5 способів використання машинного навчання у сфері маркетингу
Інтерпретуйте великі об’єми даних та дійте на основі отриманих результатів.
Ви просто не могли не чути про машинне навчання. Про нього говорять практично у кожній галузі.
То що ж таке машинне навчання? За визначенням компанії Hewlett Packard, «машинне навчання – це процес, в межах якого комп’ютери розвивають свою здатність розпізнавати образи, постійно навчаються і роблять прогнози на основі даних, а потім без додаткового програмування вносять в ці прогнози корегування». Іншими словами, це спосіб, у який машини аналізують та діють на основі великих об’ємів інформації та продовжують навчатись і покращуватись з часом.
У якості прикладу того, як діють алгоритми машинного навчання, розглянемо технологію розпізнання облич, яка покращується не по дням, а по годинам. Сьогодні власники iPhone розблоковують телефони своїм обличчям. Правоохоронні органи використовують розпізнання облич для виявлення шахрайської діяльності та піймання злочинців. Google Photos дозволяє своїм користувачам сортувати фотографії за зображеними на них людьми. Ці алгоритми, можливо, не відзначались надзвичайною точністю в минулому, однак весь цей час вони розвивались за допомогою машинного навчання.
Це не людський розум, це запрограмоване навчання, і його застосування виходить далеко за межі розпізнання облич. Візьмемо, наприклад, маркетинг. Сьогодні маркетологи прагнуть донести потрібний меседж до споживачів. І якщо люди не можуть спілкуватись із великою кількістю клієнтів одночасно, машинам це під силу. Не впевнені, як це виглядає на практиці? У цій статті ви знайдете п’ять основних способів використання машинного навчання в цілях маркетингу.
- Рекомендуйте найактуальніші продукти або контент
Маркетологи цифрової індустрії вже багато років використовують рекомендації продуктів та контенту. В минулому, і час від часу сьогодні, ці рекомендації вручну формувались людиною. Протягом останніх десяти років вони контролюються простими алгоритмами, які пропонують рекомендації на основі того, що проглядали або купували інші відвідувачі сайту.
Машинне навчання може значно покращити ці прості алгоритми, синтезувавши усю доступну інформацію про особу, зокрема її минулі придбання, поточну поведінку в інтернеті, взаємодію по електронній пошті, локацію, галузь економіки, демографію тощо, для визначення її інтересів та підбору найкращих продуктів або актуального контенту. Рекомендації, сформовані з допомогою машинного навчання, вивчають, які товари чи атрибути товарів, стилі, категорії, цінові орієнтири тощо, найактуальніші для кожної окремої особи на основі її взаємодії з рекомендаціями. Таким чином, алгоритми з часом стають дедалі кращими.
Більше того, рекомендації, що базуються на машинному навчанні, не обмежуються продуктами та контентом. Ви можете рекомендувати будь-що: категорії, бренди, тематики, авторів, коментарі та технічні характеристики. Використовуючи таким чином машинне навчання, ви можете створити дуже зручний для користування сайт і продемонструвати вашим відвідувачам, що ви дійсно їх розумієте і хочете допомогти їм знайти потрібні речі.
- Автоматично визначайте важливі сегменти збуту
Окрім того, що машинне навчання дозволяє вам індивідуалізувати користувацький досвід, сегментація ринку – це також дуже цінний інструмент для маркетологів. За допомогою нього ви створюєте групи потенційних клієнтів на основі істотних відмінностей для кращого розуміння цих груп. Люди можуть помітити очевидні відмінності, про які їм вже відомо, наприклад клієнт з високою / низькою пожиттєвою цінністю або новий / вірний клієнт. Однак при тій кількості інформації про споживачів, яка нам доступна, ми маємо значно більше фільтрів, за якими клієнтів можна відсортувати, але, на жаль, людині їх складно побачити.
Машина, з іншої сторони, може допомогти вам виокремити ті сегменти, про існування яких ви навіть не здогадувались, і ви можете використати цю інформацію для звернення до цих сегментів у найкращий спосіб.
Приміром, алгоритм машинного навчання здатен підмітити, що міленіали, які хочуть рефінансувати свою іпотеку, як правило, виявляють характерні типи поведінки. Володіючи цими знаннями, ви можете сформулювати більш цільовий підхід до цього сегменту, спілкуватись з міленіалами інакше, коли вони знаходяться на вашому сайті чи говорять з представником вашої компанії, а також визначити інших потенційних клієнтів, які входять в цей сегмент.
- Виявляйте та реагуйте на потенційні проблеми
Під час маркетингової кампанії ви генеруєте багато даних. Подумайте про те, скільки електронних листів щодня надсилає ваша компанія або скільки людей відвідують ваш сайт, використовують ваш мобільний додаток чи телефонують у ваш кол-центр. У ході всієї цієї взаємодії генеруються колосальні об’єми даних – такі об’єми, які людина не здатна вчасно перегляди. Ви не завжди зможете одразу дізнатись про те, що щось вийшло з ладу: не працює посилання або промокод. Алгоритми можуть просіяти усі ці дані, передбачити, що може трапитись, і повідомити вас, якщо щось таки трапилось.
Наприклад, припустимо, настала «чорна п’ятниця», а один із ваших е-мейлів містить некоректне посилання. Алгоритми, що працюють на основі машинного навчання, можуть передбачити кількість потенційних кліків / показники ефективності реклами для конкретної пропозиції, і негайно сповістити вас, якщо очікувані цифри будуть значно нижчими. Якщо ви будете попереджені, ви зможете виправити помилку до того, як буде заподіяно занадто велику шкоду у такий важливий день року.
- Перейдіть від A/B-тестування до формування індивідуального користувацького досвіду та пропозицій
Ще однією сферою, в якій можна добитись покращення за допомогою машинного навчання, є тестування. Традиційне A/B-тестування дозволяє вам порівняти два чи більше цифрових досвіди, дізнатись, який варіант дає найкращий результат, і зупинити вибір саме на такому варіанті. Це потрібна річ, однак це буде стандартне рішення для усіх, яке не враховує жодних індивідуальних особливостей груп споживачів чи окремих осіб. Ви вибираєте єдиний варіант для усіх користувачів, що означає, що багато людей не отримає той досвід, який підходить саме їм. Машинне навчання повністю змінює підхід до цього питання.
Приміром, замість того щоб вручну налаштовувати параметри для порівняння двох варіантів вигляду домашньої сторінки веб-сайту, дочекатись завершення тесту і обрати переможця, ви можете доручити це завдання алгоритму машинного навчання. Він кожного разу обиратиме той варіант, який, на його думку, найкраще підходить кожній окремій особі на основі усієї наявної про неї інформації, і кожна наступна взаємодія з клієнтом буде покращувати рішення системи.
Такий самий підхід можна застосувати з рекламою та пропозиціями. Замість того щоб усім своїм споживачам показувати одну і ту ж статичну рекламу або усім пропонувати двадцятивідсоткову знижку, ви можете пропонувати цю знижку лише тим, хто потребує додаткового стимулу для здійснення покупки. Для тих, кому це не потрібно, програми на базі машинного навчання можуть підібрати інший варіант, приміром добірку нового товару у їхніх улюблених категоріях.
- Вирішуйте, як спілкуватись із кожною окремою людиною
Як ви вирішуєте, де і коли спілкуватись з потенційним чи вже існуючим клієнтом? Через електронку? Push-сповіщення? Статті? На усі ці запитання можуть відповісти алгоритми на базі машинного навчання.
Наприклад, замість того щоб всліпу щодня розсилати одні і ті ж повідомлення, ви можете скористатись прогнозним показником, згенерованим алгоритмом машинного навчання, аби передбачити реакцію конкретної особи: вона відкриє лист, проігнорує його, перейде за посиланням у ньому чи взагалі відпишеться від розсилки. Врахувавши цей показник, ви можете і не відіслати цього листа доки у вас не з’явиться більш актуальна інформація для цієї людини.
Машинне навчання надає маркетологам можливість інтерпретувати велику кількість даних та діяти на основі отриманих результатів. У світі, де ми постійно накопичуємо більше інформації, ніж ми можемо опрацювати, та у якому ми прагнемо збудувати особисті стосунки з нашими споживачами у широкому масштабі, це неймовірне досягнення. Не пожалкуйте часу на те, щоб прозондувати ґрунт одним із цих п’яти способів і зрозуміти, яку користь машинне навчання може принести вашій компанії у майбутньому.