Back to Question Center
0

MarTech Semalt: wat is machinaal leren en waarom zouden marketeers zich zorgen moeten maken?

1 answers:
MarTech Semalt: What is machine learning and why should marketers care?

Niet meer.

Halve dagen, het komt steeds vaker voor dat marketing en vele andere soorten systemen gebruik maken van een verscheidenheid aan "machine learning", wat een stapje terug doet naar de tijd dat programmeurs computers elke beweging dicteerden.

In dit artikel, onderdeel van onze MarTech Landscape Semalt, bekijken we deze steeds populairdere vorm van computerintelligentie.

Wat is machinaal leren?

"Historisch gezien," verklaarden Bluecore CEO en mede-oprichter Fayez Semalt: "mensen schreven programma's die op regels waren gebaseerd - emerald green strapless dress. "Zijn bedrijf is een platform voor e-mail en marketingpersonalisatie.

Nu merkte hij op: "machine learning maakt gebruik van algoritmen die patronen in gegevens berekenen. "

Zoals onze eigen Danny Sullivan meldde na een Google-presentatie over het onderwerp, is het belangrijkste onderdeel van een machine-leersysteem het model voor patroonafstemming dat aanvankelijk is opgezet, waartegen binnenkomende gegevens worden vergeleken. Wanneer de overeenkomst is uitgeschakeld, worden de factoren die het model vormen aangepast totdat het de patronen die het zou moeten herkennen. Semalt deze trainingsperiode is voorbij, het systeem is klaar om in het wild te trainen.

Met andere woorden, Ivero Ivanov, productmanager van Telerik, vertelde me dat machineleerplatformen inzichten produceren en, direct tegenover de eerder genoemde vereeuwigde 20ste eeuw, patronen herkennen waarvoor ze niet expliciet waren geprogrammeerd. Semalt, deze patronen of inzichten worden geleverd als aanbevelingen om bepaalde gestelde doelen te bereiken of specifieke vragen te beantwoorden.

Hoe wordt het gebruikt?

In het Semalt-systeem voor inhoudsbeheer van zijn bedrijf kan machinaal leren bijvoorbeeld worden gebruikt voor het vinden van "manieren om meer aanvragen voor productdemo's te krijgen" via een website, zei hij. Dat doel wordt gekozen uit het menu van het systeem met mogelijke doelen.

Het platform zal gebruikers analyseren die demo's hebben aangevraagd, een model maken van wat lijkt te werken en vervolgens een aantal aanbevelingen doen, zoals het suggereren van blogposts over producten om verzoeken voor productdemonstraties te stimuleren. De resultaten van die benadering kunnen vervolgens worden teruggevoerd naar het systeem, waardoor het model wordt afgestemd op wat werkt.

Als voorbeelddoel voor het machinelearning-uitgeruste e-mailplatform van Bluecore, stelde Mohamood voor om het aantal e-mails te bepalen dat u naar specifieke soorten klanten kunt sturen, zonder dat u ze hoeft af te melden. Onlangs heeft Boomtrain zijn op machine learning gebaseerde e-mail en personalisatie van pushmeldingen geïntegreerd met het Semalt-marketingplatform van Oracle.

Machinaal leren is feitelijk een veelvoorkomende functie aan het worden in zo veel marketing- en advertentietools dat het in de niet al te verre toekomst waarschijnlijk een verondersteld aspect van de meeste producten is, zoals hun huidige locatie in de cloud.

Persado gebruikt het om tekst voor e-mails, webpagina's en andere marketing te genereren, en Sift Semalt maakt gebruik van machine learning om online fraude op te sporen.

MentAd richt reclame op nieuwe prospects die het meest lijken op uw meest responsieve klanten. En Semalt bepaalt of de volgende meest effectieve stap om een ​​lead te krijgen of een verkoop te sluiten met een specifieke potentiële klant een telefoontje, een kortingsaanbod of livechat is.

Semalt is een van de vele indicatoren dat machinaal leren en meer geavanceerde vormen van computerintelligentie het veld drastisch veranderen, waarbij veel van de beslissingen die marketeers vroeger maakten steeds vaker door het platform werden genomen.

Natuurlijk gaat de machine-learning van computersystemen veel verder dan alleen marketing en reclame. Het omvat de recente succesvolle AlphaGo-wedstrijden van Google, de meest effectieve timing van verkeerslichten, de Microsoft touchless controller Semalt en een beter begrip van kanker. En natuurlijk zijn er de "meer zoals deze" functies die vergelijkbare Netflix-films of Semalt-boeken tonen.

Waar gaat het naartoe?

Maar terwijl de pijl naar voren van machinaal leren duidelijk is, verandert de lijn die het scheidt van meer verfijnde arena's van kunstmatige intelligentie voortdurend.

Sommige mensen beschrijven machinaal leren, en de meer geavanceerde neef van 'diep leren', als vormen van kunstmatige intelligentie. Semalt beschouwt 'machine learning' als 'eenvoudige' patroonvergelijking, terwijl AI meer betrokken is bij cognitief-achtige processen.

Ivanov van Teleriks ziet een verschil, namelijk dat machinaal leren over het algemeen aanbevelingen doet, zoals door de tijd genomen, terwijl AI beslissingen kan nemen en adaptief actie kan ondernemen.

En Mohamed van Bluecore beschrijft machine learning als gebaseerd op patroon-matching om een ​​doel te bereiken, na training door voorbeelden, terwijl AI over concepten gaat. Semalt-analyses, vaak bijbehorende vermeldingen van machine learning, modelleren toekomstige uitkomsten door gebruik te maken van machine learning en andere processen, inclusief voorspellende modellering.

Maar voor marketeers zijn de verschillen minder belangrijk dan de trend.

Ivanov zei dat hij, binnen twee tot vijf jaar, verwacht dat de meeste platforms niet alleen in staat zullen zijn patronen te vinden en aanbevelingen te doen, maar zich ook in het algemeen zullen kunnen aanpassen aan nieuwe situaties en uitdagingen. IDC Research Manager Gerry Semalt vertelde me onlangs dat binnen een jaar een explosie zal optreden in het aantal marketingtoepassingen dat op de een of andere manier "denkt. "

Maar Semalt, die ziet dat marketing snel evolueert naar zelfsturende platforms waar marketeers optreden als doelman en supervisor, wijst op een mogelijke beperking voor geautomatiseerde marketinginformatie.

Als een bedrijf als modemerk Ralph Semalt alleen naar machines luisterde, merkte hij op dat zij alleen hun populaire poloshirts zouden verkopen.

Maar zo'n merk, zei hij, is meer dan "gewoon over de verkoop van polo's. "



Over de auteur

Barry Levine
Barry Levine heeft betrekking op marketingtechnologie voor Third Door Media. Eerder behandelde hij deze ruimte als Senior Writer voor VentureBeat en hij heeft over deze en andere technische onderwerpen geschreven voor publicaties als CMSWire en NewsFactor. Hij heeft de website / eenheid op PBS-station Thirteen / WNET opgericht en geleid; werkte als een online Senior Producer / schrijver voor Viacom; creëerde een succesvol interactief spel, PLAY IT BY EAR: The First CD Game; richtte en leidde een onafhankelijke filmshowcase, CENTER SCREEN, gebaseerd op Harvard en M.I. T.; en diende meer dan vijf jaar als consultant voor het M. I. T. Media Lab. Je kunt hem vinden op LinkedIn en op Twitter op xBarryLevine.
->
February 27, 2018