Искусственный интеллект (AI) и машинное обучение (ML) меняют то, как работают и действуют специалисты по маркетингу. И хотя многим из этих технологий уже несколько десятилетий, большая часть их потенциала реализуется только сейчас. Итак, если ваши знания об искусственном интеллекте основаны на одной статье в бортовом журнале, я здесь, чтобы помочь вам вытащить голову из песка. Продолжайте читать, чтобы узнать, что такое искусственный интеллект, как он в настоящее время используется в мире маркетинга, подводные камни, с которыми вы можете столкнуться на этом пути, и как он может улучшить вашу организацию.

Давайте определимся с некоторыми терминами
Искусственный интеллект и машинное обучение часто используются как синонимы в популярной прессе. Да, есть некоторые совпадения, но это две разные вещи.

С технической точки зрения искусственный интеллект нереален. Это общий термин для множества технологий. Искусственный интеллект - это общее обозначение области исследований, посвященных созданию интеллектуальных машин. Можно также сказать, что это дает программному обеспечению суперсилы.

Все остальное, что вы можете услышать, связанное с ИИ, - Наука о данных, Глубокое обучение, Нейронные сети и Машинное обучение - это более точные поддомены для научных и инженерных методов под большим ИИ.

Машинное обучение - один из наиболее обсуждаемых и используемых поддоменов ИИ. Он использует (большие объемы) данные и алгоритмы (набор инструкций, указывающих компьютеру, что делать) для обнаружения полезных закономерностей между частями данных.

Что вы должны знать о машинном обучении, так это то, что в прошлом, если вы хотели, чтобы машина что-то делала, вам нужно было специально запрограммировать ее на выполнение этой единственной задачи. Компьютер получал серию входных данных и затем выводил конкретное решение - почти так же, как работает рецепт. Но теперь, если у вас достаточно данных, машинное обучение может помочь компьютерам учиться без явного программирования.

По сути, машина берет шаблоны, обнаруженные в данных, и делает выводы о поведении будущих дел. Люди думают так каждый день. Допустим, вы встречаетесь с парнем с зачесанными назад волосами, большими бакенбардами и в комбинезоне с яркими золотыми солнцезащитными очками. Ваш разум мгновенно принимает во внимание эти характеристики, обдумывает важность каждой из них, обнаруживает, какие из них наиболее предсказуемы для вашей ситуации, и принимает решение. Поскольку вы находитесь в Мемфисе, вы решили, что этот парень фанат Элвиса. Машинное обучение делает то же самое. Он может даже расти и менять свое мнение с каждой итерацией и по мере развития информации.

Вот более конкретный (и чрезмерно упрощенный) пример. Допустим, у вас огромная база данных клиентов, и вы хотите выяснить, какие клиенты с наибольшей вероятностью уйдут к конкуренту в следующем квартале. Машина будет определять атрибуты каждого клиента, которые лучше всего подходят для этого, на основе предыдущего опыта. Машинное обучение направит все ваши данные вниз (рисунок 1) и обнаружит, что для решения этой проблемы важен лишь небольшой набор критериев (рисунок 2). Имейте в виду, что машинному обучению все равно, логична ли корреляция. Важно только то, что это действенно.

Итак, если есть что-то, что вы уберете из всего этого, сделайте это. Искусственный интеллект - это модное слово для интеллектуальной машины, а машинное обучение - это способность машины учиться без явного программирования.

Вы уже использовали искусственный интеллект и машинное обучение (но, возможно, не осознавали этого)
Если вы не жили в бункере где-нибудь в Северной Дакоте, велика вероятность, что вы по крайней мере, одно взаимодействие с большой четверкой - Apple, Amazon, Facebook или Google. Вот лишь несколько способов, которыми вы ежедневно пользуетесь и помогаете тренировать их системы искусственного интеллекта.

Используя Siri для отправки сообщения или прося Алексу воспроизвести песню, вы используете поддомен ИИ под названием Обработка естественного языка. Это помогает компьютерам понимать человеческий язык так, как на нем говорят. Сири слушает ее команду, принимает ваши слова, переводит их во что-то действенное (для нее) и затем выполняет их.

Если у вас была реклама (от Amazon или любого количества интернет-магазинов), которые следят за вами на каждом посещаемом вами сайте, вы имеете дело с алгоритмической рекламой. Программная реклама - это серия алгоритмов, которые позволяют маркетологам показывать нужную рекламу в нужный момент на основе сотен факторов, таких как ваша демографическая информация, прошлое поведение в Интернете и контент, который вы просматриваете, когда появляется объявление.

Чтобы подтвердить, что вы не робот, веб-сайты часто используют капчи, которые заставляют вас выбирать все изображения с дорожными знаками или кошками. Здесь вы помогаете тренировать точность искусственного интеллекта Google. Это может быть улучшение поиска изображений, карт Google или даже обучение их беспилотным автомобилям.

Если вы поменялись рожами со своей подругой или превратились в наполовину человека-наполовину собаку, то вы используете компьютерное зрение и распознавание объектов. Эти системы используют свои знания, чтобы идентифицировать повседневные предметы и узнавать, что определенные предметы имеют определенные закономерности и особенности (в этом примере они знают, что у большинства людей два глаза, нос и рот находятся в одном и том же месте). Эта технология используется не только в радугах, но и в маркетинговых исследованиях, чтобы измерить реакцию аудитории на различную рекламу или креатив.

Последний пример - анализ клиентов. Бренды будут использовать крупномасштабные данные для анализа и сортировки своих клиентов по различным группам на основе их демографической информации, прошлых покупок, поведения в автономном режиме, истории просмотров в Интернете и т. Д. И т. Д. С помощью прогнозной аналитики маркетологи могут определить, когда потребители переживают важные жизненные события. - периоды времени, в течение которых они, скорее всего, поменяют свои покупательские привычки. В одном известном примере Target использовала прошлую активность клиентов для рассылки писем с товарами для детей женщине, которая предположительно была беременна, и известила ее отца до того, как его дочь сообщила ему эту новость.

Почему искусственный интеллект сейчас так важен?
Для успеха ИИ необходимы три основных компонента: деньги, вычислительная мощность и тонны данных. С 1940-х и 1950-х годов были итерации ИИ, которые время от времени приносили успех, но ничего подобного мы не испытываем сегодня. Причина, по которой ИИ завоевывает популярность сейчас, заключается в том, что мы попали в золотую середину. Сегодня -

  • мы создаем намного больше данных, чем раньше
  • вычислительная мощность экспоненциально быстрее и дешевле
  • мы улучшили наши алгоритмы
  • правительства, венчурные капиталисты и университеты широко инвестируют в ИИ.

Как ИИ может улучшить ваш маркетинг и работу?
Машинное обучение и другие формы искусственного интеллекта становятся популярной заменой ручному принятию решений, потому что (1) они часто более точны, чем эксперты-люди; (2) работают быстрее - часто автоматизируют решения по миллионам записей в считанные секунды, (3) они беспристрастны (при правильном проектировании) и (4) дешевле в развертывании, чем люди. Вот несколько способов, которыми в настоящее время команды используют различные новые технологии для улучшения своего маркетинга и PR.

Искусственный интеллект используется для открытия новых рынков и ниш. Машинное обучение будет нарезать и дробить данные о клиентах, чтобы выявлять клиентов, которые недооценены по сравнению со своими коллегами. Например, он может определять поведение клиентов в конкретном регионе страны, для которого требуется определенный ассортимент продуктов и сочетание цен. Это может даже показать, что эта конкретная ниша делает много покупок поздно ночью и имеет высокую склонность бросить свою корзину.

Медиа-команды уже оптимизируют свой маркетинговый микс и медиа-расходы с помощью ИИ. Я не думаю, что это слишком уж далеко, чтобы подумать об устройстве типа Echo на вашем столе с доступом к исследовательским работам Американской маркетинговой ассоциации, общей бизнес-стратегии и предыдущим количественным результатам.

Я: «Привет, дингус, мне нужно написать медиаплан для шампуня»

Дингус: «Я проанализировал ленты социальных сетей всех, кому небезразличен шампунь, и вот лучший медиа-микс, чтобы достучаться до них».

AI может повысить скорость и подотчетность творческого процесса. В краткосрочной перспективе это ускорит производственные задачи, такие как макеты и управление версиями, но также может помочь вам разрабатывать более релевантный и более быстрый контент. Automated Insights предлагает продукт под названием Wordsmith, который возьмет электронную таблицу данных и мгновенно напишет соответствующий текст. Это могут быть статьи о квартальных отчетах о доходах, спортивные результаты, описание отелей или даже землетрясения. Аналогичная технология распространилась и на видео. Wibbitz может автоматически создавать сопроводительные видеоролики на основе материалов истории. Посмотрите это в действии на USA Today.

Как вы, возможно, видели ранее в примере с программной рекламой, корпорации становятся все лучше в плане персонализации рекламы и рекомендаций для потребителей на основе мультимодальных данных (мобильный телефон, социальные сети, местоположение и т. Д.). Red Roof Inn ранее использовала алгоритм, который определял подходящее время, чтобы сообщить клиентам о наличии и ценах в ближайшем отеле. Они использовали информацию, основанную на погодных условиях, отмене рейсов и местонахождении клиентов, чтобы предлагать сделки попавшим в затруднительное положение путешественникам. Умный креатив, умный таргетинг и умное назначение ставок

Машинное обучение может увеличить экономию за счет улучшения переговоров по контрактам (ура, меньше юристов!). Загрузив в машину вашу историю контрактов, ее можно научить выделять возможности экономии за счет подбора поставщиков, которые лучше соответствуют вашим потребностям. Благодаря этому методу закупок ML также может помочь получить доход, который иначе был бы упущен.

Хотя все маркетинговые организации и агентства в той или иной степени используют данные и аналитику, большинство решений сегодня все еще сводится к субъективным догадкам. В не столь отдаленном будущем ИИ станет критически важным для принятия решений и отслеживания результатов, обеспечивая лучшее понимание наших целевых аудиторий и того, где нам следует развертывать ресурсы.

Вещи, о которых следует знать
Как и все остальное, не все, что блестит, золото. Искусственный интеллект и машинное обучение могут быть прекрасными, но эти технологии все еще проходят обучение. Вот несколько вещей, о которых вам следует знать.

Системы искусственного интеллекта хороши ровно настолько, насколько хороши данные, которые вы им скармливаете. Когда системы машинного обучения терпят неудачу, это редко происходит из-за проблем с алгоритмом. Человеческая предвзятость может испортить результаты, если исходные данные или системы основаны на необоснованных предубеждениях или стереотипах. Прекрасным примером этого являются «фейковые новости» в социальных сетях. Часто эти типы систем оптимизируются на основе вовлеченности, но не сильно учитывают (или не имеют мозгов, чтобы выяснить), является ли информация реальной или нет.

Помните о возможных юридических последствиях, если вы работаете в определенных отраслях. Если ограничения не соблюдаются, эти системы искусственного интеллекта могут выйти за рамки закона. Например, машинное обучение на пивоварне может обнаружить, что существует неиспользованный рынок мальчиков в возрасте 12–14 лет, и затем приступить к таргетингу на них рекламы. Конечно, продажа алкоголя несовершеннолетним детям запрещена.

Откуда ты знаешь, как дышать? Сложный вопрос, правда? То же самое можно сказать и о многих системах искусственного интеллекта. Чем больше информации вводится в них, их создатели могут на самом деле не знать, как продвинутые алгоритмы делают то, что они делают. Это может привести к тому, что многие люди или корпорации будут нести ответственность за действия системы.

И, наконец, каким бы передовым ни казался ИИ, он может оказаться пустой тратой времени и денег, если не соответствует целям, методам работы, текущим технологиям и культуре вашей организации.

Получение дополнительных знаний об искусственном интеллекте в качестве маркетолога

« Искусственный интеллект, глубокое обучение, машинное обучение - что бы вы ни делали, если не понимаете этого, изучите это. Потому что иначе через 3 года ты станешь динозавром ».

Марк Кьюбан на саммите Upfront Summit, февраль 2017 г.

Да, кубинская цитата выше может показаться немного пугающей, но я считаю, что вам не нужно подрабатывать специалистом по обработке данных, чтобы быть эффективным маркетологом, работающим с искусственным интеллектом. Я верю, что умные маркетологи и профессионалы PR могут и найдут баланс. Они будут заниматься творческой и эмоциональной составляющей работы, в то время как машины будут поддерживать их с помощью надежных данных для принятия решений.

При этом вам следует выйти за рамки базового понимания этих технологий. Чем лучше вы сможете общаться с специалистами по обработке данных и компьютерными инженерами, тем проще будет применить эти инструменты для решения ваших маркетинговых задач.

Как и в приведенном выше примере видео из Кремниевой долины, это все еще очень новая и развивающаяся область. Вы не отстали, но я считаю, что в ваших интересах начать понимать эти технологии и то, как они используются, раньше, чем позже.

Ниже я добавил еще несколько статей и книг для начинающих, которые мне очень помогли в обучении в этом году.