Turundajad ja masinõpe: kiirem, nutikam, tõhusam

masinõpe

Aastakümneid on turundajad kasutanud A / B testimist pakkumiste tõhususe kindlakstegemiseks reaktsioonikiiruse suurendamisel. Turundajad esitavad kaks versiooni (A ja B), mõõdavad reageerimise määra, määravad võitjaja seejärel edastage see pakkumine kõigile.

Aga olgem ausad. See lähenemine on halvavalt aeglane, tüütu ja vabandamatult ebatäpne - eriti kui rakendate seda mobiilile. See, mida mobiilside turundaja tegelikult vajab, on viis, kuidas kindlaks määrata iga kliendi jaoks antud kontekstis õige pakkumine.

Mobiilside abonendid esitavad ainulaadse väljakutse, kui on vaja välja selgitada optimaalne viis nende kaasamiseks ja tegevuse juhtimiseks. Mobiilikasutajate kontekst muutub pidevalt, mistõttu on raske kindlaks teha, millal, kus ja kuidas nendega suhelda. Väljakutse suurendamiseks ootavad mobiilikasutajad nende isikliku seadme kaudu suhtlemisel kõrgetasemelist isikupärastamist. Nii et traditsiooniline A / B lähenemine - kus kõik saavad võitja - jääb nii turundajate kui ka tarbijate jaoks alla.

Nende väljakutsetega võitlemiseks - ja mobiilside täieliku potentsiaali ärakasutamiseks - on turundajad pöördunud suurandmetehnoloogiate poole, mis on võimelised edendama käitumisanalüüse ja automatiseeritud otsuseid, et määrata iga kliendi jaoks õige sõnum ja õige kontekst.

MasinõpeSelleks, et seda ulatuslikult teha, on nad võimendavad masinõpe. Masinõppel on võime kohaneda uute andmetega - ilma selleks selgesõnaliselt programmeerimata - viisil, millele inimene ei saa läheneda. Sarnaselt andmekaevandusele otsib masinõpe mustrite otsimisel tohutul hulgal andmeid. Inimese tegevusest arusaamise väljavõtmise asemel kasutab masinõpe aga andmeid programmi enda arusaamise parandamiseks ja toimingute automaatselt vastavalt kohandamiseks. Põhimõtteliselt on see automaatse kiiruse juhtimise A / B testimine.

Põhjus, miks see on tänapäeva mobiiliturundajate jaoks mängude vahetaja, on see, et masinõpe automatiseerib lõpmatu hulga sõnumite, pakkumiste ja kontekstide testimise ning määrab seejärel, mis kellele, millal ja kus kõige paremini sobib. Think pakub pakkumisi A ja B, aga ka E, G, H, M ja P koos suvalise arvu kontekstidega.

Masinõppevõimaluste korral salvestatakse automaatselt sõnumite edastamise elementide (nt millal need saadeti, kellele, milliste pakkumise parameetritega jne) ja pakkumise vastuse elemendid. Sõltumata sellest, kas pakkumisi aktsepteeritakse või mitte, saadetakse vastused tagasisidena, mis aitab optimeerimiseks kasutada erinevat tüüpi automatiseeritud modelleerimist. Seda tagasisideahelat kasutatakse samade pakkumiste hilisemate rakenduste häälestamiseks teistele klientidele ja teistele pakkumistele samadele klientidele, et tulevastel pakkumistel oleks suurem tõenäosus edukaks saada.

Eelduste ärajätmisega saavad turundajad rohkem aega loovalt mõelda, mis pakub klientidele rohkem väärtust, võrreldes sellega, kuidas või millal seda pakkuda.

Need ainulaadsed võimalused, mida võimaldavad suurte andmetöötluste, salvestamise, päringute ja masinõppe edusammud, on tänapäeval mobiilitööstuses esirinnas. Esirinnas olevad mobiilsideoperaatorid kasutavad neid huvitavate käitumisalaste teadmiste sõnastamiseks ning käsitööga seotud turunduskampaaniate kujundamiseks, mis lõppkokkuvõttes mõjutavad klientide käitumist, et parandada lojaalsust, vähendada survet ja suurendada märkimisväärselt tulusid.

2 Kommentaarid

  1. 1

    On tõesti huvitav lugeda väljakutsetest, mida mobiil toob, ja sellest, kuidas turundajad suudavad kasutada arvutusvõimsust, et esitada kiiresti mitte ainult üks kahest, vaid üks paljudest võimalustest. Õige sõnumi jõudmine õigete klientideni. Selline edasiviiv mõtlemine ja tehnoloogia tõhus kasutamine.

  2. 2

    Uute tehnoloogiasuundumustega on hea olla kursis toimuvaga ja omada teadmisi oma toodete turundamiseks. Suurepärane teave, teie artikkel meeldis!

Mis sa arvad?

Sellel saidil kasutatakse rämpsposti vähendamiseks Akismetit. Vaadake, kuidas teie andmeid töödeldakse.