营销人员应探索四种新兴技术趋势以及它们如何影响客户数据管理和消费者隐私。
对于品牌而言，大流行的最初干扰正在缓解，如果不是没有的话，而通胀螺旋式上升、人才稀缺和挥之不去的供应链挑战继续挑战营销人员制定的最佳计划。
在这种相互冲突的背景下，营销人员寻求在久经考验的个性化营销活动与能够区分其品牌的新颖数字体验之间取得平衡。
与 2021 年和 2022 年初的新客户获取策略相比，今年和明年剩余时间将强调更全面的客户视图，以统一跨职能数据以改善客户体验 (CX)、推动转化并确保保留。
今年 Gartner 数字营销炒作周期新增了四项关键技术，它们将帮助营销人员重新关注整合客户数据以推动创新：生成式人工智能、情感人工智能、客户数字孪生和客户数据伦理。
以下是数字营销领导者如何将这些关键技术纳入他们的战略。
生成式 AI：确定初始营销用例
生成式 AI 是一种颠覆性技术，会影响内容开发、客户体验增强和合成数据的生成。它从现有的人工制品中学习，以生成新的、逼真的人工制品（例如，视频、语音），这些人工制品反映了训练数据的特征，无需重复。
尽管第三方数据贬值，但企业仍然负责提供强大的客户体验和影响客户决策。生成式 AI 可以帮助营销人员识别客户的核心特征，然后以符合隐私的方式向他们提供自定义内容。
事实上，到 2025 年，Gartner 预计来自大型组织的 30% 的出站营销信息将由综合生成。我们看到生成式人工智能在数字商务中占据一席之地；例如，品牌可以生成人类图像，供顾客虚拟试穿衣服或化妆。化身和虚拟影响者还可以在社交媒体和虚拟世界中吸引客户以提供客户支持。
数字营销人员使用生成式 AI 的障碍包括试图限制相关研究的潜在政府障碍，或者该技术用于深度造假、欺诈和虚假信息的不幸现实。
数字营销人员可以做什么？首先调查生成式 AI 技术如何使您的行业受益，并确定您可以依赖购买的功能或合作伙伴关系的初始营销用例。记录合成数据在促进数据货币化和降低数据获取成本方面可能带来的机会。
情感 AI：探索供应商能力
情感人工智能使用计算机视觉、音频/语音输入等将行为属性转化为人类情感，帮助营销人员更好地个性化数字通信。这是我们称之为“影响工程”的更大趋势的一部分，该趋势旨在通过学习和应用行为科学技术来实现数字体验元素的自动化，从而大规模地指导用户选择。
情绪在客户旅程的所有阶段都发挥着关键作用。访问情绪数据可以洞察激励驱动因素，帮助他们测试和改进内容、定制数字体验并在人和品牌之间建立更深层次的联系。
到 2024 年，30% 的营销人员将使用情感 AI，而今天这一比例还不到 5%。然而，隐私问题仍然是快速采用许多用例，尤其是在现场情况下（相对于实验室/研究环境）。对情绪感知算法的操纵能力和潜在偏见的犹豫也很普遍。为避免在使用面部表情分析时出现偏差，必须在不同地区对模型进行重新训练，以检测由于不同文化背景而产生的细微差别。
数字营销人员可以做什么？仔细审查供应商的情感 AI 功能和用例，以增强客户分析和行为分析。将您组织中的数据隐私责任指定给首席数据隐私官或同等人员，并确保他们与您选择的供应商合作，以避免因收集敏感数据而引起用户强烈反对。
客户的数字双胞胎 (DToC)：运行试点，建立信任
DToC 是模拟并学习模拟和预测行为的客户的动态虚拟表示。DToC 帮助数据丰富的组织为客户提供更加个性化、精心策划的 CX，其中许多客户的购买习惯因通货膨胀而发生了变化。
DToC 既可以改变也可以破坏：隐私和网络风险问题可能会延长 DToC 成熟所需的时间。此外，组织实施客户数据道德倡议具有挑战性，这对 DToC 项目的成功至关重要。
数字营销人员可以做什么？首先运行一个试验并比较有和没有 DToC 的结果为客户定义利益并建立信任。解释他们如何控制或取消数据使用，并最终将 DToC 与现有营销技术系统集成以实现最大效用。
客户数据伦理：保持透明
客户数据伦理使业务实践与反映公司价值观的道德和道德政策保持一致。对此类的需求源于使用客户数据来最大化利润通常会产生意想不到的社会和环境后果。
很明显，作为营销自动化和个性化的技术，人工智能在营销中的力量正在增长。公众和营销人员越来越认识到这些技术倾向于放大用于培训他们的客户数据中的偏见。随着组织扩大对隐私和环境、社会和治理 (ESG) 问题的关注，解决算法营销实践的道德挑战对于保持公司实践和价值观保持一致变得势在必行。
数字营销人员可以做什么？超越单纯的合规性，将客户数据道德视为贵公司与所有利益相关者公开分享的一种精神。实施对所有自动化决策的道德评估，并为特定地区、受众和社会量身定制全球品牌或企业框架。建立和监控将客户数据道德与经济因素（例如 ESG 评级和品牌资产衡量标准）联系起来的长期指标将确保实现最大价值。
结论：确定新兴营销技术趋势的价值
尽管对此类技术的投资继续快速发展，但数字营销领导者仍在努力应对与这些强大但不成熟的技术相关的挑战。人工智能和机器学习 (ML) 高度依赖于对客户数据的访问，但只有 14% 的组织实现了对客户的 360 度全方位了解。此外，消费者和监管机构对其道德影响的担忧可能会削弱客户之间的信任。
数字营销人员必须对这些技术趋势中的每一个进行批判性研究，以确定它们为组织带来的价值，尤其是在经济逆风的范围内。