E-mail marketing umarł, a AI to buzzword. Prawda czy fałsz?

Czy e-mail marketing stracił na znaczeniu?

Roman Grygierek: E-mail marketing jest nadal wiodącym kanałem wykorzystywanym przez marketerów w Polsce i za granicą. Jego forma faktycznie uległa znaczącej przemianie na przestrzeni kliku ostatnich lat, ale rola w marketingu się nie zmieniła. Mimo że nie piszemy e-maili do znajomych, tylko na co dzień komunikujemy się z nimi poprzez portale społecznościowe, czy różne komunikatory, to nadal jest tak, że sprawy służbowe, urzędowe, związane z zakupem i obsługą procesu zakupowego, reklamacyjnego prowadzimy, wykorzystując tradycyjny e-mail. Jego rola wciąż jest bardzo ważna podczas zakupów online. To e-mail marketing poprzez newslettery, oferty promocyjne zachęca nas do zakupu, przypomina o niedomkniętym koszyku, o przemijającej ofercie, a następnie jest kanałem, w którym otrzymujemy potwierdzenie dokonanego zamówienia, płatności, dodatkowe dokumenty transakcyjne, np. wyciągi bankowe, ogólne warunki umowy, czy inne, które jeszcze parę lat temu były drukowane i zaśmiecały nam mieszkania.

Jaki wpływ miało wejście rozwiązań prawnych związanych z RODO, czy nie stało się tak, że te regulacje pogrzebały e-mail marketing?

R.G.: Prawdą jest, że wejście RODO miało bardzo duży wpływ na działania e-mail marketingowe i całą branżę reklamową. To, co z praktyki zaobserwowaliśmy, to zachowania polegające na całkowitym odejściu firm od korzystania z e-mail marketingu, gdzie niewątpliwą przyczyną były niedociągnięcia prawne, czyli głównie brak odpowiednich zgód odbiorców e-maili. Tym samym wizja ewentualnej kary spowodowała, że część firm zaprzestało realizować wysyłki do posiadanych baz. Drugim efektem było czasowe wstrzymanie bądź wyhamowanie działań reklamowych opartych na wysyłaniu mailingów do baz zewnętrznych. W tej grupie znaleźli się marketerzy, którzy przez specyfikę swojej sprzedaży, czyli sporą liczbę transakcji pochodzących właśnie z działań e-mail marketingowych, nie mogli pozwolić sobie na rezygnację z tego kanału komunikacji. Jednak po wejściu w życie RODO zaczęli oni podchodzić ostrożnie do tego tematu, mając na uwadze ewentualne kary, ale głównie skargi użytkowników. Z perspektywy czasu ta sytuacja trwała do końca 2018 r. i widać na chwilę obecną, że wielu marketerów powróciło ze swoimi działaniami e-mail marketingowymi.

Paradoksalnie RODO przyniosło też sporo dobrego. Zaostrzenie przepisów w zakresie posiadanych zgód oraz groźby kar spowodowały, że wiele firm, które w sposób nie do końca właściwy zbierały swoje bazy mailingowe, zrezygnowało z tych działań, czyniąc tym samym e-mail marketing faktycznie komunikacją opartą na zgodzie (permission based marketing).

Zatem, jak wykorzystać e-mail marketing, aby jego ROI było największe?

R.G.:Działania oparte o kanał e-mail dosyć mocno ewoluowały. Coraz rzadziej możemy spotkać komunikację na zasadzie „jeden do wielu”, czyli ta sama wiadomość wysyłana do wielu odbiorców. Jeżeli jeszcze gdzieś tak jest to realizowane, to oznacza, że marketerzy w żaden sposób nie segmentują swoich odbiorców, nie potrafią dostosować oferty do ich preferencji, a efekty tych działań nie są tak naprawdę mierzone. Gdyby były, to okazałoby się, że zwrot z zaangażowania w nie jest bardzo niski. Dlatego Ci marketerzy, którzy traktują swoich odbiorców poważnie i jako kluczowych w całym procesie zakupowym, dostosowują komunikaty do indywidualnych preferencji. Mówiąc wprost, stosują szeroko rozumianą personalizację, zwaną nawet hiperpersonalizacją, bo oprócz wyświechtanego Witaj Roman, Witaj Jarosław, treść newslettera, czy reklamy uwzględnia płeć, wiek, lokalizację, a także zainteresowania i intencje zakupowe danego użytkownika.

Wysyłanie znacznie mniejszej liczby, ale za to bardziej dopasowanych komunikatów jest jedyną możliwością, aby e-mail marketing był efektywnym kanałem komunikacji marketingowej. Mowa tutaj zarówno o komunikacji wewnętrznej w postaci biuletynów, e-maili transakcyjnych oraz newsletterów, jak również o komunikacji marketingowej wychodzącej, czyli opartej na zakupie komercyjnych wysyłek do baz e-mailingowych różnych wydawców, sieci e-mailingowych, czy portali.

„Gadżet się dostaje, a merch chce się mieć”. Jak projektować fizyczne doświadczenia marki [WYWIAD]

Jeżeli właściciele baz nie zrozumieją, że ostatecznym decydentem w kwestii tego, czy dana treść jest interesująca jest odbiorca e-mailingu, który ma zawsze prawo zakończenia komunikacji poprzez zwykłą stopkę wypisu z newslettera, to nie będą widzieć efektów z realizowanych wysyłek.

Odsetek otwarć mailingu uzależniony jest od ilości otrzymywanych wiadomości przez pojedynczego odbiorcę.

Jaka jest przyszłość e-mail marketingu, czy faktycznie stanie się tak, że on prędzej czy później przestanie konwertować?

R.G.: Nie. E-mail marketing nie umrze, będzie nadal ewoluował. Nie w swojej formie, bo raczej nic nowego nie wymyślimy w zakresie kreacji html, a w sposobie doboru grup docelowych, dostosowania czasu wysyłki i treści samych wiadomości. Już dzisiaj widzimy, że podejście oparte na historii działań i dotychczasowego odbioru wcześniejszych mailingów zaczyna nie wystarczać. Kampanie oparte o to, że ktoś klikał tematy związane z parentingiem, czy motoryzacją i segmentowanie tylko przez ten pryzmat powoduje, że czasami zawężamy obszar komunikacji do danego segmentu i nie dajemy szansy, aby odbiorca poznał nas szerzej. Poniekąd zamykamy go w swoistej bańce. Przykładowo, jeżeli wspomniany już segment motoryzacji nie będzie uwzględniał osób, które mogą w przyszłości być zainteresowane zakupem nowego samochodu, to może się okazać, że informacje o dniach otwartych, nowym salonie samochodowym, nowej premierze wysyłamy tylko i wyłącznie tym, którzy w ostatnim czasie zakupili już samochód, a ich siła nabywcza jest bliska zeru. Dlatego podejście polegające na próbie znalezienie wśród swoich odbiorców prospektów sprzedażowych, czyli osób potencjalnie zainteresowanych zakupem w przyszłości, jest bardzo ważnym procesem w obecnych działaniach marketingowych. Nie są to działania łatwe i wymagają już podejścia analitycznego, a przede wszystkim wsparcia poprzez automatyzację (marketing automation) oraz sztuczną inteligencję (e-mail AI), które wyjdą poza schematy tego, co do tej pory klikają nasi użytkownicy i analizując wiele danych, podpowiedzą, jacy odbiorcy mają potencjał zakupowy dla poszczególnych grup produktów.

Czy AI to tylko gorący buzzword, czy rozwiązanie realnie zmieniające procesy i biznes?

Jarosław Góra: Podobnie jak w przypadku każdego zdobywającego popularność nowego rozwiązania, istnieje wiele firm, które próbują wykorzystać sztuczną inteligencję stricte do celów marketingowych. Dla nich jest to więc często tylko swego rodzaju wabik na potencjalnych klientów. Są jednak firmy, dla których sztuczna inteligencja jest narzędziem rzeczywiście wykorzystywanym na co dzień. Firmy charakteryzujące się takim podejściem traktują ją jako innowację technologiczną, która w ich opinii może zmieniać zarówno procesy, jak i cały biznes. Biegłość w analizowaniu i odkrywaniu głębszych poziomów znaczenia i tworzenie wzorców z dużych zbiorów danych – w czasie rzeczywistym (z prędkością poniżej sekundy!) – oznacza, że podejmowanie decyzji biznesowych staje się bardziej skuteczne i przewidywalne, a dzięki temu bardziej opłacalne. Idąc o krok dalej dochodzimy do jeszcze ciekawszych możliwości AI. Mam na myśli możliwości w zakresie zautomatyzowanego podejmowania decyzji. NLP (natural language processing) oraz technologia głębokiego uczenia się będą coraz bardziej zyskiwać na znaczeniu, gdy ich przydatność w procesach biznesowych – w tym strategiach CX (customer experience) – będzie coraz bardziej powszechna, a dzięki temu stanie się też bardziej widoczna.

W obszarach związanych z marketingiem zwiększone możliwości sztucznej inteligencji idą w parze z zaawansowanymi narzędziami analitycznymi i potencjałem rzeczywistego podejścia opartego na danych. Potencjał sztucznej inteligencji tkwi zwłaszcza w analizach predykcyjnych. Podejście, w którym rzeczywiście i bez półśrodków zawierza się pewną część procesu sztucznej inteligencji, odpłaca się możliwością bardzo precyzyjnej eksploracji i modelowania pozyskiwanych danych. To pozwala firmom dokonywać coraz dokładniejszych prognoz wyników. W e-mail marketingu podstawowym zbiorem modelowanych danych będą zachowania użytkowników. W tym konkretnym przypadku zaobserwowaliśmy bardzo wyraźny, bo ponad 60% wzrost współczynników kliknięć e-maili z wykorzystaniem sztucznej inteligencji w porównaniu z wydajnością tych, planowanych tylko przez człowieka. To powinno rozwiać wątpliwość czy AI naprawdę ma zdolność zmieniania biznesu.

Kampanie planowane z wykorzystaniem AI notują regularnie wyższe wskaźniki otwarć oraz kliknięć.

Gdzie, w jakich firmach szeroko rozumianej branży marketingowej, najlepiej sprawdzają się rozwiązania oparte o AI?

J.G.: Istnieje wiele rozwiązań opartych o sztuczną inteligencję i machine learning, które mają zastosowanie w całej branży marketingowej. Spełnią one swoją rolę tam, gdzie ważne są takie aspekty jak ocenianie użytkowników w czasie rzeczywistym, rekomendacje, segmentacja klientów i interakcja (także on-site) pomiędzy użytkownikami i markami w celach reklamowych lub subskrypcyjnych. To szerokie ramy, ale tak szeroko właśnie może być stosowana sztuczna inteligencja.

Wyszukiwarka Google od dawna korzysta już z mechanizmów machine learningu i zobaczmy, jak ogromną rolę odgrywa w naszym codziennym życiu i korzystaniu z Internetu. Podobne wzorce, znane z największych narzędzi, po dostosowaniu można stosunkowo łatwo wykorzystać do mniejszych witryn handlu elektronicznego, na przykład w handlu detalicznym. Szybko rozwijająca się zdolność do oferowania użytkownikom specjalistycznych treści wpływa i poprawia ukierunkowanie działań marketingowych. Ta umiejętność dostosowania się do potrzeb użytkownika wpłynie również na odwrotne generowanie treści – niezależnie od tego, czy będą to „produkty, które mogą ci się spodobać”, czy zindywidualizowane wiadomości e-mail. Wraz z rozwojem technologii rozwija się więc także nasza zdolność rozumienia użytkowników. To tutaj segmentacja klientów, a jeszcze lepiej – indywidualizacja – pokazuje swoją prawdziwą siłę.

Jakie części biznesu wspiera tego typu technologia? Czy potrafi wyeliminować błędy, jakie popełniają pracownicy?

J.G.: Zautomatyzowane procesy biznesowe (RPA) są jednym z tego typu przykładów i są łatwym do wdrożenia rozwiązaniem, które może zastąpić ręczne wprowadzanie danych przez pracowników – obszar o wysokim ryzyku błędów. Tego rodzaju rozwiązania dopiero zaczynają być wyposażane w funkcje uczenia się.

Zrozumienie zachowania i preferencji użytkownika, a następnie stworzenie systemu punktacji użytkownika dla przedstawiania mu określonych produktów to kolejny obszar sztucznej inteligencji i ten rozwija się obecnie wyjątkowo prężnie.

Warto przy tej okazji przypomnieć o jednej rzeczy – sztuczna inteligencja również opiera się na statystykach, co oznacza, że błędy w AI także się zdarzają i będą zdarzać. Jeśli ktoś myśli, że nie będzie żadnych błędów, to naprawdę jest wizjonerem i mówi o rozwiązaniach, które nie istnieją na świecie, oraz przeczy matematyce, którą znamy dzisiaj.

Czy na wdrożenie takich rozwiązań mogą sobie pozwolić tylko duże firmy i korporacje?

J.G.: Perspektywa „duża” czy „mała” firma to niewłaściwy punkt patrzenia na sprawę. Nie ma znaczenia, czy firma jest duża, czy nie. Pytanie brzmi, czy ilość danych przetwarzanych w firmie jest duża. Małe lub średnie firmy ze znaczną skalą danych mogą i powinny budować takie rozwiązania, a wtedy te dane staną się ich najsilniejszymi aktywami. Pytanie brzmi, czy miałoby sens tworzenie takich rozwiązań we własnym zakresie, czy też firmy powinny zlecać na zewnątrz procesy związane z maszynową analizą i modelowaniem danych. Mowa o procesach ich gromadzenia, budowania i utrzymywania algorytmu przetwarzania oraz obsługi stron trzecich specjalizujących się w tym obszarze. Próg wejścia w AI dzięki zewnętrznej firmie jest kosztowo znacznie bardziej przyjazny dla mniejszych podmiotów niż wdrażanie go inhouse. Dzięki temu ta technologia dostępna jest nie tylko dla firm o milionowych budżetach na rozwój.

Dlaczego przy tak prostym kanale komunikacji, jakim jest e-mail marketing, musimy sięgać do rozwiązań z dziedziny sztucznej inteligencji?

R.G.: E-mail marketing faktycznie jest dosyć prostym kanałem komunikacji i z samym nadawaniem, czyli wysłaniem tego komunikatu nie ma problemu. Wyzwaniem staje się konieczność sprostania oczekiwaniom odbiorcy o indywidualnie dostosowanych treściach e-mailingów. Z jednej strony mamy zróżnicowane grono odbiorców z różnymi zainteresowaniami, intencjami zakupowymi i oczekiwaniami co do sposobu, terminu i jakości otrzymanego komunikatu. A z drugiej strony to tysiące produktów i usług, spośród których należy wybrać te, które w tym konkretnym terminie i okolicznościach mają możliwość na największy popyt wśród odbiorców. Rozwiązania oparte na AI pozwalają na przetworzenie ogromnej liczby informacji i dostosowanie zarówno grupy docelowej, jak i samej treści, tak aby efekt wysyłki był jak najlepszy z punktu widzenia oczekiwań odbiorcy, ale też konwersji sprzedażowej.

J.G.: Patrząc głębiej na wpływ AI na e-mail marketing, jasne jest, że sztuczna inteligencja pozwala dotrzeć do sedna, tak naprawdę wszystkich działań marketingowych. Mówię tutaj o zrozumieniu, co jest ważne dla użytkownika. AI przewiduje nie na podstawie intuicji, lecz całego szeregu danych, co może go zainteresować, kiedy powinien otrzymać komunikat, jaki format i dla jakich produktów najbardziej mu odpowiada – treść, wideo czy zdjęcie. Często wysyłki kampanii e-mailingowych ukierunkowane są na maksymalizację CTR. Jednak podejście, w którym ważny jest efekt statystyczny, a nie sprzedażowy, przynosi rezultat przeciwny do zamierzonego, i to nawet w perspektywie krótkoterminowej. Rekordy w bazie się „męczą”, przestają reagować na komunikat, a ostatecznie kwalifikują dalsze wiadomości jako SPAM. Nie tylko stracona jest wtedy szansa na sprzedaż, lecz także zaangażowanie odbiorcy. A zaangażowany odbiorca komunikatu reklamowego jest dzisiaj na wagę złota, w każdym kanale, nie tylko w e-mail marketingu.

Skuteczne „aktywowanie” użytkowników, którzy nie wykonywali dotychczas docelowych akcji pozwala na równomierną eksploatacje bazy i utrzymanie zaangażowania na stosunkowo wysokim poziomie.

Jakie są korzyści z wykorzystania sztucznej inteligencji i machine learningu w e-mail marketingu? Jaką rolę ona pełni i co umożliwia?

R.G.: Korzyści jest kilka, wśród najważniejszych to możliwość zebrania i przeanalizowania wielu danych, które na pierwszy rzut oka nie mają nic wspólnego z ofertą np. rodzaj urządzenia, na którym odbieramy pocztę czy lokalizację, w której w tym momencie się znajduje się nasz odbiorca. Te wszystkie z pozoru niepotrzebne dane pozwalają algorytmom na szukanie korelacji i wskazywanie najlepszych grup docelowych przez pryzmat oferty, którą planujemy wybrać.

J.G.: Właśnie tak działa segmentacja klientów. Polega ona na grupowaniu ich w oparciu o podobieństwa cech i tworzeniu wzorców zachowań. A to przekłada się później na ukierunkowany i spersonalizowany marketing dla danego segmentu. Jest to obecnie szczególnie interesujące w dziedzinie wywiadu gospodarczego, zwłaszcza że analiza przesunęła się o krok poza segmentację do faktycznej personalizacji. Ta personalizacja oferuje realną możliwość ulepszonych interakcji z użytkownikami za pośrednictwem zarówno poczty e-mail, ale też na przykład witryny i to w czasie rzeczywistym. Model będzie nieustannie uczyć się tych interakcji na podstawie odpowiedzi użytkownika. Można to zastosować w wielu różnych branżach, od marketingu e-mailowego w celu zwiększenia współczynników klikalności i zakupów, aż po branżę wydawniczą, w której aplikacje AI przekształcają użytkowników w subskrybentów za pomocą określonych czynników aktywujących, zachęcających, by przebrnąć przez ścieżkę subskrypcji.

R.G.: Dla nas, czyli firmy, w której kilka razy dziennie zastanawiamy się jak przygotować ofertę dla naszych odbiorców, przykładowo, do kogo wysłać informacje o nowej promocji telefonu komórkowego, a do kogo o jeździe próbnej nowym samochodem, wsparcie maszyny, która zniweluje możliwość popełnienia błędu, jest czymś bardzo ważnym.

Przy ograniczonych zasobach, tzn. jeżeli nie chcemy wysyłać zbyt często e-maili do odbiorców, to wybór właściwej wiadomości albo właściwej grupy docelowej staje się najważniejszym elementem w całym procesie.

Zastosowanie AI powoduje, że niezależnie od accounta dobrana grupa docelowa zawsze powinna być najlepsza przez pryzmat dostosowania oferty do odbiorcy. Do tej pory na podstawie tylko historii przypisywaliśmy naszych klientów do różnych tematów, nie dając im szansy na otrzymanie wiadomości z inną tematyką, która mogła okazać się dla nich równie atrakcyjna.

J.G.: To prawda. Możliwość uwzględnienia preferencji klienta, zarówno wskazanych, jak i przewidywanych, jest procesem, w którym AI może pokazać pełnię swoich możliwości. Mnóstwo różnych danych wejściowych jest branych pod uwagę, by ocenić wpływ, z pozoru drobnych, czynników na działania klientów. Postrzeganie ich jako elementów większego modelu (co robi właśnie AI) umożliwia adaptacyjne i elastyczne układanie całej strategii komunikacji w danym kanale, w tym wypadku w e-mail marketingu.

Podsumowując, można więc powiedzieć, że machine learning zmniejsza koszty ogólnej działalności marketingowej. Zmniejszają się koszty personelu planującego wysyłki, koszty pozyskiwania e-maili i samej realizacji kampanii. W przypadku kampanii planowanych z wykorzystaniem modelu predykcyjnego, który czas wysyłki dobiera dla każdego rekordu w bazie osobno, będziemy także wiedzieć wcześniej, czy kampania konwertuje, czy może użytkownik napotyka na ścieżce konwersji na jakiś problem, np. na stronie docelowej. Możemy więc wtedy w porę zareagować i wstrzymać dalszą wysyłkę. Sztuczna inteligencja ma więc nie tylko znaczną zdolność do zwiększania przychodów, ale też potrafi ograniczyć koszty, co w efekcie pozwala na efektywniejsze zarządzanie budżetem marketingowym. A to bezsprzeczna korzyść, bo przekłada się na najważniejszy aspekt każdego działania marketingowego, niezależnie od kanału – czyli zyskowność.

AI analizuje na potrzeby każdej kampanii miliardy wykonanych akcji i przeprowadza pod jej kątem scoring milionów rekordów. Dlatego warto stosować go przy odpowiednio dużej skali danych wejściowych.

Jakie koszty związane są z wykorzystaniem rozwiązań opartych o AI i machine learning?

J.G.: Tu znowu musimy przyjąć dwa punkty widzenia, bo oczywiście, można rozwiązania oparte na sztucznej inteligencji wdrożyć samodzielnie. Trzeba jednak pamiętać, że w obszarze data science pojawiają się niemałe koszty siły roboczej, koniecznej do przeanalizowania danych, zaprojektowania inżynierii funkcji, a dodatkowo te procesy muszą być połączone z głębokim zrozumieniem biznesowym. Drugim wyjściem jest zlecenie części lub całości tych kompetencji na zewnątrz. Aby wybrać właściwie, należy zastanowić się, czy operacje te będą się odbywać na wystarczająco dużym wolumenie danych, by poradzić sobie z kosztami budowy, ale co ważniejsze, by utrzymanie i działanie takiego systemu było rentowne. Infrastruktura danych i data science zwykle nie są głównym przedmiotem działalności większości firm. Na ten moment próg wejścia w analitykę big data własnymi zasobami jest bardzo wysoki, skorzystanie z funkcjonujących na rynku rozwiązań jest nieporównywalnie tańsze, bo wszystkie procesy odbywają się tam na znacznie większą skalę. Korzystanie z AI nie musi więc być kosztowne, a z reguły w dłuższym okresie przynosi oszczędności.

R.G.: Koszty są duże, jeżeli chcielibyśmy realizować projekt w 100% oparty o własną infrastrukturę. Należy pamiętać, że zestaw dobrej klasy serwerów, ich bieżące utrzymanie i administracja, aby była na wysokim poziomie musi kosztować. Dodatkowo potrzebny jest zespół analityków i data science pracujący nad bieżącą optymalizacją algorytmów. Nie możemy też zapomnieć o developerach odpowiedzialnych za wykorzystanie danych podczas realizowanych wysyłek mailingowych. Generalnie, jeżeli cały proces chcielibyśmy zrealizować we własnym zakresie dla standardowego rozmiaru bazy mailingowej, nie miałoby to racji bytu. W naszym przypadku podział kompetencji był rozłożony pomiędzy nasz zespół developerski oraz zespół partnera, jakim jest dla nas Deep.Bi, a sama infrastruktura wykorzystywała już to, co posiadaliśmy na stanie oraz rozwiązania oparte o chmurę obliczeniową. W procesie podejmowania decyzji było również istotne to, że usługę AI w kampaniach mailingowych już niebawem będziemy udostępniać także naszym klientom, właścicielom baz mailingowych, którzy na co dzień korzystają z systemu e-mailingowego INIS. Wówczas koszt całościowy będzie również akceptowalny dla podmiotów z mniejszymi bazami, a zwrot z inwestycji dla nich (ROI) znaczący.

Na co warto zwrócić uwagę, planując wdrożenie rozwiązań opartych na AI i machine learning, mających wspomóc e-mail marketing?

J.G.: Przede wszystkim należy zrozumieć biznes i cele, które za pomocą sztucznej inteligencji chcemy osiągnąć. AI może być wykorzystywane na szereg różnych sposobów, o czym już wspominałem wcześniej, w zależności właśnie od tego, jakie są cele biznesowe konkretnych przedsiębiorstw. Jeśli mamy już określone najważniejsze założenia, to zacząć należy od zrozumienia danych, które dotychczas zostały zgromadzone. A skoro już o gromadzeniu mowa, to kolejną ważną sprawą jest wydajność infrastruktury służącej do gromadzenia, przechowywania i przetwarzania danych. Zdobycie, a następnie pogłębiona ich analiza i ustrukturyzowanie jest więc pierwszym krokiem, który należy wykonać, by móc przejść do dalszych etapów, zanim zaczniemy modelować wzorce zachowań i interakcje z klientami.

R.G.: Uzupełniając wypowiedź Jarka z punktu widzenia plannera istotna jest zmiana podejścia w planowaniu kampanii, należy odejść od standardowych wysyłek opartych na demografii, czy dotychczasowej aktywności w poprzednich kampaniach na rzecz prospectingu dostarczonego przez algorytmy. Do tego bardzo istotne są testy porównawcze, ponieważ AI i ML to jedno, a drugie to czynnik ludzki trzymający oko nad ostatecznymi wynikami.

 

Roman Grygierek, CEO, INIS

Pasjonat technologii i komunikacji online nastawionej na efekt. Z INIS związany od powstania spółki, czyli 2010 roku, w branży marketingowej od 17 lat. Rozwinął zespół z kilku do kilkudziesięciu osób – pomysłowych indywidualności, których wspólną cechą jest pasja do pracy. Pomimo pełnionej funkcji, blisko każdego elementu tworzącego spółkę: rozwoju technologii, sprzedaży, realizacji a także marketingu. Odpowiedzialny za współpracę z największymi domami mediowymi i agencjami. Wierzący, że działania online można w przystępny sposób przybliżyć każdemu biznesowi.

Jarosław Góra, Co Founder, Deep.BI

Współzałożyciel i COO w Deep.BI. Posiada 18 lat doświadczenia w zakresie rozwoju mediów, dzięki czemu dysponuje szerokim i dogłębnym spojrzeniem na ich rynek. Tak bogate doświadczenie pozwoliło mu uzyskać krytyczny ogląd na ten sektor, podczas pełnienia licznych funkcji w zarządach spółek mediowych i wydawców w Afryce, Europie i Azji, tak od strony korporacyjnej, jak i od strony transformacji cyfrowej będącej szczególnym obszarem jego zawodowych zainteresowań i kompetencji.