Поток данных в 2016 году настолько быстр, что общее накопление за последние два года (зеттабайт) затмевает все предыдущие записи человеческой цивилизации. Происходит революция больших данных. Однако революционным является не количество данных, а тот факт, что все эти данные теперь можно использовать. Статистические и вычислительные методы анализа больших данных — настоящие герои этой истории. Удвоение вычислительной мощности каждые 18 месяцев (закон Мура) — ничто по сравнению с большим алгоритмом. Формально алгоритмы можно определить как набор правил, которые можно использовать для решения задачи в тысячу раз быстрее, чем традиционные вычислительные методы. В разбивке это не более чем новый способ визуализации и связывания наборов данных для поиска решений. Люди всегда лучше компьютеров различали закономерности. Именно поэтому алгоритмы являются технологической инновацией. Люди создали алгоритмы, которые теперь могут выполнять свою работу по выявлению шаблонов и работе с ними для создания знаний. Новое, «созданное» знание — это то, что мы называем инсайтами. В настоящее время используются алгоритмы, позволяющие быстрее сделать большие данные измеримыми, прозрачными и понятными. Анализ стал значительно точнее, что, в свою очередь, заменило чутье и интуицию в процессе принятия решений. И последнее, но не менее важное: алгоритмы предоставили возможность создавать точно адаптированные продукты или услуги для клиентов, которые можно улучшать с каждым поколением.

Сегодня существует ряд различных алгоритмов, используемых для анализа больших данных для разных целей. В этой статье я подробно расскажу о машинном обучении (МО) и его влиянии на рекламную практику в течение нескольких десятилетий. Проще говоря, машинное обучение — это набор алгоритмов и методов, основанных на искусственном интеллекте, используемых для разработки систем, которые обучаются на поступающих к ним данных. Алгоритмы машинного обучения получают обучающий набор данных, а затем программируются для ответа на вопросы, диагностики проблем, прогнозирования действий, контроля переменных и результатов на основе этих данных. Затем он продолжает пополнять свой обучающий набор с каждым правильным или неправильным ответом, тем самым со временем становясь умнее и лучше в выполнении задач.

Маркетологи и рекламодатели давно собирают и анализируют данные о поведении потребителей. Только это были не большие данные, какими мы их знаем сегодня, и их инструменты анализа были не такими эффективными. Поскольку объем данных, к которым у них есть доступ, вырос в геометрической прогрессии, их аналитические возможности остались прежними. Таким образом, машинное обучение является мощным инструментом в бизнесе для настройки таргетинга на потребителей, прогнозирования поведения и персонализации рекламных сообщений. Возможность точно предсказать, сколько клиент готов потратить на рождественские подарки, анализируя его активность в мобильном Интернете, меняет правила игры. Машинное обучение может находить эти шаблоны в данных и доставлять эти результаты рекламодателям в режиме реального времени. У них, в свою очередь, могут быть программы, готовые действовать в соответствии с информацией в нужное время для нужного клиента, чтобы создать максимальное влияние. Рекламодателям станет намного дешевле более эффективно привлекать потребителей в течение более длительного периода времени. Это устранит нерелевантную рекламу и поможет потребителям найти то, что им нужно, еще до того, как они начнут искать. Начало движения к когнитивной, упреждающей рекламе и маркетингу.

Несколько отраслей сферы услуг внедрили машинное обучение в различных формах, поисковая система Google является популярным приложением программы. Google наблюдает за поисковой активностью каждого пользователя, чтобы предоставлять более точные результаты при каждом запуске. Компания также программно продает рекламные места в Интернете рекламодателям. Facebook показывает персонализированную рекламу своим пользователям на основе таргетинга на похожие объявления. Рекомендации на Amazon, Spotify и Netflix работают по программированию ML на основе прошлых выборов их пользователей. Google Assistant и Siri — другие популярные способы использования машинного обучения в сочетании с обработкой естественного языка. Чем больше пользователи Apple и Android разговаривают с ними по своим телефонам, тем лучше они понимают акценты, запросы и добиваются результатов.

Менеджер по исследованиям IDC (International Data Corporation) Джерри Мюррей прогнозирует, что через год сотни используемых приложений будут основаны на машинном обучении и искусственном интеллекте. Усилия по созданию и развертыванию программ ML будут легкими и очень удобными для пользователя. Их системы будут достаточно высокотехнологичными, чтобы принимать сигналы и делать выводы, как человеческий мозг. Когнитивный маркетинг скоро станет нормой, когда программы, основанные на машинном обучении, будут принимать независимые решения. Они будут заниматься такими задачами, как установка правил сегментации, которые настраиваются для каждого пользователя сервиса или зрителя рекламы без присмотра. Впрочем, это еще ближайшее будущее. Технологии ведут нас к тому моменту, когда роль машинного обучения будет заключаться не только в выборе правильного сообщения и дизайна для доставки нужному человеку в нужное время по правильному каналу. Программа сможет обрабатывать массовую доставку гиперперсонализированного контента и услуг. Кроме того, он действительно сможет вести убедительный двусторонний разговор в режиме реального времени.

Независимая функция принятия решений ML скоро станет достаточно продвинутой, чтобы позволить машинам доставлять убедительные сообщения, ответы и возражения для самых разных аудиторий. В то время как машины берут на себя многие человеческие функции, маркетологи и рекламщики будут уметь управлять этими машинами, устанавливать параметры, чтобы они могли вести разговор с потребителями способом, уникальным для компании или бренда. Маркетологи и менеджеры по рекламе будут заниматься исключительно управлением. Их время будет посвящено выстраиванию стратегии, разработке наборов творческих решений, постановке целей кампании (повышение осведомленности, новые потоки доходов, повышение симпатии или лояльности) и поиску способов их достижения. Программы машинного обучения также будут прогнозировать эффективность рекламы до того, как она будет представлена ​​маркетологам. Анализ будет основываться на исторических отчетах об эффективности рекламных кампаний/брендов или на послужном списке аналогичных рекламодателей. Хорошие бренды уже сосредоточены на поддержании сильной индивидуальности и имиджа с помощью графики или стиля рекламы. Программы машинного обучения также помогут брендам проявить свою индивидуальность через качество или тон реальных разговоров, которые они ведут с потребителями. Их машины будут спроектированы так, чтобы отражать конкретную индивидуальность, чтобы выстраивать эффективные и персонализированные отношения с клиентами в больших масштабах.

То, что мы наблюдаем в 2016 году, – это лишь первые результаты слияния маркетинга и технологий. Применение когнитивного интеллекта в маркетинге меняет нарратив рекламы для потребителей. Это отвлекает внимание от таргетинга на аудиторию или группу людей со схожими характеристиками и доводит его до каждого человека. Это идентификация и реагирование на их уникальные личности, характер, потребление медиа, привычки, желания и увлечения в режиме реального времени. Менеджеры по рекламе называют это будущее маркетингом для одного рынка, чтобы обеспечить глубокое, индивидуальное и персонализированное взаимодействие с брендом.

«Моя автоматизированная домашняя система уже подключилась к Google для самостоятельного вождения и заказала мне машину… По дороге домой позже я получил несколько приглашений остановиться или заказать обед с доставкой на дом, все на основе известных предпочтения, что я ел вчера, мою биографию на сегодня с рейтингом из моей социальной сферы » -Йорам Винд и Кэтрин Хейс в Помимо рекламы: создание ценности через все точки взаимодействия с клиентами

Нам, руководителям отдела рекламы, крайне важно помнить об этой тесно переплетенной экосистеме медиа, рекламы и технологий. Недостаточно создать броские слоганы или привлекательную рекламу. Долгосрочные бренды должны будут постоянно предоставлять ситуативно релевантную рекламу с использованием интерактивных средств, чтобы позволить потребителю немедленные действия. Реклама все больше движется к тому, чтобы быть долгосрочным многоканальным брендом. Чтобы оставаться на вершине этой волны, рекламодатели должны бесстрашно использовать такие технологии, как машинное обучение, потому что эти достижения не имеют границ. Их работа должна состоять в том, чтобы найти возможные применения технологических новшеств в рекламной практике. Коалиция с цифровыми подразделениями технологических гигантов, таких как IBM, Accenture или Delloite, — хорошая идея. Комбинация ресурсов поможет рекламодателям лучше творчески использовать технологии для создания рекламы вместо того, чтобы адаптировать свою рекламу к технологиям. Последняя наружная рекламная кампания Spotify является идеальным примером этого с заголовками, которые гласят:

"Дорогой человек, который 42 раза включил "Извините" в День святого Валентина, что вы сделали?"

"Уважаемый житель Театрального квартала, который в этом году прослушал саундтрек Гамильтона 5 376 раз, не могли бы вы достать нам билеты?"

"Уважаемые 3749 человек, которые транслировали "Конец света, каким мы его знаем" в день голосования по Brexit, держитесь".

Грядущие годы будут захватывающим временем для рекламной индустрии, но доступ к большим данным и их применение с помощью машинного обучения и искусственного интеллекта сопряжен с вероятными проблемами. Конфиденциальность будет одним из самых больших. В приведенной выше рекламе Spotify продемонстрировал свой творческий гений, но одновременно сделал смелое заявление о специфике своих потребительских данных. Доступ к данным, которые есть у рекламодателей, не будет отнят, поэтому их чувство ответственности должно быть сильным. Грань между использованием и эксплуатацией может быть очень тонкой. Кроме того, имея неограниченный доступ к личному пространству любого потребителя (особенно по цифровым каналам), бренды должны с уважением предоставить им возможность отказаться.