Seuraava artikkeli auttaa sinua: 8 tapaa, joilla brändit ovat käyttäneet koneoppimista
Koneoppiminen on muotia, mutta miltä se käytännössä näyttää osana digitaalisen markkinoinnin strategiaa?
Olet törmännyt koneoppimisstrategiaan, jos olet käyttänyt verkkosivustoa, joka suosittelee tuotteita aikaisempien ostosten perusteella.
Koneoppiminen on tekoälyn (AI) osa, joka käyttää algoritmeja tiettyjen tehtävien, kuten tuotesuositusten, suorittamiseen.
Se voi saavuttaa monia toimintoja digitaalisille markkinoijille, mukaan lukien:
Koneoppiminen on ollut digitaalisessa markkinoinnissa jo vuosia.
Itse asiassa käytät koneoppimista aina, kun käytät hakukoneita.
Vaikka se on edelleen uusi strategia useimmille, monet yritykset ovat alkaneet ottaa tätä tekniikkaa käyttöön markkinointikampanjoissaan.
Alla on kahdeksan brändiä, jotka ovat käyttäneet koneoppimista digitaalisessa markkinoinnissa.
1. Chase
Vuonna 2019 pankkijätti Chase Bank, yhteistyössä Persadon kanssa auttaa luomaan markkinointitekstiä kampanjoilleen.
He haastoivat tekoälyyrityksen luomaan kopiota, joka tuottaa enemmän napsautuksia – minkä he tekivätkin.
Esimerkkejä koneoppimisen luomasta kopiosta ovat:
Ihmisen kopio: “Mene paperittomaksi ja ansaitse 5 dollaria käteistä takaisin.”
Koneella luotu kopio: “Rajoitetun ajan tarjous: Palkitsemme sinut 5 dollarilla Cash Back, kun jätät paperittomaksi.”
Tulokset: AI-kopio tuotti lähes kaksinkertaisen määrän klikkauksia.
Ihmisen kopio: “Käytä käteistä kotisi osakepääomasta” “Katsokaa” -painikkeella.
Koneella luotu kopio: “Se on totta – voit vapauttaa käteistä kotisi osakepääomasta” nopealla “Klikkaa hakeaksesi”.
Tulokset: Tekoälykopio houkutteli 47 hakijaa viikossa, kun taas ihmiskopio 25 hakijaa viikossa.
Ihmisen kopio: “Pidä kiirettä, se päättyy 31. joulukuuta Ansaitse 5 % käteistä takaisin tavarataloissa, tukkukaupoissa.”
Koneella luotu kopio: “Koskien korttiasi: 5 % käteispalautus odottaa sinua”
Tulokset: AI-kopio tuotti lähes viisi kertaa yksittäisiä napsautuksia.
Vaikka koneella luotu kopio on saattanut toimia paremmin asiakkaiden keskuudessa, on tärkeää muistaa, että se toimi ihmisten tekstinkirjoittajien kanssa, jotka ruokkivat sille ideoita.
Ihmiset tekstinkirjoittajat ja koneoppiminen voivat yhdessä luoda ja optimoida resonoivan kopion.
2. Starbucks
Starbucksilla on maailmanlaajuisesti myymälöissään paljon tietoa.
Starbucks voi käyttää ostotietoja ja muuttaa nämä tiedot markkinointivakuudeksi Starbucksin kanta-asiakaskortin ja mobiilisovelluksen avulla. Tätä strategiaa kutsutaan ennustavaksi analyysiksi.
Koneoppiminen esimerkiksi kerää juomat, joita kukin asiakas ostaa, mistä he ostavat ne ja milloin he ostavat ne, ja yhdistää tämän ulkopuoliseen dataan, kuten sään ja kampanjoihin, tarjotakseen asiakkaille erittäin personoituja mainoksia.
Yksi tapaus sisältää asiakkaan tunnistamisen Starbucksin myyntipistejärjestelmän kautta ja haluamansa tilauksen toimittamisen baristalle.
Sovellus voi myös ehdottaa uusia tuotteita aikaisempien ostosten perusteella (jotka voivat muuttua sääolosuhteiden tai lomapäivien mukaan).
Koneoppiminen voi poistaa tuotesuositusten arvailun.
Starbucksin kaltaisilla vähittäiskaupan jättiläisillä on miljoonia asiakkaita, mutta he voivat saada jokaisen tuntemaan, että he saavat henkilökohtaisia suosituksia, koska he voivat selata tietoja nopeasti ja tehokkaasti.
3. eBay
eBaylla on miljoonia sähköpostitilaajia. Jokainen sähköposti tarvitsi houkuttelevia aiherivejä, jotka saivat asiakkaan napsauttamaan.
Yli 100 miljoonan silmiinpistävän aiherivin toimittaminen osoittautui kuitenkin ylivoimaiseksi ihmiskirjoittajille.
Siirry koneoppimiseen.
eBay teki yhteistyötä Phraseen kanssa auttaakseen luomaan kiinnostavia aiherivejä, jotka eivät laukaisi roskapostisuodattimia. Lisäksi koneella luotu kopio on kohdistettu eBayn brändiääneen.
Niiden tulokset osoittavat menestystä:
- 15,8 % nousu avoimet korot.
- 31,2 %:n lisäys keskimääräisissä klikkauksissa.
- Yli 700 000 asteittaista avausta kampanjaa kohti.
- Yli 56 000 lisäklikkausta kampanjaa kohden.
Koneoppiminen voi kestää kaikkein pelottavimmat tehtävät ja suorittaa ne muutamassa minuutissa.
Tämän seurauksena yritykset voivat keskittyä enemmän isoihin kampanjoihin kuin mikrotehtäviin.
4. Oviviiva
Doordashilla on tuhansia markkinointikampanjoita markkinointikanavillaan.
Heidän tiiminsä päivittää hintatarjoukset manuaalisesti mainosten tehokkuuden perusteella.
Ryhmä havaitsi kuitenkin, että tämä tehtävä oli aikaa vievä ja ylivoimainen.
Joten Doordash siirtyi koneoppimiseen optimoidakseen markkinointikulunsa.
Se rakensi attribuutiotietojen perusteella markkinoinnin automaatioalustan.
Nämä tiedot kertovat yritykselle, millä kanavalla asiakas on konversion tehnyt ja millä kampanjalla.
Tällaisten tietojen nopea kerääminen voi kuitenkin olla vaikeaa, kun tuhansia kampanjoita on käynnissä samanaikaisesti.
Koneoppiminen auttaa selviytymään tästä tehtävästä keräämällä tietoja ja luomalla kulutussuosituksia, jotta he voivat optimoida budjettinsa nopeasti ja tehokkaasti.
5. Autodesk
Autodesk näki, että tarvitaan kehittyneempiä chatbotteja.
Kuluttajat ovat usein turhautuneita chatbottien rajoituksiin ja siksi haluavat puhua ihmisen kanssa.
Chatbotit voivat kuitenkin auttaa ohjaamaan asiakkaat tehokkaasti heidän tarvitsemansa sisältö-, myyjä- tai palvelusivulle.
Joten Autodesk siirtyi koneoppimiseen ja tekoälyyn.
Autodeskin chatbot käyttää koneoppimista luodakseen dialogia hakukoneiden avainsanojen perusteella.
Sitten chatbot voi muodostaa yhteyden asiakkaaseen toisessa päässä, mikä mahdollistaa nopeammat konversioprosentit.
Chatbotin käyttöönoton jälkeen Autodesk osallistui keskusteluun kolme kertaa enemmän ja sivulla vietetty aika kasvoi 109 %.
6. Baidu
Vuonna 2017 kiinalainen hakukone Baidu rakensi Deep Voice -nimisen järjestelmän, joka käyttää koneoppimista muuntaakseen tekstin puheeksi. Tämä järjestelmä voi oppia 2 500 ääntä puolen tunnin datalla kukin.
Baidu selittää, että Deep Voice voi johtaa mukaansatempaavampiin kokemuksiin videopeleissä ja äänikirjoissa.
Baidun tavoitteena Deep Voicen avulla on opettaa koneita puhumaan enemmän inhimillisemmin jäljittelemällä tuhansia ihmisääniä.
Pian hakukone toivoo, että järjestelmä hallitsee 10 000 tai enemmän ääntä eri aksenteilla.
Täydellisenä Deep Voice voi parantaa asioita, joita käytämme päivittäin, kuten:
- Siri.
- Alexa.
- Google Assistant.
- Reaaliaikainen käännös.
- Biometrinen turvallisuus.
Se voi jopa auttaa ihmisiä, jotka ovat menettäneet äänensä, kommunikoimaan uudelleen.
Vaikka viimeaikaisia päivityksiä ei ole tehty, Baidu on edelleen toiveikas, että Deep Voice mullistaa tekniikkamme.
7. Tailor Brands
Tailor Brandsin käyttötarkoitukset koneoppiminen auttaa käyttäjiä luomaan logoja.
Tämä tai tuo kone auttaa Tailor Brandsia ymmärtämään käyttäjän makua päätöksentekoalgoritmien avulla.
Valitsemalla esimerkkejä siitä, mistä he pitävät, käyttäjät kertovat logogeneraattorille mieltymyksensä tyylejä, fontteja ja muita suunnittelunäkökohtia kohtaan.
Tailor Brands käyttää lineaarista algebraa.
Jokaisen käyttäjän päätös syötetään yhtälöön, joka auttaa konetta oppimaan käyttäjän mieltymyksiä.
Kun seuraavan kerran joku luo logon, Tailor Brands voi näyttää tyylejä, jotka ovat samankaltaisia kuin he ovat käyttäneet aiemmin.
8. Yelp
Yelp vastaanottaa miljoonia valokuvia päivittäin maailmanlaajuisesti.
Yritys tajusi, että se tarvitsi hienostuneen tavan yhdistää kuvat tiettyihin yrityksiin.
Joten he kehitti valokuvien ymmärtämisjärjestelmän luoda semanttista tietoa yksittäisistä valokuvista.
Tämän järjestelmän avulla Yelp voi lajitella valokuvat käyttäjän haun kannalta oleellisiin luokkiin.
Ensin Yelp loi käyttäjiltä saamansa valokuville tunnisteet, kuten “juomat” tai “menu”.
Seuraavaksi yritys keräsi tietoja kuvien kuvateksteistä, kuvien attribuuteista ja joukkolähteistä.
Sitten se toteutti koneoppimisen tunnistamaan valokuvatarrat, joista järjestelmä saattoi jakaa kuvat luokkiin.
Tämä valokuvien luokitusjärjestelmä auttaa luomaan paremman käyttökokemuksen Yelpissä.
Se voi esimerkiksi auttaa monipuolistamaan kansikuvia ja luomaan välilehtiä, joiden avulla käyttäjät voivat siirtyä etsimäänsä tarkkaan tietoon.
Digimarkkinoijat vain raaputtavat pintaa siitä, mitä koneoppiminen voi tehdä heille.
Ihmiset ja koneet voivat työskennellä yhdessä luodakseen mielekkäämpiä asiakaskokemuksia ja optimoituja kampanjoita lyhyemmässä ajassa. Se on win-win-win.
Lisää resursseja:
