Search Beyond เป็นฟอรัมที่เรารวบรวมเอาความคิดเห็นเกี่ยวกับเทรนด์ใหม่ล่าสุดจากเอเจนซีดิจิทัลอิสระที่มีหัวก้าวหน้าที่สุดในสหราชอาณาจักร เหล่านักการตลาดผู้คร่ำหวอดในวงการมานานจะมาพบปะกันทุกไตรมาสเพื่อพูดคุยประเด็นใหม่ๆ ที่กำลังเกิดขึ้นในวงการการตลาดดิจิทัล ซึ่งเราจะคัดสรรข้อมูลเชิงลึกและความคิดเห็นเหล่านั้นมานำเสนอใน Think with Google
ในเซสชัน Search Beyond ครั้งที่สองนี้ เราอยากรู้ว่าเอเจนซีอิสระนำแมชชีนเลิร์นนิงมาใช้เพื่อเตรียมพร้อมรับมือกับความซับซ้อนในโลกดิจิทัลที่กำลังเพิ่มขึ้นทุกวันอย่างไร ผู้เข้าร่วมประชุมเปิดการสนทนาด้วยการเผยว่าตนนำเครื่องมือเหล่านี้มาใช้ในงานของตัวเองแทนลูกค้าแล้วอย่างไรบ้าง
"แมชชีนเลิร์นนิงก็คือองค์ประกอบที่ทำงานโดยอัตโนมัตินั่นเอง ซึ่งคิดเป็นสัดส่วนสูงในงานของเรา เช่น ในรูปแบบขั้นพื้นฐานที่สุดอย่างการใช้โฆษณาแบบไดนามิกและการเพิ่มประสิทธิภาพเพื่อการคลิกผ่านสูงสุด" Maria Yiangou ซึ่งเป็น Group Account Director ที่ All Response Media กล่าว ในขณะที่หลายๆ คนแชร์ตัวอย่างในการนำแมชชีนเลิร์นนิงไปใช้ในงานที่ไม่ต้องใช้ทักษะ แต่ Angela Knibb ซึ่งเป็น Head of Search ที่ Greenlight กลับชี้ว่าเทคโนโลยีนี้มีประโยชน์มากกว่านั้น "เครื่องมือนี้ช่วยทำกระบวนการทั่วไปให้โดยอัตโนมัติก็จริง แต่ที่ยิ่งกว่านั้นก็คือเราจะเห็นรูปแบบหรือเทรนด์ซึ่งควรหันไปทุ่มเวลาให้มากขึ้น และทำให้เราคิดในเชิงกลยุทธ์มากขึ้นแทนการคลิกเพียงปุ่ม"
สำหรับ Sam Fenton-Elstone ซึ่งเป็น Chief Digital Officer ของ VCCP Media งานหลักในตอนนี้ก็คือการขยายการใช้งานของแมชชีนเลิร์นนิง โดยไม่ได้ใช้เพื่อทำให้เรามีเวลามากขึ้นเพียงอย่างเดียวแล้ว แต่จะต้องสร้างคุณค่าที่แท้จริงได้มากขึ้นด้วย "องค์ประกอบหลายๆ อย่าง เช่น การเสนอราคาหรือการเพิ่มประสิทธิภาพครีเอทีฟโฆษณา เป็นเพียงการโฟกัสจุดเล็กๆ ในเรื่องเฉพาะเจาะจงหรือสื่ออย่างใดอย่างหนึ่งเท่านั้นโดยใช้ระบบที่อิงกฎแบบง่ายๆ และไม่สนใจบริบทรอบข้างเลย แต่สิ่งที่น่าสนใจในตอนนี้ก็คือเราจะเพิ่มมูลค่าในบริบทที่ใหญ่ขึ้นได้อย่างไร"
ทีมนี้มองว่าการนำแมชชีนเลิร์นนิงมาใช้ในภาพรวมที่ใหญ่ขึ้นยังไม่ได้เป็นความท้าทายในด้านเทคโนโลยีเท่ากับด้านการดำเนินธุรกิจ เช่น เอเจนซีอาจสนใจสร้างแบบจำลองการระบุแหล่งที่มาและสำรวจกิจกรรมด้านการตลาดต่างๆ ที่ส่งผลต่อจำนวนลูกค้าที่เข้ามาในร้าน แต่โครงสร้างในองค์กรของลูกค้าอาจเป็นอุปสรรคได้ เพราะทีมออฟไลน์กับทีมดิจิทัลอาจทำงานแยกกัน นอกจากนี้โฆษณาทางทีวี ดิสเพลย์ โซเชียล และป้ายโฆษณานอกอาคารก็มักจะอยู่คนละแผนกกัน "ในการใช้แมชชีนเลิร์นนิงให้เกิดประโยชน์สูงสุด ธุรกิจจะต้องเป็นหนึ่งเดียวกันและมองในภาพรวมมากขึ้น แต่จากประสบการณ์ของฉัน ธุรกิจหลายๆ แห่งมักไม่ทำงานร่วมกันและไม่ได้มองภาพรวม ซึ่งเป็นเรื่องที่น่าแปลกใจ" Angela กล่าว
ในขณะที่เสียงตอบรับต่อแมชชีนเลิร์นนิงในปัจจุบันมักจะเป็นเรื่องของความกลัวว่าเทคโนโลยีนี้จะมาแทนที่มนุษย์และทำให้คนตกงาน แต่ผู้ร่วมประชุมของเราเห็นต่างและมองว่าเป็นโอกาสมากกว่าอุปสรรค โดยบอกว่าเครื่องอาจทำงานได้ดีกว่า เร็วกว่า และมีแนวโน้มที่จะเกิดข้อผิดพลาดได้น้อยกว่ามนุษย์ Mark Williams ซึ่งเป็น Head of Search จาก iCrossing UK บอกว่าเครื่องมือนี้ยังช่วยเผยเทรนด์และข้อผิดพลาดที่มนุษย์อาจมองไม่เห็น "คนเรามักจะเรียนรู้ที่จะแก้ปัญหาด้วยวิธีการหนึ่งๆ และมักเลือกทางที่ทำได้ง่ายที่สุด แต่ข้อดีอย่างหนึ่งของแมชชีนเลิร์นนิงก็คือเครื่องมือนี้จะพาเราไปเจอทางที่มนุษย์ไม่สนใจ มนุษย์มีข้อเสียอย่างหนึ่งก็คือเราจะมองหาทางที่ง่ายที่สุดเพียงเพื่อให้งานเสร็จๆ ไป"
ในขณะเดียวกัน ทีมงานก็มั่นใจว่ามนุษย์จะยังคงมีบทบาทหน้าที่ในการช่วยให้เครื่องทำงานได้ดีที่สุด "สุดท้ายแล้วเรายังต้องใช้มนุษย์ เพราะอัลกอริทึมจะดีหรือไม่ก็ขึ้นอยู่กับกฎหรือกระบวนการที่คุณป้อนให้เครื่องใช้นั่นเอง" Angela กล่าว "ดังนั้นเราจึงยังต้องมีคนที่บอกว่า 'ใช่ ทำแบบนั้นดีแล้ว' หรือ 'ไม่เอาแบบนั้น'" Sam เสริมว่า "อัลกอริทึมก็เพียงแค่รู้ในสิ่งที่รู้ และไม่รู้ในสิ่งที่เหลือ แต่ความมหัศจรรย์ของมนุษย์ก็คือเราสามารถประมวลผลบริบทได้เร็วกว่ามาก เพราะเรารู้จักโลกที่กว้างกว่านั้น"
ผู้ร่วมประชุมบางคนอย่าง Richard Hartley ซึ่งเป็น PPC Director ที่ Jellyfish เต็มไปด้วยความหวัง และรออย่างใจจดใจจ่อให้เครื่องมือฉลาดขึ้นเรื่อยๆ เขาถึงกับถามว่า "เราต้องรอถึงเมื่อไรที่จะไม่ต้องถามคำถาม และเมื่อไรเครื่องจะบอกได้เลยว่าอะไรเป็นคือสิ่งสำคัญ"
บางคนในกลุ่มเน้นย้ำถึงความสำคัญของความเข้าใจกลไกการทำงานเบื้องหลัง เพราะลูกค้าจำนวนมากมักจะอยากรู้ว่าข้างในกล่องดำนี้ทำงานอย่างไร Vim Badiani ซึ่งเป็น Head of Search ที่ Merkle | Periscopix กล่าวว่า "ผมคิดว่าลูกค้าทำใจไม่ได้เมื่อไม่รู้การทำงานเบื้องหลัง ดังนั้นแค่การบอกลูกค้าว่าแมชชีนเลิร์นนิงจะทำ 'อะไรบางอย่าง' ในบัญชีของคุณจึงยังไม่เพียงพอ" เสียงส่วนใหญ่เห็นพ้องกันว่า อย่างน้อยผู้ใช้งานควรมีความเข้าใจว่าเอเจนซีของตนใช้แมชชีนเลิร์นนิงอย่างไรมากพอที่จะอธิบายให้ลูกค้าฟังได้
ในด้านของการกระตุ้นให้เอเจนซีนำเทคโนโลยีแมชชีนเลิร์นนิงไปใช้ภายในองค์กร ผู้ร่วมประชุมเกือบทั้งหมดพูดถึงโอกาสอันมากมายพอๆ กับการรู้ว่าจะเริ่มต้นที่ไหน "ขั้นแรกเราต้องเข้าใจว่าเครื่องมือนี้ทำอะไรได้บ้าง และผมคิดว่าเรายังเจาะลึกได้ไม่มากนัก" Richard แนะ "ผมเป็นนักการตลาด ไม่ใช่นักวิทยาศาสตร์ข้อมูล ผมจึงต้องถามคนพวกนี้ว่าเราทำอะไรได้บ้าง เราจะสร้างมันขึ้นมาได้อย่างไร แล้วมันจะช่วยให้แคมเปญดีขึ้นได้อย่างไร จากนั้นเราต้องนำไปใช้ในเอเจนซีและช่วยให้คนอื่นเข้าใจว่าเทคโนโลยีมีประโยชน์ มันไม่ได้ซับซ้อน แต่ใช้ง่าย ช่วยประหยัดเวลา และก่อให้เกิดผลลัพธ์ที่แท้จริง มันไม่ได้เป็นเครื่องมือที่น่ากลัวในอนาคต และยังไงคุณก็ตามทัน"
รายชื่อผู้ร่วมพูดคุยใน Search Beyond
Angela Knibb, Head of Search จาก Greenlight
Maria Yiangou, Group Account Director จาก All Response Media
Mark Williams Head of Search จาก iCrossing UK
Richard Hartley, PPC Director จาก Jellyfish
Sam Fenton-Elstone Chief Digital Officer จาก VCCP Media
Vim Badiani, Head of Search จาก Merkle | Periscopix
