很難擺離線器學習的嗡嗡聲。實際上每個行業都在談論它。
那麼，什麼是機器學習？根據Hewlett Packard的說法，「機器學習是指計算機開發模式識別的過程，或者是基於數據不斷學習和做出預測的過程，然後在沒有專門編程的情況下進行調整。」換句話說，它是機器分析和處理大量信息的方式，並隨著時間的推移繼續學習和改進。
相關：2019年的學習景觀
對於運行中的機器學習演算法的一個例子，讓我們考慮面部識別 – 我們看到的一個領域日復一日。今天，iPhone用戶用他們的臉解鎖他們的手機。執法部門使用面部識別來發現欺詐活動並抓捕犯罪分子。Google相冊允許用戶按照其中的人對照片進行排序。這些演算法在過去可能並不是非常準確，但隨著時間的推移它們已經過機器學習的訓練。
這不是人類智能，它是程序化學習，其應用範圍超出了面部識別和跨行業。以營銷為例。今天的營銷人員正在努力向客戶傳遞相關信息。雖然人類無法單獨大規模地與大量客戶進行通信，但機器可以。不確定在實踐中看起來像什麼？在本文中，我將解釋機器學習在營銷中的五個關鍵用途。
1.推薦最相關的產品或內容
多年來，數字營銷人員一直使用產品和內容建議。在過去 – 有時是今天 – 這些建議是由人工手動策劃的。在過去的10年中，它們通常由簡單的演算法驅動，這些演算法根據其他訪問者查看或購買的內容顯示推薦。
機器學習可以通過這些簡單的演算法實現重大改進。機器學習可以綜合您提供的有關某人的所有信息，例如他過去的購買，當前的網路行為，電子郵件互動，位置，行業，人口統計等，以確定他的興趣並選擇最佳產品或最相關的內容。機器學習驅動的建議根據他對建議的參與來了解哪些項目或項目屬性，樣式，類別，價格點等與每個特定人員最相關 – 因此演算法會隨著時間的推移而不斷改進。
機器學習驅動的建議不僅限於產品和內容。您可以推薦任何內容 – 類別，品牌，主題，作者，評論與技術規格等。通過這種方式使用機器學習，您可以創建相關的網站或電子郵件體驗，向訪問者展示您真正了解他們並幫助他們找到他們喜歡的東西。
2.自動發現重要客戶群
儘管機器學習允許您提供更多個性化定製體驗，但細分仍然是營銷人員的寶貴工具。通過細分，您可以根據有意義的差異創建潛在客戶或客戶組，以更好地了解這些組。人類可以發現他們可能已經知道的明顯差異 – 例如高終身價值與低終身價值客戶或新客戶與忠誠回頭客戶之間的差異。但是，由於有大量客戶數據需要篩選，還有許多其他模式對人類來說並不明顯。
機器可以幫助您識別您沒有意識到的段，並且您可以使用該信息以更有意義的方式與這些段對話。
例如，機器學習演算法可能能夠識別尋求為其家庭再融資的千禧一代傾向於展示某些類型的行為。有了這些知識，您就可以為該細分市場提供針對性更強的消息傳遞，在您的網站上與該細分市場進行不同的對話，或者通過電話與代理商交談，並確定可能屬於該細分市場的其他潛在客戶。他們表現出類似的行為
3.識別潛在問題並採取相應措施
您的營銷廣告系列會生成大量數據。想想您公司每天發送的所有電子郵件，或訪問您網站，使用移動應用或與您的呼叫中心互動的人數。所有這些互動產生了大量的數據 – 人類無法及時查看所有數據。當出現問題時 – 當鏈接中斷或促銷代碼不起作用時，對您來說可能並不總是很明顯。演算法可以篩選所有數據，預測應該發生的事情，並在事情看起來不正確時通知您。
例如，假設它是黑色星期五，並且您的一封電子郵件包含不正確的鏈接。機器學習演算法可以預測應該從該優惠中預期的點擊率和/或轉化率，並在現實遠低於應有的情況下立即提醒您。有了這些知識，你就可以在一年中這麼重要的一天造成太大的傷害之前採取糾正措施。
相關：5機器學習的創新用途
4.從A / B測試轉向提供個別相關的體驗和優惠
測試是另一個可以通過機器學習改進的領域。傳統的A / B測試允許您在兩個或更多數字體驗之間運行測試，找到產生最佳結果的選項，並使用該體驗。這很有價值，但它是一刀切的，並不能解釋團體或個人的任何差異。相反，它需要您選擇一種體驗來向所有人展示，這意味著許多人將無法看到最適合他們的體驗。機器學習改變了這個遊戲。
例如，不是在兩個主頁體驗之間手動設置測試，等到測試完成並選擇獲勝者，您可以將相同的體驗提供給機器學習演算法。該演算法將在其認為將根據所有可用信息為每個人提供最佳結果的那一刻選擇體驗。它將從這些互動中學習，以告知下一步做出的決定。
促銷和優惠也可採用相同的方法。機器學習不僅可以為所有客戶提供相同的20％折扣或靜態促銷，還可以讓您僅向需要額外購買激勵的人顯示折扣。對於那些不需要額外獎勵的人，機器學習可以選擇其他相關體驗，例如在他們喜歡的類別中推廣新來的人。
5.決定如何與每個人溝通
您如何決定在何時何地與潛在客戶或客戶溝通？她喜歡電子郵件嗎？推送通知？文本？如果有的話，你應該多久與她聯繫一次？這些都是機器學習演算法可以為您解答的問題。
例如，您可以使用機器學習生成的預測分數來確定是否將此下一封電子郵件發送給此特定人員將導致他們打開，而不是批量和爆炸方式的電子郵件，您只需每天向每個人發送相同的電子郵件，忽略，點擊或取消訂閱。如果是這樣，你不發送它。相反，你可以等到你擁有與他或她更相關的東西。
最後
機器學習為營銷人員提供了以可擴展的方式解釋和處理大量信息的潛力。在這個世界裡，我們不斷積累的數據比我們知道的更多 – 以及我們希望與客戶大規模建立個人關係的地方 – 這是一個令人興奮的發展。花點時間了解您的組織在不久的將來如何從機器學習中受益。用這五個區域中的一個開始將你的腳趾浸入水中，然後從那裡開始。
本文轉載自Entrepreneur, 原文地址
Comments