當Netflix在2016年推出其全球推薦引擎時，它估計80%的用戶觀看選擇是基於個性化的建議。
如果我告訴你B2B營銷人員需要更像Netflix呢?
你看，這些建議對Netflix來說就等於冰冷的現金。他們為公司節省了估計每年10億美元通過保持訂閱者對其內容的興趣，而不是讓他們流失到另一個娛樂來源。
讓我們將其與一般B2B網站進行比較。
當一個人訪問你的網站時，基於個性化的推薦，他們消費了多少內容?如果你的網站像今天的大多數B2B網站一樣，它可能有一些宏觀層麵的個性化，根據行業或地理位置定製行動號召。但它並沒有提供現在每個人都在網上期待的微個性化服務。
這意味著你的網站訪問者在找到真正對他們有幫助的內容之前，可能會經曆一些嚴重的摩擦。也許他們選擇的博客文章在閱讀後沒有鏈接到其他相關內容——這是一個死胡同。或者，他們可能被要求填寫不包含他們正在搜索的信息的門控內容的表單。
最後，很多人會在沒有得到他們需要的信息的情況下離開你的網站。如果這是一次糟糕的體驗，他們可能不會再回來。你在這些銷售上損失了多少錢?
相反，如果你的網站更像Netflix，提供微個性化的內容推薦，真正幫助每個訪問者獲得相關信息，並引導他們進行銷售，你能賺多少錢?
內容營銷中的人工智能與一類新的數據相結合，正在刺激B2B網站的這種轉變。
它正在這樣做兩個大的方式。
1.AI可以閱讀和理解你的內容
讓我們假設你已經經營了一個B2B網站十年了。也許你在某個時候開始定期寫博客，你也開發了大量的視頻，甚至一些非常有用的可下載資產，如電子書和白皮書。
優秀的新聞!你有大量有用的內容作為線索。但也有一些壞消息。雖然人們可以知道一個單獨的內容資產是什麼，但要持續地標記大量內容並確定哪個是下一個最合適的內容是極其困難的。人類也不可能做出微個性化的、預測性的建議，來大規模地提供哪些內容。
人工智能可以幫忙。它可以大規模地為您生成內容元數據，因此您不必手動標記內容。它可以根據內容的屬性進行訓練——內容類型、主題、預期的閱讀或觀看時長等等——然後自動做出成千上萬的推薦。
這是因為人工智能可以使用自然語言處理(NLP)來閱讀和理解文本，而不用考慮語言。因此，如果你使用機器學習算法來審查和排序你的內容，它會分辨出內容的實際內容，並創建一些關於該內容的有趣的新數據點，如果沒有人工智能的幹預，這些數據點可能永遠不會被揭示。
這就是第二部分的切入點。
2.人工智能可以為網站提供推薦
人們想要個性化的體驗。但是，當你的網站每個月都有成千上萬甚至數百萬的訪問者，他們都處於客戶旅程的不同階段，有不同的願望和需求時，你該如何實現這一點呢?這個任務的複雜性，如果您試圖手動完成它，是完全無法管理的。這不是一大批營銷人員能解決的問題。
但是個性化的體驗很重要。預測下一個最好的網頁、PDF、博客文章或其他營銷資產應該是傳遞微個性化體驗的關鍵任務。
推薦是更好的生意。如果你不向個人網站訪問者推薦，你就沒有充分利用你在內容營銷、網站開發和營銷技術上的投資。
使用人工智能，你的B2B網站可以成為netflix式的推薦機器。多虧了人工智能可以適當地標記和排序你的內容，你可以使用你的網站來跟蹤每個訪問者的內容消費曆史，並對他們接下來應該看到的內容做出微個性化的推薦。
簡單地說，人工智能通過處理大量數據，並在此基礎上做出高度準確的預測(例如。這個人花了2分27秒這博客文章，因此他們最有可能看到的價值這白皮書）.所以即使有一百萬人訪問你的網站，他們中的每一個人都可以得到對他們個人旅程有意義的推薦。
這些建議減少了摩擦，為潛在客戶和客戶創造了更好的體驗。他們會為你的組織帶來更多的渠道和收入。它們還能有效地擴展人類無法做到的事情，從而為您的企業節省資金。
PathFactory是一個可以幫助您建立這些個性化推薦的工具。PathFactory在你的B2B網站上使用人工智能來創建真正的個性化體驗，這是買家的需求。使用它來理解您的內容、標記並對其進行排序。然後，利用這些有組織的信息寶庫，為訪問您網站的每個B2B買家提供超個性化的推薦。
尼克·愛德華
Nick是PathFactory的首席產品官，PathFactory是一個內容洞察和激活平台，幫助B2B營銷人員了解內容在買家旅程中的作用。