3 สิ่งเกี่ยวกับการเรียนรู้ของเครื่องที่นักการตลาดทุกคนต้องรู้

TL;DR : การเรียนรู้ของเครื่อง 101: 3 สิ่งที่นักการตลาดจำเป็นต้องรู้

มีข้อมูลหรือไม่

ฉันเดิมพันที่คุณทำ

ในความเป็นจริงข้อมูลจำนวนมาก เทราไบต์ของข้อมูล ไลบรารีมูลค่าของข้อมูล ด้วยการสตรีมที่มากขึ้นในทุก ๆ ชั่วโมงของทุกวัน

นักการตลาดเราชอบข้อมูลของเรา แต่เอาเถอะ … เราอาจใช้ข้อมูลเพียงเศษเสี้ยวที่เรารวบรวมเท่านั้น

ไม่ใช่ว่าเราไม่ต้องการใช้มันมากกว่านี้ พวกเราทำ.

คงจะวิเศษมาก ตัวอย่างเช่น การติดตามลูกค้าแต่ละคนไปรอบๆ เพื่อดูทุกสิ่งที่พวกเขาอ่าน ระยะเวลาที่พวกเขาอ่าน และที่พวกเขาคลิกถัดไป คุณอาจต้องการวางคุกกี้บนคอมพิวเตอร์ของพวกเขาและดูเว็บไซต์อื่นๆ ทั้งหมดที่พวกเขาไป คุณสามารถสำรวจพวกเขาได้เช่นกันและส่งข้อความส่วนตัวบนโซเชียลมีเดีย ทดสอบเวลาที่ดีที่สุดในการส่งข้อความ และช่องทางใดที่พวกเขาตอบกลับได้ดีที่สุด

จากนั้น ด้วยความรู้อันยอดเยี่ยมทั้งหมด คุณสามารถเข้าไปทำงานในสำนักงานของคุณ และออกแบบกลยุทธ์ทางการตลาดที่สมบูรณ์แบบสำหรับพวกเขาโดยเฉพาะ

ฉันไม่ได้พูดถึงการตลาดตามบัญชี ซึ่งงานของคุณเป็นของบริษัทเป้าหมายขนาดใหญ่แห่งหนึ่ง ฉันกำลังพูดถึงกลยุทธ์และการดำเนินการทางการตลาดที่สร้างสรรค์ขึ้นด้วยมือสำหรับทุกโอกาสที่เป็นไปได้ที่บริษัทของคุณมี

ลองคิดดู: แผนการตลาดที่ปรับให้เหมาะกับแต่ละบุคคลนับพันแผน ข้อความส่วนบุคคลหลายหมื่นข้อความ หลายแสนชั่วโมงสำรวจข้อมูล ศึกษาอย่างแน่ชัดว่าผู้มีโอกาสเป็นลูกค้าแต่ละรายมีพฤติกรรมอย่างไร

นั่นจะดีมากใช่ไหม

ถ้าคุณมีเวลาไม่จำกัดและทรัพยากรไม่จำกัด ถ้าคุณไม่เคยต้องนอน ไม่มีครอบครัวและไม่มีชีวิต … และรับประกันว่าคุณจะมีชีวิตอยู่อย่างน้อย 312 ปี

มิฉะนั้น … ลืมมันไป

ความสามารถในการโฟกัสอย่างใกล้ชิดและประมวลผลข้อมูลเล็กน้อยทั้งหมดที่เรามีเกี่ยวกับผู้มีโอกาสเป็นลูกค้าและลูกค้าของเรานั้นเป็นเรื่องที่น่าหัวเราะ ประสาทหลอน

เราไม่ใช่เครื่องจักร

อย่างมากที่สุด เรามีทรัพยากรเพียงพอที่จะแบ่งกลุ่มผู้ชมของเราเท่านั้น เราต้องสร้างตัวตนและเส้นทางของผู้ซื้อตามการคาดเดาที่ดีที่สุดของเรา (แน่นอนว่าได้รับข้อมูลจากข้อมูล)

แต่ถ้าเครื่องจักรสามารถทำได้ทั้งหมดล่ะ?

จะเป็นอย่างไรหากอัลกอริทึมที่ได้รับการฝึกฝนมาอย่างดีสามารถติดตามผู้มีโอกาสเป็นลูกค้าแต่ละรายของคุณ และสามารถแนะนำเนื้อหาที่สมบูรณ์แบบและส่งไปยังพวกเขาในเวลาที่เหมาะสม ในช่องทางที่พวกเขาน่าจะตอบกลับมากที่สุด แล้วจะเกิดอะไรขึ้นถ้าอัลกอริทึมสามารถทำนายเวลาที่สมบูรณ์แบบสำหรับพนักงานขาย ace ของคุณในการโทรหาพวกเขาได้ในที่สุด?

นั่นคือสิ่งที่แมชชีนเลิร์นนิงสามารถทำได้

นี่คือสิ่งที่คุณจำเป็นต้องรู้ (อย่างน้อยสำหรับผู้เริ่มต้น)

การเรียนรู้ของเครื่องเป็นส่วนย่อยของปัญญาประดิษฐ์

ตามคำจำกัดความที่ง่ายที่สุด แมชชีนเลิร์นนิงไม่มีอะไรมากไปกว่า “การใช้ข้อมูลเพื่อตอบคำถาม” สวมหมวกเพื่อขอบคุณชุดวิดีโอที่ยอดเยี่ยมของ Google เกี่ยวกับการเรียนรู้ของเครื่องสำหรับคำจำกัดความนั้น

มันเป็นประเภทเฉพาะ ‒ หรือระเบียบวินัย ถ้าคุณต้องการ - ของปัญญาประดิษฐ์ จุดแข็งประการหนึ่งคือความแม่นยำของอัลกอริทึมการเรียนรู้ของเครื่องสามารถปรับปรุงเมื่อเวลาผ่านไป สามารถ “เรียนรู้” ดังนั้น. ในขณะที่โปรแกรมที่สามารถเล่นหมากรุกอาจถูกพิจารณาว่าเป็นปัญญาประดิษฐ์ โปรแกรมที่สามารถเรียนรู้การเล่นหมากรุก ปิงปอง และเกมอื่นๆ จะเป็นตัวอย่างของการเรียนรู้ของเครื่อง

ระบบแมชชีนเลิร์นนิงที่ซับซ้อนกว่ามักเรียกว่า "การเรียนรู้เชิงลึก" สำหรับตัวอย่างเกม ระบบการเรียนรู้เชิงลึกได้รับการตั้งค่าให้ใช้หลายระดับ – เรียกว่า “ตาข่ายประสาท” ‒ เพื่อทำการประมวลผล

แมชชีนเลิร์นนิงใช้กับชุดข้อมูลขนาดใหญ่เกือบทุกชุด

แม้ว่านักการตลาดของเราอาจสนใจการเรียนรู้ของเครื่องเพื่อระบุลูกค้าเป้าหมายหรือเพิ่มประสิทธิภาพระบบการส่งข้อความของเรา แต่ก็มีแอปพลิเคชันมากมายสำหรับการเรียนรู้ของเครื่องในด้านการแพทย์ การเงิน สภาพอากาศ … ในชุดข้อมูลขนาดใหญ่จริงๆ

จัดหมวดหมู่สิ่งต่างๆ ได้ดี ดังที่เราเห็นในวิดีโอ Google แอปพลิเคชั่นหนึ่งที่ใช้งานอยู่แล้วคือการจดจำรูปถ่าย

แน่นอนว่า Facebook และ Google ทำสิ่งนี้มาระยะหนึ่งแล้ว แต่ในไม่ช้า อัลกอริทึมอาจดีพอที่จะจดจำเราได้แม้สวมแว่นกันแดดหรือหน้ากาก

หากคุณต้องการลองใช้รูปถ่ายระบุตัวตนที่ไม่เป็นอันตรายมากกว่านี้ ดาวน์โหลด Google Lens

ช่วยให้คุณถ่ายภาพสิ่งต่างๆ แล้วประเมินย้อนกลับถึงสิ่งที่คิดว่าเป็นภาพถ่าย มันสามารถจดจำอะไรก็ได้ตั้งแต่บาร์โค้ดไปจนถึงดอกไม้ไปจนถึงทางเข้าร้านอาหาร

ภาพถ่ายเป็นเพียงส่วนเล็ก ๆ ของภูเขาน้ำแข็งเท่านั้น แมชชีนเลิร์นนิงยังใช้สำหรับคำแนะนำ ไม่ว่าจะเป็น Netflix ที่แจ้งให้คุณทราบเกี่ยวกับภาพยนตร์ที่คุณอาจชอบ Amazon แนะนำผลิตภัณฑ์ หรือ Google แสดงรายการผลลัพธ์ตามคำค้นหาของคุณ

เมื่อพูดถึงการค้นหา … การค้นหาด้วยเสียงและการจดจำเสียงเป็นหนึ่งในแอปพลิเคชันที่มีแนวโน้มมากที่สุดสำหรับการเรียนรู้ของเครื่อง นี่ไม่ใช่แอปพลิเคชั่นที่ล้ำสมัยและใช้งานได้จริงตลอดสิบปี เมื่อปีที่แล้ว Google รายงานว่า 20% ของข้อความค้นหาเป็นการค้นหาด้วยเสียง Gartner คาดการณ์ว่า “30% ของการค้นหาจะทำโดยไม่ต้องใช้หน้าจอภายในปี 2020”

นักการตลาดมีความหวังอย่างมากสำหรับแมชชีนเลิร์นนิง

80% ของผู้บริหารฝ่ายการตลาดเชื่อว่าปัญญาประดิษฐ์ (ซึ่งรวมถึงแมชชีนเลิร์นนิง) จะ “ปฏิวัติ” อุตสาหกรรมการตลาดในอีก 5 ปีข้างหน้า

นั่นกำลังบอกอะไรบางอย่าง แต่อาจไม่ได้แปลว่าต้องทำอะไรสักอย่าง เพราะมีเพียง 10% ของนักการตลาดรายเดียวกันที่ทำแบบสำรวจเท่านั้นที่ใช้ AI จริงๆ

ยิ่งไปกว่านั้น มีเพียง 26% ของนักการตลาดเหล่านี้เท่านั้นที่มั่นใจมากว่าพวกเขาเข้าใจวิธีการใช้ AI ในด้านการตลาด (หวังว่าการอ่านบทความนี้จะช่วยให้คุณก้าวไปสู่ ​​26% นั้น … ถ้าเพียงเล็กน้อย)

ประเด็นนี้เกี่ยวกับการที่นักการตลาดยังไม่แน่ใจเกี่ยวกับวิธีการทำงานของแมชชีนเลิร์นนิงจริงๆ เกิดขึ้นในการศึกษาที่แตกต่างจาก TechEmergence พวกเขาสัมภาษณ์ผู้บริหาร 50 คนของบริษัทแมชชีนเลิร์นนิง โดยเน้นไปที่อุตสาหกรรมการตลาดโดยเฉพาะ ผู้บริหารเหล่านี้กล่าวว่าความท้าทายที่ยิ่งใหญ่ที่สุดของพวกเขาในการขายบริการคือ "การทำให้เทคโนโลยีลึกลับ" และถ้าคุณดูคำตอบอื่นๆ ที่ได้รับ (เช่น "ผู้คนสับสนกับเทคโนโลยี") ปัญหาของนักการตลาดที่ไม่เข้าใจแมชชีนเลิร์นนิงจริงๆ อาจเป็นหนึ่งในอุปสรรคที่ใหญ่ที่สุดในการนำไปใช้

แม้จะเกิดความสับสน แต่ดูเหมือนว่านักการตลาดจะรู้ว่าส่วนใดของงาน AI ที่อาจช่วยพวกเขาได้:

• 60% ของพวกเขากล่าวว่า AI สามารถให้ข้อมูลเชิงลึกที่ดีขึ้นเกี่ยวกับบัญชีของพวกเขา
• 56% คาดหวังว่าจะช่วยให้พวกเขาวิเคราะห์แคมเปญได้ดีขึ้น
• 53% กล่าวว่าจะช่วยให้ระบุลูกค้าที่คาดหวังได้ และ
• 53% กล่าวว่าจะช่วยเพิ่มประสิทธิภาพของงานประจำวัน (ขอบคุณ ตัวกรองสแปม)

ซึ่งแตกต่างจากที่ผู้ขายคิดว่าเป็นโอกาสเล็กน้อย (แม้ว่าจะไม่ใช่การเปรียบเทียบแบบ "แอปเปิลกับแอปเปิล" ก็ตาม) ผู้ขายเลือกการค้นหา "การแบ่งกลุ่มลูกค้า/การกำหนดเป้าหมาย" และ "เครื่องมือแนะนำ" เป็นแอปพลิเคชันที่มีแนวโน้มมากที่สุด

แม้จะมีสัญญาทั้งหมด แต่นักการตลาดก็ยังมีข้อกังวลมากมายเกี่ยวกับการนำแมชชีนเลิร์นนิงหรือ AI ทุกรูปแบบไปใช้:

• 60% มีความกังวลเกี่ยวกับการรวม AI เข้ากับเทคโนโลยีที่มีอยู่ (ซึ่งตรงกับสิ่งที่ผู้ขายกล่าวว่าเป็นปัญหาเกี่ยวกับคุณภาพข้อมูลและการรวมระบบ)
• 54% กังวลเกี่ยวกับการฝึกอบรมพนักงาน
• 46% ไม่สบายใจเกี่ยวกับการตีความผลลัพธ์; และ
• 42% ไม่สบายใจเกี่ยวกับค่าใช้จ่าย

ถึงกระนั้น นักการตลาดก็เต็มใจที่จะดำดิ่งในทุกวิถีทาง ตราบเท่าที่พวกเขาสามารถมั่นใจได้ใน:

• อัตราการปิดการขายที่ดีขึ้น (59% กล่าวเช่นนั้น);
• รายได้เพิ่มขึ้น (58%);
• ปรับปรุงการเข้าชมและการมีส่วนร่วมบนเว็บไซต์ของพวกเขา (54%); และ
• อัตราการแปลงที่สูงขึ้นสำหรับโอกาสในการขาย (52%)

บทสรุป

แมชชีนเลิร์นนิงอาจเปลี่ยนโลกได้ ไม่มีใครอื่นนอกจากวลาดิมีร์ ปูตินที่กล่าวว่า "ผู้ที่เป็นผู้นำในด้านนี้จะเป็นผู้ปกครองโลก"

ดังนั้น แม้ว่าบางครั้งมันอาจจะสร้างความสับสนและต้องการให้เราทุกคนกลับไปปรับปรุงคุณภาพข้อมูลของเรา แต่รางวัลของแมชชีนเลิร์นนิงก็อยู่ที่นั่น นักการตลาดที่สามารถเป็นผู้นำในด้านนี้อาจลงเอยด้วยการปกครองอุตสาหกรรมของตน

กลับไปหาคุณ

คุณเป็นหนึ่งในนักการตลาด 1 ใน 10 ที่ใช้แมชชีนเลิร์นนิง (หรือ AI รูปแบบใดก็ตาม) ในการตลาดของคุณอยู่แล้วหรือไม่ คุณมีแผน – และจัดสรรงบประมาณ – เพื่อดำเนินการในปีหน้าหรือไม่? แสดงความคิดเห็นและบอกเราว่าคุณอยู่ที่ไหนในเรื่องนี้