數字營銷洞察：機器學習的 5 次遭遇

從垃圾郵件過濾到生產線優化，近幾個月和幾年來，機器學習系統的採用和有效性都出現了繁榮——沒有哪個領域比數字營銷更顯著和變革性的增長。 本文旨在解釋當今在線環境中使用的一些最有趣的機器學習示例，並就數字營銷人員應如何尋求適應和利用這些不斷發展的創新提供評論。

但什麼是機器學習？

機器學習是目前在商業環境中使用的人工智能最有用和最廣泛的表現之一。 機器學習系統是一種算法，能夠通過分析自身活動生成的數據並對其採取行動，從而獨立優化自身流程。 這項技術已經在大量的 Web 應用程序中使用。

臉書資訊

Facebook 的算法在不斷地學習你； 分析您的行為，以個性化它提供給您獨特新聞源的內容。 如您所料，點贊/反應、鏈接點擊、視頻播放、評論和分享——參與——被納入新聞源算法計算。 也許更令人驚訝的是，您在新聞源上閒置、閱讀或查看內容而不主動參與的時間也包含在算法的計算中。 繼續滾動瀏覽某種類型的內容，將來您會看到的內容會少一些。

洞察力——帖子的參與度和覆蓋率有著內在的聯繫——但在 Facebook 的新聞源算法中包含空閒時間提醒我們，Facebook 帖子作為獨立內容單元的內在價值也可以發揮重要作用。 如果您將鏈接作為 Facebook 營銷策略的一部分進行分享，那麼嘗試將這些鏈接與相對冗長的副本一起進行嘗試可能是值得的。 Facebook 希望保持其用戶的注意力——他們會獎勵那些在現場幫助他們做到這一點的內容髮布者，這是有道理的。

Twitter 對視覺的新關注

2016 年被證明是 Twitter 發生根本性變化的一年，支持更長的視頻剪輯，並且在大量更新中增加了豐富帖子的字符限制，這似乎強烈表明社交信使應用程序對照片和視頻的新關注.

今年 6 月，Twitter 創始人 Jack Dorsey 宣布了另一項舉措，表明圍繞視覺內容的雄心勃勃：即收購總部位於倫敦的機器學習專家 Magic Pony Technology。 Dorsey 在官方 Twitter 博客上寫道：

“Magic Pony 的團隊將加入 Twitter Cortex，這是一個由工程師、數據科學家和機器學習研究人員組成的團隊，致力於打造一款人們可以輕鬆找到新體驗並參與其中的產品。

“Magic Pony 的技術——基於團隊的研究，旨在創建能夠理解圖像特徵的算法——將用於增強我們在直播和視頻方面的實力，並為 Twitter 開闢許多令人興奮的創意可能性。”

洞察力——雖然 Magic Pony Technology 和 Twitter 正在開發的確切功能尚未出現，但前者網站上的聲明闡明了他們的工作方向：“[...] 我們很高興地宣布我們正在與 Twitter 聯手使用我們的技術來改善通過他們的應用程序提供的視覺體驗。”

看起來我們可能會走向這樣一個未來：Twitter 不僅基於用於描述圖像和視頻的單詞和標籤，還基於算法診斷的媒體主題向用戶的新聞源提供圖像。

谷歌排名大腦

本週早些時候，我們報導了谷歌一名高級員工透露的里程碑式新聞，谷歌收到的 100% 的搜索查詢現在都由 RankBrain 機器學習系統處理，因此很大一部分搜索排名受到影響。 RankBrain 是 Google 搜索算法 Hummingbird 的重要組成部分。

目前尚不清楚 RankBrain 在衡量搜索結果的有效性時究竟考慮了哪些因素，但我們所知道的是，該系統正在不斷發展、不斷學習和不斷尋求提供更好地滿足用戶要求的結果列表。

洞察力——如果你想排名最高，那就是最好的。 比爾·蓋茨早在 1996 年就告訴我們“內容為王”，但鑑於機器學習不斷增長的力量和巨大的潛力，確實感覺內容最好的網站——在質量、深度和相關性方面——是最終設置巧妙地使搜索引擎優化的網站黯然失色，這些網站在谷歌的結果頁面上填充了劣質內容。 鏈接建設、元數據優化和關鍵字規劃等古老技能仍然很重要，但搜索營銷人員應該開始花更多時間在磨練內容相關性和質量上。

新聞學

洞察力——我們讀一些文章是為了它的風格和聲音，一些是為了欣賞或拒絕一個觀點，還有一些是為了接收信息。 通常一篇文章將提供這些方面的組合，但在某些情況下，讀者只是想要確鑿的事實——尤其是在新聞或體育報導中。 在這些情況下，新聞人工智能已經能夠在很少或沒有人類輸入的情況下執行任務。

正如《衛報》在 2015 年報導的那樣，美國人工智能公司 Narrative Science 預測，到 2030 年，像他們自己的機器學習系統將能夠撰寫我們 90% 的新聞文章。以下是由 Narrative Science 的機器獨立編寫的體育報導示例：

“週二對 W 羅伯茨來說是美好的一天，這位初級投手投出了一場完美的比賽，幫助弗吉尼亞在達文波特球場以 2-0 擊敗喬治華盛頓。

“二十七個殖民者來到了盤子裡，弗吉尼亞投手擊敗了他們，投出了一場完美的比賽。 他在記錄他的重大壯舉時擊出了 10 名擊球手。

“湯姆·蓋特利 (Tom Gately) 未能為殖民者隊贏得比賽，記錄了一場失利。 他打了三局，走了兩局，三振一局，跑了兩局。 騎士隊在第四節取得了不錯的成績，在守場員的選擇和迴避的情況下得分兩分。”

洞察力——但這是一件好事嗎？ 為了新聞的客觀性，我們的回答是暫定的。 機器可能缺乏人類作家異常複雜的道德和性格，但在這一點上，它們也缺乏偏見和先入之見。 當然，隨著機器學習系統不斷發展和自我教育，沒有什麼可以阻止它們發展自己的信條，包括所有的包袱、美麗和錯綜複雜。