Factors affecting the success of AI campaigns in marketing : data perspective
Authors
Date
2020Copyright
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Tekoäly on tuonut suuria muutoksia markkinoinnin käytäntöihin viime vuosina. Vaikkakin tekoälyteknologiat sekä big data ovat mahdollistaneet uusia innovatiivisia ratkaisuja markkinoinnin toteuttamiseen, ala on vielä alkutekijöissään. Tekoälyä hyödyntävä markkinointi on ollut sekä tutkijoiden että ammattilaisten suurennuslasin alla viime vuosina. Aiemmat tutkimukset ovat kuitenkin tarjonneet vasta hyvin vähän ymmärrystä siihen, millaista dataa markkinoijien tulisi käyttää tekoälyä hyödyntävää markkinointia toteuttaessaan, jotta parhaat mahdolliset tulokset voidaan saavuttaa.
Tämän tutkimuksen tavoitteena on tutkia millaista dataa markkinoijien tulisi käyttää tekoälyä hyödyntävässä markkinoinnissa onnistuakseen tämän toteutuksessa. Tavoitteena on lisäksi tarjota ymmärrystä tekijöistä, jotka vaikuttavat näihin datan ominaisuuksiin. Empiirisen datan keräämiseksi toteutettiin kolmetoista asiantuntijahaastattelua.
Tämä tutkimus tukee pitkälti aiempaa kirjallisuutta, mutta tarjoaa lisäksi uusia näkökulmia datan tarvittaviin ominaisuuksiin. Tutkimuksen tulokset osoittavat, että datan tulisi olla puhdasta, luotettavaa ja laadukasta, jotta tulokset ovat tehokkaita, täsmällisiä ja puolueettomia. Sisäistä dataa tulisi priorisoida ja täydentää ulkoisilla tietolähteillä, kuten sosiaalisen median datalla. Näin voidaan saavuttaa syvempi insight ja parempi ennustus toteutetusta kampanjasta. Tulosten mukaan sisäisten ja ulkoisten tietolähteiden yhdistäminen on palkitsevin toimintatapa. Liiketoiminnan tavoitteet tulisi asettaa keskiöön datan keräämiseen, hallinnointiin ja analysointiin liittyvissä tehtävissä. Lisäksi läpinäkyvyys dataan liittyvissä asioissa tunnistetaan tärkeäksi, jotta asiakkaat luovuttavat todenmukaista henkilökohtaista dataa itsestään markkinointitarkoituksiin.
...
Artificial intelligence (AI) has been reshaping marketing in many ways during recent years. While AI technologies and the rise of big data have enabled innovative ways to practice marketing, the industry is still rather young. The applications of AI in marketing have been of interest among researchers and industry leaders, yet prior research focus provided little knowledge on what type of data marketers should rely on to reach successful outcomes of AI campaigns.
This study aims to offer knowledge on the data related factors that determine what type of data marketers should rely on to ensure successful delivery of AI campaigns. The empirical data was collected through thirteen expert interviews.
This study reinforces the existing literature to great extent, but also provides new perspectives to the identified factors. The findings of this study show that data used for AI campaigns in marketing should be clean, reliable and of high quality to ensure outcomes are effective, accurate and unbiased. Internal data should be prioritized and complemented with external data such as social media data to gain deeper insights and better predictions. Combining both internal and external data sets is identified as best practice to run AI campaigns. Additionally, the business goals and wanted outcomes of AI campaigns should be placed at the center of any data collection, management and analysis process to ensure successful results of AI practices. Finally, transparency in data related matters was found important as it builds trust and ensures customers provide accurate personal data for marketing purposes.
...
![showless](/themes/JYX2//images/showless.png)
![showmore](/themes/JYX2//images/showmore.png)
![showless](/themes/JYX2//images/showless.png)
![showmore](/themes/JYX2//images/showmore.png)
Keywords
Metadata
Show full item recordCollections
- Pro gradu -tutkielmat [29041]
Related items
Showing items with similar title or keywords.
-
Setting the future of digital and social media marketing research : perspectives and research propositions
Dwivedi, Yogesh K.; Ismagilova, Elvira; Hughes, D. Laurie; Carlson, Jamie; Filieri, Raffaele; Jacobson, Jenna; Jain, Varsha; Karjaluoto, Heikki; Kefi, Hajer; Krishen, Anjala S.; Kumar, Vikram; Rahman, Mohammad M.; Raman, Ramakrishnan; Rauschnabel, Philipp A.; Rowley, Jennifer; Salo, Jari; Tran, Gina A.; Wang, Yichuan (Elsevier, 2021)The use of the internet and social media have changed consumer behavior and the ways in which companies conduct their business. Social and digital marketing offers significant opportunities to organizations through lower ... -
Applications of Artificial Intelligence in the Economy, Including Applications in Stock Trading, Market Analysis, and Risk Management
Rahmani, Amir Masoud; Rezazadeh, Bahareh; Haghparast, Majid; Chang, Wei-Che; Ting, Shen Guan (Institute of Electrical and Electronics Engineers (IEEE), 2023)In an increasingly automated world, Artificial Intelligence (AI) promises to revolutionize how people work, consume, and develop their societies. Science and technology advancement has led humans to seek solutions to ... -
Capability Maturity Model for data-driven marketing
Länsipuro, Heidi (2020)Data-driven decision-making is gaining buzz and popularity across organizational functions and industries. Consequently, data analysis and marketing analytics enable companies of various size and business volume to leverage ... -
Strategic cyber threat intelligence : Building the situational picture with emerging technologies
Voutilainen, Janne; Kari, Martti (Academic Conferences International, 2020)In 2019, e-criminals adopted new tactics to demand enormous ransoms from large organizations by using ransomware, a phenomenon known as “big game hunting.” Big game hunting is an excellent example of a sophisticated and ... -
On Attacking Future 5G Networks with Adversarial Examples : Survey
Zolotukhin, Mikhail; Zhang, Di; Hämäläinen, Timo; Miraghaei, Parsa (MDPI AG, 2023)The introduction of 5G technology along with the exponential growth in connected devices is expected to cause a challenge for the efficient and reliable network resource allocation. Network providers are now required to ...