Data science

เหตุใดนักการตลาดจึงควรเข้าใจคุณค่าของการเรียนรู้ของเครื่อง

ในคำพูดของรอย อมรา เทคโนโลยีที่ยอดเยี่ยมทำให้ “สิ่งที่เรียบง่ายเรียบง่ายและซับซ้อนเป็นไปได้” AI และโดยเฉพาะอย่างยิ่ง แมชชีนเลิร์นนิง มีศักยภาพที่จะทำอย่างนั้นได้ ในโลกของการโฆษณาและการตลาด ยิ่งเราใส่ “เครื่องมือ” ลงในกล่องเครื่องมือของนักการตลาดได้มากเท่าไร เพื่อทำให้แคมเปญมีประสิทธิภาพมากขึ้นเท่านั้น วันนี้ นักการตลาดชั้นนำกำลังใช้ประโยชน์จากการเรียนรู้ของเครื่องและโซลูชันที่ขับเคลื่อนด้วย AI ที่มีอยู่อย่างแพร่หลาย ซึ่งสามารถทำงานอย่างหนักในการระบุสัญญาณในสัญญาณรบกวน การทำเช่นนี้เป็นการยกระดับคุณภาพของการตัดสินใจและขับเคลื่อนผลลัพธ์ที่ดีขึ้น เช่นเคย It Starts with Data Data เป็นหัวใจสำคัญของการตัดสินใจโดยใช้ AI อย่างชาญฉลาด ข้อมูลบุคคลที่หนึ่ง ข้อมูลธุรกิจ สัญญาณออนไลน์ ข้อมูลที่ได้รับการสนับสนุนจากความยินยอม ข้อมูลความเชื่อมั่น และข้อมูลจากแหล่งต่างๆ มากมายเป็นสิ่งจำเป็นในการป้อนกลไกการเรียนรู้ของเครื่อง เพื่อความชัดเจน เมื่อเราพูดถึงข้อมูล เราไม่ได้หมายถึง “กลุ่ม” เราหมายถึงการสตรีมข้อมูลแบบเรียลไทม์ขนาดใหญ่: การสังเกตเกี่ยวกับโลกแห่งความจริงที่รวบรวมโดยตรงและพร้อมใช้งานทันที ข้อมูลนั้นดิบ ยุ่งเหยิง หลากหลาย และมีเสียงดัง – แต่ละจุดข้อมูลโดยตัวมันเองมักจะไร้ความหมายอย่างสมบูรณ์ แต่หากไม่มีข้อมูล เราก็ตาบอด! แม้ว่าข้อมูลเพียงอย่างเดียวจะไม่เพียงพอ แต่ก็เป็นรากฐานที่จำเป็นในการต่อสู้กับสวนที่มีกำแพงล้อมรอบ เช่น Facebook เมื่อพูดถึงนักการตลาดและผู้โฆษณาที่เข้าใจ เข้าถึง และมีอิทธิพลต่อผู้ชม นี่คือที่มาของแมชชีนเลิร์นนิง เพื่อให้เข้าใจข้อมูลอินเทอร์เน็ตในวงกว้างและแบบเรียลไทม์ มีเทคนิคแมชชีนเลิร์นนิงที่สแกนอินเทอร์เน็ตเพื่อทำความเข้าใจหัวข้อและความหมายของเนื้อหาที่ผู้บริโภคเรียกดู โมเดลสื่อเพื่อคาดการณ์สิ่งต่างๆ เช่น ความเหมาะสมของแบรนด์ และความสามารถในการแสดงตัวโฆษณา และโมเดลเฉพาะแคมเปญเพื่อคาดการณ์ผลลัพธ์ – ทั้งหมดนี้ใช้แบบเรียลไทม์ เพื่อให้นักการตลาดใช้สามารถดำเนินการได้ในขณะนั้น ดังนั้น เมื่อฉันถูกถามคำถาม: “การกำหนดเป้าหมายตามบริบทดีพอๆ กับการกำหนดเป้าหมายตามพฤติกรรมหรือไม่” คำตอบของฉันก็คือ “ทำไมคุณถึงเลือกอย่างใดอย่างหนึ่ง” ข้อได้เปรียบมหาศาลของการใช้เทคโนโลยีอย่างเช่น แมชชีนเลิร์นนิงกับข้อมูลจำนวนมหาศาล และจากนั้นในการตัดสินใจก็คือ คุณไม่จำเป็นต้องลดมูลค่าของการแสดงผลให้เหลือเพียงมิติที่จำกัดซึ่งมนุษย์สามารถควบคุมได้อย่างสมเหตุสมผล (เช่น รายการที่อนุญาต บางกลุ่ม และบางปัจจัยในการเสนอราคา) สามารถใช้สัญญาณทั้งหมดได้ และระบบจะปรับให้เข้ากับโลกแบบไดนามิกรอบตัวได้โดยอัตโนมัติ ทำการตลาดไม่ใช่ Martech ด้วย AI และแมชชีนเลิร์นนิง นักการตลาดสามารถย้ายจากการดึงคันโยกหรือเอะอะกับตารางเดือยและที่แย่กว่านั้นคือกังวลเกี่ยวกับระบบ adtech หรือ Martech พวกเขาสามารถมุ่งเน้นไปที่ความคิดสร้างสรรค์ การวิเคราะห์จิตวิทยา หรือการทดสอบแนวคิด แมชชีนเลิร์นนิงเป็นเทคโนโลยีพื้นฐานที่เข้าใจข้อมูล ค้นหารูปแบบ และสามารถคาดการณ์ได้ ซึ่งท้ายที่สุดจะนำไปสู่การตัดสินใจที่ชาญฉลาด และผลลัพธ์ทางธุรกิจที่ดีขึ้น เกี่ยวกับผู้เขียน ในฐานะประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Quantcast ดร. ปีเตอร์ เดย์ มีหน้าที่รับผิดชอบในการสร้างแพลตฟอร์มผู้ชมอัจฉริยะที่เป็นนวัตกรรมใหม่ซึ่งใช้การเรียนรู้ของเครื่องและข้อมูลตามเวลาจริงเพื่อให้ได้ผลลัพธ์ ก่อนร่วมงานกับ Quantcast เขาใช้เวลา 12 ปีทำงานในตลาดการเงิน ปีเตอร์มีปริญญาเอก ในการเรียนรู้ของเครื่อง ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button