Sanat automaatio ja varsinkin tekoäly ovat trendikkäitä sanoja, jotka helposti sekoittuvat toistensa kanssa. Joka tapauksessa molempia kehitetään jatkuvasti ihmisten työn helpottamiseksi. Mielestäni on hyvä määrittää näin alkuun, mitä automaatio ja tekoäly tarkoittavat, että ymmärrämme sanat varmasti samalla tapaa.
>> Lue tästä uusin blogimme tekoälyn ja hakukoneoptimoinnin yhteydestä.
Merriam-Webster -sanakirjan määritelmä automaatiolle on:
“Automatically controlled operation of an apparatus, process, or system by mechanical or electronic devices that take the place of human labor”
ja tekoäly:
”The capability of a machine to imitate intelligent human behavior”
Lyhykäisyydessä tekoälyllä kone pystyy itse tekemään älyllisiä johtopäätöksiä jatkuvan oppimisen ansiosta. Automaatio on ihmiselle toistuva työ, jonka prosessi voidaan korvata mekaanisesti tai elektronisesti.
Näillä määritelmillä on silti suhteellisen vaikea saada konkreettisia eroja, mutta henkilökohtaisesti käsitän asian näin: Jos kone toimii pelkästään if/then/else -sääntöjen perusteella niin se kuuluu automaatioon.
Loistava esimerkki tekoälystä on Googlen kehittämä šakki-tekoäly nimeltä AlphaZero. AlphaZeroon syötettiin ainoastaan šäkkipelin säännöt ja neljässä tunnissa se pystyi selkeästi voittamaan Stockfish 8, joka oli aikaisempi mestari (kone). Ihmiset eivät ole pärjänneet koneelle šakissa vuodesta 1997 kun IBM kehitti supertietokoneen nimeltä Deep Blue.
MRACE-malli markkinoinnin viitekehyksenä
Ennen kuin menemme itse aiheeseen, niin käyn lyhyesti läpi mallin, johon viittaan myöhemmin blogissa. MRACE-malli on markkinoinnin viitekehys, jonka avulla varmistamme sen, että digikanavat toimivat yhteisesti toisiaan tukien.
R = Reach = ensiksi meidän täytyy tavoittaa potentiaaliset asiakkaamme markkinoinnin avulla.
A = Act = kun tavoitamme potentiaalisia asiakkaitamme, haluamme heidän tekevän sivustollamme tunnistettavia toimenpiteitä, kuten lukemaan useita blogeja kerralla. Näin tiedämme, että Reach-vaiheessa tavoitettu yleisö on meille relevanttia, ja että meidän kannattaa jatkaa samalla tapaa.
C = Convert = mitä enemmän saamme asiakkaan tekemään toimintoja sivuillamme Act-vaiheessa, sitä todennäköisemmin kävijä konvertoituu, eli muuttuu liidiksi, kokeilutilaajaksi tai pyytää tarjouksen. Verkkokaupassa tämä tarkoittaa yksinkertaisesti kaupan syntymistä.
E = Engage = liiketoiminta kasvaa vasta korkean asiakaspidon avulla, minkä takia asiakkaat tulee sitouttaa markkinoinnin avulla yritykseen.
M = Measurement = jokaisen vaiheen toimivuutta tulee mitata. Vain mittaamisen avulla voimme tunnistaa markkinoinnin heikot kohdat ja kehittää niitä.
MRACE-mallin viitekehyksessä SEO-CRO vaikuttaa Reach, Act ja Convert vaiheisiin. Hakukoneoptimoinnin avulla parannetaan sivuston näkyvyys orgaanisessa hakutuloksessa (Reach) ja konversio-optimoinnilla varmistetaan, että sivustolle tuleva liikenne tekee halutut toimenpiteet (Act) ja tehostetaan liikenteen konvertoitumista (Convert).
Automaation ja tekoälyn tilanne hakukoneoptimoinnissa (SEO)
Automaatio on ollut hakukoneoptimoinnissa käytössä kauan ja se kehittyy jatkuvasti. Hakukoneoptimointi muuttuu helposti todella työlääksi, koska tarjolla on niin paljon tietoa, jota pitää tulkita ja analysoida, jotta voimme kehittää verkkosivua paremmaksi. Näissä asioissa automaatiosta on todella iso apu. Esimerkkejä automaatiotyökaluista ovat Semrush ja Ahrefs.
Näiden työkalujen vahvuus on se, että työkaluilla on tietokanta, joka päivittyy jatkuvasti. Tietokannan jatkuva päivitys tekee työkaluista melkein korvaamattomia hakukoneoptimoijalle. Nämä työkalut mahdollistavat seuraavat asiat:
Hakusanojen seuranta: Semrush ja Ahrefs automatisoivat tämän työn omalla prosessillaan, jolla ne tarkistavat, tallentavat ja esittävät seuraamasi sivuston sijoituksia jatkuvasti. Ilman tämänkaltaisia työkaluja hakukoneoptimoija joutuu suorittamaan haun jokaisella hakusanalla erikseen, selailemaan kaikkia hakutulossivuja läpi ja kirjaamaan sijoitukset talteen kehityksen seurantaa varten. Voit kuvitella kuinka paljon aikaa tähän kuluisi, jos seurannassa on yli tuhat hakusanaa.
Toinen esimerkki on sivuston tekninen auditointi: Työkalu tekniseen auditointiin ei ole täydellinen, mutta se säästää selkeästi aikaa. Näillä työkaluilla on yli 70 tarkastuskohtaa, joita ne käyvät automaatiossa läpi. Tämä prosessi vaatii kuitenkin edelleen ihmisen ohjaavia käsiä tarkistaakseen ja vahvistaakseen löydetyt ongelmat.
Tekoälyn suhteen suurin painopiste on ollut sisällön puolella. Tekoälyn avulla koneet pystyisivät ymmärtämään ja kirjoittamaan sisältöä. Työkaluja, jotka kirjoittavat sisältöä, on olemassa jo useita, mutta mikään niistä ei vielä toimi täydellisesti varsinkaan suomeksi.
Tekstin ymmärtäminen on kuitenkin paremmassa vaiheessa kuin pari vuotta sitten. 2019 vuoden loppupuolella Google ilmoitti omasta tekoälystään nimeltä BERT, joka tulee hallinnoimaan hakusivujen tulosten sijoituksia. BERT hallinnoi toistaiseksi 10% Yhdysvaltojen hakuliikenteestä.
Automaation ja tekoälyn tilanne konversio-optimoinnissa (CRO)
Konversio-optimoinnin tavoite on saada kävijöistä asiakkaita. Konversio-optimointiin kuuluvat kävijätiedon tulkitseminen, analysointi ja uusien hypoteesien toteuttaminen ja mittaus. Työkaluja konvertoimista varten kehitetään jatkuvasta. Esimerkkejä konversiotyökaluista ovat chatbotit, ponnahdusikkunat ja social proof-työkalut.
Kuten hakukoneoptimoinnissa, useita automaatiotyökaluja on jo olemassa. Analytiikka-työkalulla pystymme helpommin keräämään ja analysoimaan kävijätietoa ja A/B-testaus työkalu nopeuttaa konvertoituvien sivujen kehittämistä. Tunnetuimpia ilmaisia työkaluja näille ovat Google Analytics ja Google Optimize.
Social proof-työkalun tarkoitus on herättää kävijässä luottamusta näyttämällä arvosteluja ja kävijöitä, jotka ovat ostaneet sivustolta. Esimerkki tälläisistä työkalusta ovat Proof ja LetConvert. Käytännössä nämä työkalut integroidaan asiakastietokantaan, joilloin työkalu ilmoittaa kävijöille reaaliaikaisesti ostotapahtumista.
Chatbotteja löytyy myös monenlaisia. Nämä voi pilkkoa automaatio- ja tekoäly-kategoriaan. Automaatioboteissa luodaan if/then/else-tyylinen prosessi ja tekoälybotti hyödyntää NLU (natural language understanding) ja kone-oppimista, mikä edistää koneen jatkuvaa oppimista. Tämän avulla koneen ymmärrys kehittyy jatkuvasti. Hyvä esimerkki tästä on IBM:n kehittämä Watson Assistant.
Mitä on odotettavissa tulevaisuudessa?
Automaatioiden kehittymisen tahti tulee nopeutumaan sen mukaan, kun saamme tehokkaammista tietokoneista kustannustehokkaampia. Sama pätee tekoälyyn, jossa tiedon prosessoinnin tarve on vielä suurempi. Myös 5G tulee varmasti vaikuttamaan digitaalisen markkinoinnin kokonaisuuteen, koska sen avulla pystymme hyödyntämään pilvipalveluita entistä tehokkaammin.
En kuitenkaan usko, että automaatio tai tekoäly kehittyisi viidessä vuodessa niin paljon, että ihmistä ei enää tarvita. Näin ei mielestäni tule tapahtumaan ainakaan kriittisten tehtävien parissa. Näen kuitenkin, että tekoälyn osa-alue, ymmärtäminen, on viiden vuoden päästä selkeästi kehittyneempi, joka tarkoittaa sitä, että puhehaut ja chatbotit kehittyvät samaa vauhtia ja pystyvät ennätysajassa oppimaan ja ymmärtämään puheesi tai tekstisi kontekstin.
Hakukoneoptimoinnissa ja konversio-optimoinnissa tulemme näkemään uusia työkaluja, jotka nopeuttavat johtopäätösten tekemistä.
Hakukoneet, kuten Google, ovat yhtä tärkeässä roolissa, koska ne kehittävät jatkuvasti omaa kone-oppimista ja tekoälyä, mikä edistää hakukoneen suoriutumista.
Lue myös artikkelimme siitä, kuinka tekoäly ja automaatio näkyvät verkkosivustoilla.
