یادگیری ماشینی و دستیابی به کسب و کار شما چگونه رشد می کند

دیوید مکینینچسه شنبه، ژوئیه 5، 2016

0 842 6 دقیقه خواندن

در طول انقلاب صنعتی، انسان‌ها مانند قطعات یک ماشین عمل می‌کردند که در امتداد خطوط مونتاژ مستقر بودند و سعی می‌کردند تا حد امکان مکانیکی کار کنند. همانطور که وارد چیزی می شویم که اکنون به آن می گویند چهارمین انقلاب صنعتی ما پذیرفته ایم که ماشین ها در مکانیکی بودن بسیار بهتر از انسان هستند.

در دنیای شلوغ تبلیغات جستجو ، جایی که مدیران کمپین زمان خود را بین ساختن خلاقانه کمپین ها و مدیریت و به روزرسانی مکانیکی آنها به طور روزانه متعادل می کنند ، ما بار دیگر بیشتر وقت خود را صرف پر کردن نقشی می کنیم که منطقی تر برای یک ماشین است.

یک نسل پیش ، ما از تولید به اقتصاد مبتنی بر خدمات تغییر کردیم. این تغییر دوباره ماهیت نیروی کار را تغییر داد - و بازاریابی در بسیاری از موارد به ایجاد این تحول کمک کرد. اکنون ، بار دیگر نقش بازاریاب در حال تکامل است و در این حالت ، در حال ارتقا است.

بسیاری از بازاریابان آینده‌نگر از این تحول هیجان‌زده هستند، زمانی که ما می‌توانیم بر آنچه که بهترین انجام می‌دهیم تمرکز کنیم - نوآوری - در حالی که ماشین‌ها وارد عمل می‌شوند و بهترین کار را انجام می‌دهند - مقادیر زیادی از داده‌ها را برای شناسایی منطقی و بهره‌برداری از الگوها تجزیه و تحلیل می‌کنند.

داده های بزرگ و یادگیری ماشین ، آغاز زیرساختی یک دوره جدید هیجان انگیز است که مارک ها را قادر می سازد تا از طریق کانال های دیجیتال جدید با استفاده از فناوری مدرن با مصرف کنندگان از طریق کانال های دیجیتالی جدید ارتباط برقرار کنند.
رانی سوندارا برای متوسط

در حالی که برخی هنوز تمایل به پذیرش فن آوری های جدید بازاریابی ندارند ، بسیاری از بازاریابان شروع به درک این نکته می کنند که یادگیری ماشینی برای فعالیتهای با بازده بالاتر و نتایج قوی تر ، حیاتی است ، گام بعدی یافتن راه حل مناسب است.

نحوه یادگیری ماشین در بازاریابی جستجو چگونه کار می کند

در سال 2014 ، سرمایه گذاری های خطرپذیر در استارت آپ های هوش مصنوعی ، از جمله یادگیری ماشین ، یادگیری عمیق و پیش بینی علم تجزیه و تحلیل تقریباً هفت برابر شد، از 45 میلیون دلار در سال 2010 به 310 میلیون دلار در سال 2015 بر اساس CBInsights.

همانطور که سرمایه گذاریها در هوش مصنوعی و یادگیری ماشین به دلیل "انقلاب صنعتی چهارم" همچنان شتاب می گیرند ، مراکز قدرت در این شرکت نیز به همین ترتیب تغییر کرده اند. رهبران عملکردی در حال حاضر به طور مساوی در قبال بودجه و بازده فناوری نوآورانه مسئول هستند. همانطور که تحقیقات گارتنر معروف پیش بینی کرد ، تا سال 4 ، CMO ها بیشتر از CIO های همتای خود در فناوری اطلاعات هزینه می کنند.

این تغییر به این دلیل اتفاق می افتد که بازاریابان در سونامی داده ها غرق شده اند. این کار پر زحمت جستجو در میان مجموعه‌ای از مجموعه‌های داده بدون ساختار برای تلاش برای درک تصویر بزرگ‌تر، با 130 اگزابایت داده موجود در دنیای دیجیتال غیرممکن است (که برای ما مردم عادی 18 صفر است). انسان ها قادر به پردازش حداکثر 1000 ترابایت (12 صفر) هستند و ما اعداد را بسیار کندتر پردازش می کنیم، با چیزی که آن را خطای انسانی می نامیم. باور کنید یا نه، این شاید بیشتر در مورد بازاریابی جستجو و اتوماسیون کمپین به همان اندازه که در هر حوزه دیگری از بازاریابی صدق می کند، صدق می کند.

وقتی نوبت به دقت و کارایی می رسد ، یادگیری ماشین در یک پارکینگ کاملا متفاوت بازی می کند و همه آن بازاریابانی که هنوز در لیگ های کوچک دست و پنجه نرم می کنند ، ادامه رقابت سخت تر خواهد بود زیرا رقبا بیشتر از الگوریتم های یادگیری ماشین استفاده می کنند.

دقیقاً یادگیری ماشین چیست؟

یادگیری ماشینی موضوعی وسیع با روش‌ها و کاربردهای فراوان است، اما معمولاً برای حل مشکلات با یافتن الگوهایی استفاده می‌شود که خودمان به سادگی نمی‌توانیم آن‌ها را ببینیم.
Econsultancy

به عنوان مثال، حراج تبلیغات مکانی مبهم است، جایی که بازاریابان مطمئن نیستند که کجا پیشنهادات را تنظیم کنند، چگونه تنظیمات را برای تلفن همراه انجام دهند، و در نهایت چگونه برای کمترین هزینه ممکن تبدیل به بیشترین تعداد تبدیل کنند. علاوه بر این، زمان کافی برای اختصاص دادن به هر کمپین وجود ندارد تا اطمینان حاصل شود که عملکرد آن نسبت به پتانسیل خود به حداکثر می رسد. با استفاده از یادگیری ماشینی، AdWords و فروشندگان شخص ثالث راه‌حل‌های فناوری ارائه می‌دهند که از نزدیک حراج تبلیغات را دنبال می‌کنند و یاد می‌گیرند که چگونه به‌روزرسانی و تنظیم قیمت‌ها به‌طور خودکار با استفاده از داده‌های تاریخی برای پیش‌بینی بهترین پیشنهادها برای تنظیم با توجه به بودجه، امتیاز کیفیت، رقابت، و تغییرات در حراج در طول روز.

روش قدیمی مدیریت تبلیغات تبلیغاتی من را به یاد قسمت قدیمی سیمپسونها می اندازد که هومر سیمپسون یک پرنده نوشیدنی را راه اندازی کرد تا کار خود را برای او انجام دهد. در این حالت ، الگوریتم های یادگیری ماشینی فقط دکمه "Y" را بارها و بارها فشار نمی دهند ، آنها دائماً با استفاده از اطلاعات جمع آوری شده سازگار می شوند و برای بهبود عملکرد فراتر از توانایی انسان کار می کنند.

می‌توانید از مسئولیت‌های روزمره فاصله بگیرید و بر پذیرش مشتریان جدید، توسعه خلاقیت و بهبود عملکرد به روشی انسانی‌تر تمرکز کنید.

یک تیر و دو نشان

مشکلی که اکثر بازاریابان هنگام اجرای کمپین های جستجو با آن مواجه می شوند، دو برابر است، زمان یا نیروی انسانی کافی برای نشستن در آنجا و تنظیم پیشنهادات و بودجه برای همه حساب ها و کمپین ها وجود ندارد (که توانایی افزایش مقیاس را کاهش می دهد) و دوم اینکه، بازاریابان در تلاش هستند در حراجی رقابتی‌تر به نتایج بیشتری دست پیدا کنید.

به طور خلاصه، مردم می‌خواهند کارها را سریع‌تر، بهتر و آسان‌تر انجام دهند و تنها راه برای انجام این کار تحویل دادن ماشین‌ها به آن‌ها است.

Acquisio چیزی را ارائه می دهد که ما معتقدیم راه حلی منحصر به فرد برای بازار جستجو است، که به بازاریابان اجازه می دهد زمان خود را بر روی ابتکارات مولدتر و استراتژیک تر متمرکز کنند و در عین حال از سرمایه گذاری ما در یادگیری ماشینی پیشرفته برای مدیریت پیشنهادات و بودجه جستجوی پولی استفاده کنند. نتیجه بهبود قابل توجهی بیشتر نه تنها در بهره وری، بلکه در عملکرد کمپین نیز است. نامیده می شود پیشنهادات و مدیریت بودجه (BBM).

الگوریتم پیشنهادات اختصاصی و مدیریت بودجه مبتنی بر یادگیری ماشینی تنها مدل معاملاتی با فرکانس بالا برای AdWords و Bing است ، پیشنهادات و بودجه را به محض به روزرسانی توسط ناشر تنظیم می کند و پیش بینی می کند پیشنهاد بعدی چه باشد - کدام یک ما می توانیم عملکرد بهتر کمپین را نسبت به الگوریتم های پیش بینی کننده دیگر اثبات کنیم. مدیر عامل شرکت ، مارک پوآیر در Acquisio.

مدیریت پیشنهاد و بودجه چگونه کار می کند

همانطور که اتومبیل خودران قادر به تشخیص الگوها و رفتار راننده در لحظه و سازگاری با محیط اطراف خود در جاده است ، BBM همیشه از محیط حراج آگاه است و میلیون ها محاسبه و تنظیمات مربوط به تغییرات حراج را پردازش می کند ، زمان روز و موارد دیگر ، تا فعالیت های شما بدون مشکل ادامه یابد. این در حالی است که شما در یک صندلی عقب قرار می گیرید و اجازه می دهید الگوریتم ها برای شما حرکت کنند ، عملکرد کلی مبارزات بهتری دارد.

در حراج PPC ، اگر پیشنهادی تعیین کنید ، که فکر می کنید منطقی است و سپس آن را ترک کنید ، نوسانات مداوم قیمت ها در طول روز به این معنی است که شما احتمالاً فردا به حساب خود بازمی گردید و از نتایج ناامید خواهید شد. بدتر از آن ، احتمالاً برای برخی از کلیک ها بیش از حد هزینه پرداخت کرده و در برخی دیگر از دست خواهید داد.

بسیاری از الگوریتم های پیش بینی کننده پیشنهادات را به ندرت ساعتی ، روزانه یا حتی هفتگی تنظیم می کنند. با پیش بینی و تنظیم پیشنهادات هر 30 دقیقه، Acquisio بیشتر از هر راه حل دیگر برای بهینه سازی در حراج شرکت می کند و تنظیمات دقیق تری انجام می دهد. این به کاهش CPC / CPA و کلیک / تبدیل به شما کمک می کند.

در حقیقت ، ثابت شده است که راه حل ما برای کاهش هر کلیک به طور متوسط 40٪ ، هنگام مشاهده بیش از 20,000،3 حساب کاربری در طول یک ماه توسط Acquisio ، کاهش می یابد. و با توجه به الگوریتم های مناسب برای سرعت بخشیدن به بودجه در کل روز و کل ماه ، حساب هایی که از BBM استفاده می کنند XNUMX برابر بیشتر بودجه کل را بدون هزینه زیاد به حداکثر می رسانند.

و وقتی نوبت به صرفه جویی در وقت می رسد ، بخشی از WSI - که یکی از بزرگترین شبکه های بازاریابی دیجیتال در جهان را به خود می بالد - توانست با استفاده از BBM ساعت ها ، اگر نه روزها را از روند مدیریت مبارزات معمول خود کوتاه کند.

ما با اتوماسیون وقت زیادی صرفه جویی کردیم و توانستیم تمرکز خود را به کیفیت کمپین های خود تغییر دهیم. Heitor Siviero ، هماهنگ کننده پروژه در WSI برزیل.

با تمرکز بازاریابان بر بهبود کیفیت کمپین، و اجرای الگوریتم‌های یادگیری ماشینی به‌منظور بهبود عملکرد، مشتریان اغلب آنچه را که ما «نمودار x» می‌نامیم، می‌بینند، جایی که پس از راه‌اندازی یادگیری ماشین، افزایش قابل توجهی در کلیک‌ها و کاهش متوسط CPC مشاهده می‌شود. الگوریتم ها

با چنین نتایجی، جذب مشتریان جدید برای کسب‌وکارها آسان‌تر است، و با صرفه‌جویی در زمان در وظایف مدیریت کمپین دستی، آنها در موقعیت بهتری برای پذیرش مشتریان جدید و مقیاس‌بندی عملیات خود در جایی که اهمیت دارند: استراتژی، خلاقیت و اجرا هستند. .

نکته مهم این است که فناوری ما به ما امکان می دهد عملکرد مبارزات انتخاباتی را حتی برای سخت ترین بهینه سازی حساب ها ، از جمله حساب هایی با حجم بسیار کم یا هزینه کم ، ارائه دهیم ، این یک چالش مزمن برای هر کسی است که کمپین های جستجو را برای مشاغل کوچکتر مدیریت می کند.