A marketingben eddig a „szegmensek” uralták a gondolkodást: kor, ország, kosárérték, kampánycél. Most egy olyan irány erősödik, ahol nem csoportoknak üzensz, hanem gyakorlatilag minden egyes ügyfélnek külön „digitális döntéshozó” dolgozik.

Mi történt

A MoEngage – ügyfél-elköteleződési (customer engagement) szoftvert fejlesztő vállalat – készpénzes ügyletben felvásárolta a San Franciscó-i Aampe nevű startupot. A pénzügyi részleteket nem hozták nyilvánosságra, de az ügylet nagyságrendje több tízmillió dollár lehet.

Az Aampe 2020-ban indult, és olyan rendszert épít, amely minden egyes ügyfélhez rendel egy dedikált AI-ügynököt. Gondolj rá úgy, mintha nem egy kampánymenedzser állítaná be a „ha X, akkor Y” szabályokat tömegesen, hanem lenne egy nagyon gyors, adatvezérelt „mini marketinges” minden felhasználó mellett, aki az adott ember viselkedése alapján dönt: milyen üzenet, milyen csatornán, milyen időzítéssel a leghasznosabb.

Aampe több mint 30 ügyfelet szolgál ki az USA-ban, Európában és Ázsiában–Csendes-óceáni térségben, és az éves ismétlődő bevétele (ARR) az elmúlt évben 150%-kal nőtt. A technológiát olyan márkák használják, mint a Swiggy, a Grab és a Taxfix; közülük néhányan már a MoEngage platformját is alkalmazzák. A felvásárlással nagyjából 20 Aampe-munkatárs csatlakozik, a MoEngage létszáma így körülbelül 820 főre nő.

Miért fontos

Ez a lépés jól mutatja, merre tart az „AI a vállalati szoftverben” történet: a hangsúly egyre kevésbé a tartalomgeneráláson van, és egyre inkább azon, hogy a rendszer önállóan hozzon döntéseket. Marketingben ez különösen kényes és értékes terület: a döntés nem az, hogy „írj egy tárgysort”, hanem hogy kit célozz meg, milyen üzenettel, és mikor. A MoEngage számára ez egyszerre termékfejlesztési gyorsítás és versenyfegyver: a cél, hogy könnyebben csábítson át nagyvállalati ügyfeleket olyan ökoszisztémákból, mint a Salesforce vagy az Adobe – Raviteja Dodda nyíltan arról beszélt, hogy a növekedésük egy része ilyen migrációkból jön.

Mire figyelj

  1. Valódi autonómia vagy „okos automatizmus”? Az AI-ügynök akkor jelent ugrást, ha nem csak szabályokat futtat gyorsabban, hanem tanul, kísérletezik és optimalizál – miközben kontrollálható marad.
  2. Mérhetőség és felelősség: Ha egy ügynök dönt a küldési időről és célzásról, kell egyértelmű keretrendszer: mit optimalizál (bevétel, megtartás, elégedettség), és mi számít tiltott kimenetnek (pl. túl agresszív frekvencia).
  3. Adatminőség és adatvédelem: Ügyfelenkénti személyre szabás csak akkor működik jól, ha a viselkedési adatok pontosak és jogszerűen kezeltek. Az „egy ügynök per ügyfél” modell adatfegyelmet követel.
  4. Platformháború a vállalati marketingben: A TechCrunch-nak adott nyilatkozatok alapján a MoEngage kifejezetten a nagy platformok lecserélésére játszik; érdemes figyelni, hogy az ügynök-alapú megközelítés tényleg csökkenti-e a váltás költségét, vagy inkább új függőségeket hoz létre.

A következő hónapok igazi kérdése az lesz, hogy az ügynökök mennyire tudnak stabilan és átláthatóan jobb döntéseket hozni, mint a klasszikus szegmens+kampányszabály logika – és hogy a cégek mennyire merik rájuk bízni a „kinek, mit, mikor” háromszögét.