什麼是深度發現？ 這幾乎是營銷人員需要知道的一切

如今，合成智能 (AI) 一直是人們關注的焦點，因為 Zara 和 H&M 等許多企業和品牌都將 AI 納入其業務類型。 作為營銷人員，您可能想知道這是否是因為擔心。 AI 會搶走我們的工作崗位嗎？ 事實上，人工智能實際上可以通過使用深度學習技術使營銷對營銷人員來說更簡單、更有效。

但什麼是深度掌握？ 它的表現如何？ 以及如何將其用於貴公司的營銷和利潤？ 這裡列出了企業家需要了解的有關深度發現及其在互聯網營銷市場中可以發揮的有利作用的任何信息。

人工智能深度學習是什麼？

設備發現 vs. 深度學習

互聯網營銷和廣告中的深度發現示例

神經網絡的教育

企業家如何使用深度學習

擁抱廣告深度學習

與個人從知識中發現的方式非常相似，深度學習算法重複執行一項任務，幾乎每次都會產生變化以改善結果。 “深度發現”是指允許發現的神經網絡的寬（深）層。

設備探索與深度探索

深度學習是一種機器學習。 設備學習意味著計算機從數據中學習應用算法來假設和行動而無需編程——換句話說，不需要人工干預。 如前所述，深度理解是關於桌面學習感受采用以人腦為模型的結構。

機器發現還涉及相當少的計算能力，儘管深度學習需要的持續人工干預要少得多。

市場營銷中深度學習的例子

假設我們是一家在線汽車經銷商，我們希望使用實時競價 (RTB) 為我們的商品在其他互聯網網站上獲得廣告位置，以實現重新定位目的。

RTB 是一種自動方法，將在不到 100 毫秒的短時間內發生。 當一個人訪問一個網站時，廣告商會收到警報，並且無論該廣告商是否為廣告展示出價，都會建立一系列操作。

在 RTB 中，我們使用軟件來確定我們是否要為某個廣告出價——軟件程序將通過預測網站訪問者購買我們的一種商品的可能性來做出選擇。 我們簡稱為“購買傾向”。

在這種情況下，我們將使用深度學習來做出這個預測。 這表明我們的 RTB 軟件程序將使用神經網絡來預測購買傾向。

我們的 RTB 應用程序內部的神經社區由神經元和它們之間的連接組成。 過印像中的神經網絡只有屈指可數的幾個神經元。

在這種情況下，我們想知道某個特定的網站客戶是否最有可能購買汽車，以及我們是否必須支付廣告費用以關注該客戶。 結果將取決於網站訪問者的興趣和步驟。

為了預測購買傾向，我們最初選擇了幾個對定義此人的電子行為至關重要的“特徵”。 這些人的屬性將包括以下 4 個互聯網頁面中的哪些經常被訪問：

1. 價錢。
2. 自動配置器。
3. 要求。
4. 資金。

所有這些特徵都會影響我們神經網絡的輸出和我們的總結。 該輸出只能具有以下兩個值之一：

1. 網站客戶對該商品感興趣或“準備購買”。 結論：我們必須篩選廣告。
2. 站點客戶對商品不感興趣或“沒有準備好”。 總結：不顯示廣告。

對於每個輸入，我們使用“0”或“1”。

“1”表示用戶訪問過該網頁。 中間的神經元將插入與權重相關的相關神經元的值——這意味著它們確定每個訪問過的網頁的值。

這個過程從保留到糾正，直到我們最終獲得“輸出”神經元——“準備購買”或“未準備好”，就像我們之前的每一個記錄一樣。

輸出的價格越高，該輸出正確的可能性就越大——或者社區預測用戶行為的準確性就越高。

在此示例中，網站訪問者出現在定價和汽車配置器頁面，但跳過了技術規格和融資。 使用前面提到的數字系統，我們得到 0.7 的“分數”，這表示該用戶“準備購買”我們的解決方案的可能性為 70%。

因此，如果我們看一下我們的主要組件，該評級表示我們需要獲得 RTB 廣告位置的摘要。

神經共同體的教育

指導神經網絡通常意味著向社區提供創造成果所需的事實。 障礙在於為神經網絡內部的所有連接構建適當的“權重”元素，這就是為什麼它需要經過學校教育。

在我們的汽車經銷商示例中，我們將提供來自不同網站訪問者的神經網絡數據。 該信息將包括諸如客戶選項之類的內容，例如客戶經常訪問的網頁。 這些知識還包括諸如他們最終投資於我們的結論的指標之類的東西，這些結論被標記為“確實”或“否”。

神經網絡處理所有這些信息，調整每個神經元的權重，直到神經網絡傾向於對教學數據中的每個人做出正確的計算。 當移動完成時，權重固定，神經網絡可以更準確地預測新網頁訪問者的結果。

營銷人員如何使用深度發現

“設備掌握可用於提高效率或優化收益，”人工智能互聯網營銷畫布的合著者 Jim Lecinski 在接受 Kellogg Insight 採訪時表示：“在廣告中實施合成智能的五階段路線圖” 。

“因此，舉個例子，任何死記硬背的報告都可以自動化並更有效率地進行。 然後，這些全職員工可以重新調整用途，並重新應用於其他戰略性晉升工作，”他說。

但更重要的是，Lecinski 說人工智能和深度學習有能力推動增長。

“此外，首席執行官、董事會和廣告部門正在將網絡營銷視為主要的增長引擎，負責創建基於信息的預測或預測，以正確的價格標籤獲得合適項目的理想組合，促進以合適的方式通過合適的渠道提供給合適的人，”他說。

Lecinski 解釋說，“在許多情況下，大數據和設備掌握可以比缺乏事實的人或僅靠事實幫助的人更好地做出這些預測並推動進步。”

以下是企業家可以利用深度學習促進發展的幾種策略。

分割

深度學習模型能夠發現信息中的模式，使其非常適合創新細分。 當機器使用過去的行為來預測可能的潛在客戶時，這使企業家能夠非常輕鬆快速地識別出營銷活動對受眾的關注。

設備還可以使用神經網絡和事實來識別哪些購物者即將離開——讓營銷人員立即採取行動。 最終，人工智能消除了細分中的猜測，使營銷人員可以將精力集中在其他地方。

例如，我們的 HubSpot AI 可以通過我們的自動電子郵件數據抓取功能降低細分難度。 該元素使人們可以立即捕捉重要的聯繫人信息，例如來自潛在客戶和潛在客戶的姓名、職位、手機號碼和地址。 該功能有助於使企業家的細分、路由和報告變得簡單而輕鬆。

超個性化

麥肯錫的一項現代研究表明，71% 的購物者希望企業能夠產生個性化的互動，而 76% 的人會因為沒有實現而生氣。 雖然個性化對消費者體驗很重要，但在有如此多的事實需要檢查時執行起來確實具有挑戰性。

然而，深度發現可用於構建個性化引擎，幫助營銷人員簡化提供超個性化內容的過程。 超個性化組件的示例包括篩選文章的網站，這些文章可能會根據誰在瀏覽或為沒有購買而離開的客戶推送通知而有所不同。

超個性化還可以擴展到諸如實時聊天之類的通信選項，而深入的理解可以使從這些實時聊天中收集信息變得輕而易舉。 例如，我們的實時聊天身份識別 AI 可以獲取有用的對話信息（如姓名）並在 HubSpot CRM 中更新它，而無需集成任何東西。

預測購買者行為

深入研究還可以幫助營銷人員通過監控消費者如何瀏覽您的網站以及他們下訂單的頻率來預測消費者接下來會做什麼。 在這樣做的過程中，人工智能可以向公司解釋哪些產品和服務是需要的，應該成為未來活動的重點。

深入掌握營銷和廣告

儘管深度學習和 AI 聽起來可能令人生畏，但它確實是設備營銷人員可以用來簡化其組織的流程和市場開發的另一種工具。 營銷人員可以將深刻理解和人工智能融入數字營銷和收入自動化的眾多方面。 所以，不要害怕這個設備——擁抱它！