1
| 本文作者： no name | 2016-09-08 02:23 |
目前為止，基于機器學習的個性化功能仍集中于行為和偏好，即找到“對的人”、“對的地方”和“對的時間”。現(xiàn)在，新的機器學習技術把情緒因素納入計算方程，以做到更好的信息連結。通過這項研究，我們開始了解從業(yè)人員如何利用機器學習技術優(yōu)化營銷的最后一環(huán)，即如何解決“正確的消息”，以及這些早期的運用者從中獲得了哪些價值。
今天的市場中，營銷人員必須將定制體驗通過數(shù)字端傳遞給客戶。機器學習和預測技術在內容變革中正在迅速興起。電子郵件營銷、網頁優(yōu)化和廣告推送只是很少的幾個實踐，但都取得了巨大的投資回報。通過這種技術，營銷人員可以根據(jù)情緒的不同，智能地產生對應內容，此舉大大強化了個性化功能。
對 301 名從業(yè)者的調查顯示，絕大多數(shù)還沒有利用機器學習進行內容開發(fā)的已經準備好開始了。而那些已經利用機器學習進行內容報道的表示沒花太多精力就將性能提升了 22% - 266%。調查結果表明，營銷人員和廣告商越來越熟悉機器學習技術自動生成的內容，與客戶的溝通效率和效果也都得到了顯著改善。
38% 的從業(yè)人員已經將機器學習和預測技術納入其廣告數(shù)據(jù)管理平臺（DMP）。另外的 35% 也準備在 1 年內實現(xiàn)相關部署（圖 1）。
基于機器學習的營銷管理方案是提升營銷人員細分受眾能力的常見做法。例如，平臺可以利用行為數(shù)據(jù)發(fā)現(xiàn)客戶可能取消訂閱，那么及時采取行動能夠避免失去客戶。
包括亞馬遜、Facebook 和谷歌在內的眾多科技巨頭也都在使用機器學習推薦相關的產品或內容。基于機器學習的推薦系統(tǒng)無疑已經在互聯(lián)網服務中被廣泛使用。
更加前沿的應用包括 Acquisio 通過機器學習開發(fā)了一整套報價預算管理服務，平臺通過監(jiān)控競價搜索，及時定價調價，最終投入最少人力，以最低成本獲得最大價值。
自然語言處理（NLP）技術一直以來都用于改進搜索引擎和電子郵件分類。最近，這項技術又在人工智能（AI）助理方面開花結果，代表產品包括 Siri 和亞馬遜的 Alexa。終于，NLP 技術如今也開始在營銷是發(fā)揮作用。
我們在調查中發(fā)現(xiàn)，所有被調查的人中， 80% 還沒使用機器學習進行內容開發(fā)的已經準備使用，55% 表示將進入測試階段，25% 表示他們將立即開始嘗試（圖 2），12% 的人表示沒有預算的問題，只有 8% 表示他們不信任機器學習技術。
這項技術已經被證明能夠優(yōu)化所有類型的數(shù)字廣告營銷，如電子郵件內容和廣告展示。機器生成的消息質量一向優(yōu)于人工生成的消息。出于這個原因，我們準備采用自動化數(shù)字營銷技術，如果不跟上這次技術升級，很有可能在未來的競爭中落后，因為基于機器學習的新方法與傳統(tǒng)方法之間的差距將越來越大。
機器學習通過一系列信息元素對營銷內容進行優(yōu)化，這其中包括產品描述，按鈕，格式和定位。
營銷人員通過個性化的定位、再定位、優(yōu)惠、購買度、忠誠度和活動等推動宣傳。
不僅如此，這還有助于加速創(chuàng)新，通過持續(xù)學習和利用個體間的行為模式，機器學習平臺可以從廣泛營銷轉變?yōu)楦觽€性化的方式，因為沒有人可以做到如此大規(guī)模的程度。
優(yōu)勢：
獲得客戶反饋：機器學習可以通過捕捉客戶偏好來產生最佳的營銷內容。
增加收入：相關團體已經在許多研究中證明，相關性營銷比非相關性營銷多產生 3 到 5 倍的收入，而情緒語言的優(yōu)化能提高相關性。
縮短進入市場的時間：機器學習的方法基本避免了各種無用功和返工可能，通過極具影響力和煽動性的語言，加速了整個運行周期。
?增加客戶互動：機器學習創(chuàng)造的內容更有助于良性互動，提高用戶對品牌的忠誠度，也能使新用戶更容易接受和認可品牌。
價值深化分析：用戶流露的情緒和鼓動客戶購買的語言是商家洞察流量轉化的本質。
直到現(xiàn)在，個性化技術仍然嚴重依賴于用戶行為，包括利用點擊量、標簽和實時事件等數(shù)據(jù)。新的機器學習技術將用戶的偏好和情緒納入考量范圍，讓營銷人員能夠創(chuàng)造出具有吸引力、符合受眾情緒、真實有效的內容，能有效提高個性化效果。
Persado 的認知內容平臺就是這樣一個例子，Persado 利用自然語言處理和機器學習來自動生成基于行為和態(tài)度的數(shù)據(jù)。
在對 301 名從業(yè)人員進行相同的調查后發(fā)現(xiàn)，營銷人員已經在使用包含情感語言科學的行為預測技術（圖 3）。個性化預測正在變得越來越普遍，營銷人員中 52% 使用了行為數(shù)據(jù)，49% 使用了實時數(shù)據(jù)，17% 使用機器學習為目標客戶開發(fā)了特定語言。
由于機器學習技術天然的黑盒屬性，營銷人員需要掌握優(yōu)化營銷內容的基本原理和方法。
下面是一些關鍵的 NLP 查詢方法：
?算法：要注意機器學習算法的學習特性。對于 NLP 平臺來說，使用者應該清楚系統(tǒng)是如何保證機器有效運用語言表達，并基于商業(yè)行為自動判斷其用法的。
?行為觸發(fā)：確定系統(tǒng)如何解釋和了解受眾的行為。通過恰當?shù)恼Z言分類系統(tǒng)，該平臺要能基于以往的表現(xiàn)慢慢確定具體的觸發(fā)行為和學習迭代的方式，這樣可以確保在未來也行之有效。
?細分差異：要清楚包括工業(yè)、頻道、地理和參與類型（一次性或訂閱）等在內的類別是如何滾動數(shù)據(jù)的。這些差異信息可以進一步細分和豐富語言的分類，例如，同一消息在不同語境中效果也不同。
?語言分類：應當了解如何將營銷的具體語言拆解成不同分類，讓平臺能夠測試消息中的無關聯(lián)元素，這樣的分類可能包括函數(shù)式語言（如調用操作）或描述性語言（如產品清單）。
?情緒排名：有效的溝通充滿成了個人特定的情感價可以用作數(shù)據(jù)更好地理解和說你的聽眾。情緒分析的一個基本類型就是把信息分成積極的或消極的。更細微的信息可以挖掘出更多樣化的情緒類別。平臺對情緒分析得越具體，就越有可能達到目標受眾的層次。
網上百貨的廣告中，包含成就、特別和安全情緒的樣式貢獻了回復率的 77%，點擊率提升了 57%。
網店的廣告中，包含興奮情緒的樣式貢獻了回復率的 51%，點擊率提升力 42%。
百強電子零售商的成功郵件中，包含成就情緒和焦慮情緒的貢獻了回復率的 72%，點擊率提升了130%。
打折店的成功郵件中，包含興奮情緒和感激情緒的貢獻了回復率的 44%，點擊率提升了266%。
百強電子零售商的標題欄中，包含成就情緒的貢獻了回復率的 53%，轉化率 278%。
百強服飾零售商的標題欄中，包含渴望情緒和感激情緒的貢獻了回復率的 45%，轉化率提升力 402%。
機器學習技術的應用讓營銷人員能夠進行前所未有的嘗試和實踐。營銷人員一直以來都在通過“認知計算革命”來確定“對的人”，“對的地方”和“對的時間”。直到最近，機器學習才開始著手處理“對的信息”。
營銷人員通過機器學習創(chuàng)作出的內容能利用情感觸發(fā)器與客戶產生強烈共鳴，這個方法有助于和客戶產生更深層次的聯(lián)系，也真正做到了一對一的個性化。
那些還沒有具備這項技術的人會發(fā)現(xiàn)他們很難與之競爭，未來的短短幾年內，機器自動生成的內容將會開始與人工撰寫的內容競爭，而基于數(shù)據(jù)反饋創(chuàng)作出的營銷內容也終將超越人類同行的水平。
via Persado
推薦閱讀：
傳五大科技巨頭將組AI界的“正義者聯(lián)盟”，然而他們并沒有帶蘋果玩
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
