Mi az Amazon és a Google kulcsa bevételi siker ? Mindenki tudja a választ: Adatok.
Az oka annak, hogy a Facebook közösségi média birodalma és a Spotify felpörgette a zenei streaming üzletet? Adat.
Mindezeknek a vállalatoknak sikerült felhasználniuk a felhasználók sokaságától kapott hatalmas mennyiségű információt - legyen szó keresési szokásaikról, megosztott bejegyzéseikről, megvásárolt termékekről vagy zenéről, amelyet hallgatnak - a legfontosabb bevételi forrásokba. Nem csak az a tény, hogy ezek a vállalatok milliókról (vagy ezeknek a vállalatoknak a milliárdjairól) tudtak adatokat gyűjteni; ez az, hogy ezeknek a vállalatoknak sikerült hatékonyan felhasználniuk ezeket az adatokat, hogy jobban megértsék és értékesítsék felhasználóikat. Mindezek a vállalatok ehhez mesterséges intelligenciát (vagy pontosabban mély tanulást) használnak.
milyen magas Paula creamer
Természetesen fontos megjegyezni, hogy nem kell olyan domináns vállalkozásnak lennie, mint az Amazon vagy a Google, hogy az adatokat versenyelőnysé alakítsa. Amint a mesterséges intelligencia egyre fejlettebbé és szélesebb körben alkalmazhatóvá válik, sok vállalat - mind nagy, mind kicsi - az AI-hez fordul, hogy jobb adatstratégiákkal álljon elő, elnyerje az ügyfelek alkalmazását, és jobban versenyezzen a versenyükkel. .
Jeremy Fain szerint az úttörő ideghálózati technológia versenyének legyőzésének kulcsa kognitív módon , jobb adatai vannak - nem feltétlenül több, de azok az adatok, amelyek versenytársainak nincsenek. Elméletileg minden márka képes saját egyedi adatkészleteinek fejlesztésére, mert minden márkának kissé eltérőnek kell lennie a versenyben. Ez azt jelenti, hogy egy márka vásárlói legalább kissé eltérnek a versenytársaiktól, ami azt jelenti, hogy egyedi szöggel rendelkeznek, amelyet ki tudnak használni. Ezért minden olyan adat, amelyet az ügyfeléről vagy potenciális ügyfeléről kap, egy további információ, amelyet felhasználhat egy hatékony marketing- vagy reklámstratégia kialakításához.
Jorge Ramos Avalos Lisa Bolivar
Ezen információk hatékony felhasználása érdekében először el kell döntenie, mi a célja. További eladásokat keres? Nagyobb gyalogos forgalmat próbál elérni az üzletekben? Célja, hogy nagyobb piaci ismertséget szerezzen a termékével kapcsolatban? Miután ezt megtette, megnézheti az adatokat, hogy megnézzék, megfelelő formátumban vannak-e a mély tanuláshoz. Ezt nehéz egyszerűen megmagyarázni, de alapvetően az adatoknak bontott állapotban kell lenniük - vagyis több forrásból kell származniuk, hogy mélyebb következtetéseket lehessen levonni belőle. Ez azt jelenti, hogy valójában nem csak azt kell tudnia, hogy hányan látogattak meg egy üzletet, hanem azt, hogy pontosan mikor látogatott meg minden ember. Már nem azt kell megvizsgálnia, hogy hány eladást hajtott végre, hanem azt is, hogy mi volt az egyes eladások és kinek. Ahhoz, hogy egy lépéssel tovább jusson, meg kell határoznia, hogy milyen érintkezési pontok voltak az ügyféllel, mielőtt velük tranzakciót folytattak, milyen hirdetéseket mutattak meg, és mikor és hol történt az összes interakció. Még nem gyűjt ilyen típusú adatokat? Nos, ez az első házi feladat.
Ez azt jelenti, hogy sokkal több adatot kell tárolnia, mint eddig megszokta, de a jó hír az, hogy a tárolás olcsó. Ráadásul ezen információk nélkül nem tudja kihasználni a mély tanulás erejét és versenyezni ebben az új világban.
hány éves Rickey smiley
A Fortune 1000 vezetőinek 2016. évi vizsgálata ezt feltárta a megkérdezettek csupán 48,4% -a számolt be mérhető eredményekről adatkezelési kezdeményezéseik eredményeként - de 80,7% úgy érezte, hogy az erőfeszítések sikeresek és elengedhetetlenek voltak. Ez azt jelenti, hogy mindenki tudja, hogy jobban kell cselekednie, és nem lát alternatívát, de még valamire szükség van, mielőtt mérhető előnyök érhetők el.
A legtöbb adatkezdeményezésnek egyetlen összetevője hiányzik: a mély tanulás. Gyakran félreértett téma, amelyet a Cognitiv Fainje „fejlettebb típusú gépi tanulásként határoz meg, amely képes emberhez hasonló betekintést generálni”. A mély tanulás képessége, hogy eredményeket hozzon létre a big data-ból, ma már nem csak versenyjogi okokból, hanem ahhoz is, hogy a big data-ba történő korábbi beruházások megtérüljenek. Sajnos, A megkérdezettek 39,3% -a továbbra is azt mondták, hogy szervezeteiknek hiányzik a vállalati Big Data stratégia, vagy másképp nincsenek tudatában, ha léteznek ilyenek - ezeknek a vállalatoknak hosszú hegymászó van. Valójában az adatközpontú szakemberek többsége meredeken emelkedik előttünk. „A kihívás része, hogy maga az iparág éretlen az adatok körül. 15 év múlva visszatekintünk arra, amit csinálunk, és azt mondjuk: 'Nem volt aranyos?' '- mondta egy nemrégiben megkérdezett globális médiaügynökség egyik Programmatic Media igazgatója. Winterberry Group IAB tanulmány .
A nagy adatok, az adatok elemzése és a mesterséges intelligencia nagyon sok kéz a kézben jár. A mesterséges intelligencia - és tágabb értelemben a mély tanulás - adatokhoz szükséges, reagál és reagál azokra. A mély tanulás csak akkor lehet hatékony a szervezete számára, ha folyamatos információáram áll rendelkezésre az információk táplálására. Ezen információkkal felfegyverkezve a mély tanulási és a neurális hálózatok algoritmusokat és stratégiákat hozhatnak létre, amelyek egyedülállóak az Ön márkájához - ezáltal biztosítva a márka versenyképességének és innovációjának fenntartását. Mint Fain rámutat , 'A fogyasztók viselkedésének teljesebb leírása és megértése minden eddiginél teljesebb, és ez a fajta adat még hatékonyabbá teszi az AI marketing eszközeit a következő néhány évben.'
Ezen a ponton minden márkának erős adatstratégiára van szüksége. Csak nézze meg azokat a márkákat, mint a Macy's és a J. C. Penney's, akik az e-kereskedelmi óriások, mint az Amazon és az eBay adatközpontú megközelítésének eredményeként küzdenek. A megfelelő stratégia, és ami még fontosabb, megfelelő eszközök az adatok maximális kihasználásához, ez segít megőrizni vállalatának versenyképességét és sikerességét.
