Сколько треугольников вы видите здесь:
Люди легко определяют фигуры, в то время как машине нужно сначала узнать, что такое треугольник, прежде чем она сможет распознать его. Специалист должен наполнить машинный мозг правильными критериями (или моделью) с большим количеством изображений треугольников (или данных).
Этот процесс называется обучением. Как только машина научится определять треугольник, она легко сможет находить его. Кстати, правильный ответ: 32.
Попробуйте за 5 секунд сосчитать количество треугольников на изображении ниже:
Вот где пригодится машинное обучение. Вы, конечно, можете посчитать эти фигуры сами, если у вас есть время. Однако машина способна обработать гораздо больший массив данных за считанные доли секунд. И правильный ответ: 19.
Попробуйте угадать, какая фигура будет следующей в последовательности:
Машины также способны делать прогнозы. Научившись определять изображения и находить закономерности, они могут прогнозировать данные. Правильный ответ: зеркальная фигура L.
В статье мы раскрыли мнение Thinkwithgооgle.cоm о машинном обучении, по крайней мере, о том, что каждый маркетолог должен о нем знать.
Содержание статьи
1. Заранее определите маркетинговую цель машинного обучения
2. Алгоритм хорош ровно настолько, насколько хороши его данные
3. Соберите разнообразную команду
Для чего нужно машинное обучение в маркетинге
1. Определите наиболее ценных клиентов
2. Разработайте персонализированный креатив
3. Назначьте правильную ставку
4. Раскройте намерение потребителя
Что такое машинное обучение?
По сути, машинное обучение — это быстрый способ идентифицировать и проанализировать огромные массивы данных.
По данным Thinkwithgооgle.cоm «Что каждый маркетолог должен знать о машинном обучении» (Everything a marketer needs to know about machine learning)
Поскольку люди ожидают получить более персонализированный и релевантный опыт, машинное обучение стало незаменимым инструментом.
Перед тем как внедрять в своей компании машинное обучение, важно сделать следующее.
1. Заранее определите маркетинговую цель машинного обучения
Машины, как и люди, лучше всего работают тогда, когда перед ними стоят четкие цели. Измеримые цели помогают специалисту по данным (data scientist) построить модели машинного обучения и выбрать правильные данные. Определите, как выглядит успех, чтобы позже измерить его.
2. Алгоритм хорош ровно настолько, насколько хороши его данные
Соберите подходящие для вашей цели данные. Их должно быть довольно много — сотни тысяч единиц данных. Они должны быть отформатированы, очищены и организованы для вашего алгоритма. Вам понадобятся два массива данных: один — чтобы обучать модель, а другой — чтобы оценить ее.
3. Соберите разнообразную команду
Маркетологи способны определить варианты использования машинного обучения, но только специалисты по данным и аналитики могут их внедрить. Межфункциональная команда — обязательное условие для успеха любой программы машинного обучения. Она обеспечивает такой образ мышления организации, который приоритезирует и поощряет эксперименты, измерения и тестирования.
Для чего нужно машинное обучение в маркетинге
Вот несколько способов, как можно использовать машинное обучение в маркетинге.
1. Определите наиболее ценных клиентов
Представьте, что вы запустили приложение. Первые результаты показали, что те, кто скачал это приложение, очень редко заходят в него.
По мнению Thinkwithgооgle.cоm, неактивность пользователей — довольно распространенная проблема
Команда GM внедрила машинное обучение, чтобы увеличить количество ценных клиентов их сервиса по аренде автомобилей. Это помогло им снизить затраты на привлечение и при этом нарастить клиентскую базу, высвободив бюджет для более стратегических инициатив:
- число регистраций увеличилось на 51%;
- стоимость регистрации снизилась на 74%.
2. Разработайте персонализированный креатив
Согласно исследованиям 91% пользователей смартфонов совершают покупки после просмотра релевантной рекламы.
Используйте машинное обучение, чтобы создавать уникальные и персонализированные креативы. Адаптивные поисковые объявления (responsive search ads) Google комбинируют разные заголовки и описания и определяет наиболее эффективное сочетание для показа. Рекламодатели, применяющие машинное обучение для тестирования вариантов объявлений, в среднем получают на 15% больше кликов.
Google говорит, что адаптивные поисковые объявления позволяют показывать рекламу, адаптированную к поисковым запросам
Когда Apartments.com (сайт, посвященный аренде квартир) решил оптимизировать креативы для своей растущей аудитории, он воспользовался адаптивными поисковыми объявлениями и увеличил количество кликов на 10%.
3. Назначьте правильную ставку
Поскольку поисковые запросы пользователей становятся более конкретными и их количество растет, усложняется задача выбора правильной ставки на аукционах. Огромный поток данных скрывает значимые сигналы.
Интеллектуальное назначение ставок (Smart Bidding) использует машинное обучение, позволяющее учитывать множество различных сигналов и вносить корректировки непосредственно во время аукциона.
Чтобы увеличить количество целевых визитов на сайте Nissan, партнерское агентство OMD использовало алгоритмы автоматического назначения ставок наряду со своими собственными настройками.
В итоге они добились следующих результатов:
- коэффициент конверсии вырос на 67%;
- стоимость целевого визита снизилась на 33%;
- цена за клик снизилась на 14%.
4. Раскройте намерение потребителя
Изучая продукт, пользователи часто переходят по нескольким рекламным объявлениям. Как правило, последнее из них приводит к конверсии. Но это не значит, что на решение пользователя повлияло только оно. Атрибуция на основе данных (data-driven attribution) использует алгоритмы для определения закономерностей, ведущих к конверсии, включая наиболее важные точки касания.
Одно из преимуществ, выделяемых Google — это знание того, какие ключевые слова, объявления и кампании играют самую важную роль в достижении ваших бизнес-целей
Планирование путешествия может занимать месяцы. Чтобы понять, какие точки касания обеспечивают долгосрочное развитие, сервис аренды жилья HomeAway использовал атрибуцию на основе данных и определил сигналы покупательского намерения, ведущие к конверсии.
Заключение
Теперь, когда вы знаете о всех преимуществах машинного обучения, подумайте о том, как внедрить его в свой маркетинг.
Высоких вам конверсий!
По материалам: thinkwithgoogle.com. Изображение: freepik.com.
