ماشینها همچنین میتوانند از شبکههای عصبی و دادهها برای شناسایی مشتریانی که در آستانه خروج هستند استفاده کنند – به بازاریابان اجازه میدهند تا به سرعت عمل کنند. در نهایت، هوش مصنوعی حدس و گمان را از تقسیم بندی خارج می کند و به بازاریابان اجازه می دهد تلاش های خود را در جای دیگری متمرکز کنند.
RTB یک فرآیند خودکار است که در یک بازه زمانی کوتاه زیر 100 میلی ثانیه انجام می شود. هنگامی که کاربر از یک وب سایت بازدید می کند، به تبلیغ کننده هشدار داده می شود و مجموعه ای از اقدامات تعیین می کند که آیا آن تبلیغ کننده برای نمایش آگهی پیشنهاد قیمت می دهد یا نه.
یادگیری ماشینی در مقابل یادگیری عمیق
در این سناریو، ما میخواهیم بفهمیم که آیا یک بازدیدکننده وبسایت خاص احتمالاً خودرویی را خریداری میکند یا خیر و آیا باید برای یک تبلیغ برای هدف قرار دادن بازدیدکننده هزینه کنیم. نتیجه به علایق و اقدامات بازدیدکننده وب سایت بستگی دارد.
این ویژگی ها بر خروجی شبکه عصبی و نتیجه گیری ما تأثیر خواهند گذاشت. این خروجی می تواند یکی از دو مقدار را داشته باشد:
- بازدید کننده وب سایت به محصول یا “آماده خرید” علاقه مند است. نتیجه: ما باید یک تبلیغ نمایش دهیم.
- بازدیدکننده وب سایت علاقه ای به محصول ندارد یا «آماده نیست». نتیجه گیری: از نمایش آگهی خودداری کنید.
اما مهمتر از آن، لسینسکی می گوید که هوش مصنوعی و یادگیری عمیق توانایی رشد را دارند.
برای هر ورودی، از 0 یا 1 استفاده می کنیم.
جیم لسینسکی، یکی از نویسندگان این مقاله میگوید: «یادگیری ماشینی را میتوان برای افزایش بهرهوری یا بهینهسازی استفاده کرد. بوم بازاریابی هوش مصنوعی: نقشه راه پنج مرحله ای برای پیاده سازی هوش مصنوعی در بازاریابی، در مصاحبه با Kellogg Insight.
شخصی سازی بیش از حد می تواند به ویژگی های ارتباطی مانند چت های زنده نیز گسترش یابد و یادگیری عمیق می تواند جمع آوری اطلاعات از این چت های زنده را آسان کند. برای مثال، هوش مصنوعی تشخیص نام چت زنده ما، میتواند اطلاعات تماس با ارزش (مانند نامها) را جمعآوری کند و بدون نیاز به ادغام چیزی در HubSpot CRM بهروزرسانی کند.
پیش بینی رفتار مصرف کننده
فرض کنید ما یک نمایندگی آنلاین خودرو هستیم و میخواهیم از مناقصه بیدرنگ (RTB) برای خرید فضای تبلیغاتی برای محصول خود در سایر وبسایتها برای اهداف هدفگذاری مجدد استفاده کنیم.
آموزش شبکه عصبی
یادگیری عمیق زیرمجموعه ای از یادگیری ماشینی است و رشته ای در هوش مصنوعی است که از الگوریتم های تقلید از مغز انسان استفاده می کند. الگوریتم های یادگیری عمیق از شبکه های عصبی برای یادگیری یک کار خاص استفاده می کنند. شبکه های عصبی متشکل از نورون های به هم پیوسته ای هستند که داده ها را هم در مغز انسان و هم در رایانه پردازش می کنند.