facebook chatbots

Aan de slag met Machine Learning en AI voor marketing

7 min


110

Kunstmatige Intelligentie is krachtig en zal dingen kunnen waarvan we op dit moment niet eens weten dat ze bestaan. Maar er zijn enkele stappen die u vandaag kunt nemen om ervoor te zorgen dat u het meeste uit deze nieuwe mogelijkheid haalt en niet achterblijft.

Omdat dit zo’n nieuw gebied is, dient het om te beginnen met een korte beschrijving van kunstmatige intelligentie en machinaal leren.

Dus hoe definiëren we AI?

Als overkoepelende term is kunstmatige intelligentie een geavanceerde computerwetenschap die ons computervisie, natuurlijke taalverwerking en chatbots oplevert. Voor marketing brengt het ons klantenservicegesprekken met de vraag: “Bent u een bot?”

Het biedt ook gepersonaliseerde, dynamische inhoud, robots in hardware-winkels en de mogelijkheid om blauwe pennen te bestellen door op de eenvoudige knop van Staples te drukken en er eenvoudig om te vragen.

Welke rol speelt machinaal leren in AI?

Machine Learning levert de motor onder AI. In een notendop, machine learning is de kunst van het bouwen van systemen die van gedachten kunnen veranderen. In plaats van een strikte logica te schrijven voor strikte uitvoering, weegt een machine-leersysteem de beschikbare gegevens om een ​​beslissing te nemen over een bepaald doel. Welke advertentie moeten we weergeven? Hoe moet de bot reageren op deze vraag? Wanneer het nieuwe gegevens ontvangt, verandert het zijn eerdere weging om tegemoet te komen aan de nieuwe realiteit.

Machine Learning is onderverdeeld in Supervised, Unsupervised en Reinforcement Learning. Een gegevenswetenschapper kiest een algoritme voor bewaakt machine-leren wanneer het antwoord al bekend is (is dit een foto van een kat?), Een algoritme voor onbeveiligd machine learning wanneer het antwoord onbekend is (wat hebben mijn beste klanten gemeen?) En versterking Leren wanneer er geen absoluut antwoord is (wat is de beste advertentie om aan dit type persoon nu te tonen?).

We kunnen het apparaat corrigeren als het fout is met die kat, uitgaan en prospects vinden die eruitzien als het klantensegment dat het identificeerde, en de machine in staat stellen ons rendement op advertentie-uitgaven in de loop van de tijd te verbeteren.

De kloof tussen de praktische toepassingen van deze nieuwe technologie en de zware wiskunde erachter is behoorlijk breed. Hoe zorgt een marketingmanager voor solide basis, snel begrip en een voorsprong op de concurrentie?

  • Poets je statistieken op
  • Blijf op de hoogte van ontwikkelingen
  • Experiment –
  • Wees een wijzigingsagent

Poets je statistieken op

Dit wil niet zeggen dat je indrukwekkende wispelturens in je hoofd moet uitvoeren, maar je wilt wel rationele gesprekken hebben over gegevens en de analyse van die gegevens.

Je moet weten hoe je een auto moet besturen, de regels van de weg en waar je naartoe wilt. U hoeft niet te weten hoe de auto werkt, maar wanneer zij zeggen dat er een probleem is met uw transmissie, moet u genoeg weten om zich zorgen te maken over de kosten van het repareren ervan.

Als de concepten van sampling, statistische significantie en lineaire regressie buiten je comfortzone liggen, neem dan de tijd om hier bekend mee te worden.

Blijf op de hoogte van ontwikkelingen

Wanneer je luistert naar echte datawetenschappers die praten over hoe dit allemaal werkt, besef je snel hoe fris deze wetenschap is. Het is allemaal zo nieuw dat ze steevast verwijzen naar een canoniek papier geschreven in de afgelopen drie maanden. Als je vastbesloten bent om van boven naar beneden in duiken te duiken en ML te leren, heb je een carrièrebeslissing genomen en geen hobby opgepikt. Dingen gaan zo snel dat je niet langer stil moet staan ​​bij de details, maar bij de concepten.

Luister naar podcasts zoals This Week in Machine Learning en AI om een idee te krijgen van hoe ontluikend en complex deze onderzoekslijn echt is. Maak kennis met de taal, maar alleen goed genoeg om het menu te verlaten en om een ​​routebeschrijving te vragen.

Op die manier kunt u, wanneer er artikelen over Google Building Machine Learning-machines zijn die zichzelf leren hoe Machine Learning-machines worden gebouwd , deze zonder een woordenlijst lezen.

Experiment

In marketing zijn Machine Learning-systemen zeer goed in het uitvoeren van ‘cognitieve’ taken:

  • ranking
  • sorteer-
  • Patronen zoeken
  • Uitschieters vinden
  • Leren van nieuwe informatie

Probeer het.

AI marketingtools

Er zijn allerlei start-ups die allerhande AI- en ML-tools maken als virtuele persoonlijke assistenten, datagestuurde besluitvorming, het organiseren en analyseren van visuele assets, het maken van content en algemene marketingplatformen. Hier is een handleiding voor marketeers voor AI en 45 AI marketingtools om mee aan de slag te gaan .

Breng een paar van deze naar uw werkplek en probeer ze uit. Verkennen, experimenteren, exploiteren. Uiteindelijk zul je wat nuttiger vinden dan andere, maar voor nu is leren de sleutel.

Deze tools zijn heel eng gericht en eigenlijk alleen zo-zo op hun werk. Als je echter een generieke Machine Learning-tool kunt trainen om zo slecht te presteren als een mens, dan is het nog steeds beter, goedkoper, sneller dan een mens inhuren. Geen pauzes, geen ziektijden, geen pensioen en, althans voorlopig, geen collectieve onderhandelingen (grap). Op tijd en met voldoende gegevens zal het leren om het werk beter te doen dan een mens. Er zijn tal van goedbetaalde mensen die veel tijd besteden aan het uitvoeren van taken die kunnen worden uitgevoerd om iets creatiever te doen.

Experimenteer met tools voor:

  • testen
  • Lead scoren
  • Vergaderplanning
  • Inhoud personaliseren
  • Inkomende e-mailsortering
  • Monitoring van sociale media
  • Programmatische reclame
  • Social media-berichten en ad-kopie maken

Omhels Fuzzy-nummers en falen

Wanneer je met mensen werkt die de feiten wegen en vervolgens van gedachten veranderen, reken je op hen om uit te leggen waarom hun mening is veranderd. Psychologen zullen je vertellen dat mensen emotionele beslissingen nemen en vervolgens hun oordeel rationaliseren wanneer daarom wordt gevraagd.

Machine Learning-systemen zijn gebaseerd op rationalisatie, zonder het voordeel van emoties. In plaats van met hun darmen te controleren en te bepalen dat ze geen sushi van een voedselwagen op een hete zomerdag mogen eten, probeert een ML-systeem elk gegevenspunt waarover het beschikt te correleren om tot een wiskundige beslissing te komen. De reden voor zijn beslissing is wiskunde, geen logica.

Gegevenswetenschappers zullen uitleggen hoe ondoorzichtig dat proces is. Vrouwen tussen de 18 en 34 jaar hebben meer interesse in een nieuwe, geurige deodorant met bloemen, zegt het bureau dat focusgroepen, online polls en onderzoek op sociale media heeft gedaan.

De machine zegt dat mensen die a) 53.256% meer op deze manier scoren, b) 45.980% meer op die manier, en c) hebben getoond dat een van deze 273 gedragingen in het vereiste tijdsbestek eerder geïnteresseerd zijn. Wat betekenen die getallen? Als er 50, 100 of 1000 attributen in overweging zijn, is de betekenis wiskundig, niet begrijpbaar voor een mens. En toch zijn de resultaten indrukwekkend.

Daarom moet je wennen aan het idee dat waarschijnlijkheid je vriend is. Dit is heel anders dan bij de boekhouding. Er zijn geen binaire keuzes meer, er zijn alleen grijstinten.

Begin met het veranderen van hoe u praat over computers. Neem een ​​tip van Zoni Nation op GitHub en zeg nooit nooit. Zeg: “de kans is klein, of” het is hoogst onwaarschijnlijk “.

Hoe graag we ook hunkeren naar zekerheid, niets in het echte leven staat los van dood en belastingen. Machine Learning is comfortabel met fuzzy numbers en probabiliteiten en heeft geen enkele moeite met het leren van fouten, op grote schaal.

Goed oordeel komt uit ervaring en ervaring komt voort uit slecht beoordelingsvermogen.

– Rita Mae Brown

Mensen zijn veel minder vergevingsgezind. Gelukkig zijn mensen veel intelligenter. We hebben de capaciteit om al onze geaccumuleerde kennis te gebruiken voor een bepaald probleem, terwijl die machine alleen aan een bepaalde taak kan werken met de weinige gegevens die het op dit moment krijgt.

Computers zijn ongelooflijk snel, nauwkeurig en dom. Mensen zijn ongelooflijk langzaam, onnauwkeurig en briljant. Samen zijn ze krachtig onvoorstelbaar.

– Albert Einstein

Wees een wijzigingsagent

Een effectieve marketingmanager zijn, hangt af van de besluitvorming door de uitvoerende macht. Solide uitvoerende besluitvorming hangt af van ervaring en beste praktijken. U kunt erachter komen wat die beste praktijken zouden moeten zijn en het voortouw nemen, of wachten tot alle anderen het achterhalen en vervolgens proberen in te halen.

Leidinggeven is beter. Door middel van kunstmatige intelligentie en machineleren zullen beoordeling en durf meer waard zijn dan ervaring en een solide staat van dienst.

Waarschijnlijk zijn er een of meer groepen in uw organisatie die spelen met kunstmatige intelligentie in hun vrije tijd. Ze bezoeken conferenties. Ze knabbelen met trainingsdatasets op cloud-gebaseerde systemen. Ze bouwen rudimentaire apps. Dit is zeker omdat kunstmatige intelligentie en machinaal leren zo fascinerend zijn dat iedereen die met software en / of data werkt, denkt dat het testen van een of ander geavanceerd, zelflerend systeem veel interessanter is dan het kijken naar de nieuwste televisie die je niet gezien moet hebben.

De eerste en belangrijkste stap is om de onderzoekers in uw bedrijf te vinden en hen enthousiast te maken over het gebruik van hun superkrachten voor marketing. Deze methoden worden veel vaker gebruikt bij productontwikkeling, fabricage, detectie van fraude, gezondheidszorg enzovoort. Marketing is gewoon niet op hun radar geweest.

Zodra uw datawetenschappers enthousiast zijn over de enorme hoeveelheid beschikbare marketinggegevens en ervan overtuigd zijn dat zij de doelen van marketing begrijpen, zullen zij beginnen met testen. Zorg ervoor dat u op de hoogte blijft zodat u ze op een handige manier in de goede richting kunt duwen, terwijl u op de hoogte blijft van de groeiende mogelijkheden van uw bedrijf.

U zou kunnen beginnen met het trainen van een machine-leersysteem om knip-en-plak paragrafen voor te stellen aan uw vertegenwoordigers van de klantenservice, een bepaalde mate van inhoud op uw website personaliseren, of het juiste tijdstip van de dag kiezen om e-mails te verzenden. Dit zal een tijdrovende en enigszins frustrerende ervaring zijn. Dat is goed. Het is hoe we leren. Na veel testen en trainen, wordt het tijd om de sluisdeuren te openen en laat de tiener de auto solo rijden. Enigszins riskant? Ja. Zenuwslopend? Beslist. Noodzakelijk voor de ontwikkeling van competenties? Absoluut.

Verandermanagement is de kunst anderen te overtuigen. Het geruststellende van AI is dat het stukje bij beetje kan en moet gebeuren. Je moet niet proberen de oceaan te koken. Je hoeft niet het hele bord, de C-suite, de vice-presidenten, de directeurs en managers in een kamer te krijgen en ‘De toekomst uitleggen’, zoals nodig was met een digitale transformatie.

Het 8-stappen proces van John Kotter voor toonaangevende verandering is belangrijk bij het wijzigen van de koers van een vliegdekschip:

  1. Creëer een gevoel van urgentie.
  2. Creëer de leidende coalitie.
  3. Ontwikkel een visie en strategie.
  4. Communiceer de veranderingsvisie.
  5. Geef werknemers de mogelijkheid om op brede basis actie te ondernemen.
  6. Genereer kortetermijnwinst.
  7. Consolideer winsten en produceer meer verandering.
  8. Veranker nieuwe benaderingen in de cultuur.

In ‘ The Rise of Cognitive Work Redesign ‘ kijkt Tom Davenport naar de implementatie van AI op thematische wijze. Hij wijst naar geschikte bedrijfsprocescontexten, waaronder:

  1. Waar sprake is van een kennisknelpunt (bijvoorbeeld medische diagnose en behandeling in landelijke gebieden).
  2. Waar de vereiste kennis te duur is om breed te verstrekken (beleggingsadvies, en misschien zelfs hbo-opleiding, zijn voorbeelden).
  3. Waar te veel gegevens of analyses voor het menselijk brein onder de knie zijn (programmatisch kopen van advertenties in digitale marketing is een goed voorbeeld).
  4. Waar er behoefte is aan een consistent hoge beslissingskwaliteit (de beste voorbeelden zijn verzekeringstechnische acceptatie en kredietbeslissingen in het bankwezen).
  5. Waar regeldruk een meer geïnformeerde processtroom vereist (wederom is beleggingsadvies een voorbeeld).

Samenwerken met een architect, een keukenontwerper, een baanvoorman en een stadsinspecteur is vereist om uw keuken opnieuw in te richten. Toch vereisen ze allemaal heel andere tactieken en manieren van gesprek.

Werken met een data scientist is anders dan werken met klassiek geschoolde IT-technici, database-ontwerpers of programmeurs. Het maken van AI-systemen is geen kwestie van het definiëren van vereisten, het genereren van ontwerpen, wachten op constructie, tandenknarsen tijdens het testen, het uittrekken van je haar tijdens het debuggen en het vasthouden van je adem tijdens de lancering. Het maken van AI-systemen is meer een dans. Daarvoor is het goed om je partner te kennen.

De belangrijkste boodschap voor uw organisatie is dat AI niet wordt ingezet om mensen te vervangen, maar om met hen samen te werken en hen beter te laten samenwerken.

Conclusie

Het is jouw taak om je vertrouwd te maken met statistieken, op de hoogte te blijven van veranderingen in de technologie vanaf ongeveer het niveau van 30.000 voet, te leren door dingen te proberen en te zien hoe ze gaan, te wennen aan grijstinten en onzekerheid, en degene te zijn die de leiding heeft in rekening brengen.

Dit kunnen nu babystapjes zijn, maar uiteindelijk zal je bot je er dankbaar voor zijn.


Erwin@delaatbusiness.com
Dag, Hulp nodig met internet marketing of websites maken? neem dan contact op

0 Comments

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Choose A Format
Personality quiz
Series of questions that intends to reveal something about the personality
Trivia quiz
Series of questions with right and wrong answers that intends to check knowledge
Poll
Voting to make decisions or determine opinions
Story
Formatted Text with Embeds and Visuals
List
The Classic Internet Listicles
Countdown
The Classic Internet Countdowns
Open List
Submit your own item and vote up for the best submission
Ranked List
Upvote or downvote to decide the best list item
Meme
Upload your own images to make custom memes
Video
Youtube, Vimeo or Vine Embeds
Audio
Soundcloud or Mixcloud Embeds
Image
Photo or GIF
Gif
GIF format