Markkinoijat ja koneoppiminen: Nopeampi, älykkäämpi, tehokkaampi

koneoppiminen

Markkinoijat ovat käyttäneet vuosikymmenien ajan A / B-testausta tarjousten tehokkuuden määrittämiseen vasteajoissa. Markkinoijat esittävät kahta versiota (A ja B), mittaavat vastausprosentin, määrittelevät voittajaja toimita sitten tarjous kaikille.

Mutta tunnustetaan. Tämä lähestymistapa on lamauttavan hidas, ikävä ja anteeksiantamattoman epätarkka - varsinkin kun sovellat sitä matkapuhelimeen. Mitä matkapuhelinmarkkinoija todella tarvitsee, on tapa määrittää oikea tarjous kullekin asiakkaalle tietyssä yhteydessä.

Matkapuhelintilaajat esittävät ainutlaatuisen haasteen, kun on löydettävä optimaalinen tapa sitouttaa heidät ja saada aikaan toimintaa. Matkapuhelinkäyttäjien kontekstit muuttuvat jatkuvasti, mikä tekee vaikeaksi määrittää milloin, missä ja miten he ovat tekemisissä heidän kanssaan. Haasteen lisäämiseksi mobiilikäyttäjät odottavat suurta personointia, kun on kyse yhteydenpidosta heidän kanssaan henkilökohtaisen laitteensa kautta. Joten perinteinen A / B-lähestymistapa - missä kaikki saavat voittaja - puuttuu markkinoijista ja kuluttajista.

Näiden haasteiden torjumiseksi - ja hyödyntääkseen mobiililaitteiden kaikki mahdollisuudet - markkinoijat ovat siirtymässä big data -tekniikoihin, jotka kykenevät edistämään käyttäytymisanalyyseja ja automatisoitua päätöksentekoa oikean viestin ja oikean kontekstin määrittämiseksi jokaiselle asiakkaalle.

Koneen oppiminenTehdäkseen tämän mittakaavassa he hyödyntävät koneoppiminen. Koneoppimisella on kyky sopeutua uuteen dataan - ilman sitä nimenomaisesti ohjelmoituna - tavalla, jota ihmiset eivät voi lähestyä. Samoin kuin tiedonlouhinta, koneoppiminen hakee valtavia määriä dataa etsimällä malleja. Kuitenkin sen sijaan, että otettaisiin oivalluksia ihmisen toiminnasta, koneoppiminen käyttää tietoja parantaakseen ohjelman omaa ymmärrystä ja säätääkseen toimia automaattisesti vastaavasti. Se on pohjimmiltaan automaattisen nopeuden ohjauksen A / B-testaus.

Syy siihen, että se on pelinvaihtaja nykypäivän matkapuhelinmarkkinoijille, johtuu siitä, että koneoppiminen automatisoi loputtoman määrän viestien, tarjousten ja yhteyksien testaamisen ja määrittää sitten, mikä kenelle, milloin ja missä parhaiten sopii. Think tarjoaa A ja B, mutta myös E, G, H, M ja P sekä minkä tahansa määrän konteksteja.

Koneoppimisominaisuuksien avulla viestien jakelun elementtien (esim. Milloin ne lähetettiin, kenelle, millä tarjousparametreilla jne.) Ja tarjouksen vastauksen elementit tallennetaan automaattisesti. Riippumatta siitä, hyväksytäänkö tarjoukset, vastaukset kerätään palautteena, joka ohjaa sitten erityyppisiä automaattisia malleja optimointiin. Tätä palautesilmukkaa käytetään samojen tarjousten myöhempien sovellusten hienosäätöön muille asiakkaille ja muille tarjouksille samoille asiakkaille, jotta tulevilla tarjouksilla on suurempi todennäköisyys menestyä.

Poistamalla arvaukset markkinoijat voivat käyttää enemmän aikaa luovaan ajatukseen siitä, mikä tuottaa enemmän arvoa asiakkaille verrattuna siihen, miten ja milloin se toimitetaan.

Nämä ainutlaatuiset ominaisuudet, jotka mahdollistavat suurten tietojenkäsittely-, tallennus-, kysely- ja koneoppimisen edistysaskeleet, ovat nykypäivän kärjessä mobiilialalla. Eturintamassa olevat matkapuhelinoperaattorit käyttävät niitä muotoillakseen mielenkiintoisia käytöstietoja sekä käsityönä houkuttelevia markkinointikampanjoita, jotka vaikuttavat viime kädessä asiakkaiden käyttäytymiseen parantamaan uskollisuutta, vähentämään vaihtelua ja nostamaan dramaattisesti tuloja.

2 Kommentit

  1. 1

    On todella mielenkiintoista lukea mobiililaitteiden tuomista haasteista ja siitä, kuinka markkinoijat pystyvät hyödyntämään laskentatehoa esittämään nopeasti paitsi yhden kahdesta vaihtoehdosta, mutta yhden monista vaihtoehdoista. Oikean viestin saaminen oikeille asiakkaille. Tällainen eteenpäin ajattelu ja tekniikan tehokas käyttö.

  2. 2

    Teknologian uusien suuntausten myötä on hyvä olla ajan tasalla tapahtumista ja saada tietoa tuotteiden markkinoinnista. Hyvää tietoa, rakasti artikkeliasi!

Mitä mieltä olet?

Tämä sivusto käyttää Akismetiä roskapostin vähentämiseksi. Lue, miten kommenttitietosi käsitellään.