ディープ ファインド アウトとはマーケターが知っておくべきことのほとんどすべてがここにあります

Zara や H&M などの多くの企業やメーカーが自社の業種に AI を取り入れているため、合成知能 (AI) は最近注目されています。 マーケティング担当者として、これが心配になるのではないかと思うかもしれません。 AIは私たちの仕事を超えて獲得しようとしていますか? 実際、AI は深い研究ノウハウを使用することで、マーケターにとってマーケティングをよりシンプルにし、さらに効果的にすることができます。

しかし、ディープマスタリングとは何ですか？ それはどのように機能しますか？ また、それをどのように広告やマーケティング、企業の利益に活用できますか? ここにリストされているのは、起業家が深い発見と、インターネット マーケティング市場で実行できる有益な位置について知っておく必要があることです。

人工知能の深層学習とは？

機器の発見と深い研究

インターネット マーケティングと広告におけるディープ ディスカバリーの例

ニューラルネットワークのスクーリング

起業家が深い研究をどのように利用できるか

広告の深い研究を受け入れる

個人が知識から発見する方法と非常によく似ており、ディープ ラーニング アルゴリズムはタスクを繰り返し実行し、ほぼ毎回変更を加えて結果を改善します。 「深い発見」とは、発見を可能にするニューラル ネットワークの広い (深い) 層を指します。

機器の発見 vs. 深い発見

ディープスタディは一種の機械学習です。 デバイス研究とは、コンピューターがアルゴリズムを適用してデータから学習し、プログラムされていないことを想定して行動することを意味します。言い換えれば、人間の介入を必要とせずに、言葉やフレーズです。 前述のように、深い理解とは、デスクトップが人間の脳をモデルにした構造を使用して感じることを学習することです。

マシンの発見には、コンピューティング能力も大幅に低下しますが、ディープ ラーニングでは継続的な人間の介入がはるかに少なくて済みます。

マーケティングとマーケティングにおける深層学習の例

たとえば、オンラインの自動車販売店で、リアルタイム入札 (RTB) を使用して、リターゲティングを目的として他のインターネット サイトで商品の広告掲載場所を取得したいとします。

RTB は、100 ミリ秒未満の短い時間枠で行われる自動方式です。 人が Web サイトにアクセスすると、広告主にアラートが送信され、その広告主が広告展示に入札したかどうかに関係なく、一連のアクションが確立されます。

RTB では、ソフトウェアを使用して、特定の広告に入札するかどうかを決定します。ソフトウェア プログラムは、Web サイトの訪問者が商品を 1 つだけ購入する可能性を予測して選択します。 私たちはそれを単に「購買性向」と呼んでいます。

今回は、ディープ ファインド アウトを使用してこの予測を行います。 これは、RTB ソフトウェア プログラムがニューラル ネットワークを使用して購入傾向を予測することを示しています。

RTB アプリケーション内のニューラル コミュニティは、ニューロンとニューロン間の接続で構成されています。 オーバー インプレッションのニューラル ネットワークには、ほんの一握りのニューロンしかありません。

この状況では、特定のインターネット サイトの顧客が車両を購入する可能性が最も高いかどうか、および顧客に焦点を当てるために広告にお金を払う必要があるかどうかを調べたいと考えています。 結果は、Web サイトの訪問者の関心とステップに依存します。

購買傾向を予測するために、最初に、この人物の電子行動を定義するのに重要ないくつかの「特徴」を選択します。 これらの人々の属性は、追跡中の 4 つのワールド ワイド ウェブ インターネット ページのどれが頻繁にアクセスしたかで構成されます。

1. 価格。
2. オートコンフィギュレーター。
3. 要件。
4. 資金調達。

これらの特性はすべて、ニューラル ネットワークの出力と要約に影響します。 その出力は、次の 2 つの値のいずれかになります。

1. Web サイトの顧客が商品に興味を持っている、または「購入する準備ができている」。 結論: 広告を選別する必要があります。
2. サイトの顧客は商品に興味を持っていないか、「準備ができていません」。 概要: 広告を表示しない。

入力ごとに、「0」または「1」を使用します。

「1」は、ユーザーが Web ページにアクセスしたことを示します。 中央のニューロンは、関連するニューロンの値を挿入し、重みを操作します。つまり、訪問したすべての Web ページの値を決定します。

このプロセスは、すべての以前の記録と同様に、最終的に「出力」ニュ​​ーロン (「購入する準備ができている」または「準備ができていない」) に到達するまで、残りから修正へと続きます。

出力の価格が高くなればなるほど、この出力が特定のものである可能性が高くなり、コミュニティがユーザーの行動をより正確に予測します。

この例では、Web サイトの訪問者が価格設定ページとカー コンフィギュレーター ページに表示されましたが、技術仕様と資金調達をスキップしました。 前述の数値システムを使用すると、0.7 の「スコア」が得られます。これは、このユーザーがソリューションを「購入する準備ができている」確率が 70% であることを意味します。

したがって、主要なコンポーネントに目を向けると、その評価は、RTB 広告のプレースメントを獲得するために必要な概要を示しています。

神経共同体の教育

通常、ニューラル ネットワークのコーチングとは、結果を生み出すために必要な事実をコミュニティに提供することを意味します。 障害は、ニューラル ネットワーク内のすべての接続に対して適切な「重み」要素を構築することです。そのため、教育を受ける必要があります。

自動車販売店の例では、さまざまな Web サイト訪問者からニューラル ネットワーク データをフィードします。 この情報には、購入者が頻繁に訪れた Web インターネット ページなどの顧客オプションが含まれます。 知識には、「確かに」または「いいえ」としてラベル付けされた、私たちからの結論への最終的な投資の指標なども含まれます。

ニューラルネットワークはこれらすべての情報を処理し、ニューラルコミュニティが教育知識内の個々の男性または女性に対して適切な計算を行うようになるまで、すべてのニューロンの重みを調整します. 動きが完全になると、重みが固定され、ニューラル ネットワークは新しい Web ページの訪問者の結果をより正確に予測できるようになります。

マーケティング担当者がディープ ディスカバリーを使用する方法

「デバイス マスタリングは、効率や最適化の向上に使用できます」と、 The AI Internet marketing Canvas: A Five Phase Roadmap to Implementing Synthetic Intelligence in Advertising の共同執筆者である Jim Lecinski 氏は、Kellogg Insight とのインタビューで主張しています。

「つまり、簡単な報告は自動化して、より有能に実行できるということです。 その後、これらの総合的な時間のスタッフを別の目的に使用し、他の戦略的な進歩の仕事に再適用することができます」と彼は言いました.

しかし、さらに重要なことは、AI とディープ ファインド アウトには成長を後押しする能力があると Lecinski 氏は言います。

さらに、CEO、取締役会、および広告部門は、インターネット マーケティングを、適切な商品を適切な価格で理想的に組み合わせて販売促進するための、情報に基づく予測または予測の作成を担当する主要な成長エンジンになると見なしています。適切なチャネルを介して適切な方法で適切な人々に届けます」と彼は言いました。

Lecinski 氏は次のように説明しています。

起業家が開発を促進するために深い研究を使用できるいくつかの戦略を次に示します。

セグメンテーション

ディープ ラーニング モデルには、革新的なセグメンテーションに最適な情報のパターンを発見する機能が備わっています。 これにより、起業家は、マシンが過去の行動を使用して潜在的な潜在顧客を予測するときに、マーケティングキャンペーンの対象者に焦点を当てていることを非常に簡単かつ迅速に認識することができます.

また、機器はニューラル ネットワークとファクトを使用して、どの買い物客が離れようとしているかを認識できるため、マーケティング担当者はすぐに行動できます。 最終的に、AI はセグメンテーションから当て推量を排除し、マーケティング担当者が別の場所に労力を集中できるようにします。

たとえば、当社の HubSpot AI は、自動化された電子メール情報捕捉要素により、セグメンテーションをより困難にします。 この要素により、見込み客や見込み顧客から、名前、役職、携帯電話番号、住所などの重要な連絡先を即座に取得できます。 この特性により、起業家はセグメンテーション、ルーティング、レポート作成を簡単かつ簡単に行うことができます。

ハイパーパーソナライゼーション

McKinsey による最新の調査によると、買い物客の 71% が企業がパーソナライズされたやり取りを生み出すことを期待しており、76% はそれが実現しないと腹を立てます。 パーソナライゼーションは消費者体験にとって重要ですが、調査すべき事実が非常に多い場合、それを実行するのは本当に困難です。

それにもかかわらず、深い発見を利用してパーソナライズ エンジンを構築し、マーケティング担当者が高度にパーソナライズされたコンテンツを提供するアプローチを合理化するのに役立てることができます。 高度にパーソナライズされたコンポーネントの例としては、誰が閲覧しているかに応じて異なる可能性のある記事を選別する Web サイトや、購入せずに出発した顧客へのプッシュ通知などがあります。

ハイパーパーソナライゼーションは、ライブチャットなどのコミュニケーションオプションにも拡張でき、深い理解により、これらのライブチャットからの情報収集が簡単になります. 私たちの常駐チャット識別認識 AI は、場合によっては、有益な会話情報 (名前など) を取得し、何かを統合することなく HubSpot CRM で更新することができます。

購入者の行動を予測する

深い調査はまた、マーケターが消費者がサイトを介してどのように移動し、どのように一般的に注文するかを監視することで、消費者が今後何をするかを予測するのにも役立ちます. これを実行することで、AI はどの商品やサービスが必要であり、将来のキャンペーンの焦点となるべきかを企業に説明できます。

マーケティングと広告におけるディープ マスタリングの採用

ディープ ファインド アウトと AI は難しそうに聞こえるかもしれませんが、マーケティング担当者が組織のプロセスと市場開発を合理化するために活用できるもう 1 つのデバイスです。 マーケティング担当者は、深い理解と AI をデジタル マーケティングと収益自動化のさまざまな側面に統合できます。 ですから、デバイスを恐れないでください — 受け入れてください!