很难摆脱机器学习的嗡嗡声。实际上每个行业都在谈论它。

那么,什么是机器学习?根据Hewlett Packard的说法,“机器学习是指计算机开发模式识别的过程,或者是基于数据不断学习和做出预测的过程,然后在没有专门编程的情况下进行调整。”换句话说,它是机器分析和处理大量信息的方式,并随着时间的推移继续学习和改进。

相关:2019年的学习景观

对于运行中的机器学习算法的一个例子,让我们考虑面部识别 – 我们看到的一个领域日复一日。今天,iPhone用户用他们的脸解锁他们的手机执法部门使用面部识别来发现欺诈活动并抓捕犯罪分子。Google相册允许用户按照其中的人对照片进行排序。这些算法在过去可能并不是非常准确,但随着时间的推移它们已经过机器学习的训练

这不是人类智能,它是程序化学习,其应用范围超出了面部识别和跨行业。以营销为例。今天的营销人员正在努力向客户传递相关信息。虽然人类无法单独大规模地与大量客户进行通信,但机器可以。不确定在实践中看起来像什么?在本文中,我将解释机器学习在营销中的五个关键用途。  

1.推荐最相关的产品或内容

通过机器推荐相关产品

多年来,数字营销人员一直使用产品和内容建议。在过去 – 有时是今天 – 这些建议是由人工手动策划的。在过去的10年中,它们通常由简单的算法驱动,这些算法根据其他访问者查看或购买的内容显示推荐。

机器学习可以通过这些简单的算法实现重大改进。机器学习可以综合您提供的有关某人的所有信息,例如他过去的购买,当前的网络行为,电子邮件互动,位置,行业,人口统计等,以确定他的兴趣并选择最佳产品或最相关的内容。机器学习驱动的建议根据他对建议的参与来了解哪些项目或项目属性,样式,类别,价格点等与每个特定人员最相关 – 因此算法会随着时间的推移而不断改进。

机器学习驱动的建议不仅限于产品和内容。您可以推荐任何内容 – 类别,品牌,主题,作者,评论与技术规格等。通过这种方式使用机器学习,您可以创建相关的网站或电子邮件体验,向访问者展示您真正了解他们并帮助他们找到他们喜欢的东西。

相关:机器学习如何改变世界 – 以及你的日常生活

2.自动发现重要客户群

机器可以主动发现重要客户群

尽管机器学习允许您提供更多个性化定制体验,但细分仍然是营销人员的宝贵工具。通过细分,您可以根据有意义的差异创建潜在客户或客户组,以更好地了解这些组。人类可以发现他们可能已经知道的明显差异 – 例如高终身价值与低终身价值客户或新客户与忠诚回头客​​户之间的差异。但是,由于有大量客户数据需要筛选,还有许多其他模式对人类来说并不明显。

机器可以帮助您识别您没有意识到的段,并且您可以使用该信息以更有意义的方式与这些段对话。

例如,机器学习算法可能能够识别寻求为其家庭再融资的千禧一代倾向于展示某些类型的行为。有了这些知识,您就可以为该细分市场提供针对性更强的消息传递,在您的网站上与该细分市场进行不同的对话,或者通过电话与代理商交谈,并确定可能属于该细分市场的其他潜在客户。他们表现出类似的行为

3.识别潜在问题并采取相应措施

您的营销广告系列会生成大量数据。想想您公司每天发送的所有电子邮件,或访问您网站,使用移动应用或与您的呼叫中心互动的人数。所有这些互动产生了大量的数据 – 人类无法及时查看所有数据。当出现问题时 – 当链接中断或促销代码不起作用时,对您来说可能并不总是很明显。算法可以筛选所有数据,预测应该发生的事情,并在事情看起来不正确时通知您。

例如,假设它是黑色星期五,并且您的一封电子邮件包含不正确的链接。机器学习算法可以预测应该从该优惠中预期的点击率和/或转化率,并在现实远低于应有的情况下立即提醒您。有了这些知识,你就可以在一年中这么重要的一天造成太大的伤害之前采取纠正措施。

相关:5机器学习的创新用途

4.从A / B测试转向提供个别相关的体验和优惠

测试是另一个可以通过机器学习改进的领域。传统的A / B测试允许您在两个或更多数字体验之间运行测试,找到产生最佳结果的选项,并使用该体验。这很有价值,但它是一刀切的,并不能解释团体或个人的任何差异。相反,它需要您选择一种体验来向所有人展示,这意味着许多人将无法看到最适合他们的体验。机器学习改变了这个游戏。

例如,不是在两个主页体验之间手动设置测试,等到测试完成并选择获胜者,您可以将相同的体验提供给机器学习算法。该算法将在其认为将根据所有可用信息为每个人提供最佳结果的那一刻选择体验。它将从这些互动中学习,以告知下一步做出的决定。

促销和优惠也可采用相同的方法。机器学习不仅可以为所有客户提供相同的20%折扣或静态促销,还可以让您仅向需要额外购买激励的人显示折扣。对于那些不需要额外奖励的人,机器学习可以选择其他相关体验,例如在他们喜欢的类别中推广新来的人。

5.决定如何与每个人沟通

easyai公众号

您如何决定在何时何地与潜在客户或客户沟通?她喜欢电子邮件吗?推送通知?文本?如果有的话,你应该多久与她联系一次?这些都是机器学习算法可以为您解答的问题。

例如,您可以使用机器学习生成的预测分数来确定是否将此下一封电子邮件发送给此特定人员将导致他们打开,而不是批量和爆炸方式的电子邮件,您只需每天向每个人发送相同的电子邮件,忽略,点击或取消订阅。如果是这样,你不发送它。相反,你可以等到你拥有与他或她更相关的东西。

相关:Netflix已采用机器学习将其营销游戏个性化为规模

最后

机器学习为营销人员提供了以可扩展的方式解释和处理大量信息的潜力。在这个世界里,我们不断积累的数据比我们知道的更多 – 以及我们希望与客户大规模建立个人关系的地方 – 这是一个令人兴奋的发展。花点时间了解您的组织在不久的将来如何从机器学习中受益。用这五个区域中的一个开始将你的脚趾浸入水中,然后从那里开始。

本文转载自Entrepreneur, 原文地址

easyai公众号