디지털 마케팅 인사이트: 머신 러닝과의 5가지 만남

스팸 필터링에서 생산 라인 최적화에 이르기까지 최근 몇 개월과 몇 년 동안 기계 학습 시스템의 활용과 효율성이 크게 증가했으며 디지털 마케팅보다 더 중요하고 혁신적인 증가를 본 분야는 없습니다. 이 기사에서는 오늘날 온라인 컨텍스트에서 사용되는 가장 흥미로운 기계 학습의 예를 설명하고 디지털 마케터가 끊임없이 진화하는 혁신을 수용하고 활용하는 방법에 대한 논평을 제공합니다.

하지만 머신 러닝이란 무엇입니까?

머신 러닝은 현재 상업적 맥락에서 사용되는 인공 지능의 가장 유용하고 광범위한 표현 중 하나입니다. 머신 러닝 시스템은 자체 활동으로 생성된 데이터를 분석하고 이에 따라 조치를 취함으로써 자체 프로세스를 독립적으로 최적화할 수 있는 기능을 갖춘 알고리즘입니다. 이 기술은 이미 광범위한 웹 애플리케이션에서 사용되고 있습니다.

페이스북 뉴스피드

Facebook의 알고리즘은 지속적으로 사용자를 학습합니다. 귀하의 고유한 뉴스피드에 전달하는 콘텐츠를 개인화하기 위해 귀하의 행동을 분석합니다. 예상대로 좋아요/반응, 링크 클릭, 동영상 재생, 댓글 및 공유(참여)는 뉴스피드 알고리즘 계산에 반영됩니다. 아마도 더 놀라운 사실은 뉴스피드에서 유휴 상태로 보내는 시간, 적극적으로 참여하지 않고 콘텐츠를 읽거나 보는 시간도 알고리즘 계산에 포함된다는 사실입니다. 특정 유형의 콘텐츠를 계속 스크롤하면 앞으로는 더 적게 볼 수 있습니다.

통찰력 – 게시물 참여와 도달 범위는 본질적으로 연결되어 있지만 Facebook의 뉴스피드 알고리즘에 유휴 시간이 포함된 것은 독립형 콘텐츠 단위로서 Facebook 게시물의 본질적인 가치도 중요한 역할을 한다는 것을 상기시켜줍니다. Facebook 마케팅 전략의 일부로 링크를 공유하는 경우 상대적으로 긴 사본과 함께 해당 링크를 함께 실험해 볼 가치가 있습니다. Facebook은 사용자의 관심을 유지하기를 원합니다. 즉, 사이트에서 정확히 그렇게 하는 데 도움이 되는 콘텐츠 포스터에 대해 보상을 하는 것이 합리적입니다.

비주얼에 대한 트위터의 새로운 초점

2016년은 소셜 메신저 앱의 사진 및 비디오에 대한 새로운 초점을 강력하게 나타내는 여러 업데이트 중에서 더 긴 비디오 클립에 대한 지원과 풍부한 게시물에 대한 글자 수 제한 증가와 함께 Twitter에 급격한 변화의 해임을 증명하고 있습니다. .

올해 6월, Twitter 설립자 Jack Dorsey는 시각적 콘텐츠를 둘러싼 강력한 야심을 나타내는 또 다른 움직임, 즉 런던에 기반을 둔 기계 학습 전문가인 Magic Pony Technology의 인수를 발표했습니다. Dorsey는 공식 ​​트위터 블로그에 다음과 같이 말했습니다.

“Magic Pony의 팀은 사람들이 공유하고 참여할 수 있는 새로운 경험을 쉽게 찾을 수 있는 제품을 구축하기 위해 전념하는 엔지니어, 데이터 과학자 및 기계 학습 연구원으로 구성된 팀인 Twitter Cortex에 합류하게 됩니다.

"이미지의 특징을 이해할 수 있는 알고리즘을 만들기 위한 팀의 연구를 기반으로 하는 Magic Pony의 기술은 라이브와 비디오에서 우리의 강점을 강화하고 Twitter를 위한 흥미롭고 창의적인 가능성을 여는 데 사용될 것입니다."

통찰력 – Magic Pony Technology와 Twitter에서 개발 중인 정확한 기능은 아직 나타나지 않았지만 전자 웹사이트의 성명은 작업 방향을 명확히 하고 있습니다. 우리 기술을 사용하여 앱 전반에 걸쳐 제공되는 시각적 경험을 개선합니다."

트위터가 이미지와 비디오를 설명하는 데 사용되는 단어와 태그뿐만 아니라 알고리즘으로 진단된 미디어의 주제를 기반으로 사용자의 뉴스 피드에 이미지를 전달하는 미래에는 우리가 묶일 것 같습니다.

구글 랭크브레인

이번 주 초에 Google 고위 직원이 공개한 획기적인 뉴스에서 Google에 수신된 검색어의 100%가 이제 RankBrain 기계 학습 시스템에 의해 처리되고 결과적으로 높은 비율의 검색 순위가 영향을 받는다고 보고했습니다. RankBrain은 포괄적인 Google 검색 알고리즘인 Hummingbird의 중요한 부분을 구성합니다.

RankBrain이 검색 결과의 효율성을 평가할 때 정확히 어떤 요소를 고려하는지 불분명하지만 우리가 알고 있는 것은 시스템이 사용자의 요구 사항을 더 잘 충족하는 결과 목록을 제공하기 위해 끊임없이 진화하고, 끊임없이 학습하고, 끊임없이 추구한다는 것입니다.

통찰력 - 최고를 기록하고 싶다면 최고가 되십시오. Bill Gates는 1996년에 우리에게 '콘텐츠가 왕이다'라고 말했지만 기계 학습의 성장하는 힘과 놀라운 잠재력에 비추어 볼 때 품질, 깊이 및 관련성 측면에서 최고의 콘텐츠를 가진 웹 사이트가 마침내 Google의 결과 페이지에서 열등한 콘텐츠로 채워진 SEO 사이트를 교묘하게 가리도록 설정되었습니다. 링크 구축, 메타 데이터 최적화 및 키워드 계획과 같은 오래된 기술은 여전히 ​​중요하지만 검색 마케팅 담당자는 콘텐츠 관련성과 품질을 연마하는 데 더 많은 시간을 할애해야 합니다.

저널리즘

통찰력 – 스타일과 목소리로 읽는 글도 있고 관점을 높이 평가하거나 거부하기 위해 읽는 글도 있고 정보를 받기 위해 읽는 글도 있습니다. 일반적으로 글은 이러한 측면의 조합을 제공하지만, 어떤 경우에는 독자가 특히 뉴스나 스포츠 보도에서 확실한 사실을 원하기만 하는 경우가 있습니다. 이러한 상황에서 저널리즘 AI는 이미 인간의 입력이 거의 또는 전혀 없이 작업을 수행할 수 있습니다.

The Guardian이 2015년에 보도한 바와 같이, 미국 AI 회사인 Narrative Science는 2030년까지 자체적인 기계 학습 시스템이 우리 저널리즘 기사의 90%를 작성할 수 있을 것이라고 예측합니다. 다음은 Narrative Science의 기계가 독립적으로 작성한 스포츠 보고서의 예입니다.

“화요일은 W Roberts에게 아주 좋은 날이었습니다. 주니어 투수가 버지니아를 Davenport Field에서 George Washington을 2-0으로 꺾기 위해 퍼펙트 게임을 던졌습니다.

“27명의 콜로니얼이 타석에 올랐고 버지니아 투수가 퍼펙트 게임을 던지며 그들을 모두 제압했습니다. 그는 자신의 중요한 업적을 기록하면서 10개의 삼진을 잡았다.

“Tom Gately는 Colonials의 고무가 부족하여 손실을 기록했습니다. 3이닝 2볼넷 1탈삼진 2실점했다. 캐벌리어스는 4회에 야수의 선택과 보크에 2점을 넣으면서 좋은 모습을 보여줬다”고 말했다.

통찰력 – 하지만 이것이 좋은 일입니까? 저널리즘의 객관성을 위해 우리의 대답은 잠정적 '예'가 될 것입니다. 기계는 인간 작가의 매우 복잡한 도덕성과 성격이 부족할 수 있지만, 이 시점에서 기계에는 편견과 선입견도 부족합니다. 물론 기계 학습 시스템이 계속해서 진화하고 독학하기 때문에 모든 짐, 아름다움 및 복잡함을 갖춘 자체 신조를 개발하는 것을 막을 수는 없습니다.