딥 파인더 란 무엇입니까? 마케터가 알아야 할 거의 모든 것

합성 지능(AI)은 요즘 많은 비즈니스에서 주목을 받고 있으며 Zara 및 H&M과 같은 비즈니스 유형에 AI를 포함하고 있습니다. 마케팅 담당자로서 이것이 걱정스러운 결과인지 궁금할 수 있습니다. AI가 우리의 일자리보다 더 많은 것을 획득하게 될까요? 실제로 AI는 심층 학습 노하우를 활용하여 마케터에게 실제로 마케팅을 더 간단하고 효과적으로 만들 수 있습니다.

그러나 딥 마스터링이란 무엇입니까? 어떻게 작동합니까? 그리고 귀사의 광고 및 마케팅 및 수익에 어떻게 활용될 수 있습니까? 여기에 나열된 것은 인터넷 마케팅 시장에서 수행할 수 있는 유익한 위치와 깊은 발견에 대해 기업가가 알아야 할 모든 것입니다.

인공지능 딥 스터디란?

장비 발굴 vs. 딥 스터디

인터넷 마케팅 및 광고에서의 딥 디스커버리 사례

신경망 학습

기업가가 딥 스터디를 사용하는 방법

광고에 대한 깊은 연구 수용

개인이 지식에서 발견하는 방식과 매우 유사하게 딥 러닝 알고리즘은 작업을 반복적으로 수행하여 거의 매번 변경 사항을 생성하여 결과를 개선합니다. "깊은 발견"은 알아낼 수 있는 신경망의 넓은(깊은) 계층을 말합니다.

장비 찾기 vs. 심층 찾기

딥 스터디는 일종의 기계 학습입니다. 디바이스 스터디는 컴퓨터가 알고리즘을 적용하는 데이터로부터 학습하여 프로그래밍 없이, 즉 인간의 개입 없이 가정하고 행동한다는 것을 의미합니다. 앞서 언급했듯이 깊은 이해는 데스크탑이 인간의 두뇌를 모델로 한 구조를 사용하여 느끼는 법을 배우는 것에 관한 것입니다.

딥 러닝에는 지속적인 인간 개입이 훨씬 적게 필요하지만 머신 디스커버리에는 컴퓨팅 능력이 훨씬 적습니다.

마케팅 및 마케팅 분야의 딥러닝 사례

우리가 온라인 자동차 대리점이고 재타겟팅 목적으로 다른 인터넷 사이트에서 우리 상품의 광고 위치를 얻기 위해 실시간 입찰(RTB)을 사용하려고 한다고 가정해 보겠습니다.

RTB는 100밀리초 미만의 짧은 시간 내에 발생하는 자동 방법입니다. 사람이 웹사이트를 방문하면 광고주에게 알림이 전송되고 해당 광고주가 광고 전시회에 입찰하는지 여부에 관계없이 일련의 작업이 설정됩니다.

RTB에서 우리는 소프트웨어를 사용하여 특정 광고에 입찰할지 여부를 결정합니다. 소프트웨어 프로그램은 웹 사이트 방문자가 우리 상품 중 하나만 구매할 가능성이 얼마나 높은지 예측하여 선택합니다. 우리는 그것을 단순히 "구매 성향"이라고 부릅니다.

이 기회에 우리는 이러한 예측을 하기 위해 깊은 발견을 사용할 것입니다. 이는 RTB 소프트웨어 프로그램이 신경망을 사용하여 구매 성향을 예측한다는 것을 나타냅니다.

RTB 애플리케이션 내부의 신경 커뮤니티는 뉴런과 이들 사이의 연결로 구성됩니다. 오버 인상의 신경망에는 소수의 뉴런만 있습니다.

이러한 상황에서 우리는 특정 인터넷 사이트 고객이 차량을 구매할 가능성이 가장 높은지, 고객에게 집중하기 위해 광고비를 갚아야 하는지 알아보고자 합니다. 결과는 웹 사이트 방문자의 관심과 단계에 따라 달라집니다.

구매 성향을 예측하기 위해 처음에는 이 사람의 전자적 행동을 정의하는 데 중요한 몇 가지 "특성"을 선택합니다. 이러한 사람 속성은 추구하는 4개의 월드 와이드 웹 인터넷 페이지 중 자주 사용되는 것으로 구성됩니다.

1. 가격.
2. 자동 구성기.
3. 요구 사항.
4. 자금 조달.

이러한 모든 특성은 신경망의 출력과 요약에 영향을 미칩니다. 해당 출력은 다음 두 값 중 하나만 가질 수 있습니다.

1. 웹 사이트 고객은 항목에 관심이 있거나 "구매할 준비가 되었습니다." 결론: 우리는 광고를 선별해야 합니다.
2. 사이트 고객은 상품에 관심이 없거나 "준비되지 않았습니다." 요약: 광고를 표시하지 마십시오.

입력할 때마다 "0" 또는 "1"을 사용합니다.

"1"은 사용자가 웹페이지를 방문했음을 나타냅니다. 중간에 있는 뉴런은 가중치와 함께 작동하는 관련 뉴런의 값을 삽입합니다. 즉, 방문한 모든 웹 페이지의 값을 결정합니다.

이 과정은 남은 것에서 수정하는 것까지 계속되며 결국 우리는 "구매 준비" 또는 "준비 안 됨"과 같은 "출력" 뉴런을 달성할 때까지 우리의 모든 사전 기록에 대해 설명합니다.

산출물 가격이 상승할수록 이 산출물이 특정 정보가 정확할 확률이 높아지 거나 커뮤니티가 사용자의 행동을 정확하게 예측할 확률이 높아집니다.

이 예에서 웹 사이트 방문자는 가격 책정 및 자동차 구성 프로그램 페이지에 표시되지만 기술 사양 및 파이낸싱은 건너뜁니다. 앞에서 언급한 수치 시스템을 사용하여 "점수" 0.7을 얻습니다. 이는 이 사용자가 솔루션을 "구매할 준비가" 될 확률이 70%임을 나타냅니다.

따라서 기본 구성 요소를 살펴보면 해당 등급은 RTB 광고 배치를 획득해야 한다는 요약을 의미합니다.

신경공동체 교육

신경망을 코칭하는 것은 일반적으로 결과를 생성하는 데 필요한 사실을 커뮤니티에 제공하는 것을 의미합니다. 장애물은 신경망 내부의 모든 연결에 대해 적절한 "가중치" 요소를 구축하는 것이므로 학습을 거쳐야 합니다.

차량 대리점 예제에서는 다양한 웹 사이트 방문자의 신경망 데이터를 제공합니다. 정보에는 구매자가 자주 방문하는 웹 인터넷 페이지와 같은 고객 옵션과 같은 것들이 포함됩니다. 지식에는 "실제로"또는 "아니오"로 표시되는 우리의 결론에 대한 최종 투자의 지표와 같은 것도 포함됩니다.

신경망은 이러한 모든 정보를 처리하여 신경 공동체가 교육 지식 내에서 각 개별 남성 또는 여성에 대해 적절한 계산을 하는 경향이 있을 때까지 모든 뉴런의 가중치를 조정합니다. 이동이 완료되면 가중치가 고정되고 신경망이 새로운 웹 페이지 방문자의 결과를 훨씬 더 정확하게 예측할 수 있습니다.

마케팅 담당자가 심층 검색을 사용하는 방법

The AI ​​Internet Marketing Canvas: A Five Phase Roadmap to Implementing Synthetic Intelligence in Advertising의 공동 저자인 Jim Lecinski는 Kellogg Insight와의 인터뷰에서 "장치 마스터링은 효율성 또는 최적화 향상을 위해 사용될 수 있습니다."라고 주장합니다 .

“그래서 예를 들어, 기계적인 보고를 자동화하고 훨씬 더 유능하게 수행할 수 있습니다. 그런 다음 이러한 종합 시간 직원은 용도가 변경되어 다른 전략적 발전 작업에 다시 적용될 수 있습니다.”라고 그는 말했습니다.

그러나 더 중요한 것은 Lecinski는 AI와 심층적 발견이 성장을 촉진할 수 있는 능력이 있다고 말합니다.

“그 외에도 CEO, 이사회 및 광고 부서는 인터넷 마케팅을 올바른 가격표에 적합한 항목의 이상적인 조합을 얻기 위해 정보에 기반한 예측 또는 예측을 생성하는 주요 성장 엔진으로 보고 있습니다. 적절한 채널을 통해 적절한 방법으로 적절한 사람들에게 전달합니다.”라고 그는 언급했습니다.

Lecinski는 "대량 데이터와 장치 마스터링은 많은 상황에서 사실이 없는 사람이나 단순히 사실의 도움을 받는 개인보다 더 나은 예측을 하고 진행을 촉진할 수 있습니다."라고 설명했습니다.

다음은 기업가가 개발을 촉진하기 위해 심층 연구를 사용할 수 있는 몇 가지 전략입니다.

분할

딥 러닝 모델은 혁신적인 세분화에 탁월한 정보 패턴을 발견할 수 있는 기능을 갖추고 있습니다. 이를 통해 기업가는 기계가 잠재 고객을 예측하기 위해 과거 행동을 사용할 때 마케팅 캠페인의 청중에 대한 초점을 매우 쉽고 빠르게 인식할 수 있습니다.

또한 장비는 신경망과 사실을 사용하여 어떤 쇼핑객이 떠나기 직전인지 파악하여 마케터가 즉시 조치를 취할 수 있도록 합니다. 궁극적으로 AI는 세분화에서 추측을 제거하여 마케터가 다른 곳에 노력을 집중할 수 있도록 합니다.

예를 들어 HubSpot AI는 자동화된 전자 메일 정보 포착 요소를 통해 세분화를 덜 어렵게 만들 것입니다. 이 요소를 사용하면 사람들이 이름, 직함, 휴대폰 수량, 리드 및 잠재 고객의 주소와 같은 정보로 중요한 연락처를 즉시 캡처할 수 있습니다. 이 특성은 기업가에게 세분화, 라우팅 및 보고를 간단하고 쉽게 만드는 데 도움이 됩니다.

초개인화

McKinsey의 최신 연구에 따르면 쇼핑객의 71%는 비즈니스가 개인화된 상호 작용을 생성하기를 기대하며 76%는 실현되지 않을 때 화를 냅니다. 개인화는 소비자 경험에 중요하지만 조사해야 할 사실이 너무 많은 경우 실행하기가 정말 어렵습니다.

그럼에도 불구하고 마케팅 담당자가 고도로 개인화된 콘텐츠를 제공하는 접근 방식을 간소화하는 데 도움이 되는 개인화 엔진을 구축하는 데 심층 검색을 활용할 수 있습니다. 초개인화된 구성 요소의 예에는 탐색하는 사람에 따라 다를 수 있는 기사를 선별하는 웹 사이트 또는 획득하지 않고 떠나는 고객을 위한 푸시 알림이 포함됩니다.

초개인화는 또한 이러한 유형의 실시간 채팅과 같은 커뮤니케이션 옵션으로 확장될 수 있으며, 깊은 이해를 통해 이러한 실시간 채팅에서 정보를 쉽게 수집할 수 있습니다. 상주 채팅 식별 인식 AI는 경우에 따라 유용한 대화 정보(예: 이름)를 얻고 무언가를 통합하지 않고도 HubSpot CRM에서 업데이트할 수 있습니다.

구매자 행동 예측

심층 연구는 또한 마케터가 소비자가 사이트를 통해 이동하는 방식과 일반적으로 주문하는 방식을 모니터링하여 소비자가 앞으로 무엇을 할지 예측하는 데 도움이 됩니다. 이를 실행하는 과정에서 AI는 어떤 상품과 서비스가 원하는지, 그리고 실제로 향후 캠페인의 초점이 되어야 하는지를 회사에 설명할 수 있습니다.

마케팅 및 광고 분야에서 딥 마스터링 수용

심도 있는 조사와 AI가 어렵게 들릴 수 있지만 실제로는 장치 마케터가 조직의 프로세스 및 시장 개발을 간소화하기 위해 활용할 수 있는 또 하나의 장치입니다. 마케팅 담당자는 심층 이해와 AI를 디지털 마케팅 및 수익 자동화의 다양한 측면에 통합할 수 있습니다. 따라서 장치를 두려워하지 말고 받아들이십시오!