3 вещи о машинном обучении, которые должен знать каждый маркетолог

TL;DR : Машинное обучение 101: 3 вещи, которые нужно знать маркетологам

Есть данные?

Бьюсь об заклад, вы.

На самом деле горы данных. Терабайты данных. Библиотеки достойные данных. С большим потоком в каждый час каждого дня.

Мы, маркетологи, любим наши данные, но давайте посмотрим правде в глаза… мы, вероятно, используем только часть данных, которые собираем.

Дело не в том, что мы не хотим использовать больше. Мы делаем.

Было бы замечательно, например, следить за каждым клиентом, видеть все, что он читает, как долго он это читает, где он нажимает дальше. Возможно, вы даже захотите оставить файл cookie на их компьютере и увидеть все другие веб-сайты, которые они посещали. Вы также можете опросить их и отправить им личные сообщения в социальных сетях. Проверьте, когда лучше отправлять им сообщения и на какой канал они лучше всего отвечают.

Затем, обладая всеми этими замечательными знаниями, вы могли бы спрятаться в своем офисе и разработать для них полную маркетинговую стратегию.

Я не говорю о чем-то вроде маркетинга на основе учетных записей, когда ваша работа предназначена для одной большой целевой компании. Я говорю о полностью персонализированной маркетинговой стратегии, разработанной вручную, и о реализации каждого возможного потенциального клиента, который может иметь ваша компания.

Только подумайте: тысячи полностью персонализированных маркетинговых планов. Десятки тысяч персонализированных сообщений. Сотни тысяч часов изучения данных, изучение того, как ведет себя каждый потенциальный клиент.

Это было бы здорово, верно?

Ну, если бы у вас было неограниченное время и неограниченные ресурсы, может быть. Если бы тебе никогда не приходилось спать, и у тебя не было бы семьи и жизни… и уверенность, что ты доживешь как минимум до 312 лет.

В противном случае… забудьте об этом.

Возможность так внимательно сфокусироваться и обработать каждую крупицу данных, которые у нас есть о наших потенциальных клиентах и ​​клиентах, смехотворна. Бредовый.

Мы не машины.

В лучшем случае у нас достаточно ресурсов только для сегментации нашей аудитории. Мы должны создавать персоны и пути покупателей на основе наших лучших предположений (конечно, основанных на данных).

Но что, если бы все это могли делать машины?

Что, если бы хорошо обученный алгоритм мог следить за каждым из ваших потенциальных клиентов и мог бы порекомендовать идеальный фрагмент контента и отправить его им в идеальное время по тому каналу, по которому они, скорее всего, отреагируют на него? А что, если бы алгоритм мог даже предсказать идеальное время для того, чтобы ваш первоклассный продавец, наконец, позвонил ему?

Вот что может машинное обучение.

Вот что вам нужно знать об этом (по крайней мере, для начала).

Машинное обучение — это часть искусственного интеллекта.

В самом простом определении машинное обучение — это не что иное, как «использование данных для ответа на вопросы». Совет, чтобы поблагодарить превосходную серию видеороликов Google о машинном обучении за это определение.

Это особый тип — или дисциплина, если хотите — искусственного интеллекта. Одной из его сильных сторон является то, что точность алгоритма машинного обучения может улучшаться со временем. Он может «учиться». Так. в то время как программа, которая может играть в шахматы, может считаться искусственным интеллектом, программа, которая может научиться играть в шахматы, пинг-понг и любую другую игру, может быть примером машинного обучения.

Более сложные системы машинного обучения часто называют «глубоким обучением». Итак, в примере с игрой системы глубокого обучения настроены на использование нескольких уровней, называемых «нейронными сетями», для выполнения своей обработки.

Машинное обучение применимо практически к любому большому набору данных.

В то время как мы, маркетологи, можем быть заинтересованы в машинном обучении для выявления потенциальных клиентов или для оптимизации наших систем обмена сообщениями, существуют также обширные приложения для машинного обучения в медицине, финансах, погоде… в любом большом наборе данных, на самом деле.

Он хорошо классифицирует вещи, как мы видели в видео Google. Одно приложение для этого уже используется в распознавании фотографий.

Конечно, Facebook и Google уже некоторое время этим занимаются, но вскоре алгоритмы могут быть достаточно хороши, чтобы распознавать нас даже в темных очках или маске.

Если вы хотите поиграть с гораздо более мягкой формой идентификации по фотографии, скачайте Google Lens.

Он позволяет вам фотографировать вещи, а затем дает вам оценку того, что, по его мнению, представляет собой фотография. Он может распознавать что угодно: от штрих-кодов до цветов и входов в рестораны.

Однако фотографии — это лишь верхушка айсберга. Машинное обучение также используется для рекомендаций — будь то Netflix, информирующий вас о фильмах, которые могут вам понравиться, Amazon, предлагающий продукты, или Google, предоставляющий список результатов на основе ваших поисковых запросов.

Говоря о поиске… голосовой поиск и распознавание голоса — одно из самых многообещающих приложений для машинного обучения. Это вовсе не футуристическое приложение, рассчитанное на десять лет вперед. Еще в прошлом году Google сообщил, что 20% его запросов были голосовыми. Gartner прогнозирует, что «к 2020 году 30% поисковых запросов будут выполняться без экрана».

Маркетологи возлагают большие надежды на машинное обучение.

80% руководителей отделов маркетинга считают, что искусственный интеллект (включая машинное обучение) произведет «революцию» в маркетинговой индустрии в течение следующих пяти лет.

Это что-то говорит. Но это не обязательно означает, что нужно что-то делать, так как только 10% опрошенных маркетологов на самом деле используют ИИ.

Что еще более отрезвляюще, только 26% этих маркетологов уверены, что вообще понимают, как ИИ используется в маркетинге. (Надеюсь, чтение этой статьи поможет вам приблизиться к этим 26%… хотя бы немного.)

Этот вопрос о том, что маркетологи не знают, как на самом деле работает машинное обучение, возник в другом исследовании, проведенном TechEmergence. Они опросили 50 руководителей компаний, занимающихся машинным обучением, уделяя особое внимание маркетинговой отрасли. Эти руководители говорят, что их самая большая проблема при продаже своих услуг — просто «демистифицировать технологию». И если вы посмотрите на некоторые другие данные ответы (например, «люди сбиты с толку технологией»), то проблема маркетологов, которые не совсем понимают машинное обучение, может быть одним из самых больших препятствий для его принятия.

Несмотря на путаницу, маркетологи, кажется, знают, в каких частях их работы ИИ может им помочь:

• 60% из них заявили, что ИИ может дать им лучшее представление об их аккаунтах;
• 56% ожидают, что это поможет им лучше анализировать свои кампании;
• 53% заявили, что это поможет им выявить потенциальных клиентов; и
• 53% заявили, что это повысит эффективность повседневных задач (спасибо, спам-фильтры).

Это немного отличается от того, что продавцы думают о возможностях (хотя это не совсем сравнение «яблоки с яблоками»). Поставщики выбирают поиск, «сегментацию/таргетинг клиентов» и «системы рекомендаций» как наиболее многообещающие приложения.

Несмотря на все обещания, у маркетологов есть много опасений по поводу внедрения машинного обучения или любой формы ИИ:

• 60% обеспокоены интеграцией ИИ в свои существующие технологии (это соответствует тому, что поставщики называют проблемой качества данных и интеграции);
• 54% беспокоятся об обучении своих сотрудников;
• 46% беспокоятся об интерпретации результатов; и
• 42% обеспокоены стоимостью.

Тем не менее, маркетологи готовы идти на любые уступки, если они могут быть уверены в следующем:

• лучший уровень закрытия продаж (59% сказали так);
• увеличение выручки (58%);
• улучшение посещаемости и активности на своих веб-сайтах (54%); и
• более высокий коэффициент конверсии лидов (52%).

Заключение

Машинное обучение вполне может изменить мир. Не кто иной, как Владимир Путин сказал: «Тот, кто станет лидером в этой сфере, будет властелином мира».

Итак, хотя иногда это может сбивать с толку и требует от всех нас вернуться назад и улучшить качество наших данных, преимущества машинного обучения очевидны. Маркетологи, которые могут стать лидерами в этой области, могут в конечном итоге управлять своими отраслями.

Вернуться к вам

Являетесь ли вы одним из десяти маркетологов, уже использующих машинное обучение (или любую форму ИИ) в своем маркетинге? Есть ли у вас планы – и выделенный бюджет – реализовать это в следующем году? Оставьте комментарий и расскажите нам, где вы находитесь в этом.