Самообучение сейчас является ключевой маркетинговой технологией и основным трендом на 2019 год и далее, согласно Gartner. Хотя технология самообучения не может быть широко признана или хорошо понята, эта тенденция уже оказывает широкое растущее влияние на маркетинг. Этот пост служит учебником по самообучению, объясняя, что такое самообучение и почему директора по маркетингу (CMO) должны заботиться об этом.

Что такое самообучение?

Проще говоря, самообучение помогает любой системе со временем становиться умнее на основе информации, полученной из собранных данных. Это ключевой компонент машинного обучения, являющегося частью искусственного интеллекта. Все эти термины относятся к программному обеспечению, которое выполняет определенную функцию на основе фиксированных правил, обычно предоставляемых посредством алгоритма, написанного программистом-человеком.

В классической разработке программного обеспечения входные данные или данные, которые обеспечивают основу для программного обеспечения, фиксированы, поэтому правила также фиксированы (программистом-человеком). Системы машинного обучения программируются/обучаются не людьми-программистами, а данными, которые собирают системы: эти данные, отфильтрованные с помощью самообучающегося программного обеспечения, учат систему становиться умнее по мере сбора большего количества данных.

Чтобы проиллюстрировать это, давайте рассмотрим одну из основных задач, с которыми сегодня сталкивается машинное обучение: обслуживание высокотехнологичного промышленного оборудования (ветряных турбин, промышленных роботов и т. д.). General Electric — это не только промышленная компания, но и компания-разработчик программного обеспечения. К каждому оборудованию GE прикреплены датчики, которые собирают данные о производительности оборудования. Все собранные данные вливаются в самообучающееся программное обеспечение, которое узнает, как обслуживать и оптимизировать каждую единицу оборудования. Таким образом, система обслуживания высокотехнологичного оборудования GE под названием Predix обучается оптимизировать свое оборудование в режиме реального времени с помощью данных, предоставляемых самим оборудованием.

Таким образом, самообучение следует рассматривать как программную версию наших когнитивных навыков. Эти самообучающиеся системы обладают способностью «обучаться» и корректироваться на основе агрегированных данных: они могут понимать сложные концепции и получать информацию из данных.

Как самообучение вписывается в системы машинного обучения?

Это становится немного наукой о данных. Все системы машинного обучения имеют три взаимосвязанные части: (1) модель, которая делает прогнозы; (2) параметры, которые являются факторами, используемыми моделью для обоснования своих прогнозов/решений; и (3) самообучение, которое динамически корректирует параметры и модель путем согласования различий в прогнозах с фактическими результатами.

Первоначальная модель, разработанная программистом, может быть достаточно точной/прогностической (или нет), но самообучающееся программное обеспечение со временем адаптирует систему в соответствии с тем, как модель работает в реальном мире. Там, где есть разрыв между тем, что предсказывает модель, и тем, что происходит на самом деле, вмешивается самообучение, чтобы динамически корректировать модель. Проще говоря, система адаптируется на основе собираемых данных.

Почему директоры по маркетингу и маркетологи должны заботиться о самообучении?

Самообучение можно применять ко всему клиентскому опыту (CX) с помощью самообучающейся платформы клиентской аналитики, которая позволяет маркетологам собирать многоканальные данные о CX и динамически настраивать доставку контента. Маркетологи могут предоставлять релевантный контент, изучая (1) этапы путешествия клиента; (2) какие поведенческие факторы управляют этим покупателем; и (3) какой контент может понадобиться ему/ей на каждом этапе пути. Самообучение позволяет маркетологам глубоко понимать поведение клиентов, обогащать профили клиентов, делать прогнозы о поведении клиентов, отображать весь CX, а затем масштабировать персонализацию и точность клиентов способами, которых раньше просто не существовало. Это мощно.

Самообучение также может помочь маркетологам определить новые сегменты клиентов и создать более унифицированную систему маркетинга и аналитики, чтобы постоянно повышать актуальность и рентабельность инвестиций. С помощью самообучающегося механизма клиентской аналитики маркетологи могут действительно влиять на решения о покупке, стимулировать дополнительные/перекрестные продажи и активно повышать лояльность к бренду с течением времени.

Наконец, клиентская аналитика, предоставляемая самообучающейся системой, позволяет маркетологам выявлять (и прогнозировать) области, в которых клиенты могут испытывать трения (т. е. места, где ваша воронка негерметична, а потенциальные клиенты покидают вас), позволяя маркетологам активно реагировать на улучшение качества обслуживания клиентов. показатели вовлеченности и конверсии. Благодаря самообучению ваша воронка со временем становится менее дырявой.

Что здесь напоследок? Вы должны думать о самообучающейся платформе клиентской аналитики как о всегда доставляющей сигналы (данные) от ваших клиентов в режиме реального времени, чтобы вы могли повысить CX и доходы. Теперь, если это не актуально для директоров по маркетингу и маркетологов, то ничего.

Чак Ледди — автор статей Zylotech.

Если вам понравилась эта запись, ознакомьтесь с нашей недавней публикацией в блоге: 4 совета для директоров по маркетингу, которые хотят создать культуру, основанную на данных.

Первоначально опубликовано на www.zylotech.com.