5 способов использования машинного обучения в сфере маркетинга

Интерпретируйте большие объемы данных и действуйте на основе полученных результатов.

Вы просто не могли не слышать о машинном обучении. О нем говорят практически в каждой отрасли.

Так что же такое машинное обучение? По определению компании Hewlett Packard, «машинное обучение – это процесс, в рамках которого компьютеры развивают свою способность распознавать образы, постоянно учатся и делают прогнозы на основе данных, а затем без дополнительного программирования вносят в эти прогнозы корректировки». Другими словами, это способ, посредством которого машины анализируют и действуют на основе больших объемов информации и продолжают учиться и улучшаться со временем.

В качестве примера того, как действуют алгоритмы машинного обучения, рассмотрим технологию распознавания лиц, которая улучшается не по дням, а по часам. Сегодня владельцы iPhone снимают блокировку телефона своим лицом. Правоохранительные органы используют распознавание лиц для выявления мошеннической деятельности и поимки преступников. Google Photos позволяет своим пользователям сортировать фотографии по изображенным на них людям. Эти алгоритмы, возможно, не отличались чрезвычайной точностью в прошлом, однако все это время они развивались с помощью машинного обучения.

Это не человеческий разум, это запрограммированное обучение, и его применение выходит далеко за рамки распознавания лиц. Возьмем, например, маркетинг. Сегодня маркетологи стремятся донести нужный месседж до потребителей. И если люди не могут общаться с большим количеством клиентов одновременно, машинам это под силу. Не уверены, как это выглядит на практике? В этой статье вы найдете пять основных способов использования машинного обучения в целях маркетинга. 

 

  1. Рекомендуйте самые актуальные продукты или контент

Маркетологи цифровой индустрии уже много лет используют рекомендации продуктов и контента. В прошлом, и время от времени сегодня, эти рекомендации вручную формировались человеком. В течение последних десяти лет они контролируются простыми алгоритмами, которые предлагают рекомендации на основе того, что просматривали или покупали другие посетители сайта.

Машинное обучение может значительно улучшить эти простые алгоритмы, синтезировав всю доступную информацию о лице, в частности его прошлые приобретения, текущее поведение в интернете, взаимодействие по электронной почте, локацию, отрасль экономики, демографию и т.п., для определения его интересов и подбора лучших продуктов или актуального контента. Рекомендации, сформированные при помощи машинного обучения, изучают, какие товары или атрибуты товаров, стили, категории, ценовые ориентиры и т.д., являются самыми актуальными для каждого отдельного лица на основе его взаимодействия с рекомендациями. Таким образом, алгоритмы со временем становятся все лучше.

Более того, рекомендации, основывающиеся на машинном обучении, не ограничиваются продуктами и контентом. Вы можете рекомендовать что угодно: категории, бренды, тематики, авторов, комментарии и технические характеристики. Используя таким образом машинное обучение, вы можете создать очень удобный для использования сайт и продемонстрировать вашим посетителям, что вы действительно их понимаете и хотите помочь им найти нужные вещи.

 

  1. Автоматически определяйте важные сегменты сбыта

Кроме того, что машинное обучение позволяет индивидуализировать пользовательский опыт, сегментация рынка – это также очень ценный инструмент для маркетологов. С помощью него вы создаете группы потенциальных клиентов на основе существенных различий для лучшего понимания этих групп. Люди могут заметить очевидные различия, о которых им уже известно, например клиент с высокой / низкой пожизненной ценностью или новый / верный клиент. Однако при том количестве информации о потребителях, которым мы располагаем, нам доступно гораздо больше фильтров, по которым можно отсортировать клиентов, но, к сожалению, человеку их сложно увидеть.

Машина, с другой стороны, может помочь вам выделить те сегменты, о существовании которых вы даже не догадывались, и вы сможете использовать эту информацию для обращения к этим сегментам наилучшим образом.

К примеру, алгоритм машинного обучения способен подметить, что миллениалы, которые хотят рефинансировать свою ипотеку, как правило, проявляют характерные типы поведения. Обладая этими знаниями, вы можете сформулировать более целевой подход к этому сегменту, общаться с миллениалами иначе, когда они находятся на вашем сайте или говорят с представителем вашей компании, а также определить других потенциальных клиентов, которые входят в этот сегмент.

 

  1. Обнаруживайте и реагируйте на потенциальные проблемы

Во время рекламной кампании вы генерируете много данных. Подумайте о том, сколько электронных писем ежедневно отсылает ваша компания или сколько людей посещают ваш сайт, используют ваше мобильное приложение или звонят в ваш колл-центр. В ходе всего этого взаимодействия генерируются колоссальные объемы данных – такие объемы, которые человек не способен своевременно просматривать. Вы не всегда сможете сразу узнать о том, что что-то вышло из строя: не работает ссылка или промокод. Алгоритмы могут просеять все эти данные, предвидеть, что может случиться, и сообщить вам, если что-то таки случилось.

Например, предположим, наступила «черная пятница», а один из ваших е-мейлов содержит некорректную ссылку. Алгоритмы, работающие на основе машинного обучения, могут предвидеть количество потенциальных кликов / показатели эффективности рекламы для конкретного предложения, и немедленно известить вас, если ожидаемые цифры будут значительно ниже. Если вы будете предупреждены, вы сможете исправить ошибку до того, как будет нанесен слишком большой ущерб в такой важный день года.

 

  1. Перейдите от A/B-тестирования к формированию индивидуального пользовательского опыта и предложений

Еще одной сферой, в которой можно добиться улучшения с помощью машинного обучения, является тестирование. Традиционное A/B-тестирование позволяет сравнить два или более цифровых опыта, узнать, какой вариант дает лучший результат, и остановить свой выбор именно на таком варианте. Это нужная вещь, но это будет стандартное решение для всех, которое не учитывает никаких индивидуальных особенностей групп потребителей или отдельных лиц. Вы выбираете единственный вариант для всех пользователей, что означает, что многие люди не получат тот опыт, который подходит именно им. Машинное обучение полностью меняет подход к этому вопросу.

К примеру, вместо того чтобы вручную настраивать параметры для сравнения двух вариантов вида главной страницы сайта, дожидаться завершения теста и выбирать победителя, вы можете поручить эту задачу алгоритму машинного обучения. Он каждый раз будет выбирать тот вариант, который, по его мнению, лучше всего подходит каждому отдельно взятому человеку на основе всей имеющейся о нем информации, и каждое последующее взаимодействие с клиентом будет улучшать решение системы.

Такой же подход можно применить с рекламой и предложениями. Вместо того чтобы всем своим потребителям показывать одну и ту же статическую рекламу или всем предлагать двадцатипроцентную скидку, вы можете предлагать эту скидку только тем, кто нуждается в дополнительном стимуле для совершения покупок. Тем, кому это не нужно, программы на базе машинного обучения могут представить другой вариант, например подборку нового товара в их любимых категориях.

 

  1. Решайте, как общаться с каждым отдельным человеком

Как вы решаете, где и когда общаться с потенциальным или уже существующим клиентом? Через электронку? Push-уведомления? Статьи? На все эти вопросы могут ответить алгоритмы на базе машинного обучения.

Например, вместо того чтобы вслепую ежедневно рассылать одни и те же сообщения, вы можете воспользоваться прогнозным показателем, сгенерированным алгоритмом машинного обучения, чтобы предсказать реакцию конкретного человека: он откроет письмо, проигнорирует его, перейдет по ссылке или вообще отпишется от рассылки. Приняв во внимание этот показатель, вы можете и не отправить это письмо пока у вас не появится более актуальная информация для этого человека.

Машинное обучение предоставляет маркетологам возможность интерпретировать большое количество данных и действовать на основе полученных результатов. В мире, где мы постоянно накапливаем больше информации, чем мы можем обработать, и в котором мы стремимся построить личные отношения с нашими потребителями в широком масштабе, это невероятное достижение. Не пожалейте времени на то, чтобы прозондировать почву одним из этих пяти способов и понять, какую пользу машинное обучение может принести вашей компании в будущем.