Qu'est-ce que la recherche approfondie ? Voici presque tout ce que les spécialistes du marketing doivent savoir

L'intelligence synthétique (IA) a été à l'honneur ces jours-ci, car de nombreuses entreprises et marques comme Zara et H&M incluent l'IA dans leurs types d'activité. En tant que commerçant, vous vous demandez peut-être si cela est source d'inquiétude. L'IA va-t-elle acquérir plus de nos emplois ? En fait, l'IA peut réellement rendre le marketing plus simple et plus efficace pour les spécialistes du marketing en utilisant un savoir-faire d'étude approfondie.

Mais qu'est-ce que le deep mastering ? Comment fonctionne-t-il ? Et comment peut-il être utilisé pour la publicité, le marketing et les bénéfices de votre entreprise ? Voici tout ce que les entrepreneurs doivent savoir sur la découverte approfondie et la position avantageuse qu'elle peut jouer sur le marché du marketing Internet.

Qu'est-ce que l'étude approfondie en intelligence artificielle ?

Découverte d'équipement vs étude approfondie

Exemple de Deep Discovering dans le marketing et la publicité sur Internet

Scolarisation du réseau de neurones

Comment les entrepreneurs peuvent utiliser l'étude approfondie

Adopter une étude approfondie de la publicité

Très similaire à la façon dont les individus découvrent à partir des connaissances, l'algorithme d'apprentissage en profondeur exécute une tâche à plusieurs reprises, produisant des changements à peu près à chaque fois pour améliorer le résultat. La « découverte en profondeur » fait référence aux couches larges (profondes) des réseaux de neurones qui permettent de découvrir.

Recherche d'équipement vs Recherche en profondeur

L'étude approfondie est une sorte d'apprentissage automatique. L'étude des appareils implique que les ordinateurs apprennent à partir des données en appliquant des algorithmes pour assumer et agir sans être programmés - en d'autres termes et expressions, sans intervention humaine. Comme mentionné précédemment, une compréhension approfondie concerne les ordinateurs de bureau qui apprennent à se sentir en utilisant des structures calquées sur le cerveau humain.

La découverte automatique implique également considérablement moins de capacité de calcul, bien que l'apprentissage en profondeur nécessite beaucoup moins d'intervention humaine continue.

Exemple de Deep Learning en Marketing et Marketing

Disons que nous sommes un concessionnaire automobile en ligne et que nous souhaitons utiliser les enchères en temps réel (RTB) pour obtenir une place publicitaire pour nos produits sur d'autres sites Internet à des fins de reciblage.

RTB est une méthode automatique qui se déroulera dans un petit laps de temps inférieur à 100 millisecondes. Lorsqu'une personne visite un site Web, un annonceur est alerté et un ensemble d'actions est établi, que cet annonceur enchérisse ou non pour une exposition publicitaire.

Dans RTB, nous utilisons un logiciel pour déterminer si nous voulons enchérir sur une certaine publicité - le logiciel choisira en prédisant la probabilité que le visiteur du site Web achète un seul de nos produits. Nous appelons simplement cela «la propension à acheter».

À cette occasion, nous allons utiliser une recherche approfondie pour faire cette prédiction. Cela indique que notre logiciel RTB utilisera un réseau de neurones pour prédire la propension à acheter.

La communauté neuronale à l'intérieur de notre application RTB est composée de neurones et des connexions entre eux. Le réseau de neurones dans l'impression supérieure n'a qu'une poignée de neurones.

Dans cette situation, nous voulons savoir si un certain client du site Internet est le plus susceptible d'acheter un véhicule et si nous devons rembourser une publicité pour se concentrer sur le client. Le résultat dépendra des intérêts et des étapes du visiteur du site Web.

Pour prévoir la propension à l'achat, on opte dans un premier temps pour plusieurs « caractéristiques » cruciales pour définir le comportement électronique de cette personne. Ces attributs de personnes comprendront laquelle des 4 pages Internet suivantes a été fréquentée :

1. Tarification.
2. Configurateur automatique.
3. Exigences.
4. Financement.

Toutes ces caractéristiques affecteront la sortie de notre réseau de neurones et notre résumé. Cette sortie ne peut avoir qu'une des deux valeurs suivantes :

1. Le client du site Web est intéressé par l'article ou "prêt à l'achat". Conclusion : Nous devons filtrer une annonce.
2. Le client du site n'est pas intrigué par la marchandise ou n'est "pas prêt". Résumé : Ne pas afficher de publicité.

Pour chaque entrée, nous utilisons « 0 » ou « 1 ».

"1" suggère que l'utilisateur a visité la page Web. Les neurones du milieu inséreront les valeurs de leurs neurones associés travaillant avec des poids - ce qui signifie qu'ils déterminent la valeur de chaque page Web visitée.

Ce processus continue de rester à corriger jusqu'à ce que nous atteignions finalement les neurones de "sortie" - "prêts à acheter" ou "pas prêts", comme pour chaque enregistrement précédent.

Plus le prix de la sortie augmente, plus la probabilité que cette sortie soit la bonne - ou plus la communauté prédit précisément les actions de l'utilisateur augmente.

Dans cet exemple, un visiteur du site Web est apparu sur les pages Tarification et Configurateur de voiture, mais a ignoré les Spécifications techniques et le Financement. En utilisant le système numérique mentionné précédemment, nous obtenons un « score » de 0,7, ce qui signifie qu'il y a une probabilité de 70 % que cet utilisateur soit « prêt à acheter » notre solution.

Donc, si nous jetons un coup d'œil à nos composants principaux, cette note indique le résumé dont nous avons besoin pour acquérir le placement publicitaire RTB.

Éducation de la communauté neurale

Coacher un réseau de neurones signifie généralement fournir à la communauté les faits dont elle a besoin pour créer des résultats. L'obstacle est de construire les éléments de « poids » appropriés pour toutes les connexions à l'intérieur du réseau de neurones, c'est pourquoi il doit passer par la scolarisation.

Dans notre exemple de concessionnaire automobile, nous alimenterions les données du réseau neuronal de divers visiteurs du site Web. L'information comprendrait des éléments tels que les options client telles que les pages Web que les acheteurs ont fréquentées. La connaissance inclurait également des éléments tels que des indicateurs de leur investissement éventuel dans des conclusions de notre part, qui sont étiquetées comme "en effet" ou "non".

Le réseau neuronal traite toutes ces informations, ajustant les poids de chaque neurone jusqu'à ce que la communauté neuronale ait tendance à faire des calculs appropriés pour chaque homme ou femme à l'intérieur des connaissances enseignées. Au moment où ce mouvement est total, les pondérations sont fixées et le réseau de neurones peut prévoir beaucoup plus correctement les résultats des nouveaux visiteurs de la page Web.

Comment les spécialistes du marketing peuvent utiliser la découverte approfondie

"La maîtrise des appareils peut être utilisée pour des gains d'efficacité ou d'optimisation", affirme Jim Lecinski, co-auteur de The AI ​​Internet marketing Canvas: A Five Phase Roadmap to Implementing Synthetic Intelligence in Advertising , dans une interview avec Kellogg Insight.

«Ainsi, à titre d'exemple, tout rapport par cœur pourrait être automatisé et effectué de manière beaucoup plus compétente. Ensuite, ce personnel à temps complet pourrait être réaffecté et réappliqué à d'autres emplois d'avancement stratégique », a-t-il déclaré.

Mais plus important encore, Lecinski affirme que l'IA et la recherche approfondie ont la capacité de stimuler la croissance.

"De plus et bien plus encore, les PDG, les conseils d'administration et les services de publicité considèrent le marketing Internet comme le principal moteur de croissance chargé de créer des prévisions ou des projections éclairées par des informations pour obtenir le mélange idéal de l'article approprié au prix correct, promu de la manière appropriée via les canaux appropriés aux bonnes personnes », a-t-il déclaré.

Lecinski a expliqué : « Les données volumineuses et la maîtrise des appareils peuvent, dans de nombreuses circonstances, faire ces prédictions et stimuler le progrès mieux que les personnes dépourvues de faits ou les personnes simplement assistées par des faits.

Voici plusieurs stratégies que les entrepreneurs peuvent utiliser pour favoriser le développement.

Segmentation

Les modèles d'apprentissage en profondeur sont équipés pour découvrir des modèles d'informations qui les rendent excellents pour une segmentation innovante. Cela permet aux entrepreneurs de reconnaître très facilement et rapidement l'accent mis sur l'audience d'une campagne de marketing lorsque les machines utilisent les comportements passés pour prévoir les clients potentiels probables.

L'équipement peut également utiliser des réseaux de neurones et des faits pour reconnaître quels acheteurs sont sur le point de partir, ce qui permet aux spécialistes du marketing d'agir immédiatement. En fin de compte, l'IA élimine les conjectures de la segmentation, ce qui permet aux spécialistes du marketing de concentrer leurs efforts ailleurs.

Notre IA HubSpot, par exemple, rendrait la segmentation plus facile grâce à notre élément de saisie automatique des informations de courrier électronique. L'élément permet aux utilisateurs de capturer instantanément des informations importantes telles que des noms, des intitulés de poste, des numéros de téléphones portables et des adresses de prospects et de clients potentiels. Cette fonctionnalité permet de rendre la segmentation, le routage et les rapports brefs et sans effort pour les entrepreneurs.

Hyper-personnalisation

Une étude moderne de McKinsey révèle que 71 % des acheteurs s'attendent à ce que les entreprises produisent des interactions personnalisées, et 76 % s'énervent lorsque cela ne se concrétise pas. Bien que la personnalisation soit importante pour l'expérience du consommateur, elle est vraiment difficile à exécuter lorsqu'il y a tellement de faits à examiner.

Néanmoins, la découverte approfondie peut être utilisée pour créer des moteurs de personnalisation qui peuvent aider les spécialistes du marketing à rationaliser l'approche consistant à offrir un contenu hyper personnalisé. Les exemples d'éléments hyper-personnalisés incluent des sites Web qui filtrent des articles qui peuvent différer selon qui navigue ou des notifications push pour les clients qui partent sans faire d'achat.

L'hyper-personnalisation peut également s'étendre aux options de communication telles que les chats en direct, et une compréhension approfondie peut faciliter la collecte d'informations à partir de ces chats en direct. Notre IA de reconnaissance d'identité de chat en direct, par exemple, peut obtenir des informations de conversation utiles (comme des noms) et les mettre à jour dans le CRM HubSpot sans avoir à intégrer quoi que ce soit.

Anticiper les actions des acheteurs

Une étude approfondie aidera également les spécialistes du marketing à prédire ce que les consommateurs feront à venir en surveillant comment ils se déplacent sur votre site et comment ils passent généralement une commande. Ce faisant, l'IA peut expliquer aux entreprises quels produits et services sont recherchés et devraient vraiment être au centre des futures campagnes.

Adopter une maîtrise approfondie du marketing et de la publicité

Même si la recherche approfondie et l'IA peuvent sembler intimidantes, il s'agit en réalité d'un appareil de plus que les spécialistes du marketing peuvent exploiter pour rationaliser les processus et le développement du marché pour leur organisation. Les spécialistes du marketing peuvent intégrer une compréhension approfondie et l'IA dans de nombreux aspects du marketing numérique et de l'automatisation des revenus. Alors, ne redoutez pas l'appareil - adoptez-le !