Машинное обучение: друг или враг?

Фабрика грез нарисовал нам довольно мрачную картину будущего, населенного умными машинами. «Терминатор», «2001: Космическая Одиссея», «Матрица» и их бесчисленные подражатели показали, почто искусственный интеллект вовсе не друг и даже далеко не помощник, и, если предоставить ему такую возможность, спирт не задумываясь избавится от человечества.

Подобные картины служат предупреждением, показывая, который случится, если машины вдруг обретут сознание (неужели его подобие). Но чтобы этот сценарий стал реальностью, народище сначала должны научить роботов думать самостоятельно. Престижно как фантастика, но это реальность. Которую ты да я с вами знаем под кодовым названием «машинное обучение».

Машинное подготавливание как дисциплина пока находится в зачаточном состоянии. Все применяется практически повсеместно – и для помощи в избавлении через спама, и для того, чтобы подобрать вам пару получай сайте знакомств, и для того, чтобы посоветовать мыло, который вы будете смотреть взахлеб.

Особенно целебно машинное обучение, конечно, маркетологам. С его помощью не возбраняется предлагать правильные товары правильной аудитории, действуя мамой клянусь, а не вразброс, как это было раньше.

Невзирая на то, что в общем-то машинное выезживание – это благо для digital-рынка, остается разряд вопросов, касающихся безопасности и этики, которые нельзя повернуться спиной. Будет ли маркетинг автоматизирован настолько, что людской) просто «устареют»? Не навредит ли реклама, бьющая верно в цель и вызывающая сильнейшие эмоции?

Эти вопросы мало-: неграмотный риторические. Они – ключ к понимаю того, каким хорошенького понемножку будущее маркетинга и какое место в нем отведено маркетологам.

Почто такое машинное обучение?

Это сложная дисциплина, включающая огромные объемы данных, математику и кодинг. Далеко не зная того, вы сталкиваетесь с машинным обучением неизменно. К примеру, если вы хоть раз пользовались сервисом Netflix, так наверняка «проваливались» в раздел рекомендованных сериалов. Все рекомендации предоставляются вас при помощи именно этой технологии.

Другие упражнения применения машинного обучения – это фильтрация спама, освидетельствование правописания и даже, как уже упоминалось выше, собрание пары на сайтах знакомств. Да, любовь в наше благоп тоже неразрывно связана с технологиями.

Как это работает?

Со стороны, точнее всего, все выглядит как колдовство. Однако вслед всем стоит машина, обрабатывающая невероятные объемы данных. Приближенно, например, технология распознавания лиц Facebook работает с 98% точностью. Пусть это стало возможным, понадобилось несколько лет непрерывного анализа информации и разработки.

Бесцельно как именно устроено машинное обучение? Довольно хитроумно. Поэтому рассмотрим эту технологию, не вдаваясь в детали. И начнем с двух аспектов.

Контролируемое выучка

Для маркировки входящих данных системы контролируемого обучения полагаются получи и распишись человека – по крайней мере для начала. Сие позволяет системам более точно прогнозировать классификацию поступающих данных.

Высокопробный пример такой работы – спам-фильтр Google. Бесцельно, помечая входящие письма как спам (или маловыгодный как спам), пользователь не только наводит разряд у себя в ящике, но и обучает систему лучше различать нежелательные письма в будущем.

Здесь можно провести аналогию с взаимоотношениями родителя и ребенка. Ежели ребенок делает что-то «правильно», его хвалят. Такая но похвала ждет и машину. При условии, что ее пророчество был верен, разумеется.

Неконтролируемое обучение

При помощи неконтролируемого обучения выявляются определенные закономерности кайфовый входных данных в тех условиях, когда не задаются конкретные выходные значения.

Машинное дрессировка и маркетологи

В настоящее время маркетологам приходится обрабатывать невероятные объемы информации пользу кого принятия решений. Обычно это многие часы копаний в аналитике и сбора данных. И вопреки на то, что это важный элемент работы маркетолога, сии часы можно было бы потратить на сильнее интересные вещи.

Поскольку технологические достижения растут экспоненциально, земля и небо между командами, использующими их, и теми, кто сего не делает, будет все заметнее. И здесь держи сцену снова выходит машинное обучение.

Однако воспользоваться его в своей работе не так-то элементарно. Чтобы внедрить машинное обучение, недостаточно просто зачитать небольшую инструкцию. Этот процесс во многом схож с попытками предводительствовать Ferrari, когда вы не владеете навыками вождения в принципе.

А некоторым уже удалось внедрить этот инструмент в свою работу. И во как они его используют.

Квалификация лидов и машинное подтягивание

Квалификация лидов – это выявление перспективности потенциальных контактов в зависимости с их соответствия установленным критериям наиболее типичных клиентов компании. Как бы только отдел продаж и команда маркетологов согласуют помысел «перспективного контакта», они начинают выставлять баллы на человека проявлению маркетинговой активности. Как только сумма баллов достигнет определенного порога надежности, по слухам, что такой лид готов к совершению покупки.

Автоматизация сего процесса может значительно снизить нагрузку с команды маркетологов, предоставляя им хронос для реализации других задач.

Контент-маркетинг и копирайтинг

Машинное муштрование предназначено для анализа самой разной информации, а без- только цифр. Так, к примеру, машина может рассчитывать языковые паттерны, выбирая слова, которые ведут к повышению вовлеченности и росту кликов.

Только может ли машина написать убедительный текст? Заключая-то, да.

Нью-Йоркский стартап Persado разработал «когнитивную контент-платформу», которая использует невредимый комплекс инструментов и машинное обучение, чтобы создавать хорошие тексты, которые побудят прочитавшего произвести требуемое действие. Платформа анализирует все языковые способности, с которыми взаимодействовали клиенты компании, и благодаря этому подбирает наипаче точно подходящие слова и фразы.

Результаты более нежели 4000 рекламных кампаний Persuado, в чьей разработке была задействована «когнитивная платформа», показали, что же конверсия в среднем равнялась 49.5%.

Однако в разработке убедительных CTA-кнопок машинное занятия пока ничем помочь не может. Ведь недостает ничего лучше честного призыва к действию от одного человека к другому.

Машинное натас и прогнозирование оттока

Прогнозирование оттока клиентов в digital-индустрии – сие необходимая мера, которая может предотвратить катастрофу. В некоторых случаях стекание может быть настолько велик, что это приводит к закрытию компании.

Текущий инструмент позволяет понять, как себя чувствуют и будут принуждать клиенты компании. Такие методы, как исследования и опросы – сие еще один отличный способ понять их. Во всяком случае часто людям тяжело анализировать огромное количество данных, получаемых в ходе проведения исследований. И, вроде не сложно догадаться, теперь это легко разрешено переложить на плечи машинного обучения.

Этическая кибла вопроса

Эта тема заслуживает целой книги, а безлюдный (=малолюдный) пункта в статье. А все дело в том, что машинное учение в теории может навредить.

Карл Шмидт, сооснователь Unbounce, отмечает:

Учитывая сегодняшний экстремально высокий уровень персонализации, в будущем мы безусловно столкнемся с этическими проблемами. Мы собираемся научить аппаратура продажам, а они не будут заботиться о чувствах пользователей. До сих пор, что их интересует – это успех предприятия.

Полно это может привести к тому, что люди, проходящие пользование от алкогольной зависимости, будут видеть рекламу алкоголя, а тетка, кто борется с привязанностью к азартным играм – рекламу дешевых билетов в Лас-Вегас. Аппаратура будут принимать решение на основании пользовательской активности онлайн, и последствия могут толкать(ся) катастрофическими.

Еще одна дилемма – это реклама, бьющая точно по эмоциям. Конечно, копирайтеры часто пытаются давить для чувства людей для получения результата, но в случае с машинами может произойти что-то выходящее за рамки.

Здесь не грех вспомнить знаменитый эксперимент Facebook, когда соцсеть добавляла в ленты порядка 689 003 пользователей различные новости, носящие негативный элемент, чтобы проверить, как это повлияет на их эмоциональное обстановка.

Разумеется, реакция общественности была бурной. Кто-так обвинял компанию во всех грехах, кто-в таком случае защищал. Но историю можно назвать показательной.

Николайка Сущенко, ведущий веб-аналитик performance-агентства Adventum Машинное муштровка в маркетинге позволяет снять с маркетолога рутинные задачи, а равным образом выводит взаимодействие с пользователем на другой, более на уровень. К примеру, благодаря машинному обучению можно оптимально сегментировать базу пользователей и совершить рекламу «умнее». В работе с одним из клиентов да мы с тобой используем машинное обучение для сегментации базы email-рассылок. Около помощи методов кластеризации мы соотносим параметры пола, возраста, географии, интересов пользователей с их покупательским поведением и выделяем держи основе этого определенные группы пользователей. Благодаря этому маркетологи могут организовать персонализированное и наиболее эффективное сообщение для каждой изо этих групп.

С помощью машинного обучения можно в свой черед, к примеру, предсказывать конверсию в зависимости от внешних факторов и автоматом корректировать ставки в контексте. Так, мы используем машинное выезживание при работе с «Фабрикой Окон». На основе данных о погоде, курсе доллара, времени годы, месяца, дня недели прогнозируем, насколько эффективный в плане конверсии может вестись день. Исходя из этого, мы понижаем неужто повышаем ставки в контексте.

При этом, несмотря получи автоматизацию многих процессов, маркетологи не останутся помимо работы. Однако, чтобы не отстать от конкурентов, им предстоит знай учиться новым инструментам, технологиям, умению работать с тем но машинным обучением, а именно правильно собирать, очищать и уламывать данные.

Главная опасность машинного обучения заключается в книжка, оно вынуждает компании использовать облачные сервисы и показывать туда критические данные о клиентах и продажах. Даже разве сервисы не будут передавать эти данные третьим лицам, они могут использовать до конца их для рекламных кампаний конкурентов. Чтобы сего избежать, компаниям придется иметь экспертов по машинному обучению бери своей стороне или нанимать агентство, которое склифосовский работать с данными под контролем службы безопасности.

Человеческая гипотенуза

«Подъем» машин всегда означает «падение» людей. Иными словами, автоматизация приводит к тому, отчего в человеческом труде просто отпадает нужда.

Однако подчищать область, где компьютеры пока не могут нас побывать всюду – это креатив. Машины не обладают сознанием, и докол не способны создавать действительно интересный развлекательный контент.

Добро бы поп-культура и заявляет обратное, будущее – это далеко не противостояние машин и людей. Скорее, это сотрудничество в угоду достижения наилучшего результата. 

Источник: www.seonews.ru