bts防弹少年团演唱会

bts防弹少年团演唱会

如何开始机器学习和人工智能营销

《如何开始机器学习和人工智能营销》

人工智能是强大的,将打开我们目前甚至不知道存在的大门。 但是,您今天可以采取一些步骤来确保您充分利用这项新功能并且不会落后。

由于这是一个新生的领域,因此首先简要介绍人工智能和机器学习。 我的假设是你已经阅读了十几个不同的定义,并且应该对这个特定的论文适用哪个很好奇。

那么我们如何定义AI?

作为一个总称,人工智能是一门先进的计算机科学,它为我们带来了计算机视觉,自然语言处理和聊天机器人。 对于营销,它为我们带来了客户服务对话,其中包括“你是机器人吗?”这个问题。

它还带来了个性化的动态内容,硬件商店中的机器人,以及通过按Staples的Easy Button订购蓝色笔的功能,并简单地要求它们。

机器学习在AI中扮演什么角色?

机器学习提供AI下的引擎。 简而言之,机器学习是构建可以改变主意的系统的艺术。 机器学习系统不是为严格执行编写严格的逻辑,而是权衡可用数据以决定给定目标。 我们应该展示哪个广告? 机器人应该如何回答这个问题? 当它获得新数据时,它会改变其先前的权重以适应新的现实。

机器学习分为监督,无监督和强化学习。 数据科学家将在已知答案时选择监督机器学习算法(这是猫的图片吗?),当答案未知时(我最好的客户有什么共同点?)和强化,这是一种无监督的机器学习算法在没有绝对答案的情况下学习(现在向这类人展示的最佳广告是什么?)。

我们可以在机器出错时更正机器,外出并找到看起来像它所识别的客户群的潜在客户,并让机器随着时间的推移提高我们的广告支出回报。

这种新技术的实际应用与其背后的繁重数学之间的差距非常大。 除了潜入新的博士学位。 项目负责人首先,营销主管如何确保稳固的基础,快速理解和前沿的竞争优势?

  • 刷新你的统计数据
  • 紧跟发展势头
  • 实验 – 推动极限
  • 拥抱模糊数和失败
  • 成为变革推动者

刷新你的统计数据

数学,在学校中最常见的教学是曲折和无休止的。 结果,大多数人都高兴地宣称,“我不是一个数学家!”就像那些离开学校的人说的那样,“我讨厌莎士比亚!”健身教练会在教室里造成很大的破坏。 即使你的老师低于标准,高中统计数据书也会比密集的维基百科条目更有帮助。

这并不是说您必须在脑海中执行令人印象深刻的数学专长,但您确实希望对数据进行理性对话并对数据进行分析。

您需要知道如何驾驶汽车,道路规则以及您想要最终的位置。 你不需要知道汽车是如何工作的,但是当他们说你的变速器有问题时,你应该知道足以担心修理它的成本。

如果采样,统计显着性和线性回归的概念超出了您的舒适范围,请花一些时间来适应它们。

紧跟发展势头

当听取实际数据科学家谈论所有这些东西的工作原理时,你很快就会意识到这门科学的新鲜感。 它们都是如此新颖,以至于它们总是会引用过去三个月写的规范性论文。 如果您决定潜入并从上到下学习ML,那么您已做出职业决定,而不是从事业余爱好。 事情发展得如此之快,以至于你不应该详细谈论细节,而应该关注概念。

收听像%E6%9C%AC%E5%91%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%92%8C%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%BF%99%E6%A0%B7%E7%9A%84%E6%92%AD%E5%AE%A2%EF%BC%8C%E4%BA%86%E8%A7%A3%E8%BF%99%E4%B8%80%E7%B3%BB%E5%88%97%E7%A0%94%E7%A9%B6%E7%9A%84%E6%96%B0%E7%94%9F%E5%92%8C%E5%A4%8D%E6%9D%82%E7%A8%8B%E5%BA%A6%E3%80%82″>

这样,当有关于Google%E6%9E%84%E5%BB%BA%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%9C%BA%E5%99%A8%E7%9A%84%E6%96%87%E7%AB%A0

实验 – 推动极限

在市场营销中,机器学习系统非常擅长死记硬背,“认知”任务:

  • 排行
  • 排序
  • 寻找模式
  • 寻找异常值
  • 学习新信息

试试吧。

AI营销工具

有各种各样的初创企业创建各种AI和ML工具,如虚拟个人助理,数据驱动决策,组织和分析视觉资产,内容创建和一般营销平台。 这是A%E8%90%A5%E9%94%80%E4%BA%BA%E5%91%98%E7%9A%84AI%E6%8C%87%E5%8D%97%E5%92%8C45%E4%B8%AA%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%90%A5%E9%94%80%E5%B7%A5%E5%85%B7%E5%85%A5%E9%97%A8“>

将其中一个或两个带入您的工作场所并试用它们。 探索,实验,利用。 最终,你会发现一些比其他更有用,但目前,学习是关键。

这些工具的重点非常集中,在工作中也是如此。 但是,如果你可以训练一个通用的机器学习工具来做一个像人类一样糟糕的工作,它仍然比雇用一个人更好,更便宜,更快。 没有休息,没有生病的时间,没有退休金,至少现在,没有集体谈判(笑话)。 给定时间和足够的数据,它将学会比人类更好地完成工作。 有很多高薪的人花费大量时间做死记硬背的任务,他们可以腾出来做更有创意的事情。

试用工具:

  • 测试
  • 领先得分
  • 会议安排
  • 个性化内容
  • 入站电子邮件排序
  • 社交媒体监控
  • 程序化广告
  • 创建社交媒体消息和广告文案

拥抱模糊数和失败

当你与那些权衡事实然后改变主意的人一起工作时,你指望他们解释为什么他们的观点发生了变化。 心理学家会告诉你,人们做出情绪决定,然后在被问到时理性化他们的判断。

机器学习系统基于合理化,没有情感的好处。 在炎热的夏日,ML系统不是检查他们的直觉并确定他们不应该从食物卡车上吃寿司,而是试图将每个数据点关联起来以作出数学决策。 决定它的原因是数学,而不是逻辑。

数据科学家将解释该过程的不透明程度。 该机构的焦点小组,在线民意调查和社交媒体研究表明,年龄在18岁至34岁之间的女性更容易对新的花香味除臭剂感兴趣。

该机器表示,以这种方式获得a)53.256%的人,b)45.980%,并且c)在必要的时间范围内展示了这273种行为中的一种更有可能感兴趣。 这些数字是什么意思? 当考虑50,100或1,000个属性时,意义是数学的,人类无法理解。 然而,结果令人印象深刻。

因此,你必须习惯于概率是你的朋友。 这与会计非常不同。 没有二元选择,只有灰色阴影。

首先,改变你谈论计算机的方式。 从GoniHub%E4%B8%8A%E7%9A%84Zoni” nation>那里得到一个提示,永远不要说永远。 比如说,“机会很小,或者’这种可能性很小’。

《如何开始机器学习和人工智能营销》

尽管我们渴望确定,但现实生活中除了死亡和税收之外什么也没有。 机器学习对模糊数字和概率很满意,并且在大规模学习错误的情况下完全没有问题。

良好的判断来自经验,而经验来自错误的判断。

– 丽塔梅布朗

人类的宽容程度要低得多。 幸运的是,人类更聪明。 我们有能力将我们积累的所有知识用于任何给定的问题,而该机器只能处理给定的任务,目前只提供少量数据。

计算机非常快速,准确,而且非常愚蠢。 人类非常缓慢,不准确,而且非常出色。 同心合力,他们的力量超乎想象。

– 艾尔伯特爱因斯坦

成为变革推动者

成为一名有效的营销主管取决于行政决策。 坚定的执行决策取决于经验和最佳实践。 你可以弄清楚那些最佳实践应该是什么并带头,或等待其他人弄明白,然后试着赶上。

领先更好。 由于人工智能和机器学习,判断和大胆将比经验和坚实的记录更有价值。

您的组织中可能有一个或多个小组在业余时间玩弄人工智能。 他们正在参加会议。 他们正在研究基于云的系统上的训练数据集。 他们正在构建基本的应用程序。 这是肯定的,因为人工智能和机器学习是如此迷人,以至于每个使用软件和/或数据的人都认为测试某种形式的先进的自学系统远比观看最新的必看电视更有趣。

第一步也是最重要的一步是找到贵公司的实验者,让他们对使用超级大国进行营销感到兴奋。 这些方法在产品开发,制造,欺诈检测,医疗保健等方面得到了更广泛的应用。 市场营销根本就没有出现过。

一旦您的数据科学家对大量可用的营销数据充满热情并确信他们了解营销目标,他们就会开始测试。 确保您保持在循环中,这样您就可以巧妙地将它们推向正确的方向,同时了解公司不断增长的能力。

您可以从培训机器学习系统开始,向您的客户服务代表建议剪切和粘贴段落,个性化您网站上的某些程度的内容,或选择正确的时间发送电子邮件。 这将是一个耗时且有点令人沮丧的经历。 没关系。 这就是我们学习的方式。 经过大量的测试和培训后,是时候打开闸门,让青少年驾驶汽车独奏。 有点风险? 是。 伤脑筋? 决然。 能力发展需要什么? 绝对。

变革管理是说服他人的艺术。 关于AI的令人欣慰的事情是,它可以 – 而且应该是零碎的。 你不应该试图煮沸海洋。 您不必将整个董事会,高层管理人员,副总裁,董事和经理放在一个房间内,并通过数字化转型“解释未来”。

改变航空母舰的航线时,John Kotter %E9%A2%86%E5%AF%BC%E5%8F%98%E9%9D%A9%E7%9A%848%E6%AD%A5%E6%B5%81%E7%A8%8B%E9%9D%9E%E5%B8%B8%E9%87%8D%E8%A6%81%EF%BC%9A”>

  1. 建立紧迫感。
  2. 建立指导联盟。
  3. 制定愿景和战略。
  4. 传达变革愿景。
  5. 使员工能够采取基础广泛的行动。
  6. 产生短期胜利。
  7. 巩固收益并产生更多变化。
  8. 锚定文化中的新方法。

在“ 认知工作重新设计的兴起 ”中,Tom Davenport着眼于实施AI主题。 他指出了合适的业务流程环境,包括:

  1. 存在知识瓶颈的地方(例如,农村地区的医疗诊断和治疗)。
  2. 所需知识太昂贵而无法广泛提供(投资建议,甚至大学教育,都是例子)。
  3. 人类大脑需要掌握太多数据或分析的地方(在数字营销中以程序化方式购买广告就是一个很好的例子)。
  4. 需要始终如一的高决策质量的地方(最好的例子是银行保险承保和信贷决策)。
  5. 监管压力需要更明智的流程(再次,投资建议就是一个例子)。

与建筑师,厨房设计师,工作领班和城市检查员合作,需要改造厨房。 然而,所有这些都需要非常不同的策略和谈话模式。

与数据科学家合作不同于与经过专业培训的IT技术人员,数据库设计人员或程序员合作。 创建AI系统不是定义要求,生成设计,等待构造,在测试期间磨牙,在调试期间拔出头发以及在发射期间屏住呼吸的情况。 创建AI系统更像是一种舞蹈。 为此,了解你的伴侣是件好事。

向您的组织提供的最重要的信息是,AI不会被用来取代人员,而是与他们合作并帮助他们更好地协同工作。

结论

你的工作是掌握统计数据,掌握技术变化,从大约3万英尺的水平,通过尝试和看看它们如何去学习,习惯灰色和不确定性,并成为领导者收费。

这些可能是现在的宝贝步骤,但最终,你的机器人会感谢你。

相关文章

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注