Obchodníci a strojové učenie: rýchlejšie, inteligentnejšie a efektívnejšie
Marketingoví pracovníci už desaťročia používajú testovanie A / B na určenie efektívnosti ponúk v miere odozvy riadenia. Obchodníci prezentujú dve verzie (A a B), zmerajú mieru odozvy, určia víťaz, a potom dajte túto ponuku všetkým.
Ale priznajme si. Tento prístup je ochromujúco pomalý, zdĺhavý a nepresvedčivo nepresný - najmä keď ho použijete v mobilných zariadeniach. To, čo mobilný marketingový pracovník skutočne potrebuje, je spôsob, ako určiť správnu ponuku pre každého zákazníka v danom kontexte.
Predplatitelia mobilných zariadení predstavujú jedinečnú výzvu, pokiaľ ide o identifikáciu optimálneho spôsobu, ako ich zaujať a motivovať. Kontexty mobilných používateľov sa neustále menia, a preto je ťažké určiť, kedy, kde a ako s nimi komunikovať. Na zvýšenie tejto výzvy očakávajú mobilní používatelia vysoký stupeň personalizácie, pokiaľ ide o interakciu s nimi prostredníctvom ich osobného zariadenia. Takže tradičný A / B prístup - kde každý prijíma víťaz - nespĺňa podmienky pre obchodníkov ani pre spotrebiteľov.
V boji proti týmto výzvam - a s využitím plného potenciálu mobilných telefónov - sa marketingoví pracovníci obracajú na technológie veľkých dát, ktoré sú schopné pokročiť v analýze správania a automatickom rozhodovaní s cieľom určiť pre každého jednotlivého zákazníka tú správnu správu a správny kontext.
Aby to dosiahli vo veľkom rozsahu, využívajú pákový efekt strojové učenie. Strojové učenie má schopnosť prispôsobiť sa novým údajom - bez toho, aby boli na ne výslovne naprogramované - spôsobmi, ku ktorým sa ľudia nemôžu priblížiť. Podobne ako pri dolovaní dát, aj strojové učenie prehľadáva obrovské množstvo dát pri hľadaní vzorov. Namiesto získavania poznatkov o ľudskej činnosti však strojové učenie využíva údaje na zlepšenie vlastného porozumenia programu a na základe toho automaticky upravuje akcie. Je to v podstate A / B testovanie na automatickej regulácii otáčok.
Dôvod, prečo to dnešných mobilných marketingových pracovníkov mení, je ten, že strojové učenie automatizuje testovanie nekonečného množstva správ, ponúk a kontextov a potom určuje, čo pre koho, kedy a kde funguje najlepšie. Think ponúka A a B, ale aj E, G, H, M a P spolu s ľubovoľným počtom kontextov.
Vďaka schopnostiam strojového učenia sa automaticky zaznamenáva proces zaznamenávania prvkov doručovania správ (napr. Kedy boli odoslané, komu, s akými parametrami ponuky atď.) A prvkov ponuky. Bez ohľadu na to, či sú ponuky akceptované, alebo nie, odpovede sa zachytávajú ako spätná väzba, ktorá potom optimalizuje rôzne typy automatizovaného modelovania. Táto slučka spätnej väzby sa používa na doladenie následných aplikácií rovnakých ponúk pre iných zákazníkov a iných ponúk pre tých istých zákazníkov, aby budúce ponuky mali vyššiu pravdepodobnosť úspechu.
Eliminovaním dohadov môžu marketingoví pracovníci tráviť viac času tvorivým premýšľaním o tom, čo prináša zákazníkom väčšiu hodnotu v porovnaní s tým, ako a kedy to majú dodať.
Tieto jedinečné schopnosti, ktoré umožňujú pokroky v oblasti spracovania veľkých dát, ukladania, dotazovania a strojového učenia, sú dnes v mobilnom priemysle špičkové. Mobilní operátori v popredí ich používajú na formulovanie zaujímavých poznatkov o správaní sa, ako aj na vytváranie marketingových kampaní, ktoré v konečnom dôsledku ovplyvňujú správanie zákazníkov s cieľom zvýšiť lojalitu, znížiť mieru odlivu a dramaticky zvýšiť výnosy.