首先，我想说这不仅仅是新技术的问题。单靠人工智能无法拯救我们，最好也采用标准/已知的技术和做法。正如我之前所说，每个人都应该至少进行 RFM 细分，处理参与度报告等。
例如，有趣的是，各种聚类分析有助于根据购买行为识别潜在客户群——这在人工智能出现之前就发挥了作用。
AI/ML（机器学习）可以帮助寻找新的推广机会，电报数据 为特定客户推荐“下一个最佳优惠”，预测客户行为等。但您需要整合所有全渠道数据——即客户购买的产品、他们在购买前后在网络/移动应用上的行为等。例如，我们建议跟踪客户在网络上寻找的内容，然后帮助他们做出选择，这样他们就不会去寻找竞争对手。
您最喜欢哪些细分和个性化的例子或技术？
我们测试过的方法（而且很有效）是，当我向潜在的流失客户推荐他们熟悉并经常购买且目前正在销售的产品时（最好是在主题行中）。然后，我喜欢根据购买周期进行细分，并相应地定制我的沟通方式（例如，鼓励第二次和后续购买）。我还非常喜欢找到适合吸引的细分市场，以鼓励忠诚度（例如，仅基于他们的购买行为）。
电子邮件技术的现状与未来
请介绍一下非人类互动（机器人打开或点击）。客户如何评价品牌以及如何影响您的在线形象 您认为这些互动最近为何有所增加？它们为何会发生？它们对营销人员有何危害？
最近，我们发现机器人交互大幅增加，最明显的是电子邮件打开，现在超过 50% 的电子邮件都是由机器人打开的。Apple Mail 隐私保护是造成这种情况的主要原因，但我们也发现 B2B 领域中机器人打开的比例也在增加。
这是由于客户隐私和对垃圾邮件（垃圾邮件、网络钓鱼等）的保护越来越多。这使得基于这些扭曲的指标来评估活动变得困难——因此，选择能够区分这些机器人交互和人类交互的工具非常重要，从而提供更好的数据。不幸的是，不这样做的工具可能会导致响应打开/点击的自动化停止工作、A/B 测试评估不佳、收件人参与度数据出现偏差等。
营销人员能针对非人类互动做些什么呢？
理想情况下，使用可以检测它们的工具。然后，在第二行中，印度尼西亚号码列表 不要依赖那些有偏见的指标，而是评估实际转化或整个客户旅程等。结合多种不同的测量方式和连接来自不同系统（例如网络、移动应用、交易数据等）的数据也是一个好主意。