マーケターと機械学習:より速く、よりスマートに、より効果的に

機械学習

何十年もの間、A / Bテストは、応答率の向上におけるオファーの有効性を判断するためにマーケターによって使用されてきました。 マーケターはXNUMXつのバージョン(AとB)を提示し、回答率を測定し、決定します 勝者、そしてそのオファーをすべての人に届けます。

しかし、それに直面しましょう。 このアプローチは、特にモバイルに適用する場合、非常に遅く、退屈で、許しがたいほど不正確です。 モバイルマーケティング担当者が本当に必要としているのは、特定のコンテキストで各顧客に適切なオファーを決定する方法です。

モバイル加入者は、彼らと関わり、行動を起こすための最適な方法を特定することになると、独特の課題を提示します。 モバイルユーザーのコンテキストは絶えず変化しているため、いつ、どこで、どのようにモバイルユーザーと交流するかを判断するのは困難です。 課題を高めるために、モバイルユーザーは、個人のデバイスを介してエンゲージすることに関して、高度なパーソナライズを期待しています。 つまり、従来のA / Bアプローチ–誰もが受け取る 勝者 –マーケターと消費者の両方にとって不十分です。

これらの課題に対処し、モバイルの可能性を最大限に引き出すために、マーケターは、行動分析と自動決定を進めて、個々の顧客に適切なメッセージと適切なコンテキストを決定できるビッグデータテクノロジーに目を向けています。

機械学習これを大規模に行うために、彼らは活用しています 機械学習。 機械学習には、明示的にプログラムされていなくても、人間がアプローチできない方法で新しいデータに適応する機能があります。 データマイニングと同様に、機械学習はパターンを検索するために大量のデータを検索します。 ただし、機械学習では、人間の行動に関する洞察を抽出する代わりに、データを使用してプログラム自体の理解を向上させ、それに応じて行動を自動的に調整します。 基本的には自動速度制御のA / Bテストです。

今日のモバイルマーケターにとってゲームチェンジャーである理由は、機械学習が無数のメッセージ、オファー、コンテキストのテストを自動化し、誰にとって、いつ、どこで最も効果的かを判断するためです。 Thinkは、AとBだけでなく、E、G、H、M、P、および任意の数のコンテキストを提供します。

機械学習機能を使用すると、メッセージ配信の要素(たとえば、いつ送信されたか、誰に、どのオファーパラメータを使用したかなど)を記録するプロセスとオファー応答の要素が自動的に記録されます。 オファーが受け入れられるかどうかに関係なく、応答はフィードバックとしてキャプチャされ、最適化のためにさまざまなタイプの自動モデリングが実行されます。 このフィードバックループは、他の顧客への同じオファーと同じ顧客への他のオファーの後続のアプリケーションを微調整するために使用され、将来のオファーが成功する可能性が高くなります。

当て推量を排除することにより、マーケターは、顧客により多くの価値を提供するものと、それを提供する方法と時期について、創造的に考えることに多くの時間を費やすことができます。

ビッグデータ処理、ストレージ、クエリ、機械学習の進歩によって実現されたこれらの独自の機能は、今日のモバイル業界の最先端です。 最前線の携帯電話事業者は、それらを使用して興味深い行動の洞察を形成し、最終的に顧客の行動に影響を与えてロイヤルティを向上させ、解約を減らし、収益を劇的に高める魅力的なマーケティングキャンペーンを作成しています。

2のコメント

  1. 1

    モバイルがもたらす課題と、マーケターがコンピューティング能力を利用してXNUMXつのオプションのXNUMXつだけでなく、多くのオプションのXNUMXつをすばやく提示する方法について読むのは非常に興味深いことです。 適切な顧客に適切なメッセージを届ける。 そのような前向きな考え方とテクノロジーの効果的な使用。

  2. 2

    テクノロジーの新しいトレンドに伴い、何が起こっているかを更新し、製品のマーケティングに関する知識を持っていることは良いことです。 素晴らしい情報、あなたの記事が気に入りました!

どう思いますか?

このサイトはAkismetを使用して迷惑メールを減らします。 コメントの処理方法を学ぶ.