استارتاپ هوش مصنوعی Minerva موفق به جذب ۲۰ میلیون دلار سرمایه برای ساخت عامل‌های (ایجنت‌های) هوش مصنوعی ویژه بازاریابان شده است. این ابزار بر پایه یک گراف هویت متکی بر داده‌های ۲۷۰ میلیون مصرف‌کننده توسعه یافته تا نحوه‌ی تعامل برندها با داده‌های مشتریان را دگرگون کند. با این حال، جکسون انگلس (Jackson Engles)، مدیرعامل Minerva، نگاهی واقع‌بینانه به این حوزه دارد و معتقد است داده‌های خام نمی‌توانند در درازمدت مزیت رقابتی پایداری ایجاد کنند.
انگلس در گفت‌وگو با AdExchanger در این باره اذعان داشت: «بله، مطمئناً ما داده‌هایی داریم که می‌توانند به ایجاد نتایج بهتر کمک کنند، اما آیا این داده‌ها یک خندق حمایتی پایدار و بلندمدت محسوب می‌شوند؟ احتمالاً خیر.» به اعتقاد او، راهکار اصلی برای ماندگاری در این بازار، تمرکز بر محصولی تخصصی در حوزه بازاریابی است که با مجموعه‌ای هدایت‌شده از داده‌ها کار می‌کند، نه ابزارهای هوش مصنوعی عمومی.
از وال‌استریت تا تحول در زیرساخت‌های بازاریابی
هیچ‌یک از هم‌ب بنیان‌گذاران Minerva شامل جکسون انگلس، دانیل ساعدی (Daniel Saedi) و متیو جوزف (Mathew Joseph)، پیشینه رسمی در حوزه بازاریابی ندارند. آن‌ها در دانشگاه برکلی (Berkeley) با یکدیگر آشنا شدند و فعالیت حرفه‌ای خود را در بخش مالی و سرمایه‌گذاری آغاز کردند؛ انگلس در بانک سرمایه‌گذاری Lazard، ساعدی در مدیریت دارایی Bridgewater و جوزف به عنوان پژوهشگر کمی و دانشمند داده در Citadel مشغول به کار بودند.
ساعدی و جوزف در مجموعه‌های Bridgewater و Citadel با داده‌های مرور وب و رفتارهای مالی مصرف‌کنندگان که در وال‌استریت به عنوان «داده‌های جایگزین» (Alternative Data) شناخته می‌شوند کار می‌کردند. جوزف در ساخت زیرساخت‌های داده‌های جایگزین Citadel مشارکت داشت و داده‌های پیچیده را برای تصمیم‌گیری‌های سرمایه‌گذاری استانداردسازی می‌کرد. این سه نفر پس از درک ارزش فراوان و در عین حال پیچیدگی تحلیل داده‌های مصرف‌کننده، وال‌استریت را ترک کردند تا شرکت خود را تأسیس کنند. به گفته انگلس، ورود به حوزه بازاریابی هدف اولیه آن‌ها نبود، اما به‌سرعت به «مسیر طبیعی» کسب‌وکار تبدیل شد.
تیم Minerva یک سال و نیم نخست فعالیت خود را صرف تحلیل داده‌ها نمود تا متوجه شود چه زمانی افراد قصد خرید دارند و رویدادهای مهم زندگی چگونه بر رفتار هزینه‌کرد آن‌ها تأثیر می‌گذارد. انگلس هدف نهایی ابزار خود را این‌گونه بیان می‌کند: «هدف این است که به برندها کمک کنیم بهره بیشتری از داده‌های دست اول (First-Party Data) خود ببرند، مشتریانشان را بهتر درک کنند و عملکرد بازاریابی خود را با هوش مصنوعی مقیاس‌پذیر سازند.»
کارکرد ایجنت‌های هوش مصنوعی Minerva در یکپارچه‌سازی داده‌ها
نقطه تمایز Minerva اتکای صرف نداشتن به داده‌های دست اول خود برندها است، چرا که این داده‌ها به تنهایی محدود هستند و رفتارهای مشتری خارج از کانال‌های اختصاصی برند را نشان نمی‌دهند. برای حل این مشکل، کسب‌وکارها مدیریت ارتباط با مشتری (CRM)، انبار داده (Data Warehouse) و سایر منابع خود را به Minerva متصل می‌کنند. در این مرحله، ایجنتی تحت عنوان «مهندس داده ایجنتیک» (Agentic Data Engineer) که با فناوری OpenAI ساخته شده، ساختار داده‌ها را ترسیم می‌کند.
سپس عامل‌های Minerva داده‌ها را در قالب یک نمای واحد از هر مشتری یکپارچه کرده و آن‌ها را با اطلاعات حاصل از «گراف هویت B2B2C» خود تکمیل می‌کنند. این گراف شامل ایمیل‌های کاری و شخصی، شماره تلفن، آدرس پستی وشناسه‌های آنلاین افراد است. علاوه بر این، Minerva در حال توسعه ایجنت دوم به نام «دانشمند داده ایجنتیک» (Agentic Data Scientist) است که مدل‌های پیش‌بینی‌کننده را بر اساس پرسش‌های زبان طبیعی مانند «کدام مشتریان بیشتر در معرض ریزش هستند؟» یا «چه کسانی باید هدف این پیشنهاد تبلیغاتی قرار گیرند؟» ایجاد می‌کند.
نتایج عملی در کمپین‌های Ramp و Wander
عملکرد رویکرد ترکیبی Minerva در پروژه‌های واقعی مشتریان به اثبات رسیده است. شرکت فین‌تک Ramp با استفاده از اتصال هویت‌های کاری و شخصی ارائه شده توسط Minerva، کمپین بازاریابی مستقیم پستی (Direct Mail) خود را به خارج از آدرس‌های کاری گسترش داد. این اقدام منجر به افزایش حدود ۸۰ درصدی در نرخ سرنخ‌های تأییدشده بازاریابی (MQL) در سه ماه نخست شد.
همچنین شرکت Wander که در زمینه اجاره کوتاه‌مدت اقامتگاه‌های لوکس فعالیت دارد، پروژه‌ای را با Minerva اجرا کرد. در این پروژه، پروفایل بهترین مشتریان برند شناسایی شد، مدل‌ها بر اساس آن‌ها آموزش دیدند و مخاطبان مشابه (Lookalikes) به پلتفرم Meta ارسال شدند. به گفته انگلس، نرخ بازگشت هزینه تبلیغات (ROAS) در این کمپین ۳.۴ برابر بالاتر از هدف‌گیری عمومی Meta بوده است.
عبور از پلتفرم‌های سنتی CDP به عصر ایجنت‌های مکالمه‌ای
رویکرد Minerva بر این فرض استوار است که نرم‌افزارهای بازاریابی در حال حرکت به سمتی هستند که بازاریابان به جای ورود به داشبوردهای پیچیده، مستقیماً با ایجنت‌های هوش مصنوعی گفت‌وگو کنند؛ دوره‌ای که می‌توان آن را «عصر پس از CDP» نامید.
پلتفرم‌های سنتی داده مشتریان (CDP) وعده ایجاد نمای واحد از مشتری را دادند اما در عمل سامانه دیگری به بارهای عملیاتی بازاریابان افزودند. Minerva این مفهوم را به عنوان یک «CDP ایجنتیک» بازتعریف کرده است؛ لایه‌ای میانی که از ایجنت‌ها برای پیوند دادن داده‌های برند با داده‌های خود استفاده می‌کند. با این حال، Minerva محصول خود را تحت عنوان CDP تسویق نمی‌کند، زیرا به باور انگلس، بازاریابان به نتیجه نهایی اهمیت می‌دهند نه ابزار.
انگلس در این زمینه می‌گوید: «مشتریان خواستار نتیجه یک CDP هستند؛ آن‌ها می‌خواهند داده‌هایشان برای کاربران غیرفنی راحت‌تر قابل استعلام باشد. آن‌ها یک پلتفرم یکپارچه و سرتاسری بازاریابی با داده‌های اختصاصی می‌خواهند، نه فقط یک قابلیت منفرد. بازاریابان باید زمان بسیار بیشتری را صرف بخش‌های کاملاً انسانی شغل خود کنند و بر روایت داستان برند تمرکز نمایند، نه کارهای عملیاتی و بهینه‌سازی که هوش مصنوعی به‌مرور زمان در آن‌ها بسیار ماهر خواهد شد.»