ข้อมูลเชิงลึกด้านการตลาดดิจิทัล: 5 การเผชิญหน้าด้วยการเรียนรู้ของเครื่อง
เผยแพร่แล้ว: 2016-07-07ตั้งแต่การกรองสแปมไปจนถึงการเพิ่มประสิทธิภาพสายการผลิต มีการใช้และประสิทธิภาพของระบบการเรียนรู้ด้วยเครื่องอย่างเฟื่องฟูในช่วงหลายเดือนและหลายปีมานี้ และไม่มีสาขาใดที่มีการเพิ่มขึ้นอย่างมีนัยสำคัญและเปลี่ยนแปลงได้มากไปกว่าการตลาดดิจิทัล บทความนี้พยายามอธิบายตัวอย่างที่น่าสนใจที่สุดของแมชชีนเลิร์นนิงที่ใช้ในบริบทออนไลน์ในปัจจุบัน และให้ความเห็นว่านักการตลาดดิจิทัลควรพยายามปรับตัวและใช้ประโยชน์จากนวัตกรรมที่พัฒนาอย่างต่อเนื่องเหล่านี้อย่างไร
แต่การเรียนรู้ของเครื่องคืออะไร?
แมชชีนเลิร์นนิงเป็นหนึ่งในรูปแบบที่มีประโยชน์และแพร่หลายมากที่สุดของปัญญาประดิษฐ์ที่กำลังใช้งานอยู่ในบริบทเชิงพาณิชย์ ระบบการเรียนรู้ของเครื่องเป็นอัลกอริธึมที่มีความสามารถในการเพิ่มประสิทธิภาพกระบวนการของตนเองโดยอิสระโดยการวิเคราะห์และดำเนินการกับข้อมูลที่สร้างขึ้นโดยกิจกรรมของตนเอง เทคโนโลยีนี้มีการใช้งานแล้วในเว็บแอปพลิเคชันที่หลากหลาย
ฟีดข่าวเฟสบุ๊ค
อัลกอริทึมของ Facebook กำลังเรียนรู้คุณอยู่เสมอ วิเคราะห์พฤติกรรมของคุณเพื่อปรับแต่งเนื้อหาที่ส่งไปยังฟีดข่าวเฉพาะของคุณ ตามที่คุณคาดหวัง การชอบ/ปฏิกิริยา การคลิกลิงก์ การเล่นวิดีโอ ความคิดเห็นและการแชร์ - การมีส่วนร่วม - รวมอยู่ในการคำนวณอัลกอริธึมฟีดข่าว บางทีสิ่งที่น่าประหลาดใจกว่านั้นก็คือเวลาที่คุณใช้ไปกับฟีดข่าว การอ่าน หรือดูเนื้อหาโดยไม่ได้ใช้งานโดยไม่ได้ใช้งาน รวมอยู่ในการคำนวณของอัลกอริทึมด้วย เลื่อนดูเนื้อหาบางประเภทต่อไปและคุณจะเห็นเนื้อหานั้นน้อยลงในอนาคต
Insight – การมีส่วนร่วมของโพสต์และการเข้าถึงนั้นเชื่อมโยงกันอย่างแท้จริง – แต่การรวมเวลาว่างในอัลกอริธึมฟีดข่าวของ Facebook เตือนเราว่าคุณค่าที่แท้จริงของโพสต์บน Facebook ในฐานะหน่วยเนื้อหาแบบสแตนด์อโลนก็มีบทบาทสำคัญเช่นกัน หากคุณแชร์ลิงก์โดยเป็นส่วนหนึ่งของกลยุทธ์ทางการตลาดบน Facebook คุณควรทดลองร่วมกับลิงก์เหล่านั้นโดยมีความยาวพอสมควร Facebook ต้องการให้ผู้ใช้สนใจ – มันสมเหตุสมผลแล้วที่พวกเขาจะตอบแทนผู้โพสต์เนื้อหาที่ช่วยพวกเขาทำสิ่งนั้นในสถานที่จริง
โฟกัสใหม่ของ Twitter เกี่ยวกับภาพ
ปี 2016 พิสูจน์ให้เห็นแล้วว่าเป็นปีแห่งการเปลี่ยนแปลงครั้งใหญ่สำหรับ Twitter โดยรองรับคลิปวิดีโอที่ยาวขึ้นและเพิ่มจำนวนอักขระสูงสุดสำหรับโพสต์ที่หลากหลายซึ่งนับได้ว่าเป็นการอัปเดตจำนวนมาก ซึ่งดูเหมือนจะบ่งบอกถึงการโฟกัสครั้งใหม่บนรูปภาพและวิดีโอสำหรับแอปโซเชียลเมสเซนเจอร์ .
เดือนมิถุนายนนี้ แจ็ค ดอร์ซีย์ ผู้ก่อตั้ง Twitter ได้ประกาศความเคลื่อนไหวอีกครั้งที่ส่งสัญญาณถึงความทะเยอทะยานที่รุนแรงเกี่ยวกับเนื้อหาภาพ กล่าวคือ การซื้อ Magic Pony Technology ซึ่งเป็นผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงในลอนดอน Dorsey เขียนบนบล็อก Twitter อย่างเป็นทางการว่า:
“ทีมของ Magic Pony จะเข้าร่วมกับ Twitter Cortex ทีมวิศวกร นักวิทยาศาสตร์ข้อมูล และนักวิจัยด้านแมชชีนเลิร์นนิงที่ทุ่มเทให้กับการสร้างผลิตภัณฑ์ที่ผู้คนสามารถค้นหาประสบการณ์ใหม่ๆ เพื่อแบ่งปันและมีส่วนร่วมได้อย่างง่ายดาย
“เทคโนโลยีของ Magic Pony – จากการวิจัยโดยทีมงานเพื่อสร้างอัลกอริธึมที่สามารถเข้าใจคุณสมบัติของภาพ – จะถูกใช้เพื่อเพิ่มความแข็งแกร่งของเราในการแสดงสดและวิดีโอและเปิดโอกาสสร้างสรรค์ที่น่าตื่นเต้นมากมายสำหรับ Twitter”
Insight – ในขณะที่ฟังก์ชันการทำงานที่แน่นอนซึ่งอยู่ภายใต้การพัฒนาโดย Magic Pony Technology และ Twitter นั้นยังไม่ปรากฏ แถลงการณ์บนเว็บไซต์ของอดีตได้ชี้แจงทิศทางการทำงานของพวกเขา: “[…] เรารู้สึกตื่นเต้นที่จะประกาศว่าเรากำลังร่วมมือกับ Twitter เพื่อใช้เทคโนโลยีของเราเพื่อปรับปรุงประสบการณ์การมองเห็นที่ส่งผ่านแอพของพวกเขา”
ดูเหมือนว่าเราอาจถูกผูกมัดสำหรับอนาคตที่ Twitter นำเสนอภาพไปยังฟีดข่าวของผู้ใช้ ไม่ใช่แค่คำและแท็กที่ใช้เพื่ออธิบายภาพและวิดีโอ แต่ยังรวมถึงหัวข้อของสื่อที่ได้รับการวินิจฉัยด้วยอัลกอริธึม
Google RankBrain
เมื่อต้นสัปดาห์นี้ เราได้รายงานข่าวสำคัญที่เปิดเผยโดยพนักงานอาวุโสของ Google ว่าขณะนี้ Google ได้ประมวลผลข้อความค้นหา 100% ที่ได้รับการประมวลผลโดยระบบการเรียนรู้ของเครื่อง RankBrain โดยมีเปอร์เซ็นต์การจัดอันดับการค้นหาที่ได้รับผลกระทบสูง RankBrain เป็นส่วนสำคัญของอัลกอริธึม Google Search Hummingbird
ยังไม่ชัดเจนว่าปัจจัยใดที่ RankBrain นำมาพิจารณาเมื่อชั่งน้ำหนักประสิทธิภาพของผลการค้นหา แต่สิ่งที่เราทราบก็คือระบบมีการพัฒนาตลอดเวลา เรียนรู้ตลอดเวลา และพยายามแสดงผลลัพธ์ที่ตรงตามข้อกำหนดของผู้ใช้ได้ดียิ่งขึ้น
Insight – หากคุณต้องการอันดับสูงสุด จงทำให้ดีที่สุด Bill Gates บอกเราว่า 'Content is King' ในปี 1996 แต่ด้วยพลังที่เพิ่มขึ้นและศักยภาพอันยอดเยี่ยมของการเรียนรู้ของเครื่อง มันให้ความรู้สึกเหมือนเว็บไซต์ที่มีเนื้อหาที่ดีที่สุด ทั้งในแง่ของคุณภาพ ความลึก และความเกี่ยวข้อง ในที่สุดก็ตั้งค่าให้คราสไซต์ SEO อย่างชาญฉลาดซึ่งมีเนื้อหาที่ด้อยกว่าในหน้าผลลัพธ์ของ Google ทักษะที่เก่าแก่ของการสร้างลิงก์ การเพิ่มประสิทธิภาพข้อมูลเมตา และการวางแผนคำหลักยังคงมีความสำคัญ แต่นักการตลาดการค้นหาควรเริ่มใช้เวลามากขึ้นในการปรับปรุงความเกี่ยวข้องและคุณภาพของเนื้อหา
วารสารศาสตร์
ความเข้าใจ – เราอ่านงานเขียนบางเรื่องเพราะรูปแบบและเสียง บางฉบับก็ชื่นชมหรือปฏิเสธมุมมอง และบางฉบับก็ได้รับข้อมูล โดยปกติงานเขียนจะนำเสนอแง่มุมเหล่านี้รวมกัน แต่ในบางกรณีผู้อ่านเพียงต้องการข้อเท็จจริงที่ยาก – โดยเฉพาะในรายงานข่าวหรือกีฬา ในสถานการณ์เหล่านี้ AIs ด้านวารสารศาสตร์สามารถดำเนินงานได้โดยปราศจากข้อมูลจากมนุษย์เพียงเล็กน้อยหรือไม่มีเลย
ตามที่รายงานโดย The Guardian ในปี 2015 Narrative Science บริษัท AI ของอเมริกาคาดการณ์ว่าระบบการเรียนรู้ด้วยเครื่องจะเหมือนกับระบบของตนเอง จะสามารถเขียนบทความด้านวารสารศาสตร์ของเราได้ 90% ภายในปี 2030 ต่อไปนี้คือตัวอย่างรายงานกีฬาที่เขียนโดยเครื่องของ Narrative Science อย่างอิสระ:
“วันอังคารเป็นวันที่ยอดเยี่ยมสำหรับดับเบิลยู โรเบิร์ตส์ เนื่องจากผู้ขว้างลูกขว้างเกมที่สมบูรณ์แบบเพื่อพาเวอร์จิเนียไปสู่ชัยชนะ 2-0 เหนือจอร์จ วอชิงตันที่ดาเวนพอร์ตฟิลด์
“อาณานิคมยี่สิบเจ็ดคนมาที่จาน และเหยือกเวอร์จิเนียปราบพวกเขาทั้งหมด นำเสนอเกมที่สมบูรณ์แบบ เขาตีแป้งออก 10 ครั้งขณะบันทึกความสำเร็จอันสำคัญยิ่งของเขา
“Tom Gately พลาดท่าให้กับชาวอาณานิคมโดยบันทึกการสูญเสีย เขาไปสามอินนิ่ง เดินสอง ตีหนึ่งและอนุญาตให้วิ่งสองรอบ คาวาเลียร์ขึ้นทำผลงานได้ดีในอันดับที่สี่ โดยยิงได้สองรันตามทางเลือกของวิมุตติและบาก”
Insight – แต่นี่เป็นสิ่งที่ดีหรือไม่? เพื่อผลประโยชน์ของความเป็นกลางของนักข่าว คำตอบของเราน่าจะเป็นแค่ใช่ เครื่องจักรอาจขาดศีลธรรมและคุณลักษณะที่ซับซ้อนเป็นพิเศษของนักเขียนที่เป็นมนุษย์ แต่ ณ จุดนี้ เครื่องจักรเหล่านั้นยังขาดอคติและแนวความคิดล่วงหน้า แน่นอนว่าในขณะที่ระบบการเรียนรู้ของเครื่องจักรยังคงพัฒนาและให้การศึกษาด้วยตนเองต่อไป ไม่มีอะไรที่จะหยุดพวกเขาจากการพัฒนาความเชื่อของตนเองได้ เพียบพร้อมด้วยสัมภาระ ความงาม และความซับซ้อนทั้งหมด สมัครสมาชิกฟรีตอนนี้ - ไม่ต้องใช้บัตรเครดิต
สมาชิกฟรี 