Geen producten in de winkelwagen.
Inspelen op de behoeften van de klant op individueel niveau was in de jaren tachtig en begin jaren negentig iets wat vooral goed werkte in de B2B-markt. De accountmanager kende zijn klant persoonlijk en wist uit ervaring wat wel en wat niet werkte. Maar bediende je als bedrijf grote groepen klanten, of het nu bedrijven of consumenten waren, dan schoot je noodgedwongen met hagel: tv-reclames, advertenties in de krant, dat soort ouderwetse vormen van marketing. De weinige feedback die je kreeg, kwam van marktonderzoek en tevredenheidsenquêtes.
Eind vorige eeuw kwam daar verandering in. Eerst was daar customer relationship management-software (CRM). CRM stelde je in staat om de interactie tussen jouw bedrijf en de klant beter vast te leggen en voor iedereen op kantoor toegankelijk te maken. Daarna kwam internet. En dankzij internet kregen we ook nog eens veel meer data over klanten. Waar de marketingafdeling in 1990 nog af moest gaan op een mix van onderbuikgevoel, ervaring en psychologie, wist ze nu ineens veel meer. Ook bedrijven met veel klanten waren nu in staat de customer journey te volgen en de klant dus veel beter te bedienen.
De smartphone, het cookie en social media hebben de ontwikkeling van marketing de afgelopen jaren dan ook vooral bepaald. Organisaties proberen de laatste jaren zo veel mogelijk data te vergaren, bij elkaar te gooien en vervolgens verbanden te leggen, in de hoop de behoeften van de klant nog beter te begrijpen: big data.
Om enigszins chocola te maken van al die data waren handjes nodig. Al die gegevens moeten namelijk wel geanalyseerd worden en geduid. En dus zijn bedrijven sinds een paar jaar en masse op zoek naar digital marketeers, socialmediaexperts en search engine optimalisation-specialisten. Dat gebeurde echt letterlijk van vandaag op gisteren. Vacaturesite Indeed zag het aantal vacatures voor dit soort functies in 2014 toenemen met 222 procent.
Machine learning
De vraag naar millennials met bovengenoemde skills is sindsdien eerder af- dan toegenomen. En hoe vreemd het ook mag klinken, de kans is heel groot dat een aanzienlijk deel van hen over vijf jaar ander werk doet. We staan namelijk aan de vooravond van een volgende technologische revolutie: de doorbraak van kunstmatige intelligentie, ook wel artificiële intelligence (AI). Computers gaan een groot deel van het werk overnemen dat nu door mensen wordt gedaan. Dat geldt niet alleen voor de taxichauffeur wiens baan overbodig wordt door de zelfrijdende auto of voor de notaris die geconfronteerd wordt met computers die beter zijn in het opstellen van aktes, het geldt ook voor marketeers.
‘Kunstmatige intelligentie was altijd iets van de toekomst, maar nu is het er. Het gaat ons leven de komende vijf jaar drastisch veranderen’, stelde Malcolm Frank in maart in zijn lezing bij SXSW, een groot festival in Austin, Texas, waar veel over de technologie van morgen wordt gesproken. Frank is auteur van het boek What To Do When Machines Do Everything en is onder meer bestuurder bij FactSat, een Amerikaans bedrijf gespecialiseerd in slimme software voor de financiële markt, een markt waarin AI eigenlijk al de nieuwe standaard is. ‘Acht op de tien hedgefondsen belegt al op basis van kunstmatige intelligentie’, aldus Frank. Dat betekent dat niet een of andere fondsmanager of beurshandelaar, maar de computer de beslissingen neemt over het wel of niet kopen van aandelen of andere financiële producten. Het is, zo is zijn stellige overtuiging, een kwestie van niet meer dan een paar jaar voordat AI die rol ook elders in de samenleving vervult.
Maar wat is AI of kunstmatige intelligentie ook alweer precies? Die definitie is een lastige. Vaak wordt gesteld dat het bij AI gaat om computers die in staat zijn om taken uit te voeren waarvan we dachten dat die voorbehouden waren aan het menselijk brein. Het is een definitie waar je eigenlijk niet zoveel aan hebt, omdat die mee schuift met de ontwikkeling van de computer. En de computer speelt niet alleen beter schaak dan de mens (Deepblue vs. wereldkampioen Garri Kasparov in 1997), hij is ook beter in het spelletje Go (AlphaGo vs. Lee Sedol in 2016) en inmiddels ook in poker (Carnegie’s Mellon vs. toppokerspelers, januari 2017).
Een betere, of in elk geval begrijpelijkere, aan AI verwante term is machine learning. Het gaat hier om machines of computers die zichzelf voortdurend verbeteren, omdat ze de algoritmes waarop ze alles baseren steeds weer aanpassen. Ze zijn zelflerend. Een mooi voorbeeld is de zelfrijdende auto. Hij rijdt niet alleen zelfstandig, hij wordt er ook beter in als hij meer kilometers maakt. De auto verzamelt met behulp van sensoren informatie, verwerkt die en neemt vervolgens beslissingen. De gevolgen van beslissingen uit het verleden neemt hij mee voor de volgende keer. Zo wordt hij uiteindelijk steeds een beetje beter: hoe maar data, hoe kleiner de foutmarge. Een ander mooi voorbeeld is het beoordelen van röntgenfoto’s of CT-scans door een computer. Door duizenden van die beelden in een computer te laden samen met de beoordelingen van medisch specialisten kan de computer ze uiteindelijk zelf ook beoordelen. Beter zelfs dan de individuele specialist, want de computer leert van de fouten én de ervaring van al die specialisten bij elkaar.
De computer verslaat de mens telkens weer op terreinen waar we dachten dat de mens nog een voorsprong had. En inmiddels ook op terrein 
waar marketeers zich voor interesseren: het analyseren van menselijk gedrag. Frank: ‘Poker was een van die spellen waarvan men dacht dat een computer er echt moeite mee zou hebben. Immers, een computer kan wel rekenen, maar niet bluffen. En toch wist de computer begin dit jaar te winnen, zonder gebruik te maken van gezichtsherkenning, puur op basis van patronen.’
Wil je het hele verhaal lezen? Bestel dan een gratis proefnummer van Management Team magazine.
