数字营销洞​​察：机器学习的 5 次遭遇

从垃圾邮件过滤到生产线优化，近几个月和几年来，机器学习系统的采用和有效性都出现了繁荣——没有哪个领域比数字营销更显着和变革性的增长。 本文旨在解释当今在线环境中使用的一些最有趣的机器学习示例，并就数字营销人员应如何寻求适应和利用这些不断发展的创新提供评论。

但什么是机器学习？

机器学习是目前在商业环境中使用的人工智能最有用和最广泛的表现之一。 机器学习系统是一种算法，能够通过分析自身活动生成的数据并对其采取行动，从而独立优化自身流程。 这项技术已经在大量的 Web 应用程序中使用。

脸书资讯

Facebook 的算法在不断地学习你； 分析您的行为，以个性化它提供给您独特新闻源的内容。 如您所料，点赞/反应、链接点击、视频播放、评论和分享——参与——被纳入新闻源算法计算。 也许更令人惊讶的是，您在新闻源上闲置、阅读或查看内容而不主动参与的时间也包含在算法的计算中。 继续滚动浏览某种类型的内容，将来您会看到的内容会少一些。

洞察力——帖子的参与度和覆盖率有着内在的联系——但在 Facebook 的新闻源算法中包含空闲时间提醒我们，Facebook 帖子作为独立内容单元的内在价值也可以发挥重要作用。 如果您将链接作为 Facebook 营销策略的一部分进行分享，那么尝试将这些链接与相对冗长的副本一起进行尝试可能是值得的。 Facebook 希望保持其用户的注意力——他们会奖励那些在现场帮助他们做到这一点的内容发布者，这是有道理的。

Twitter 对视觉的新关注

2016 年被证明是 Twitter 发生根本性变化的一年，支持更长的视频剪辑，并且在大量更新中增加了丰富帖子的字符限制，这似乎强烈表明社交信使应用程序对照片和视频的新关注.

今年 6 月，Twitter 创始人 Jack Dorsey 宣布了另一项举措，表明围绕视觉内容的雄心勃勃：即收购总部位于伦敦的机器学习专家 Magic Pony Technology。 Dorsey 在官方 Twitter 博客上写道：

“Magic Pony 的团队将加入 Twitter Cortex，这是一个由工程师、数据科学家和机器学习研究人员组成的团队，致力于打造一款人们可以轻松找到新体验并参与其中的产品。

“Magic Pony 的技术——基于团队的研究，旨在创建能够理解图像特征的算法——将用于增强我们在直播和视频方面的实力，并为 Twitter 开辟许多令人兴奋的创意可能性。”

洞察力——虽然 Magic Pony Technology 和 Twitter 正在开发的确切功能尚未出现，但前者网站上的声明阐明了他们的工作方向：“[...] 我们很高兴地宣布我们正在与 Twitter 联手使用我们的技术来改善通过他们的应用程序提供的视觉体验。”

看起来我们可能会走向这样一个未来：Twitter 不仅基于用于描述图像和视频的单词和标签，还基于算法诊断的媒体主题向用户的新闻源提供图像。

谷歌排名大脑

本周早些时候，我们报道了谷歌一名高级员工透露的里程碑式新闻，谷歌收到的 100% 的搜索查询现在都由 RankBrain 机器学习系统处理，因此很大一部分搜索排名受到影响。 RankBrain 是 Google 搜索算法 Hummingbird 的重要组成部分。

目前尚不清楚 RankBrain 在衡量搜索结果的有效性时究竟考虑了哪些因素，但我们所知道的是，该系统正在不断发展、不断学习和不断寻求提供更好地满足用户要求的结果列表。

洞察力——如果你想排名最高，那就是最好的。 比尔·盖茨早在 1996 年就告诉我们“内容为王”，但鉴于机器学习不断增长的力量和巨大的潜力，确实感觉内容最好的网站——在质量、深度和相关性方面——是最终设置巧妙地使搜索引擎优化的网站黯然失色，这些网站在谷歌的结果页面上填充了劣质内容。 链接建设、元数据优化和关键字规划等古老技能仍然很重要，但搜索营销人员应该开始花更多时间在磨练内容相关性和质量上。

新闻学

洞察力——我们读一些文章是为了它的风格和声音，一些是为了欣赏或拒绝一个观点，还有一些是为了接收信息。 通常一篇文章将提供这些方面的组合，但在某些情况下，读者只是想要确凿的事实——尤其是在新闻或体育报道中。 在这些情况下，新闻人工智能已经能够在很少或没有人类输入的情况下执行任务。

正如《卫报》在 2015 年报道的那样，美国人工智能公司 Narrative Science 预测，到 2030 年，像他们自己的机器学习系统将能够撰写我们 90% 的新闻文章。以下是由 Narrative Science 的机器独立编写的体育报道示例：

“周二对 W 罗伯茨来说是美好的一天，这位初级投手投出了一场完美的比赛，帮助弗吉尼亚在达文波特球场以 2-0 击败乔治华盛顿。

“二十七个殖民者来到了盘子里，弗吉尼亚投手击败了他们，投出了一场完美的比赛。 他在记录他的重大壮举时击出了 10 名击球手。

“汤姆·盖特利 (Tom Gately) 未能为殖民者队赢得比赛，记录了一场失利。 他打了三局，走了两局，三振一局，跑了两局。 骑士队在第四节取得了不错的成绩，在守场员的选择和回避的情况下得分两分。”

洞察力——但这是一件好事吗？ 为了新闻的客观性，我们的回答是暂定的。 机器可能缺乏人类作家异常复杂的道德和性格，但在这一点上，它们也缺乏偏见和先入之见。 当然，随着机器学习系统不断发展和自我教育，没有什么可以阻止它们发展自己的信条，包括所有的包袱、美丽和错综复杂。