Generative AI-driven customer insights in marketing operations

Abstract

Today’s B2B marketing landscape relies heavily on digital technology, with numerous customer touchpoints constantly collecting vast amounts of customer data. As a result, data-driven decision making is increasingly important in the B2B environment. The use of generative AI has become increasingly common in the B2B environment in recent years. Generative AI has been used to capture customer insights and to leverage these insights in marketing operations. This study explores how B2B companies can generate and utilize generative AI driven customer insights to improve their marketing operations. The study explores the type of customer data that can be utilized to deliver actionable customer insights and how these generative AI driven insights can be utilized to benefit B2B marketing operations. In addition, the study examines the challenges related to the topic. The research was conducted through a multiple case study, interviews with B2B marketing professionals, and a literature review. The results show that customer insight can be generated from versatile customer data, which can be both external and internal, and can be either real-time or historical data. The data orientation of a company is important to ensure the quality of the data, which affects the quality of customer insights created with the help of generative AI. The use of generative AI can significantly improve operational efficiency, allowing professionals to focus on more strategic tasks. The generative AI driven customer insights support customer-centric strategies by enabling a deeper understanding of customers, for example, they can support in designing marketing materials and campaigns to better align with customer needs. Generative AI can also provide insights into the effectiveness of marketing strategies and offer data-driven recommendations tailored to specific customer segments. However, human oversight remains still key to ensure optimal results. Potential security risks emerged as a challenge, particularly in relation to commercially available generative AI models. Data quality, ethical considerations and organizational adoption also emerged as a challenge. Furthermore, generative AI models can produce errors causing a significant chal-lenge. Modern technologies like AI are vast in scale, and their effective integration into marketing operations requires careful planning and collaboration across the organization. This study offers insights into how B2B companies can leverage generative AI to optimize their marketing operations using generative AI driven customer insights. The study found that the use of generative AI in the development of customer insights is still in its early stages. Optimal use of generative AI to develop customer insight requires an understanding of the challenges associated with the technology. Although the study identified several benefits for marketing operations, the comprehensive strategic use of generative AI for customer insight development is still limited.

B2B-markkinointi nojaa nykyään vahvasti digitaaliseen teknologiaan ja lukuisat asiakaskosketuspisteet keräävät jatkuvasti suuria määriä asiakasdataa. Tämän takia, datavetoinen päätöksenteko on yhä merkittävämpää B2B ympäristössä. Generatiivisen tekoälyn käyttö on yleistynyt myös B2B ympäristössä viime vuosien aikana tehostaen toimintoja monipuolisilla liiketoiminnan alueilla. Generatiivista tekoälyä on hyödynnetty asiakasoivallusten keräämisessä ja oivallusten hyödyntämisessä markkinointioperaatioissa. Tämä tutkimus tarkastelee, miten B2B yritykset voivat tuottaa ja hyödyntää generatiivisen tekoälyn avulla tuotettuja asiakasoivalluksia kehittääkseen markkinointioperaatioitaan. Tutkimuksessa perehdytään siihen, millaista asiakasdataa voidaan hyödyntää asiakasoivallusten saamiseksi sekä miten generatiivisen tekoälyn tuottamia asiakasoivalluksia voidaan hyödyttää B2B markkinointioperaatioita. Lisäksi tutkimuksessa tarkastellaan teemaan liittyviä haasteita. Tutkimus tehtiin monitapaustutkimuksen avulla, B2B-markkinoinnin ammattilaisia haastattelemalla, sekä kirjallisuuskatsauksella. Tulokset osoittavat, että asiakasymmärrystä voidaan tuottaa monipuolisesta asiakasdatasta, joka voi olla sekä yrityksen ulkoista, että sisäistä, ja se voi olla joko reaaliaikaista tai historiallista dataa. Yritysten dataorientoituminen on merkittävää monipuolisen datan ja sen laadun varmistamiseksi, mikä vaikuttaa generatiivisen tekoälyn tuottamien asiakasoivallusten laatuun. Generatiivisen tekoälyn hyödyntäminen voi merkittävästi parantaa operatiivista tehokkuutta mahdollistaen ammattilaisen keskittymisen strategisempiin tehtäviin. Generatiivisen tekoälyn tuottamat asiakasoivallukset tukevat asiakaskeskeisiä strategioita mahdollistaen asiakkaiden ymmärtämisen syvällisemmin, hyödyttäen erimerkiksi markkinointimateriaalien ja kampanjoiden suunnittelua. Tehokkuutta tuo myös oivallukset markkinointitoimintojen toimivuudesta sekä datan perusteella tehdyt toimenpidesuositukset tietylle asiakasryhmälle. Kuitenkin ihmisen valvonta on edelleen keskeistä optimaalisten tulosten varmistamiseksi. Mahdolliset tietoturvariskit nousivat esille haasteena, erityisesti liittyen kaupallisesti tarjolla oleviin generatiivisiin tekoälymalleihin. Lisäksi datan laatu, eettiset näkökulmat sekä organisaatiollinen omaksuminen nousi esille. Haasteena ovat myös mahdolliset virheet, joita generatiiviset tekoälymallit voivat tuottaa. Tutkimuksessa nousivat esiin työntekijöiden pelot tekoälyä kohtaan, mikä saattaa hidastaa teknologian käyttöönottoa. Modernit teknologiat, kuten tekoäly, ovat kokoluokaltaan niin suuria, että niiden tehokas hyödyntäminen markkinointioperaatioissa vaatii suunnittelua ja yhteistyötä koko organisaatiota. Tämä tutkimus tarjoaa näkemyksiä siitä, miten B2B-yritykset voivat hyödyntää generatiivista tekoälyä optimoidakseen markkinointioperaatioitaan generatiivisen tekoälyn tuottaman asiakasymmärryksen avulla. Tutkimuksessa huomattiin, että generatiivisen tekoälyn hyödyntäminen asiakasymmärryksen kehittämisessä on vielä alkuvaiheessa. Generatiivisen tekoälyn optimaalinen hyödyntäminen asiakasymmärryksen kehittämiseksi vaatii teknologiaan liittyvien haasteiden tiedostamista. Vaikka tutkimuksessa tunnistettiin useita hyötyjä markkinointioperaatioille, generatiivisen tekoälyn kattava strateginen hyödyntäminen asiakasymmärryksen kehittämiseksi on vielä vähäistä.