Jeg har sett AI-fremtiden til CRO. Og den er lys!

Andreas Almqvist Gref

Tidligere stolte CRO på menneskelig intuisjon, ekspertise og dataanalyse. Men med fremveksten av kunstig intelligens (AI), er prosessen med CRO i rask endring. I dette blogginnlegget vil vi utforske hvordan AI vil påvirke praksisen med optimalisering av konverteringsfrekvens.

Dette var den første setningen ChatGPT spyttet ut da jeg ba den skrive et blogginnlegg om hvordan AI vil påvirke praksisen med CRO. Jeg vet, å be ChatGPT om å produsere innhold for deg på denne måten fungerer ikke alltid like bra. Og ja, jeg vet, det begynner nesten å bli en klisjé å gjøre lite eller ingen jobb med å prompte ChatGPT og bli overrasket over å få en tilsynelatende menneskelig respons. Men bær over med meg, du vet ikke hvor jeg skal med dette ennå.

Så tilbake til svaret. Interessant nok «tror» ChatGPT at prosessen pleide å stole på «menneskelig intuisjon, ekspertise og dataanalyse», men AI vil endre dette. La oss undersøke om menneskelig intuisjon og ekspertise vil bli erstattet, og i så fall med hva?!

For å få et bedre bilde av utfordringen, la oss bryte ned prosessen med CRO i fire enkle og generiske trinn. La oss så prøve å finne ut hvordan AI, og spesielt generativ AI, vil påvirke arbeidet til CRO-utøvere i hvert av disse trinnene.

En generell CRO-prosess

CRO-prosessen kan generelt deles i 4 steg: 

  1. Innsikt – Forstå brukeradferd gjennom en kombinasjon av kvalitative og kvantitative data.
  2. Idéskaping – Skape hypoteser for forbedringer rettet mot viktige KPIer.
  3. Ekperiment – Validere hypotesene gjennom en serie av kontrollerte eksperiment, der vinneren avgjøres gjennom en statistisk, vitenskapelig metode.
  4. Rapportering – Presentere funnene og foreslåtte tiltak.

Hvis du bruker en metode eller et rammeverk for CRO-arbeidet ditt, varierer det sannsynligvis litt, men jeg vil tippe at det ikke er så langt unna denne generelle metoden.

Hva skal AI gjøre for oss da?

Så vi vil at AI skal hjelpe oss med CRO-prosessen vår. Men, hva er det AI gjør? Eller, hva er det AI er virkelig god på? Hvor kan den utfylle vår menneskelige innsats eller kanskje erstatte den?

Jeg er ikke i ferd med å bli lat nå, dette er bare en del av et underliggende eksperiment. Så la oss se hva ChatGPT kan gjøre for meg. Dette er hva jeg fikk:

«AI er et kraftig verktøy som kan hjelpe analytikere på en rekke måter, fra å samle og strukturere store datasett til å lage polerte presentasjoner og transformere informasjon for å passe et bestemt publikum. La oss se på hver av disse egenskapene mer detaljert:»

1. Samle, strukturere og oppsummere:

AI vil hjelpe analytikere med å samle inn, strukturere og oppsummere store datasett ved å bruke maskinlæringsalgoritmer for å identifisere mønstre og trender. Dette lar analytikere raskt identifisere nøkkelinnsikt og ta datadrevne beslutninger. AI kan også bidra til å rense og organisere data, noe som reduserer tiden analytikere bruker på manuell databehandling.

2. Komme med forslag

AI kan gi forslag til mulige handlinger eller retninger for fortsatt forskning ved å analysere data og identifisere områder der forbedringer kan gjøres. Dette lar analytikere generere hypoteser for videre testing og utforskning.

3. Lage presentasjoner

AI kan hjelpe analytikere med å lage profesjonelle presentasjoner uten behov for spesialiserte designferdigheter. Den nye generasjonen AI-verktøy som for tiden er under utvikling, kan automatisk generere diagrammer, grafer og andre visuelle hjelpemidler basert på inndata. AI-verktøy kan også generere tekstsammendrag av datainnsikt, noe som reduserer tiden analytikere bruker på manuell rapportskriving. Til slutt, AI-verktøy er utmerket til å transformere stilen og formatet til dataene for å passe et bestemt publikum eller formål. Dette gjør at analytikere raskt kan tilpasse produksjonen til behovene til interessenter og beslutningstakere.

ChatGPT konkluderte:

Samlet sett kan egenskapene til AI forbedre effektiviteten betydelig, slik at analytikere kan generere innsikt og anbefalinger med større hastighet og nøyaktighet.

La oss nå mappe AI-egenskapene opp mot CRO prosessen for å se hvor vi kan få mest hjelp.

  1. Innsikts – stor effekt 

Sannsynligvis er den mest tidkrevende delen av CRO-arbeidet vårt å gå gjennom en rekke brukeratferdsstudier, logge på Google Analytics, sjekke konverteringstraktdataene, kanskje eksportere dataene, transformere dataene med noen Python-skript og importere dataene til R for Statistisk analyse. Alt arbeidet med å flytte data, konvertere data, sammenligne data og oppsummere data har et STORT potensial for å bli automatisert med dataverktøy.

Tenk deg en slik prompt:

«Se disse 10 brukertestingsvideoene og disse 200 øktopptakene. List opp de 5 største problemene som er identifisert og korreler hvert problem med den tilsvarende beregningen i Google Analytics.»

Er dette mulig i dag? Ikke ennå, men det kan være nærmere enn vi tror.

Ting som definitivt er mulig i dag er å få analysert og oppsummert store mengder tekst. Har du noen gang kjørt en meningsmåling og fått MANGE svar? AI kan oppsummere det for deg. Og noe som er tilgjengelig i dag med bare litt spørsmål i ChatGPT er å få produsert analysekode for deg. Hvis du kjenner dataene dine, og har et klart definert spørsmål på normalt naturlig språk, kan du hoppe over å navigere gjennom nettanalysegrensesnittet og bare produsere kode som utfører analysen og gir deg en rapport. Ingen forutgående kodingsferdigheter er nødvendig (selv om det kan hjelpe litt).

  1. Idéskaping – noe effekt

I neste trinn transformerer vi vår innsikt til resultater i form av hypoteser. Og det er her den «menneskelige intuisjonen og erfaringen» spiller inn. Som vi ofte sier – «dataene og jeg vil fortelle oss HVA som skjer, men det er mye vanskeligere å forstå HVORFOR det skjer». Denne typen avansert resonnement er mye vanskeligere for AI å knekke. Så i dette avgjørende trinnet vil vi måtte stole på mennesker en god stund ennå.

Men det er én rolle som AI kan spille her. AI-verktøyene er ganske gode til å generere «frø» for hypoteser i høy hastighet og høyt volum.

Tenk deg en slik prompt:

«Vi har sett at mange brukere på mobil med mer enn 3 varer i handlekurven har mindre sannsynlighet for å fullføre et kjøp. Gi meg 5 grunner til hvorfor dette skjer.»

Da jeg stilte dette spørsmålet til ChatGPT, uten å oppgi en spesifikk kontekst med spesifikke data, fikk jeg et veldig generelt svar om mulige tekniske problemer og betalingspunkter. Det ga meg ingenting jeg ikke allerede visste. Men gitt mer tid, mer og bedre data og kontekst, så vil en dag ett av disse 5 svarene være noe du ikke hadde tenkt på i det hele tatt. Nå hjalp AI deg med å utvide horisonten og løsningslandskapet. Men til slutt vil valideringen, utvalget og den endelige avgjørelsen om hvilken av hypotesene som skal velges måtte stole på menneskelig ekspertise, i overskuelig fremtid.

  1. Eksperiment – liten effekt

“Liten effekt” – hæ?!

Dette kan virke som et fullstendig motstridende svar, men grunnen er at AI og algoritmer allerede hjelper oss bak kulissene på de fleste av AB-testplattformene og andre eksperimenteringsverktøy. Verktøyene gjør jobben for oss og vår rolle er å definere innstillingene og avgrensninger rundt eksperimentene, og dette er nok noe vi ikke ønsker å overføre til AI-verktøyene på dette stadiet.

Vi har holdt workshops på Conversionista hvor vi har brukt AI-verktøy for å hjelpe oss med eksperimentdesign og analyse. Ofte ga verktøyet oss raskt et svar som identifiserte den vinnende varianten og de tilsvarende konverteringsfrekvensene. Flott! Men: Etter hvert som vi gravde dypere inn i svarene, fant vi ut at verktøyet hadde valgt en statistisk metode helt tilfeldig, så noen ganger var analysen basert på en chi-kvadratmodell eller en T-test, en dobbeltsidig test eller en en-sidetest. Hvis du kan litt om statistikk, vet du at disse metodene kan gi helt andre resultater, og å velge riktig metode er avgjørende. Noen ganger da resultatene så ganske dårlige ut, ba vi verktøyet om å ta en ny titt, og så innrømmet det at det hadde gjort en feil første gang.

For verktøyleverandører er dette selvfølgelig områder de bør følge nøye med på, men for CRO-utøvere bør vi ganske enkelt forvente at leverandører er up to the game i AI-spillet og har all den nyeste funksjonaliteten inkludert i verktøyene.

  1. Rapportering – stor effekt

Rapportering er en enorm tidsvampyr i CRO-arbeidet. Og på mange måter er det den minst verdiøkende komponenten av alle tingene vi gjør. Vi har allerede alle dataene, alle resultatene, alle konklusjonene, og nå trenger vi bare å bruke masse timer på å polere disse tingene til et presentabelt format. Takk Gud for at AI gjør dette arbeidet for oss i nær fremtid.

Så  – hva betyr dette for vår praksis?

Vi begynner å forstå litt om transformasjonen av bransjen vår, men hva betyr det for det større bildet? Vil det være høyere etterspørsel etter CRO-eksperter og tjenester eller lavere etterspørsel? Vil jobbene våre bli supplert med AI eller erstattet av AI?

På oppsiden

Mange CRO-folk jeg møter forteller meg at en av de største flaskehalsene i arbeidet er å komme gjennom til beslutningstakerne i selskapet, få dem til å forstå verdien av arbeidet vi gjør, og til slutt prioritere det fremfor andre ting de har på tallerkenen.

Ettersom mange av de kjedelige og repeterende delene av arbeidet vårt vil bli automatisert, vil vi frigjøre tid til oppgaver som tilfører mer verdi, og som et resultat vil vi skape mer verdi på samme tid. Hvis vi skaper mer verdi, vil det være lettere å vise disse til de høyerestående og få fortsatt godkjenning. Hvis det vi gjør er mer verdifullt, burde bedrifter ønske mer av det, ikke sant?

En annen potensiell oppside, hvis vi faktisk blir mer effektive utøvere av CRO, er at nettsider og digitale opplevelser generelt sett vil bli bedre. Som de fleste av dere som er dypt inne på dette feltet vet, er det alltid uutnyttet potensiale å avdekke og ny brukerinnsikt som skal avsløres. Så å heve standarden i dette konkurranselandskapet med mer brukervennlige nettsider er ikke et urimelig resultat.

På nedsiden

For det første kan AI være flott for å knuse tall og data, men det kan gå glipp av noen av de små detaljene. Det er omtrent som hvordan du leser mellom linjene i en bok eller et filmplott. Så selv med AI i blandingen, vil vi fortsatt trenge menneskelige hjerner som gjør noe av tenkningen.

Så er det spørsmålet om datakvalitet. En AI er som en kokk – hvis du gir den dårlige ingredienser, kommer du til å få et dårlig måltid. Hvis dataene er dårlige, kan AI ende opp med å ta avgjørelser som også er dårlige. Vi trenger fortsatt mennesker til å holde øye med ting og sørge for at AI-ene har de rette tingene å jobbe med.

Når det kommer til idéer, kan AI synes det er vanskelig å tenke ut av boksen. Det kan generere idéer basert på det den allerede vet, men den kan ikke komme opp med game changer idéer som et menneske kan.

Det er også en risiko for at vi kan begynne å stole for mye på AI. Det er litt som å bruke en kalkulator for hver sum og glemme hvordan du legger det sammen i hodet. Denne overavhengigheten kan forårsake et kompetansegap i bransjen over tid, ettersom færre mennesker utvikler sterke analytiske og statistiske ferdigheter.

Deretter er det jobbsituasjonen. Selv om vi alle håper AI vil fungere sammen med oss ​​i stedet for å erstatte oss, er det en risiko for at enkelte roller i CRO-prosessen kan bli unødvendige. Dette kan bety at noen mister jobben eller trenger å lære nye ferdigheter.

Til slutt er det spørsmålet om å forstå hva AI forteller oss. Den bruker kanskje ikke alltid den beste metoden for å analysere dataene, noe som kan føre til feil konklusjoner. Vi må dobbeltsjekke hva AI gjør og ikke bare ta det for god fisk.

Så selv om kunstig intelligens virkelig kan rokke ved ting i CRO, må vi være smarte med det. Vi bør se AI som et verktøy for å hjelpe oss, ikke som noe som kan erstatte menneskelig kreativitet, intuisjon og etisk beslutningstaking.

Jeg er optimist!

Dessverre er hele debatten rundt AI om hvordan AI vil erstatte oss. Det mye mer passende spørsmålet er hvordan AI vil utfylle oss. Og jeg tror det er få yrker hvor det er så mye potensial for en seniorrolle som co-pilot til å hjelpe oss med alt det kjedelige slik at vi kan gjøre alt det morsomme. Da kan vi nyte arbeidet vårt mer og levere høyere verdi til våre arbeidsgivere og kunder.

La oss være forsiktige, hensynsfulle og gjøre dette til et drømmescenario, en verden uten digitale opplevelser som suger!

Se også disse blogginnleggene