Marketing i sztuczna inteligencja

Nie należy mylić z marketingiem sztucznej inteligencji .

Dziedziny marketingu i sztucznej inteligencji zbiegają się w systemach wspomagających takie obszary jak prognozowanie rynku, automatyzacja procesów i podejmowanie decyzji, a także zwiększenie wydajności zadań, które zwykle wykonywałby człowiek. Naukę stojącą za tymi systemami można wyjaśnić za pomocą sieci neuronowych i systemów eksperckich, programów komputerowych, które przetwarzają dane wejściowe i dostarczają cennych wyników dla marketerów.

Systemy sztucznej inteligencji wywodzące się z technologii komputerów społecznościowych można zastosować do zrozumienia sieci społecznościowych w Internecie. Techniki eksploracji danych można wykorzystać do analizy różnych typów sieci społecznościowych. Ta analiza pomaga marketerowi zidentyfikować wpływowych aktorów lub węzły w sieciach, informacje, które można następnie zastosować do przyjęcia podejścia do marketingu społecznego .

Sztuczne sieci neuronowe

Sztuczna sieć neuronowa jest formą programu komputerowego wzorowanego na mózgu i układzie nerwowym człowieka. Sieci neuronowe składają się z szeregu połączonych ze sobą neuronów przetwarzających , które działają zgodnie, aby osiągnąć określone wyniki. Korzystając z „podobnych do ludzkich metod uczenia się metodą prób i błędów, sieci neuronowe wykrywają wzorce istniejące w zbiorze danych, ignorując dane, które nie są istotne, i kładąc nacisk na dane, które mają największy wpływ”.

Z marketingowego punktu widzenia sieci neuronowe są formą oprogramowania wspomagającego podejmowanie decyzji. Sieci neuronowe skutecznie gromadzą i wydobywają informacje z dużych źródeł danych oraz mają zdolność identyfikowania przyczyny i skutku w danych. Te sieci neuronowe poprzez proces uczenia się identyfikują relacje i połączenia między bazami danych. Po zgromadzeniu wiedzy można polegać na sieciach neuronowych, które dostarczają uogólnień i mogą stosować zdobytą wiedzę i uczenie się w różnych sytuacjach.

Sieci neuronowe pomagają pełnić rolę firm marketingowych, skutecznie pomagając w segmentacji rynku i pomiarze wydajności przy jednoczesnym obniżeniu kosztów i poprawie dokładności. Ze względu na zdolność uczenia się, elastyczność, adaptację i odkrywanie wiedzy sieci neuronowe oferują wiele zalet w porównaniu z tradycyjnymi modelami. Sieci neuronowe mogą być wykorzystywane do wspomagania klasyfikacji wzorców, prognozowania i analizy marketingowej.

Klasyfikacja wzorców

Klasyfikacja klientów może być ułatwiona dzięki podejściu opartemu na sieciach neuronowych, które umożliwia firmom podejmowanie świadomych decyzji marketingowych. Przykładem tego była Spiegel Inc., firma zajmująca się bezpośrednimi operacjami pocztowymi, która wykorzystywała sieci neuronowe do poprawy wydajności. Korzystając z oprogramowania opracowanego przez NeuralWare Inc., Spiegel zidentyfikował dane demograficzne klientów, którzy dokonali jednorazowego zakupu, oraz klientów, którzy dokonali kolejnych zakupów. Sieci neuronowe były wtedy w stanie zidentyfikować kluczowe wzorce, aw konsekwencji zidentyfikować klientów, którzy z największym prawdopodobieństwem powtórzą zakup. Zrozumienie tych informacji pozwoliło firmie Spiegel usprawnić działania marketingowe i obniżyć koszty.

Prognozowanie

Prognozowanie sprzedaży „to proces szacowania przyszłych zdarzeń w celu zapewnienia punktów odniesienia do monitorowania rzeczywistych wyników i zmniejszania niepewności”. Pojawiły się techniki sztucznej inteligencji ułatwiające proces prognozowania poprzez zwiększenie dokładności w obszarach popytu na produkty, dystrybucji, pracowników obroty, pomiar wydajności, kontrola zapasów. Przykładem prognozowania z wykorzystaniem sieci neuronowych jest Airline Marketing Assistant/Tactician, aplikacja opracowana przez BehabHeuristics, która pozwala na prognozowanie zapotrzebowania pasażerów i wynikającego z tego przydziału miejsc za pośrednictwem sieci neuronowych. System ten został wykorzystany przez National air Canada i USAir.

Analiza marketingowa

Sieci neuronowe stanowią użyteczną alternatywę dla tradycyjnych modeli statystycznych ze względu na ich niezawodność, oszczędność czasu oraz zdolność rozpoznawania wzorców na podstawie niekompletnych lub zaszumionych danych. Przykłady systemów analizy marketingowej obejmują Target Marketing System opracowany przez Churchull Systems dla Veratex Corporation. Ten system wsparcia skanuje bazę danych rynku w celu zidentyfikowania uśpionych klientów, umożliwiając kierownictwu podejmowanie decyzji dotyczących kluczowych klientów, do których należy kierować reklamy.

Podczas przeprowadzania analizy marketingowej sieci neuronowe mogą pomóc w gromadzeniu i przetwarzaniu informacji, począwszy od danych demograficznych konsumentów i historii kredytowej, a skończywszy na wzorcach zakupowych konsumentów.

Sztuczna inteligencja pozwala organizacjom „dostarczać reklamy, które są bardziej spersonalizowane dla każdego użytkownika, kształtują podróż klienta , wpływają na decyzje zakupowe i budują lojalność wobec marki” („Jak”). Technologia sztucznej inteligencji pozwala marketerom podzielić konsumentów na odrębne osobowości i zrozumieć, co motywuje ich konsumentów. Tutaj mogą następnie skupić się na konkretnych potrzebach swoich odbiorców i stworzyć długotrwały związek z marką (Kushmaro). Ostatecznie marki chcą stworzyć tę lojalność wobec konsumenta, a sztuczna inteligencja pozwoli im to lepiej osiągnąć. „Pini Yakuel, założyciel i dyrektor generalny Optimove . „Analizując klientów na podstawie ich przemieszczania się między segmentami w czasie, możemy osiągnąć dynamiczną mikrosegmentację i bardzo dokładnie przewidzieć przyszłe zachowanie” (Kushmaro). Umiejętność przewidywania przyszłych zachowań konsumentów jest bardzo ważna. W ten sposób marketerzy mogą sprzedawać konsumentom w oparciu o ich obecne zachowania i przewidywania ich przyszłych zachowań. Pozwoli to na lojalną relację między konsumentem a marką i ostatecznie pomoże firmom.

Zastosowanie sztucznej inteligencji w podejmowaniu decyzji marketingowych

Marketing to złożona dziedzina podejmowania decyzji , która wymaga dużej dozy zarówno osądu, jak i intuicji w imieniu marketera. Ogromny wzrost złożoności, przed którym stoi poszczególny decydent, sprawia, że ​​proces podejmowania decyzji staje się zadaniem prawie niemożliwym. Silnik decyzji marketingowych może pomóc w wydobyciu szumu. Generowanie bardziej efektywnych procedur zarządzania zostało uznane za konieczność. Zastosowanie sztucznej inteligencji do podejmowania decyzji za pomocą Systemu Wspomagania Decyzji posiada umiejętność wspomagania decydenta w radzeniu sobie z niepewnością w problemach decyzyjnych. Techniki sztucznej inteligencji w coraz większym stopniu rozszerzają wsparcie decyzji poprzez analizę trendów; dostarczanie prognoz; zmniejszenie nadmiaru informacji ; umożliwiające komunikację wymaganą do podejmowania wspólnych decyzji i umożliwiające dostęp do aktualnych informacji.

Struktura decyzji marketingowych

Organizacje dążą do zaspokojenia potrzeb klientów, zwracając szczególną uwagę na ich pragnienia. Podejście zorientowane na konsumenta wymaga produkcji towarów i usług, które są zgodne z tymi potrzebami. Zrozumienie zachowań konsumentów pomaga marketerowi w podejmowaniu właściwych decyzji. Zatem podejmowanie decyzji zależy od problemu marketingowego, decydenta i środowiska decyzyjnego.

System ekspercki

System ekspercki to program, który łączy wiedzę ekspertów w celu rozwiązania problemów poprzez naśladowanie wiedzy i procedur wnioskowania ekspertów. Każdy system ekspertowy ma możliwość przetwarzania danych, a następnie poprzez wnioskowanie przekształca je w oceny, sądy i opinie, doradzając w ten sposób specjalistyczne problemy.

Wykorzystaniem systemu eksperckiego mającego zastosowanie w dziedzinie marketingu jest MARKEX (Market Expert). Te inteligentne systemy wspomagania decyzji działają jako konsultanci dla marketerów, wspierając decydenta na różnych etapach, w szczególności w rozwoju nowego produktu proces. Oprogramowanie zapewnia systematyczną analizę, która wykorzystuje różne metody prognozowania, analizy danych i wielokryterialnego podejmowania decyzji w celu wyboru najbardziej odpowiedniej strategii penetracji. BRANDFRAME to kolejny przykład systemu opracowanego w celu wspomagania marketerów w procesie podejmowania decyzji. System wspiera brand managera w zakresie identyfikacji atrybutów marki, kanałów sprzedaży, marek konkurencyjnych, targetów i budżetów. Nowe dane marketingowe są wprowadzane do systemu, w którym BRANDFRAME analizuje dane. System wydaje rekomendacje w zakresie marketingu mix instrumenty, takie jak obniżenie ceny lub rozpoczęcie akcji promocyjnej sprzedaży.

Sztuczna inteligencja i efektywność automatyzacji

Zastosowanie do automatyzacji marketingu

Jeśli chodzi o marketing, automatyzacja wykorzystuje oprogramowanie do komputeryzacji procesów marketingowych, które w przeciwnym razie byłyby wykonywane ręcznie. Pomaga w efektywnym umożliwianiu procesów, takich jak segmentacja klientów, zarządzanie kampaniami i promocja produktów, w bardziej efektywnym tempie. Automatyzacja marketingu jest kluczowym elementem zarządzania relacjami z klientami (CRM). Firmy używają systemów, które wykorzystują algorytmy eksploracji danych, które analizują bazę danych klientów, dając dalszy wgląd w klienta. Informacje te mogą dotyczyć cech społeczno-ekonomicznych, wcześniejszych interakcji z klientem oraz informacji o historii zakupów klienta. Zaprojektowano różne systemy, aby zapewnić organizacjom kontrolę nad swoimi danymi. Narzędzia do automatyzacji pozwalają systemowi monitorować wydajność kampanii, dokonując regularnych korekt w kampaniach w celu poprawy wskaźników odpowiedzi i śledzenia wydajności kampanii.

Automatyzacja dystrybucji

Dystrybucja produktów wymaga od firm dostępu do dokładnych danych, aby móc reagować na zmieniające się trendy w popycie na produkty. Procesy automatyzacji są w stanie zapewnić kompleksowy system usprawniający monitorowanie w czasie rzeczywistym i inteligentne sterowanie. Amazon przejął firmę Kiva Systems , producenta robota magazynowego, za 775 milionów dolarów w 2012 roku. Przed zakupem zautomatyzowanego systemu pracownicy musieliby chodzić po ogromnym magazynie, śledzić i pobierać książki. Roboty Kiva są w stanie podjąć się realizacji zamówień, uzupełniania produktów, a także podnoszenia ciężkich przedmiotów, zwiększając w ten sposób efektywność firmy.

Wykorzystanie sztucznej inteligencji do analizy sieci społecznościowych w sieci

Sieć społecznościowa jest społecznym układem aktorów, którzy tworzą grupę, w ramach sieci; może istnieć tablica powiązań i węzłów, która jest przykładem typowych zdarzeń w sieci i wspólnych relacji. Lui (2011) opisuje sieć społecznościową jako „badanie jednostek społecznych (ludzi w organizacji, zwanych aktorami) oraz ich interakcji i relacji. Interakcje i relacje można przedstawić za pomocą sieci lub wykresu, gdzie każdy wierzchołek (lub węzeł) reprezentuje aktora, a każde łącze reprezentuje związek”. W chwili obecnej następuje rozwój wirtualnych sieci społecznościowych wraz z powszechnym pojawieniem się sieci społecznościowych replikowanych online, na przykład portali społecznościowych, takich jak Twittera , Facebooka i LinkedIna . Z perspektywy marketingowej analiza i symulacja tych sieci może pomóc w zrozumieniu zachowań i opinii konsumentów . Wykorzystanie technik symulacji społecznych opartych na agentach i eksploracji danych/opinii w celu zebrania wiedzy społecznej na temat sieci może pomóc marketerowi zrozumieć ich rynek i segmenty w nim zawarte.

Obliczenia społecznościowe

Social computing to dziedzina technologii, która może być wykorzystywana przez marketerów do analizy zachowań społecznych w sieciach, a także pozwala na tworzenie sztucznych agentów społecznych. Obliczenia społecznościowe zapewniają platformę do tworzenia oprogramowania społecznościowego; niektóre wcześniejsze przykłady komputerów społecznościowych to takie systemy, które umożliwiają użytkownikowi wyodrębnianie informacji społecznościowych, takich jak dane kontaktowe z kont e-mail, np. adresów i tytułów firm z wiadomości e-mail przy użyciu technologii warunkowych pól losowych (CRF ) .

Eksploracja danych

Eksploracja danych polega na wyszukiwaniu w Internecie istniejących informacji, a mianowicie opinii i uczuć, które są publikowane online w sieciach społecznościowych. „Ten obszar badań nazywa się eksploracją opinii lub analizą nastrojów. Analizuje opinie, oceny, postawy i emocje ludzi wobec podmiotów, jednostek, problemów, wydarzeń, tematów i ich atrybutów”. Jednak wyszukiwanie tych informacji i ich analiza może być dużym zadaniem, ręczna analiza tych informacji również stwarza potencjalne ryzyko stronniczości badacza. Dlatego jako rozwiązanie tego problemu proponuje się systemy obiektywnej analizy opinii w postaci zautomatyzowanych systemów eksploracji i podsumowań opinii. Marketerzy wykorzystujący tego rodzaju informacje do wyciągania wniosków na temat opinii konsumentów powinni uważać na tzw.

Wyszukiwarki są powszechnym rodzajem inteligencji, która stara się dowiedzieć, czym interesuje się użytkownik, aby przedstawić odpowiednie informacje. PageRank i HITS to przykłady algorytmów wyszukujących informacje za pośrednictwem hiperłączy; Google używa PageRank do kontrolowania swojej wyszukiwarki. Inteligencję opartą na hiperłączach można wykorzystać do wyszukiwania społeczności internetowych, które są opisywane jako „grupa gęsto połączonych stron reprezentujących grupę ludzi o wspólnych zainteresowaniach”.

Centralność i prestiż to rodzaje terminów pomiarowych używanych do opisania poziomu powszechnych zjawisk wśród grupy aktorów; terminy pomagają opisać poziom wpływu i aktora w sieci społecznościowej. Ktoś, kto ma wiele powiązań w sieci, zostałby opisany jako „centralny” lub „prestiżowy” aktor. Zidentyfikowanie tych węzłów w sieci społecznościowej jest pomocne dla marketerów w ustaleniu, kto wyznacza trendy w sieciach społecznościowych.

Narzędzia oparte na sztucznej inteligencji w mediach społecznościowych

Ellott (2017) przyjrzał się narzędziom opartym na sztucznej inteligencji, które zmieniają rynki mediów społecznościowych. Sztuczna inteligencja ma wpływ na sześć obszarów marketingu w mediach społecznościowych: tworzenie treści, wywiad konsumencki, obsługa klienta, marketing wpływowy, optymalizacja treści i wywiad konkurencyjny. Jedno narzędzie, Twizoo, wykorzystuje sztuczną inteligencję do zbierania recenzji z serwisów społecznościowych na temat restauracji, aby pomóc użytkownikom znaleźć miejsce do jedzenia. Twizoo odniosło duży sukces dzięki opiniom swoich użytkowników i rozszerzyło swoją działalność, uruchamiając „widget, w którym witryny podróżnicze i hotelarskie mogą natychmiast udostępniać recenzje z mediów społecznościowych swoim odbiorcom” (Twizzo, 2017).

Influencer marketing ma ogromne znaczenie w mediach społecznościowych. Wiele marek współpracuje i sponsoruje popularnych użytkowników mediów społecznościowych i próbuje promować swoje produkty wśród obserwujących tych użytkowników mediów społecznościowych. To była skuteczna taktyka Sugar Bear Hair i firmy FabFitFun zajmującej się subskrypcjami. Jedna firma, InsightPool, wykorzystuje sztuczną inteligencję do przeszukiwania ponad 600 milionów influencerów w mediach społecznościowych, aby znaleźć influencerów, którzy pasują do osobowości marki i grupy docelowej (Ellot, 2017). Może to być skuteczne narzędzie podczas poszukiwania nowych influencerów lub określonej grupy odbiorców. Opłacalne może być również znalezienie kogoś, kto nie jest sławny (jak obsada Kardashianów / Bachelorette), ale może również wpłynąć na dużą publiczność i zwiększyć sprzedaż

Zobacz też

• Wywiad rynkowy
• Inteligencja medialna
• Platforma Danych Klienta
• Wywiad rynkowy i konkurencyjny