijnen. Als iemand Alexa vraagt om batterijen, heeft Duracell niet meer de kans om te verleiden met een display, mooie verpakking of aantrekkelijke beroemdheid. De kans is zelfs groot dat Duracell niet eens wordt overwogen. Immers, als Alexa zegt dat een merk batterijen voor jou de beste optie is, is het makkelijker deze te accepteren dan zelf na te denken over een alternatief.

Zoals ik in dit artikel schreef, geloof ik dat het merk voor Duracell juist belangrijker wordt. Het biedt de enige verdediging die Duracell in de geschetste situatie nog heeft. Het merk moet zo een stevig plekje in het hoofd van de klant hebben, dat die denkt: “Als ik Alexa om nieuwe batterijen vraag, zeg ik erbij dat ik Duracell wil hebben.”

Volgende week verschijnt deel twee van dit artikel. Met daarin slimme innovaties, maar ook aandacht voor belangrijke beperkingen van AI: wat moet AI bijvoorbeeld met een man in een kippenpak?

De andere zeventien merkvragen vind je terug op het profiel van Ingmar de Lange.​ Dit artikel verscheen eerder op Het Bureau voor Merkstrategie.

Ingmar de Lange
Merkstrateeg bij Mountview

Ingmar de Lange is merkstrateeg en voorloper rond merkbouwen in het digitale tijdperk. Met eigenzinnige inzichten en aanstekelijke energie maakt hij merken sterker, succesvoller en sympathieker. Hij is oprichter van Mountview, het bureau voor merkstrategie. Zo hielp al meer dan 100 merken, van bekende A-merken en B2B-organisaties tot goede doelen en start-USP. In zijn boek Sterk Digitaal Merk (2022 - winnaar van de PIM Marketing Literatuurprijs) beschrijft hij hoe digitale marketing zich lang richtte op kliks en data. Merkbouwen leek weggegooid geld. Maar in 2020 stonden merken ineens bovenaan de agenda van CMO’s. Wat is er gebeurd en wat kun jij hiervan leren? Ingmar doceert ook op de bekende marketingopleidingen, zoals EURIB, Beeckestijn, NIMA, SRM, VEA, UvA en Nyenrode.

Categorie
Tags

Marketingfacts. Elke dag vers. Mis niks!