Подчеркивая улучшение ИИ, предоставляемого их продуктам, и делая их первоклассными компаниями этого поколения.
Последнее десятилетие принесло огромную революцию в виде искусственного интеллекта (ИИ) и машинного обучения (МО), охвативших все отрасли. Эти изменения привели к эволюции общего сценария работы компаний, предоставив им информацию для улучшения своих продуктов и услуг. Не будет ошибкой сказать, что ИИ облегчил жизнь с помощью чат-ботов, алгоритмов, механизмов рекомендаций, аппаратной инфраструктуры, языковой обработки и многого другого. Теперь ожидается, что в отрасли произойдут некоторые стратегические сдвиги со стороны предприятий.
В 2019 году индустрия искусственного интеллекта продемонстрировала огромный рост. Согласно отчету Deloitte за конец прошлого года, 9 из 10 компаний инвестируют в искусственный интеллект. Принимая во внимание, что 70% таких компаний также признали, что их инвестиции в ИИ были минимальными или отсутствовали вовсе. За последнее десятилетие, хотя организации активно сотрудничали с ИИ-компаниями, внедрение моделей оставалось сложной задачей. В 2020 году произойдет заметный сдвиг в сторону интеллектуальной автоматизации, который изменит лицо всех основных секторов, от правительства Индии до стартапов и малых и средних предпринимателей.
Искусственный интеллект и его приложения оказали значительное влияние практически на все отрасли. Бренды, определяемые как техника, позволяющая машинам имитировать поведение человека, все чаще используют ИИ для автоматизации процессов. Мы видим это во многих точках предложений сайта взаимодействия с брендом в нашей поисковой системе, помощи в полосе движения в легковых автомобилях и устранении неполадок в приложениях, и это лишь некоторые из них.
ИИ — не новое явление. Он существует уже почти 50 лет, постоянно обучаясь, почти ежедневно. По мере того, как мы развиваемся и становимся более эффективными, а искусственный интеллект учится лучше имитировать человеческий интеллект, предприятия получают выгоду от повышения эффективности процессов и операций. В качестве примера можно привести анализ, проведенный PWC, который прогнозирует, что ИИ может внести в мировую экономику до 15,7 трлн долларов уже к 2030 году. Из них 6,6 трлн долларов, вероятно, придется на повышение производительности; 9,1 триллиона долларов из-за побочных эффектов потребления.
Машинное обучение
Представьте, что вы отвечаете за создание системы прогнозирования на основе машинного обучения, чтобы попытаться идентифицировать изображения между собаками и кошками. Как мы объяснили выше, первым шагом будет сбор большого количества изображений с пометками «собака» для собак и «кошка» для кошек. Во-вторых, мы обучим компьютер искать закономерности на изображениях, чтобы идентифицировать собак и кошек соответственно.
Обученная система машинного обучения, способная идентифицировать кошек или собак.
После того, как модель машинного обучения была обучена, мы можем добавить в нее (ввести) разные изображения, чтобы увидеть, сможет ли она правильно идентифицировать собак и кошек. Как видно на изображении, обученная модель машинного обучения может (в большинстве случаев) правильно идентифицировать такие запросы.
например, инструменты поиска и перевода изображений используют сложное машинное обучение. Это позволяет компьютеру видеть, слушать и говорить почти так же, как это делают люди. Много вау!
Google использует алгоритмы машинного обучения, чтобы предоставить своим клиентам ценный и персонализированный опыт. В службы Gmail, Google Search и Google Maps уже встроено машинное обучение. Google — хозяин всего. Он использует алгоритмы машинного обучения и предоставляет клиентам ценный и персонализированный опыт. Машинное обучение уже встроено в его сервисы, такие как Gmail, Google Search и Google Maps.
1. Практический пример машинного обучения — Dell
Многонациональный лидер в области технологий, Dell, предоставляет людям и сообществам со всего мира превосходное программное и аппаратное обеспечение. Поскольку данные являются основной частью жесткого диска Dell, их маркетинговой команде требовалось решение на основе данных, которое увеличивает скорость отклика и показывает, почему одни слова и фразы превосходят другие.
Dell заключила партнерское соглашение с Persado, ведущей мировой технологией в области маркетинговых креативов, созданных с помощью искусственного интеллекта и машинного обучения, чтобы использовать силу слов в своем канале электронной почты и собирать аналитику на основе данных для каждой из своих ключевых аудиторий. В результате этого партнерства Dell заметила увеличение CTR в среднем на 50% и увеличение числа ответов от клиентов в среднем на 46%. Это также привело к увеличению числа посещений страниц в среднем на 22% и увеличению количества добавлений в корзину в среднем на 77%.
Вдохновленные успехом и опытом работы с электронной почтой, Dell стремилась улучшить всю свою маркетинговую платформу с помощью Persado. Теперь Dell использует машинное обучение для улучшения маркетинговой копии своих рекламных и жизненных электронных писем, рекламы в Facebook, медийных баннеров, прямой почтовой рассылки и даже радиоконтента.
2. Пример машинного обучения — Sky
Sky UK трансформирует клиентский опыт с помощью машинного обучения и искусственного интеллекта через Adobe Sensei.
«У нас 22,5 миллиона очень разных клиентов. Даже попытка разделить людей по их любимым телевизионным жанрам может привести к довольно широким сегментам». сказал руководитель отдела цифровых решений и аналитики Sky UK.
Это будет:
· Создавайте гиперориентированные сегменты для привлечения клиентов.
· Используйте машинное обучение для предоставления действенной информации.
· Улучшить отношения с клиентами.
· Применяйте знания ИИ по разным каналам, чтобы понять, что важно для клиентов.
Компания смогла разобраться в своих больших объемах информации о клиентах с помощью сред машинного обучения, чтобы рекомендовать им продукты и услуги, которые больше всего находят отклик у каждого клиента.
«Люди думают о машинном обучении как об инструменте для предоставления строго определенного и очень роботизированного опыта, но на самом деле все наоборот. С Adobe Sensei мы проводим линию, которая соединяет интеллектуальную информацию о клиентах и персонализированный опыт, который ценен и уместен», — говорит Маклафлин.
3. Пример машинного обучения — Trendyol
Trendyol, ведущая компания электронной коммерции, базирующаяся в Турции, столкнулась с угрозой со стороны глобальных конкурентов, таких как Adidas и ASOS, особенно в отношении спортивной одежды.
Чтобы помочь завоевать лояльность клиентов и усовершенствовать свою систему электронной почты, компания заключила партнерское соглашение с поставщиком Liveclicker, который специализируется на персонализации в реальном времени.
Trendyol использовал машинное обучение и искусственный интеллект для создания нескольких высоко персонализированных маркетинговых кампаний. Это также помогло определить, какие сообщения будут наиболее актуальны для конкретных клиентов. Он также создал предложение для футбольной майки с именем получателя на спине, чтобы усилить персонализацию.
Творчески используя индивидуальную персонализацию, показатели открытия, рейтинга кликов, конверсий и продаж ритейлера достигли рекордно высокого уровня. Это привело к увеличению рейтинга кликов для Trendyol на 30%, росту на 62%…
4. Практический пример машинного обучения — Harley Davidson
Сегодня мы находимся в том месте, где трудно пробиться через традиционный маркетинг. Для такого бизнеса, как Harley Davidson NYC, Альберт (робот с искусственным интеллектом) очень привлекателен. Благодаря машинному обучению и искусственному интеллекту роботы пишут новости, работают в отелях, управляют дорожным движением и даже управляют McDonald’s.
Альберта можно применять к различным маркетинговым каналам, включая социальные сети и электронную почту. Программное обеспечение предсказывает, какие потребители с наибольшей вероятностью совершат конверсию, и самостоятельно корректирует личные творческие копии.
Harley Davidson — единственный бренд, использующий Альберта. Компания проанализировала данные о клиентах, чтобы определить поведение предыдущих клиентов, чьи действия были положительными с точки зрения покупок и затрат времени на просмотр веб-сайта больше среднего. С помощью этой информации Альберт создал сегменты клиентов и соответствующим образом расширил тестовые кампании.
Результаты показывают, что Harley Davidson увеличила свои продажи на 40% благодаря использованию Альберта. Бренд также увеличил количество лидов на 2930%, при этом 50% из них были получены от «двойников» с высокой конверсией, идентифицированных с помощью искусственного интеллекта и машинного обучения.
5. Пример машинного обучения — Yelp
Хотя на первый взгляд Yelp может показаться не технологической компанией, она использует преимущества машинного обучения для улучшения взаимодействия с пользователями.
Сегодня для целого поколения фотографировать еду стало второй натурой, и все благодаря этим людям, благодаря которым у Yelp такая огромная база фотографий. Его программное обеспечение использует методы анализа изображения для определения цвета, текстуры и формы. Это означает, что он может распознавать наличие, скажем, пиццы или наличие в ресторане столиков на открытом воздухе.
В результате компания теперь может прогнозировать такие атрибуты, как «подходит для детей» и «классная атмосфера» с точностью более 80%. Также планируется использовать эту информацию для автоматического добавления подписей к изображениям и улучшения поисковых рекомендаций в будущем.
Это были все примеры тематических исследований машинного обучения.
Краткое содержание
Об этих примерах машинного обучения, перечисленных выше, было бы почти невозможно даже подумать еще десять лет назад, и тем не менее темпы, с которыми развиваются ученые и исследователи, просто поразительны. В ближайшем будущем мы увидим, что машинное обучение может распознавать, изменять и улучшать собственную внутреннюю архитектуру с минимальным вмешательством человека.
