Место искусственного интеллекта в цифровом маркетинге

Место искусственного интеллекта в цифровом маркетинге

21 ноября 2022 г.

Меня как эксперта по искусственному интеллекту и блокчейну пригласили на собеседование, чтобы обсудить искусственный интеллект и цифровой маркетинг.

Мы обсудили применение искусственного интеллекта в маркетинге и цифровом маркетинге в ближайшие несколько лет. Мы говорили о последних тенденциях, таких как влиятельные лица в социальных сетях, и проблемах, связанных с этой темой, поддельных влиятельных лицах, купленных подписчиках, молодом поколении, которое следует неправильным советам. Мы также коснулись проблем с глобальными кампаниями цифрового маркетинга, таких как негативные комментарии.

Надеемся, вам понравится это интервью со Стеллой из Suceedigital.

https://www.youtube.com/watch?v=CVzbUKBP8iA&t =193s?embedable=true

Стелла: не могли бы вы рассказать мне немного о себе и о том, чем вы занимаетесь?

Я: я занимаюсь наукой о данных более десяти лет. Я защитил докторскую диссертацию. в машинном обучении в UC; Я по-прежнему связан с UCL как член Блокчейн-центра. Помимо этого, я также участвую в различных предприятиях. Например, я генеральный директор Tesseract Academy, компании по обучению руководителей, обучающей лиц, принимающих решения, по таким темам, как наука о данных и блокчейн. Я также являюсь партнером Electa Consulting и больше всего занимаюсь консультированием их стартапов.

Стелла: Большое спасибо, что присоединились к нам. Сегодня мы немного поговорим о том, как искусственный интеллект может быть реализован на цифровом рынке. Я хотел бы рассказать о последних тенденциях в индустрии цифрового маркетинга; во-первых, это влиятельный маркетинг.

Например, мы движемся к знаменитостям социальных сетей, но, к сожалению, у нас есть проблемы. В настоящее время у нас есть поддельные подписчики, которые покупаются или создаются обеими машинами, и не все знают об этом, и не все компании знают об этом.

Когда они исследуют конкретного влиятельного лица, которое им нужно для их маркетинговых целей или которое они применяют для кампаний цифрового маркетинга, например, они игнорируют свое участие в своей аналитике того, как они в социальном плане, эти влиятельные социальные сети работают, в целом, таким образом они тратят свои бюджеты на кого-то, кто иногда просто не принесет положительной отдачи от инвестиций.

Таким образом, проблема в том, что молодое поколение в основном следует этим влиятельным лицам в социальных сетях, и они следуют их советам, которые иногда ошибочны из-за того, что влиятельные лица в социальных сетях просто хотят продвигать продукт, который они не пробовали. Это означает, что они предоставляют низкокачественный контент, поэтому я хотел бы, чтобы наши зрители лучше знали о проблемах, с которыми мы сталкиваемся ежедневно как маркетологи и владельцы бизнеса.

Как вы можете решить эти проблемы и как, например, искусственный интеллект может помочь нам поддержать этих фальшивых лидеров мнений?

Я: я думаю, что это отличный вопрос, и вот прямой ответ. Машинное обучение и искусственный интеллект уже давно используются для обнаружения мошенничества. Например, их можно использовать в финансовой сфере в банках, и нет никаких причин, по которым подобные методы и методы могут также применяться к влиятельным лицам, чтобы мы могли поддерживать фальшивых влиятельных лиц для выявления аномалий в фан-базе.

Несложно использовать алгоритм, чтобы определить, является ли рост чьей-либо фан-базы нормальным явлением. То есть закрывается очень быстро. Например, дело в том, что, возможно, многие люди в мире маркетинга могут не так хорошо знать об этих проблемах, или они могут не очень хорошо знать те методы, которые им доступны.

Маркетологи в социальных сетях встречаются, например, находя влиятельных лиц в социальных сетях. Тогда компании не обращают внимания на аналитику и вовлеченность инфлюенсеров и некоторое влияние социальных сетей. У меня могут быть тысячи или даже миллионы подписчиков, но у моих постов недостаточно лайков, что печально, поскольку компании выделяют на это большой бюджет.

Стелла: я рада слышать, что искусственный интеллект может решить эти проблемы; это просто вопрос нашего понимания, возможно, маркетологов, как это можно использовать и как можно использовать эти процессы или платформы.

Я: В таких случаях я считаю, что наука о данных может помочь на нескольких фронтах, так что еще раз, говоря об обнаружении поддельных учетных записей, и это, очевидно, может относиться к тем учетным записям, которые вы упомянули, где может быть много подписчиков, но посты не получают достаточного количества лайков.

Другой вопрос, связанный с этим, заключается в том, как вы можете измерить вовлеченность, поэтому у нас есть разные платформы социальных сетей. Кто-то может задать вопрос: хорошо, значит, лайк в Твиттере стоит столько же, сколько лайк в Инстаграме, например, да, и поэтому статистическое моделирование может помочь нам ответить на этот вопрос. Мы также можем сравнить различных влиятельных лиц друг с другом и с нормой. Это может дать нам лучшую картину, если использовать все эти инструменты вместе.

Это может дать нам более четкое представление о том, где находится каждый влиятельный человек по сравнению с остальными.

Кроме того, еще один набор инструментов, который мне очень нравится, — это все, что связано с прогнозированием, поэтому прогнозирование роста чьей-либо фан-базы, создание поста после помолвки мы все получили бы.

Вот некоторые интересные приложения науки о данных в контексте социальных сетей и социальной активности. К сожалению, не все, и мы находимся на этом этапе. Тем не менее, мы надеемся, что с помощью этого видео мы сможем показать людям, маркетологам и владельцам бизнеса, как они могут превратить свою стратегию во что-то практичное.

Стелла: Как вы думаете, мы должны начать готовиться к сотрудничеству с ИТ в качестве маркетологов?

Я: Мы никогда не рассматривали этот аспект в нашей отрасли, потому что у нас есть каналы в социальных сетях, такие как Instagram, Twitter и Facebook. Кроме того, у нас есть такие программы, как Salesforce и HubSpot, которыми мы пользуемся и сейчас.

Но как вы думаете, начнут ли маркетологи сотрудничать с ИТ-сектором? Большинству профессионалов, в том числе и маркетологам, необходимо иметь базовое понимание или интуицию о том, как работают алгоритмы и как они могут помочь им в работе. По крайней мере, они должны понимать, насколько хорошо они могут применять настолько разнообразный алгоритм, что мы можем измерять вовлеченность и сравнивать лидеров мнений для создания контента.

Но также они должны знать об ограничениях этих методов, потому что прямо сейчас вы видите в разных отраслях некоторое сопротивление изменениям, убежденное, что в этом виноват маркетинг в течение последних нескольких лет. Но все меняется, или вы видите обратное, как по волшебству. Итак, мы думаем, что алгоритмы могут делать все, поэтому вы можете добраться до истины только через практическое обучение и, в основном, через дополнительное образование практиков в какой-либо области. Так что это хороший вопрос.

Да, я считаю, что всем профессионалам, в том числе и рыночным маркетологам, придется привыкнуть к работе с машинным обучением. Это то, чего стоит ожидать в ближайшие годы. Это стратегия, которая применяется в цифровом маркетинге. И да, были кампании, все летящие назад во времени. В настоящее время проводить онлайн-кампании намного проще, потому что вы достигаете глобальной аудитории на международном уровне. Если вы находитесь в одной стране, вы получаете такую ​​узнаваемость бренда быстрее за считанные минуты.

Однако, например, если мы проводим кампанию такого глобального масштаба, могут возникнуть некоторые проблемы с негативными комментариями, которые люди пишут о бренде, и отслеживать это в режиме реального времени сложно, потому что, например, если это просто рынок, где есть глазная работа. Но что? Как они это контролируют в нерабочее время? Можете ли вы сказать нам, есть ли у маркетологов возможность решить проблему негативных комментариев, которые мы используем? Как сегодня избежать этой проблемы?

Поэтому я думаю, что это можно решить с помощью машинного обучения; это простая проблема классификации для обнаружения негативных или неуместных комментариев. Проблема заключается в природе этого. Они делают это точной природой слов. Я имею в виду, что они, знаете ли, звучит сложно найти наборы данных, ну знаете, с положительными и отрицательными отзывами, а затем создать алгоритм, который выявляет негативные настроения. Но бывают случаи, когда создание алгоритма для просмотра сообщений, которых там быть не должно, довольно сложно, и вам все равно нужны люди.

Я точно знаю, например, что Facebook по-прежнему увольняет огромное количество сотрудников при проверке контента, возможно, связанного с терроризмом, вы учитесь злоупотреблять чем угодно. Они также работают над созданием алгоритмов машинного обучения, которые могут делать это автоматически.

Итак, проблема с новой кампанией заключается в том, будут ли комментарии очень негативного характера, будет ли что-то обнаружено алгоритмом машинного обучения, или будет ли сердце комментариев грустным, что алгоритм будет полон ежедневной работы. вещи.

Итак, чтобы привести вам пример, многие алгоритмы обработки естественного языка имеют проблемы с сарказмом. Если какие-либо негативные комментарии были очень саркастическими, они, вероятно, прошли бы автоматический фильтр и не были бы обнаружены. Так что решение есть, но дьявол опять кроется в деталях. Это скорее технический вопрос, когда можно применить алгоритм.

Стелла: А как и при каких обстоятельствах это сработает? Как лучше построить конвейер?

Я: Исходя из алгоритма, можно на 100 % предсказать обработку естественного языка человека, верно? Машина не может так хорошо предсказать; вы никогда не получите стопроцентной точности. Итак, вы знаете, что будут некоторые ошибки, которые будут иметь место. Теперь эти ошибки будут составлять 0,1% случаев, которые видит алгоритм; будут ли они больше похожи на пять или шесть процентов, в зависимости от объема и общего пользования? Таким образом, в этом случае вы можете значительно изменить окончательные цифры.

Стелла: спасибо за полезную информацию.

Это конец интервью. Мы надеемся, что она будет информативной и полезной для любого читателя, интересующегося ИИ, машинным обучением и цифровым маркетингом.


Оригинал
PREVIOUS ARTICLE
NEXT ARTICLE