O que é a descoberta profunda? Aqui está quase tudo que os profissionais de marketing precisam saber

A inteligência sintética (IA) tem estado em destaque atualmente, pois muitas empresas e marcas como Zara e H&M incluem IA em seus tipos de negócios. Como profissional de marketing, você pode se perguntar se isso é motivo de preocupação. A IA está indo além de nossos empregos? Na verdade, a IA pode realmente tornar o marketing mais simples e mais eficaz para os profissionais de marketing, usando profundo conhecimento de estudo.

Mas o que é masterização profunda? Como ele funciona? E como pode ser utilizado para publicidade e marketing e lucros em sua empresa? Aqui está tudo o que os empreendedores precisam saber sobre a descoberta profunda e a posição vantajosa que ela pode desempenhar no mercado de marketing na Internet.

O que é estudar profundamente em inteligência artificial?

Descoberta de Equipamentos vs. Estudo Profundo

Exemplo de descoberta profunda em marketing e publicidade na Internet

Escolarização da Rede Neural

Como os empreendedores podem usar o estudo profundo

Abraçando o estudo profundo em publicidade

Muito semelhante a como os indivíduos descobrem a partir do conhecimento, o algoritmo de aprendizado profundo executa uma tarefa repetidamente, produzindo alterações quase todas as vezes para melhorar o resultado. “Descoberta profunda” refere-se às camadas amplas (profundas) das redes neurais que permitem a descoberta.

Descobrimento de Equipamentos vs. Descobrimento Profundo

O estudo profundo é uma espécie de aprendizado de máquina. O estudo de dispositivos implica que os computadores aprendam com os dados usando algoritmos para assumir e agir sem serem programados - em outras palavras, sem a intervenção humana. Como mencionado anteriormente, a compreensão profunda é sobre os desktops aprenderem a sentir, empregando estruturas modeladas após o cérebro humano.

A descoberta de máquinas também envolve consideravelmente menos capacidade de computação, embora o aprendizado profundo precise de muito menos intervenção humana contínua.

Exemplo de Deep Learning em Marketing e Marketing

Digamos que somos uma concessionária de automóveis on-line e queremos usar lances em tempo real (RTB) para obter local de anúncio para nossos produtos em outros sites da Internet para fins de redirecionamento.

O RTB é um método automático que ocorrerá em um pequeno intervalo de tempo de menos de 100 milissegundos. Quando uma pessoa visita um site, um anunciante é alertado e uma série de ações é estabelecida independentemente de o anunciante fazer lances para uma exibição de anúncio.

No RTB, usamos um software para determinar se queremos fazer um lance para um determinado anúncio - o programa de software escolherá prevendo a probabilidade de o visitante do site comprar apenas um de nossos produtos. Simplesmente chamamos isso de “propensão a comprar”.

Nesta ocasião, vamos usar a descoberta profunda para fazer essa previsão. Isso indica que nosso programa de software RTB usará uma rede neural para prever a propensão de compra.

A comunidade neural dentro de nosso aplicativo RTB é composta por neurônios e as conexões entre eles. A rede neural na sobreimpressão tem apenas um punhado de neurônios.

Nesta situação, queremos descobrir se um determinado cliente do site tem mais probabilidade de comprar um veículo e se devemos pagar por um anúncio focado no cliente. O resultado contará com os interesses e passos do visitante do site.

Para prever a propensão de compra, inicialmente optamos por várias “características” que são cruciais para definir a conduta eletrônica dessa pessoa. Esses atributos pessoais consistirão em quais das quatro páginas da web da Internet em busca foram visitadas:

1. Preços.
2. Configurador automático.
3. Requisitos.
4. Financiamento.

Todas essas características afetarão a saída de nossa rede neural e nosso resumo. Essa saída pode ter apenas um dos dois valores:

1. O cliente do site está interessado no item ou “pronto para comprar”. Conclusão: Devemos filtrar um anúncio.
2. O cliente do site não está interessado na mercadoria ou “não está pronto”. Resumo: Não exiba um anúncio.

Para cada entrada, usamos “0” ou “1”.

“1” sugere que o usuário visitou a página da web. Os neurônios no meio irão inserir os valores de seus neurônios relacionados trabalhando com pesos – o que significa que eles determinam o valor de cada página visitada.

Esse processo continua do tempo para corrigir até que finalmente alcancemos os neurônios de “saída” – “pronto para comprar” ou “não pronto”, como em todos os nossos registros anteriores.

Quanto maior o preço da saída, maior a probabilidade de que essa saída seja a correta - ou mais precisamente a comunidade prevê as ações do usuário.

Neste exemplo, um visitante do site apareceu nas páginas Pricing e Car Configurator, mas pulou Especificações técnicas e Financiamento. Usando o sistema numérico mencionado anteriormente, obtemos uma “pontuação” de 0,7, o que significa que há 70% de probabilidade de que esse usuário esteja “pronto para comprar” nossa solução.

Portanto, se olharmos para nossos componentes principais, essa classificação representa o resumo de que precisamos para adquirir a veiculação de anúncio RTB.

Educação da Comunidade Neural

Treinar uma rede neural geralmente significa alimentar a comunidade com os fatos que ela exige para criar resultados. O obstáculo é construir os elementos de “peso” adequados para todas as conexões dentro da rede neural, por isso ela precisa passar por escolaridade.

Em nosso exemplo de concessionária de veículos, alimentaríamos os dados da rede neural de vários visitantes do site. As informações incluiriam coisas como opções do cliente, como quais páginas da web os compradores frequentaram. O conhecimento também incluiria coisas como indicadores de seu eventual investimento em conclusões nossas, que são rotuladas como “realmente” ou “não”.

A rede neural processa todas essas informações, ajustando os pesos de cada neurônio até que a comunidade neural faça os cálculos adequados para cada pessoa dentro do conhecimento de ensino. No momento em que o movimento é concluído, os pesos são fixados e a rede neural pode prever com muito mais precisão os resultados dos novos visitantes da página.

Como os profissionais de marketing podem usar a descoberta profunda

“O domínio do dispositivo pode ser usado para ganhos de eficiência ou otimização”, afirma Jim Lecinski, coautor de The AI ​​Internet marketing Canvas: A Five Phase Roadmap to Implementing Synthetic Intelligence in Advertising , em entrevista à Kellogg Insight.

“Assim, para ilustração, qualquer relatório mecânico pode ser automatizado e executado com muito mais competência. Então, essa equipe de tempo integral poderia ser reaproveitada e reaplicada a outros trabalhos de avanço estratégico”, disse ele.

Mas o mais importante, Lecinski diz que a IA e o aprendizado profundo têm a capacidade de impulsionar o crescimento.

“Além disso, CEOs, conselhos e departamentos de marketing estão vendo o marketing na Internet como o principal mecanismo de crescimento encarregado de criar previsões ou projeções baseadas em informações para obter a mistura ideal do produto certo pelo preço correto, promovido da maneira certa, pelos canais certos, para as pessoas certas”, disse.

Lecinski explicou: “Grandes dados e controle de dispositivos podem, em muitos casos, fazer essas previsões e impulsionar o progresso melhor do que pessoas desprovidas de fatos ou simplesmente assistidas por fatos”.

Aqui estão várias estratégias que os empreendedores podem usar em estudos profundos para promover o desenvolvimento.

Segmentação

Os modelos de aprendizado profundo são equipados para descobrir padrões nas informações que os tornam excelentes para segmentação inovadora. Isso permite que os empreendedores reconheçam com muita facilidade e rapidez o foco no público de uma campanha de marketing quando as máquinas usam comportamentos anteriores para prever prováveis ​​clientes em potencial.

O equipamento também pode usar redes neurais e fatos para reconhecer quais compradores estão prestes a sair – permitindo que os profissionais de marketing ajam imediatamente. Por fim, a IA elimina as suposições da segmentação, possibilitando que os profissionais de marketing concentrem seus esforços em outro lugar.

Nosso HubSpot AI, por exemplo, tornaria a segmentação menos difícil por meio de nosso elemento automatizado de apreensão de informações de correio eletrônico. O elemento permite que as pessoas capturem instantaneamente contatos importantes com informações como nomes, cargos, números de telefone celular e endereços de leads e clientes em potencial. A característica ajuda a tornar a segmentação, o roteamento e os relatórios breves e sem esforço para os empreendedores.

Hiperpersonalização

Um estudo moderno da McKinsey revela que 71% dos compradores esperam que as empresas produzam interações personalizadas e 76% ficam chateados quando isso não se concretiza. Embora a personalização seja importante para a experiência do consumidor, é realmente difícil executá-la quando há tantos fatos a examinar.

No entanto, a descoberta profunda pode ser utilizada para criar mecanismos de personalização que podem ajudar os profissionais de marketing a simplificar a abordagem de oferecer conteúdo hiperpersonalizado. Ilustrações de componentes hiperpersonalizados incluem sites que exibem artigos que podem diferir dependendo de quem está navegando ou notificações push para clientes que partem sem fazer uma compra.

A hiperpersonalização também pode se estender a opções de comunicação, como bate-papos ao vivo, e a compreensão profunda pode facilitar a coleta de informações desses bate-papos ao vivo. Nossa IA de reconhecimento de identidade de bate-papo ao vivo, por exemplo, pode obter informações úteis de contato (como nomes) e atualizá-las no HubSpot CRM sem precisar integrar nada.

Prevendo as ações do comprador

O estudo profundo também ajudará os profissionais de marketing a prever o que os consumidores farão no futuro, monitorando como eles navegam em seu site e como geralmente fazem um pedido. Ao fazer isso, a IA pode explicar às empresas quais produtos e serviços são desejados e devem ser o foco de futuras campanhas.

Abraçando Deep Mastering em Marketing e publicidade

Embora a descoberta profunda e a IA possam parecer assustadoras, é realmente mais um dispositivo que os profissionais de marketing podem aproveitar para otimizar processos e desenvolvimento de mercado para sua organização. Os profissionais de marketing podem integrar compreensão profunda e IA em vários aspectos do marketing digital e automação de receita. Portanto, não tenha medo do dispositivo - abrace-o!