การค้นหาอย่างลึกซึ้งคืออะไร? นี่คือเกือบทุกสิ่งที่นักการตลาดจำเป็นต้องรู้

ปัญญาประดิษฐ์ (AI) เป็นจุดเด่นในปัจจุบัน เนื่องจากหลายธุรกิจและบริษัทผู้ผลิต เช่น Zara และ H&M รวม AI ไว้ในประเภทธุรกิจของพวกเขา ในฐานะนักการตลาด คุณอาจสงสัยว่านี่เป็นผลจากความกังวลหรือไม่ AI กำลังจะเข้ามาแทนที่งานของเราหรือไม่? ในความเป็นจริง AI สามารถทำให้การตลาดง่ายขึ้นและมีประสิทธิภาพมากขึ้นสำหรับนักการตลาดโดยใช้ความรู้ความชำนาญที่ศึกษาอย่างลึกซึ้ง

แต่การเรียนรู้อย่างลึกซึ้งคืออะไร? มันทำงานอย่างไร? และจะนำไปใช้ในการโฆษณาและการตลาดและผลกำไรในองค์กรของคุณได้อย่างไร? นี่คือสิ่งที่ผู้ประกอบการจำเป็นต้องรู้เกี่ยวกับการค้นพบอย่างลึกซึ้งและตำแหน่งที่เป็นประโยชน์ที่สามารถทำได้ในตลาดการตลาดทางอินเทอร์เน็ต

การศึกษาด้านปัญญาประดิษฐ์เชิงลึกคืออะไร?

การค้นพบอุปกรณ์เทียบกับการศึกษาอย่างลึกซึ้ง

ตัวอย่างของ Deep Discovering ในการตลาดและการโฆษณาทางอินเทอร์เน็ต

การศึกษาของโครงข่ายประสาทเทียม

ผู้ประกอบการสามารถใช้การศึกษาเชิงลึกได้อย่างไร

เปิดรับการศึกษาเชิงลึกด้านการโฆษณา

คล้ายกับวิธีที่แต่ละคนค้นพบจากความรู้ อัลกอริทึมการเรียนรู้เชิงลึกจะทำงานซ้ำ ๆ และสร้างการเปลี่ยนแปลงทุกครั้งเพื่อปรับปรุงผลลัพธ์ “การค้นพบอย่างลึกซึ้ง” หมายถึงเลเยอร์ที่กว้าง (ลึก) ของโครงข่ายประสาทเทียมที่อนุญาตให้ค้นหาได้

การค้นหาอุปกรณ์ vs การค้นหาอย่างลึกซึ้ง

การศึกษาเชิงลึกคือการเรียนรู้ของเครื่อง การศึกษาอุปกรณ์หมายถึงคอมพิวเตอร์เรียนรู้จากข้อมูลโดยใช้อัลกอริทึมเพื่อสันนิษฐานและดำเนินการโดยปราศจากการตั้งโปรแกรม — ในคำและวลีอื่นๆ โดยไม่จำเป็นต้องมีการแทรกแซงจากมนุษย์ ดังที่ได้กล่าวไว้ก่อนหน้านี้ ความเข้าใจอย่างลึกซึ้งนั้นเกี่ยวกับเดสก์ท็อปที่เรียนรู้ที่จะรู้สึกว่าใช้โครงสร้างที่จำลองมาจากสมองของมนุษย์

การค้นพบเครื่องยังเกี่ยวข้องกับความสามารถในการประมวลผลที่น้อยลงมาก แม้ว่าการเรียนรู้เชิงลึกจะต้องการการแทรกแซงของมนุษย์อย่างต่อเนื่องน้อยกว่ามาก

ตัวอย่างการเรียนรู้เชิงลึกด้านการตลาดและการตลาด

สมมติว่าเราเป็นตัวแทนจำหน่ายรถยนต์ออนไลน์ และเราต้องการใช้การเสนอราคาตามเวลาจริง (RTB) เพื่อให้ได้พื้นที่โฆษณาสำหรับสินค้าของเราบนเว็บไซต์อินเทอร์เน็ตอื่นๆ เพื่อวัตถุประสงค์ในการกำหนดเป้าหมายใหม่

RTB เป็นวิธีอัตโนมัติที่จะเกิดขึ้นในกรอบเวลาสั้นๆ ที่ต่ำกว่า 100 มิลลิวินาที เมื่อมีผู้เยี่ยมชมเว็บไซต์ ผู้ลงโฆษณาจะได้รับการแจ้งเตือน และชุดของการกระทำจะถูกสร้างขึ้นโดยไม่คำนึงว่าผู้ลงโฆษณารายนั้นจะเสนอราคาสำหรับการจัดแสดงโฆษณาหรือไม่

ใน RTB เราใช้ซอฟต์แวร์เพื่อพิจารณาว่าเราต้องการเสนอราคาสำหรับโฆษณาบางรายการหรือไม่ — โปรแกรมซอฟต์แวร์จะเลือกโดยคาดการณ์ว่าผู้เข้าชมเว็บไซต์มีแนวโน้มมากที่สุดที่จะซื้อสินค้าของเราเพียงรายการเดียว เราเรียกง่ายๆ ว่า “ความชอบซื้อ”

ในโอกาสนี้เราจะใช้การค้นหาอย่างลึกซึ้งเพื่อทำการทำนายนี้ นั่นแสดงว่าโปรแกรมซอฟต์แวร์ RTB ของเราจะใช้โครงข่ายประสาทเทียมเพื่อทำนายแนวโน้มการซื้อ

ชุมชนประสาทภายในแอปพลิเคชัน RTB ของเราประกอบด้วยเซลล์ประสาทและการเชื่อมต่อระหว่างเซลล์เหล่านั้น โครงข่ายประสาทเทียมในโอเวอร์อิมเพรสชันมีเซลล์ประสาทเพียงหยิบมือเดียว

ในสถานการณ์นี้ เราต้องการทราบว่าลูกค้าเว็บไซต์อินเทอร์เน็ตที่แน่นอนมักจะซื้อรถยนต์หรือไม่ และเราต้องจ่ายเงินคืนสำหรับการโฆษณาเพื่อเน้นที่ลูกค้าหรือไม่ ผลลัพธ์จะขึ้นอยู่กับความสนใจและขั้นตอนของผู้เข้าชมเว็บไซต์

ในการคาดการณ์แนวโน้มการซื้อ เริ่มแรกเราเลือก "คุณสมบัติ" หลายอย่างที่มีความสำคัญต่อการกำหนดพฤติกรรมทางอิเล็กทรอนิกส์ของบุคคลนี้ แอตทริบิวต์ของคนเหล่านั้นจะประกอบด้วยหน้าเว็บอินเทอร์เน็ตทั่วโลก 4 หน้าที่มีการแวะเวียนเข้ามา:

1. ราคา.
2. ตัวกำหนดค่าอัตโนมัติ
3. ความต้องการ.
4. เงินทุน

ลักษณะทั้งหมดเหล่านี้จะส่งผลต่อผลลัพธ์ของโครงข่ายประสาทเทียมและบทสรุปของเรา เอาต์พุตนั้นสามารถมีค่าได้เพียงหนึ่งในสองค่า:

1. ลูกค้าเว็บไซต์สนใจสินค้าหรือ “พร้อมซื้อ” สรุป: เราต้องคัดกรองโฆษณา
2. ลูกค้าของไซต์ไม่สนใจสินค้าหรือ "ไม่พร้อม" สรุป: ห้ามแสดงโฆษณา

ในการป้อนแต่ละครั้ง เราใช้ "0" หรือ "1"

“1” แสดงว่าผู้ใช้ได้เข้าชมหน้าเว็บแล้ว เซลล์ประสาทที่อยู่ตรงกลางจะแทรกค่าของเซลล์ประสาทที่เกี่ยวข้องซึ่งทำงานด้วยน้ำหนัก ซึ่งหมายความว่าเซลล์ประสาทเหล่านั้นจะกำหนดค่าของแต่ละหน้าเว็บที่เข้าชม

กระบวนการนี้ดำเนินการต่อจากที่เหลือไปสู่การแก้ไขจนกระทั่งในที่สุดเราก็บรรลุเซลล์ประสาท "เอาต์พุต" — "พร้อมที่จะซื้อ" หรือ "ไม่พร้อม" เช่นเดียวกับทุกบันทึกก่อนหน้าของเรา

ราคาของเอาต์พุตที่เพิ่มขึ้น ความน่าจะเป็นที่เพิ่มขึ้นที่เอาต์พุตนี้จะเป็นราคาที่ถูกต้อง หรือเพิ่มอย่างแม่นยำที่ชุมชนคาดการณ์การกระทำของผู้ใช้

ในตัวอย่างนี้ ผู้เยี่ยมชมเว็บไซต์ปรากฏตัวที่หน้าการกำหนดราคาและการกำหนดค่ารถยนต์ แต่ข้ามข้อมูลจำเพาะทางเทคนิคและการเงิน เมื่อใช้ระบบตัวเลขที่กล่าวถึงก่อนหน้านี้ เราได้รับ "คะแนน" ที่ .7 ซึ่งแสดงว่ามีความเป็นไปได้ 70% ที่ผู้ใช้รายนี้ "พร้อมที่จะซื้อ" โซลูชันของเรา

ดังนั้น หากเราตรวจดูองค์ประกอบหลักของเรา การให้คะแนนนั้นหมายถึงบทสรุปที่เราจำเป็นต้องได้รับตำแหน่งโฆษณา RTB

การศึกษาของชุมชนประสาท

การฝึกสอนเครือข่ายประสาทมักหมายถึงการป้อนข้อเท็จจริงที่จำเป็นต่อชุมชนเพื่อสร้างผลลัพธ์ อุปสรรคคือการสร้างองค์ประกอบ "น้ำหนัก" ที่เหมาะสมสำหรับการเชื่อมต่อทั้งหมดภายในโครงข่ายประสาทเทียม ซึ่งเป็นเหตุผลว่าทำไมจึงต้องผ่านการเรียนรู้

ในตัวอย่างตัวแทนจำหน่ายรถยนต์ เราจะป้อนข้อมูลโครงข่ายประสาทเทียมจากผู้เยี่ยมชมเว็บไซต์ต่างๆ ข้อมูลจะรวมถึงสิ่งต่างๆ เช่น ตัวเลือกของลูกค้าซึ่งผู้ซื้อเว็บเพจทางอินเทอร์เน็ตเคยแวะเวียนมา ความรู้ยังรวมถึงสิ่งต่างๆ เช่น ตัวบ่งชี้การลงทุนในที่สุดของพวกเขาในข้อสรุปจากเรา ซึ่งระบุว่า "จริง" หรือ "ไม่"

เครือข่ายนิวรัลประมวลผลข้อมูลเหล่านี้ทั้งหมด ปรับน้ำหนักของสิทธิของเซลล์ประสาททุกตัว จนกว่าชุมชนนิวรัลจะทำการคำนวณที่เหมาะสมสำหรับชายหรือหญิงแต่ละคนในความรู้การสอน เมื่อครบเวลาการเคลื่อนไหว น้ำหนักจะถูกยึด และโครงข่ายประสาทเทียมสามารถคาดการณ์ผลลัพธ์ของผู้เยี่ยมชมหน้าเว็บใหม่ได้ถูกต้องมากขึ้น

นักการตลาดสามารถใช้ Deep Discovering ได้อย่างไร

“การควบคุมอุปกรณ์สามารถใช้เพื่อเพิ่มประสิทธิภาพหรือเพิ่มประสิทธิภาพ” Jim Lecinski ผู้เขียนร่วมของ The AI ​​Internet marketing Canvas: A Five Phase Roadmap to Implementing Synthetic Intelligence in Advertising กล่าว ในการให้สัมภาษณ์กับ Kellogg Insight

“เพื่อเป็นตัวอย่าง การรายงานที่จำซ้ำๆ สามารถทำได้โดยอัตโนมัติและดำเนินการอย่างมีประสิทธิภาพมากขึ้น จากนั้นพนักงานที่ทำงานครบเวลาเหล่านี้สามารถปรับเปลี่ยนวัตถุประสงค์และนำไปใช้ใหม่กับงานด้านความก้าวหน้าเชิงกลยุทธ์อื่นๆ ได้” เขากล่าว

แต่ที่สำคัญยิ่งกว่านั้น Lecinski กล่าวว่า AI และการค้นหาอย่างลึกซึ้งนั้นมีความสามารถในการผลักดันการเติบโต

“เพิ่มเติมและอื่นๆ อีกมากมาย ซีอีโอ บอร์ดบริหาร และแผนกโฆษณากำลังมองว่าการตลาดทางอินเทอร์เน็ตกลายเป็นเครื่องมือขับเคลื่อนการเติบโตของหัวหน้าที่รับผิดชอบในการสร้างการคาดการณ์หรือการคาดคะเนด้วยข้อมูลที่ได้รับการศึกษาเพื่อให้ได้ส่วนผสมในอุดมคติของรายการที่เหมาะสมในราคาที่ถูกต้อง ได้รับการเลื่อนตำแหน่ง ด้วยวิธีที่เหมาะสมผ่านช่องทางที่เหมาะสมแก่คนที่เหมาะสม” เขากล่าว

Lecinski อธิบายว่า “ข้อมูลขนาดใหญ่นอกเหนือจากการควบคุมอุปกรณ์สามารถทำได้ในหลายๆ กรณี ทำให้การคาดการณ์เหล่านั้นและผลักดันความคืบหน้าได้ดีกว่าคนที่ไม่มีข้อเท็จจริงหรือบุคคลที่ได้รับความช่วยเหลือจากข้อเท็จจริงเพียงอย่างเดียว”

ต่อไปนี้คือกลยุทธ์หลายประการที่ผู้ประกอบการสามารถใช้การศึกษาเชิงลึกเพื่อส่งเสริมการพัฒนา

การแบ่งกลุ่ม

โมเดลการเรียนรู้เชิงลึกมีไว้เพื่อค้นหารูปแบบในข้อมูลที่ทำให้ยอดเยี่ยมสำหรับการแบ่งส่วนนวัตกรรม สิ่งนี้ทำให้ผู้ประกอบการสามารถรับรู้ถึงการมุ่งเน้นที่ผู้ชมสำหรับแคมเปญการตลาดได้อย่างง่ายดายและรวดเร็ว เมื่อเครื่องจักรใช้พฤติกรรมในอดีตเพื่อคาดการณ์ผู้มีโอกาสเป็นลูกค้า

นอกจากนี้ อุปกรณ์ยังสามารถใช้โครงข่ายประสาทเทียมและข้อเท็จจริงในการรับรู้ว่าผู้ซื้อรายใดกำลังจะจากไป — ทำให้นักการตลาดสามารถดำเนินการได้ทันที ในที่สุด AI จะนำการคาดเดาออกจากการแบ่งกลุ่ม ทำให้นักการตลาดสามารถมุ่งความสนใจไปที่อื่นได้

ตัวอย่างเช่น HubSpot AI ของเราจะทำให้การแบ่งกลุ่มทำได้ยากขึ้นโดยใช้องค์ประกอบการยึดข้อมูลอีเมลอัตโนมัติของเรา องค์ประกอบนี้ทำให้ผู้คนสามารถบันทึกข้อมูลการติดต่อที่สำคัญได้ทันที เช่น ชื่อ ตำแหน่งงาน จำนวนโทรศัพท์มือถือ และที่อยู่จากลีดและผู้มีโอกาสเป็นลูกค้า คุณลักษณะนี้ช่วยให้การแบ่งส่วน การกำหนดเส้นทาง และการรายงานโดยย่อและง่ายดายสำหรับผู้ประกอบการ

Hyper-ส่วนบุคคล

การศึกษาสมัยใหม่โดย McKinsey เผยให้เห็นว่า 71% ของผู้ซื้อคาดหวังให้ธุรกิจต่างๆ สร้างปฏิสัมพันธ์ที่เป็นส่วนตัว และ 76% รู้สึกแย่เมื่อมันไม่เกิดขึ้นจริง แม้ว่าการปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลมีความสำคัญต่อประสบการณ์ของผู้บริโภค แต่การดำเนินการจริงกลับเป็นเรื่องท้าทายเมื่อมีข้อเท็จจริงมากมายให้ตรวจสอบ

อย่างไรก็ตาม การค้นพบเชิงลึกสามารถใช้เพื่อสร้างเครื่องมือปรับแต่งส่วนบุคคลที่สามารถช่วยนักการตลาดปรับปรุงแนวทางการนำเสนอเนื้อหาที่ปรับให้เหมาะกับแต่ละบุคคลมากเกินไป ภาพประกอบของส่วนประกอบที่เป็นส่วนตัวมากเกินไปรวมถึงเว็บไซต์ที่คัดกรองบทความที่อาจแตกต่างกันโดยขึ้นอยู่กับว่าใครกำลังเรียกดูหรือการแจ้งเตือนแบบพุชสำหรับลูกค้าที่ออกไปโดยไม่ได้ซื้อกิจการ

การปรับให้เป็นส่วนตัวแบบไฮเปอร์ยังสามารถขยายไปยังตัวเลือกการสื่อสารประเภทนี้ เช่น แชทสด และความเข้าใจอย่างลึกซึ้งสามารถทำให้การรวบรวมข้อมูลจากแชทสดเหล่านี้เป็นเรื่องง่าย การแชทของเราระบุการจดจำ AI ในบางครั้งสามารถรับข้อมูลที่เป็นประโยชน์ (เช่นชื่อ) และอัปเดตใน HubSpot CRM โดยไม่ต้องผสานรวมบางสิ่ง

ทำนายการกระทำของผู้ซื้อ

การศึกษาเชิงลึกยังช่วยให้นักการตลาดคาดเดาได้ว่าผู้บริโภคจะทำอะไรต่อไปโดยติดตามดูว่าพวกเขาเคลื่อนไหวผ่านไซต์ของคุณอย่างไร และโดยทั่วไปพวกเขาทำการสั่งซื้ออย่างไร ในการดำเนินการดังกล่าว AI สามารถอธิบายให้บริษัททราบว่าสินค้าและบริการใดเป็นที่ต้องการและควรเป็นจุดสนใจของแคมเปญในอนาคต

เปิดรับความเชี่ยวชาญอย่างลึกซึ้งในด้านการตลาดและการโฆษณา

แม้ว่าการค้นหาอย่างลึกซึ้งและ AI อาจฟังดูน่ากลัว แต่นักการตลาดด้านอุปกรณ์ก็เป็นอีกหนึ่งคนที่สามารถใช้เพื่อปรับปรุงกระบวนการและการพัฒนาตลาดสำหรับองค์กรของตนได้ นักการตลาดสามารถรวมความเข้าใจอย่างลึกซึ้งและ AI เข้ากับแง่มุมต่างๆ ของการตลาดดิจิทัลและระบบรายได้อัตโนมัติ ดังนั้นอย่ากลัวอุปกรณ์ - ยอมรับมัน!