모든 마케터가 알아야 할 기계 학습에 대한 3가지 사항

요약 : 머신 러닝 101: 마케터가 알아야 할 3가지

데이터가 있습니까?

당신이 내기.

사실 엄청난 양의 데이터입니다. 테라바이트의 데이터. 데이터 가치가 있는 라이브러리. 매일 매시간 더 많은 스트리밍이 제공됩니다.

우리 마케팅 담당자는 우리의 데이터를 좋아하지만 현실을 직시합시다. 우리는 아마도 우리가 수집한 데이터의 일부만 사용할 것입니다.

우리가 그것을 더 많이 사용하고 싶지 않다는 것이 아닙니다. 우리는하다.

예를 들어 주변의 모든 고객을 따라가서 그들이 읽는 모든 내용, 읽는 시간, 다음에 클릭한 곳을 볼 수 있다면 정말 멋질 것입니다. 컴퓨터에 쿠키를 저장하고 방문한 다른 모든 웹사이트를 보고 싶을 수도 있습니다. 그들을 조사하고 소셜 미디어에서 개인 메시지를 보낼 수도 있습니다. 그들에게 메시지를 보내기에 가장 좋은 시간이 언제인지, 그리고 그들이 가장 잘 응답하는 채널은 무엇인지 테스트하십시오.

그런 다음 그 모든 놀라운 지식을 가지고 사무실에 숨어 그들을 위한 완벽한 마케팅 전략을 설계할 수 있습니다.

귀하의 작업이 하나의 큰 목표 회사를 위한 계정 기반 마케팅과 같은 것을 말하는 것이 아닙니다. 귀하의 회사가 가질 수 있는 모든 가능한 잠재 고객에 대한 완전히 개인화되고 수작업으로 만들어진 마케팅 전략 및 실행에 대해 이야기하고 있습니다.

생각해보세요. 완전히 개인화된 수천 개의 마케팅 계획입니다. 수만 개의 개인화된 메시지. 수십만 시간 동안 데이터를 조사하고 모든 잠재 고객이 어떻게 행동하는지 정확히 연구했습니다.

정말 좋겠죠?

글쎄요, 시간과 자원이 무제한이라면 아마도 그럴 것입니다. 잠을 자지 않아도 되고, 가족도 없고, 삶도 없다면... 그리고 적어도 312세까지 살 것이라는 보장이 있다면.

그렇지 않으면 … 잊어버려.

그것에 집중할 수 있고 잠재 고객과 고객에 대해 가지고 있는 모든 데이터를 처리할 수 있다는 것은 우스운 일입니다. 망상.

우리는 기계가 아닙니다.

기껏해야 청중을 분류할 수 있는 리소스만 충분합니다. 우리는 최선의 추측(물론 데이터를 통해 알 수 있음)을 기반으로 페르소나와 구매자 여정을 만들어야 합니다.

하지만 기계가 그 모든 것을 할 수 있다면 어떨까요?

잘 훈련된 알고리즘이 각 잠재 고객을 따라다니며 완벽한 콘텐츠를 추천하고 그들이 응답할 가능성이 가장 높은 채널에서 완벽한 시간에 보낼 수 있다면 어떨까요? 그리고 알고리즘이 에이스 영업 사원이 마침내 전화를 걸 수 있는 완벽한 시간을 예측할 수 있다면 어떨까요?

이것이 바로 기계 학습이 할 수 있는 일입니다.

여기에 대해 알아야 할 사항이 있습니다(최소한 초보자용).

기계 학습은 인공 지능의 하위 집합입니다.

가장 간단한 정의에서 기계 학습은 "데이터를 사용하여 질문에 답하는 것"에 지나지 않습니다. 그 정의에 대한 기계 학습에 대한 Google의 뛰어난 비디오 시리즈에 감사드립니다.

그것은 인공 지능의 특정 유형 또는 규율입니다. 그 강점 중 하나는 기계 학습 알고리즘의 정확도가 시간이 지남에 따라 향상될 수 있다는 것입니다. "학습"할 수 있습니다. 그래서. 체스를 할 수 있는 프로그램은 인공 지능으로 간주될 수 있지만 체스, 탁구 및 기타 게임을 배울 수 있는 프로그램은 머신 러닝의 예입니다.

더 복잡한 기계 학습 시스템은 종종 "딥 러닝"이라고 합니다. 따라서 게임 예의 경우 딥 러닝 시스템은 "신경망"이라고 하는 여러 수준을 사용하여 처리를 수행하도록 설정됩니다.

기계 학습은 거의 모든 대규모 데이터 세트에 적용됩니다.

마케팅 담당자는 리드를 식별하거나 메시징 시스템을 최적화하기 위해 기계 학습에 관심을 가질 수 있지만 실제로 모든 대규모 데이터 세트에서 의학, 금융, 날씨 등의 기계 학습을 위한 방대한 응용 프로그램이 있습니다.

Google 비디오에서 본 것처럼 항목을 분류하는 데 능숙합니다. 이미 사용 중인 애플리케이션 중 하나는 사진을 인식하는 것입니다.

물론 페이스북과 구글은 한동안 이 일을 해왔지만 머지않아 알고리즘은 선글라스나 마스크를 착용한 상태에서도 우리를 인식할 수 있을 만큼 충분히 좋아질 것입니다.

훨씬 더 온건한 형태의 사진 식별을 가지고 놀고 싶다면 Google 렌즈를 다운로드하십시오.

그것은 당신이 사진을 찍을 수 있게 하고, 그 사진이 무엇이라고 생각하는지에 대한 평가를 돌려줍니다. 바코드에서 꽃, 식당 입구까지 무엇이든 인식할 수 있습니다.

하지만 사진은 빙산의 일각에 불과합니다. 기계 학습은 추천에도 사용됩니다. Netflix가 좋아할 만한 영화를 알려주거나, Amazon이 제품을 제안하거나, Google이 검색 쿼리를 기반으로 결과 목록을 제공하는지 여부입니다.

검색 얘기가 나와서 말인데... 음성 검색과 음성 인식은 기계 학습을 위한 가장 유망한 응용 프로그램 중 하나입니다. 이것은 전혀 미래적이고 10년 후의 애플리케이션이 아닙니다. 작년에도 Google은 검색어의 20%가 음성 검색이라고 보고했습니다. Gartner는 "2020년까지 검색의 30%가 화면 없이 수행될 것"이라고 예측합니다.

마케팅 담당자는 기계 학습에 대한 큰 희망을 가지고 있습니다.

마케팅 임원의 80%는 인공 지능(머신 러닝 포함)이 향후 5년 동안 마케팅 산업을 "혁신"할 것이라고 믿습니다.

그것은 무언가를 말하는 것입니다. 그러나 조사 대상 마케터 중 10%만이 실제로 AI를 사용하고 있기 때문에 반드시 무언가를 하는 것으로 해석되지 않을 수 있습니다.

더욱 심각한 사실은 이러한 마케터 중 26%만이 AI가 마케팅에 어떻게 사용되는지 이해하고 있다고 매우 확신한다는 것입니다. (바라건대 이 기사를 읽으면 26%로 넘어가는 데 도움이 될 것입니다... 조금이라도.)

기계 학습이 실제로 어떻게 작동하는지에 대해 마케터가 모호하다는 이 문제는 TechEmergence의 다른 연구에서 나타났습니다. 그들은 마케팅 산업에 특히 중점을 두고 기계 학습 회사의 임원 50명을 인터뷰했습니다. 이 임원들은 서비스를 판매하는 데 가장 큰 어려움이 "기술을 이해하는 것"이라고 말합니다. 그리고 주어진 다른 답변 중 일부를 보면(예: "사람들이 기술에 혼란스러워합니다"), 기계 학습을 실제로 이해하지 못하는 마케팅 담당자의 문제는 채택에 가장 큰 장애물 중 하나일 수 있습니다.

혼란에도 불구하고 마케터는 업무의 어떤 부분에서 AI가 도움이 될 수 있는지 알고 있는 것 같습니다.

• 그들 중 60%는 AI가 계정에 대한 더 나은 통찰력을 제공할 수 있다고 말했습니다.
• 56%는 캠페인을 더 잘 분석하는 데 도움이 될 것으로 기대합니다.
• 53%는 잠재 고객을 식별하는 데 도움이 될 것이라고 말했습니다. 그리고
• 53%는 일상 업무의 효율성을 높일 것이라고 말했습니다(스팸 필터 덕분입니다).

이는 공급업체가 생각하는 기회와 약간 다릅니다(정확히 "사과 대 사과" 비교는 아니지만). 공급업체는 가장 유망한 애플리케이션으로 검색, "고객 세분화/타겟팅" 및 "추천 엔진"을 선택합니다.

모든 약속에도 불구하고 마케터는 기계 학습 또는 모든 형태의 AI 구현에 대해 많은 우려를 가지고 있습니다.

• 60%는 AI를 기존 기술에 통합하는 것에 대해 우려하고 있습니다(이는 공급업체가 말하는 데이터 품질 및 통합 문제와 일치함).
• 54%는 직원 교육에 대해 걱정하고 있습니다.
• 46%는 결과 해석에 대해 걱정합니다. 그리고
• 42%는 비용에 대해 불안합니다.

그럼에도 불구하고 마케터는 다음을 확신할 수 있는 한 어떤 식으로든 적극적으로 뛰어들 것입니다.

• 판매 마감율 향상(59%가 그렇다고 답함);
• 매출 증가(58%);
• 웹사이트의 트래픽 및 참여도 향상(54%) 그리고
• 리드에 대한 더 높은 전환율(52%).

결론

기계 학습은 세상을 바꿀 수 있습니다. 블라디미르 푸틴 외에는 “이 분야의 지도자가 되는 자가 세계의 통치자가 될 것”이라고 말한 사람이 없다.

따라서 때때로 혼란스러울 수 있고 우리 모두가 돌아가서 데이터 품질을 개선해야 하지만 머신 러닝의 보상이 있습니다. 이 분야를 주도할 수 있는 마케터는 결국 자신의 산업을 지배하게 될 수도 있습니다.

당신에게 돌아

마케터 10명 중 한 명은 이미 마케팅에 기계 학습(또는 모든 형태의 AI)을 사용하고 있습니까? 내년에 시행할 계획과 할당된 예산이 있습니까? 의견을 남기고 현재 위치를 알려주십시오.