Искусственный интеллект как инструмент b2b-маркетинга: подход на микроосновах динамических возможностей

Искусственный интеллект вновь вызвал интерес как следующий рубеж производительности и инноваций. В подавляющем большинстве исследований на сегодняшний день изучалась потенциальная ценность для бизнеса, которую может принести применение ИИ в рамках организационных границ, при этом некоторые ранние исследования эмпирически демонстрировали такие эффекты. В более широкой области исследований ценности ИТ-бизнеса и с точки зрения новых организационных возможностей, основанных на ИТ, растет консенсус в отношении того, что ИТ позволяет фирмам повышать производительность за счет промежуточных организационных возможностей. Основная предпосылка этой точки зрения заключается в том, что использование новых ИТ-приложений имеет центральное значение для организаций, поскольку оно помогает развивать дополнительные эффекты с промежуточными организационными возможностями, которые в конечном итоге приводят к конкурентным преимуществам. В настоящее время все еще существует ограниченное понимание механизмов, с помощью которых приложения на основе искусственного интеллекта обеспечивают повышение конкурентоспособности. Основной аргумент в нашем исследовании заключается в том, что в зависимости от контекста использования организации могут реализовать различные виды преимуществ для каждого из базовых процессов, составляющих их динамические возможности. Хотя эмпирические исследования, изучающие механизмы, с помощью которых ИИ приводит к увеличению стоимости бизнеса в B2B-маркетинге, все еще ограничены, в некоторых работах предлагается понимание того, что может обеспечить ИИ. В частности, продолжается дискуссия о том, как ИИ может помочь организациям автоматизировать процессы, получить представление о данных, которые ранее были недоступны, и улучшить их взаимодействие с ключевыми клиентами. Было показано, что ИИ позволяет фирмам автоматизировать несколько различных ручных процессов, включая взаимодействие с клиентами (например, с помощью чат-ботов) или другие действия, выполняемые вручную. В своей недавней работе Кумбс, Хислоп, Танева и Барнард (2020) представляют концептуальную модель ценности бизнеса для интеллектуальной автоматизации, подмножества технологий искусственного интеллекта. Эта работа демонстрирует синергетическую взаимосвязь между технологическими и нетехнологическими инвестициями и предлагаемыми механизмами, с помощью которых реализуется ценность бизнеса. Основываясь на области маркетинга B2B, предлагают теоретическую модель для объяснения влияния ИИ в маркетинге B2B за счет улучшения рационального принятия решений. Эта работа показывает, что возможности ИИ не ограничиваются автоматизацией процессов, но также улучшают методы управления знаниями, относящиеся к маркетинговой деятельности B2B. Другие эмпирические работы также дают представление о том, как маркетинговые мероприятия, такие как ценообразование, поведение потребителей, могут быть улучшены с помощью технологий искусственного интеллекта.

Динамические возможности и микроосновы

Представление о динамических возможностях (DCV) было одним из наиболее влиятельных теоретических подходов в изучении стратегического управления за последнее десятилетие. Основываясь на шумпетерианской логике созидательного разрушения, предлагается использовать динамические возможности, позволяющие фирмам распознавать и использовать появляющиеся возможности для бизнеса, а также изменять способ ведения бизнеса, чтобы адаптироваться к меняющимся рыночным условиям. Несмотря на некоторые различия в используемых определениях, все больше сходится во мнении, что динамические возможности целенаправленно развиваются и состоят из набора идентифицируемых и специфических процессов. Эти процессы обычно понимаются как усвоенные и целенаправленные, направленные на независимые корпоративные действия. Ключевой причиной пристального внимания исследователей к понятию динамических возможностей было их предполагаемое влияние на важные переменные результата. Динамические возможности контрастируют с операционными или обычными возможностями, которые направлены на то, как фирма в настоящее время зарабатывает на жизнь, и предлагаются для придания ценности за счет обеспечения эволюционной пригодности. Недавние исследования подтвердили такие утверждения, а эмпирические результаты продемонстрировали, что они приводят к систематическим изменениям, позволяя обновлять операционные возможности и повышать гибкость в ответ на изменения рынка. Они представляют собой ключевые области в достижении устойчивого конкурентного преимущества.

В литературе динамические возможности разбиты на три основных процесса, ориентированных на стратегические изменения. К ним относятся выявление новых возможностей и угроз, использование новых возможностей посредством разработки бизнес-моделей и стратегических инвестиций, а также преобразование или перенастройка существующих бизнес-моделей и стратегий. В своей основополагающей статье Тис (2007) утверждает, что зондирование включает в себя аналитические системы сканирования, поиска и разведки на различных рынках и технологиях. С другой стороны, захват включает оценку существующих и новых возможностей и возможные инвестиции в соответствующие разработки и технологии, которые с наибольшей вероятностью получат признание на рынке. Наконец, трансформация включает непрерывное выравнивание и реорганизацию конкретных материальных и нематериальных активов. В прошлых исследованиях в основном изучались результаты динамических способностей, при этом значительно меньше исследований посвящено изучению того, как возникают базовые процессы, составляющие динамические возможности. В этом потоке исследований были рассмотрены предшествующие исследования на разных уровнях анализа, включая организационный, индивидуальный и экологический уровни, чтобы выделить факторы, которые либо способствуют, либо препятствуют формированию динамических способностей. Тем не менее, на сегодняшний день, насколько нам известно, существует мало исследований, касающихся влияния ИИ на реализацию базовых процессов, составляющих динамические возможности.

Исследовательский подход

Поскольку эмпирические исследования ценности ИИ и его влияния на стратегическое развитие, особенно в контексте бизнеса, находятся на ранней стадии зрелости, мы применили метод исследования конкретных примеров. Выбор метода исследования тематических исследований был основан на том факте, что он позволяет собирать богатое описание явлений и подробное объяснение событий, которые недостаточно хорошо изучены в литературе с точки зрения нескольких ключевых действующих лиц. В нашем проекте исследования мы выбрали дизайн с несколькими примерами, поскольку он допускает логику репликации, с помощью которой набор случаев рассматривается как серия экспериментов, каждый из которых служит для подтверждения или опровержения набора наблюдений.

Мы провели наше исследование в высокотехнологичных фирмах, поскольку было показано, что эти типы фирм являются предшественниками внедрения ИИ. Кроме того, типы проектов, инициируемых компаниями в этом секторе, как правило, являются более сложными и в большей степени являются основной частью конкурентных стратегий фирм. Шумиха последних нескольких лет побудила большое количество фирм инвестировать в пилотные проекты ИИ. В настоящее время фирмы осознают, что ИИ — это не просто средство получения конкурентного преимущества, а необходимость для того, чтобы оставаться на конкурентном уровне. Все три случая, которые были выбраны для целей этого исследования, были внедрены решениями ИИ не менее 2 года назад. Кроме того, фирмы начали свои внедрения почти в одно и то же время, что делает их уровни зрелости одинаковыми. В своих соответствующих отраслях каждая фирма занимает лидирующие позиции на национальном уровне по выручке, прибыли, доле рынка и численности сотрудников. Все фирмы также имеют значительное международное присутствие, причем значительная доля их доходов является результатом деятельности, осуществляемой за пределами их национальных границ. Тем не менее, в то время как мы искали фирмы, имеющие сходство, чтобы иметь возможность сравнивать их и воспроизводить результаты, мы также сочли необходимым, чтобы они обладали достаточной степенью неоднородности, чтобы помочь оценить потенциальную обобщаемость.

Анализ данных

Для анализа данных мы следовали рекомендациям Майлза, Губермана и Салданы (2013) и выбрали тематический анализ при изучении данных. С помощью систематической и повторяющейся процедуры, в которой для облегчения процесса использовались сравнения данных, новые темы и новейшая литература. В качестве первого шага мы разработали отдельные тематические исследования для каждой фирмы. Мы рассмотрели закономерности в ответах респондентов и любые отличительные аспекты в их описаниях того, как ИИ использовался для поддержки маркетинговых операций B2B. Кроме того, мы рассмотрели основополагающие механизмы и основные условия, которые связывают такие решения с улучшениями в маркетинговой деятельности B2B. Следуя этому процессу, мы связали соответствующие концепции в каждом конкретном случае. В рамках этого этапа мы рассмотрели выводы, сделанные в ходе первоначального кодирования, и установили связи между выбранными нами категориями и возникающими темами. Хотя у нас был набор теоретически обоснованных концепций, которые частично определяли определение ключевых понятий, мы позволили другим концепциям и шаблонам появиться на основе собранных первичных данных. Чтобы улучшить обобщаемость выводов и углубить понимание и объяснение этих концепций, мы провели сравнительный анализ между каждой категорией и между одними и теми же категориями в разных случаях. Цель этого состояла в том, чтобы иметь возможность сравнить и сопоставить, как изменились операции в каждой из трех фирм с внедрением приложений искусственного интеллекта, как был выполнен этот процесс, а также с какими проблемами они столкнулись. Все разногласия между программистами были разрешены путем обсуждения. Кроме того, как только мы пришли к первой версии выводов, мы поделились ими с ключевыми информантами, чтобы оценить их правдоподобность и указать на любые аспекты, которые мы неправильно поняли или упустили.

На последнем этапе мы соединили возникающие темы и концепции с теоретическими концепциями в литературе. Поэтому мы применили итеративный подход, перемещаясь взад и вперед между новыми темами и существующей литературой, чтобы изучить широкие возможные объяснения наших выводов и разработать объяснение выводов.

Выводы

Использование ИИ для обеспечения динамических возможностей B2B-маркетинга

В соответствии с нашим исследовательским вопросом, мы сначала исследовали, как внедрение и использование ИИ изменило функции B2B-маркетинга в рамках трех тематических исследований. Мы обнаружили, что использование ИИ привело к улучшению понимания, ускорению времени реакции, разработке новых маркетинговых подходов и созданию новых источников дохода. Ниже мы более подробно обсудим повышение производительности. В трех рассмотренных случаях использование ИИ было направлено на поддержку широкого спектра аспектов эффективности в отношении маркетинга (например, генерирование новых идей, целенаправленное распространение информации), новые бизнес-модели (например, создание новых услуг на основе аналитики), обслуживание клиентов (например, более быстрое время реагирования на запросы клиентов, повышение удовлетворенности от запросов клиентов), а также обеспечение качества (например, обеспечение качества продукции, реагирование на дефекты).