Маркетинг и искусственный интеллект
Области маркетинга и искусственного интеллекта объединяются в системах, которые помогают в таких областях, как прогнозирование рынка и автоматизация процессов и принятия решений, а также повышают эффективность задач, которые обычно выполняются людьми. Науку, лежащую в основе этих систем, можно объяснить с помощью нейронных сетей и экспертных систем, компьютерных программ, которые обрабатывают входные данные и предоставляют ценные результаты для маркетологов.
Системы искусственного интеллекта, основанные на технологии социальных вычислений , могут применяться для понимания социальных сетей в Интернете. Методы интеллектуального анализа данных можно использовать для анализа различных типов социальных сетей. Этот анализ помогает маркетологу выявить влиятельных участников или узлы в сетях, информацию, которую затем можно применить для применения подхода социального маркетинга .
Искусственные нейронные сети [ править ]
Искусственная нейронная сеть — это форма компьютерной программы, смоделированная на мозге и нервной системе человека. [1] Нейронные сети состоят из ряда взаимосвязанных обрабатывающих нейронов , которые функционируют согласованно для достижения определенных результатов. Используя «человеческие методы обучения методом проб и ошибок, нейронные сети обнаруживают закономерности, существующие в наборе данных, игнорируя несущественные данные и подчеркивая те данные, которые оказывают наибольшее влияние». [2]
С точки зрения маркетинга, нейронные сети представляют собой разновидность программного инструмента, используемого для помощи в принятии решений. Нейронные сети эффективны при сборе и извлечении информации из больших источников данных и способны выявлять причины и следствия в этих данных. [2] [3] Эти нейронные сети в процессе обучения определяют отношения и связи между базами данных. После того, как знания накоплены, на нейронные сети можно положиться, чтобы обеспечить обобщения и применить прошлые знания и знания к различным ситуациям. [3]
Нейронные сети помогают выполнять роль маркетинговых компаний, эффективно помогая сегментировать рынок и измерять производительность, одновременно сокращая затраты и повышая точность. Благодаря своей способности к обучению, гибкости, адаптации и открытию знаний нейронные сети предлагают множество преимуществ по сравнению с традиционными моделями. [4] Нейронные сети можно использовать для помощи в классификации закономерностей, прогнозировании и маркетинговом анализе.
Классификация шаблонов [ править ]
Классификацию клиентов можно облегчить с помощью подхода нейронных сетей, позволяющего компаниям принимать обоснованные маркетинговые решения. Пример этого был использован Spiegel Inc., фирмой, занимающейся прямой почтовой рассылкой, которая использовала нейронные сети для повышения эффективности. Используя программное обеспечение, разработанное NeuralWare Inc., Шпигель определил демографические данные клиентов, совершивших одну покупку, и тех клиентов, которые совершили повторные покупки. Нейронные сети затем смогли выявить ключевые закономерности и, следовательно, определить клиентов, которые с наибольшей вероятностью совершят повторную покупку. Понимание этой информации позволило Spiegel оптимизировать маркетинговые усилия и сократить расходы. [5]
Прогнозирование [ править ]
продаж Прогнозирование — «это процесс оценки будущих событий с целью предоставления контрольных показателей для мониторинга фактических показателей и снижения неопределенности». [6] Появились методы искусственного интеллекта, которые облегчают процесс прогнозирования за счет повышения точности в областях спроса на продукцию, распределения, текучести кадров, измерения производительности и контроля запасов. [6] Примером прогнозирования с использованием нейронных сетей является помощник/тактик по маркетингу авиакомпаний; приложение, разработанное BehabHeuristics, которое позволяет прогнозировать спрос пассажиров и последующее распределение мест с помощью нейронных сетей. Эту систему использовали National Air Canada и USAir. [7]
Маркетинговый анализ [ править ]
Нейронные сети представляют собой полезную альтернативу традиционным статистическим моделям благодаря их надежности, характеристикам экономии времени и способности распознавать закономерности на основе неполных или зашумленных данных. [3] [8] Примеры систем маркетингового анализа включают систему целевого маркетинга, разработанную Churchull Systems для корпорации Veratex. Эта система поддержки сканирует рыночную базу данных для выявления спящих клиентов, позволяя руководству принимать решения относительно того, на каких ключевых клиентов ориентироваться. [7]
При проведении маркетингового анализа нейронные сети могут помочь в сборе и обработке информации, начиная от демографии и кредитной истории потребителей и заканчивая моделями покупок потребителей. [9]
ИИ позволяет организациям «предоставлять рекламный опыт, более персонализированный для каждого пользователя, формировать путь клиента , влиять на решения о покупке и повышать лояльность к бренду» («Как»). Технология искусственного интеллекта позволяет маркетологам разделить своих потребителей на отдельные личности и понять, что мотивирует их потребителей. Здесь они смогут сосредоточиться на конкретных потребностях своей аудитории и создать долгосрочные отношения с брендом (Кушмаро). В конечном итоге бренды хотят добиться такой лояльности у потребителя, и искусственный интеллект позволит им добиться этого. «Пини Якуэль, основатель и генеральный директор Optimove . «Анализируя клиентов на основе их перемещения между сегментами с течением времени, мы можем добиться динамической микросегментации и очень точно прогнозировать будущее поведение» (Кушмаро). Возможность прогнозировать будущее поведение потребителей очень важна. Таким образом, маркетологи могут целенаправленно продавать потребителям, основываясь на их текущем поведении и прогнозах их будущего поведения. Это позволит установить лояльные отношения между потребителем и брендом и в конечном итоге поможет бизнесу.
Применение искусственного интеллекта для решений маркетинговых принятия
Маркетинг — это сложная область принятия решений , которая требует от маркетолога значительной степени как суждения, так и интуиции. [10] Огромное увеличение сложности, с которой сталкивается отдельный человек, принимающий решения, делает процесс принятия решений практически невыполнимой задачей. Механизм маркетинговых решений может помочь избавиться от шума. Разработка более эффективных процедур управления была признана необходимостью. [11] Применение искусственного интеллекта для принятия решений через систему поддержки принятия решений может помочь лицу, принимающему решения, справиться с неопределенностью в проблемах принятия решений. Методы искусственного интеллекта все чаще расширяют поддержку принятия решений за счет анализа тенденций; предоставление прогнозов; снижение информационной перегрузки ; обеспечение связи, необходимой для совместных решений, и предоставление актуальной информации. [12] [13]
Структура маркетинговых решений [ править ]
Организации стремятся удовлетворить потребности клиентов, уделяя особое внимание их желаниям. Подход, ориентированный на потребителя, требует производства товаров и услуг, соответствующих этим потребностям. Понимание поведения потребителей помогает маркетологу принимать соответствующие решения. Таким образом, принятие решений зависит от маркетинговой проблемы, лица, принимающего решения, и среды принятия решений. [11]
Экспертная система [ править ]
Экспертная система — это программа, которая объединяет знания экспертов в попытке решить проблемы путем эмуляции знаний и процедур рассуждения экспертов. Каждая экспертная система обладает способностью обрабатывать данные, а затем посредством рассуждений преобразовывать их в оценки, суждения и мнения, тем самым предоставляя рекомендации по специализированным проблемам. [14]
Использование экспертной системы, применимой к области маркетинга, называется MARKEX (Market Expert). Эти интеллектуальные системы поддержки принятия решений действуют как консультанты для маркетологов, поддерживая лиц, принимающих решения, на разных этапах, особенно в процессе разработки нового продукта . Программное обеспечение обеспечивает систематический анализ, который использует различные методы прогнозирования, анализа данных и принятия многокритериальных решений для выбора наиболее подходящей стратегии проникновения. [11] BRANDFRAME — еще один пример системы, разработанной для помощи маркетологам в процессе принятия решений. Система помогает бренд-менеджеру определять атрибуты бренда, каналы розничной торговли, конкурирующие бренды, цели и бюджеты. Новые маркетинговые данные подаются в систему, где BRANDFRAME анализирует данные. Система дает рекомендации в отношении инструментов маркетинг-микса , таких как снижение цены или начало рекламной кампании.
интеллект и автоматизации эффективность Искусственный
для автоматизации Применение маркетинга
Что касается маркетинга, автоматизация использует программное обеспечение для компьютеризации маркетинговых процессов, которые в противном случае выполнялись бы вручную. Это помогает эффективно выполнять такие процессы, как сегментация клиентов, управление кампаниями и продвижение продукта, с большей эффективностью. [15] Автоматизация маркетинга является ключевым компонентом управления взаимоотношениями с клиентами (CRM). Компании используют системы, использующие алгоритмы интеллектуального анализа данных, которые анализируют базу данных клиентов, предоставляя дополнительную информацию о клиенте. Эта информация может относиться к социально-экономическим характеристикам, предыдущим взаимодействиям с клиентом и информации об истории покупок клиента. [16] Были разработаны различные системы, позволяющие организациям контролировать свои данные. Инструменты автоматизации позволяют системе отслеживать эффективность кампаний, внося в них регулярные корректировки, чтобы повысить процент откликов и обеспечить отслеживание эффективности кампаний. [17]
Автоматизация дистрибуции [ править ]
Распространение продукции требует от компаний доступа к точным данным, чтобы они могли реагировать на меняющиеся тенденции спроса на продукцию. Процессы автоматизации способны создать комплексную систему, которая улучшает мониторинг в реальном времени и интеллектуальное управление. Amazon приобрела Kiva Systems , производителя складских роботов, за 775 миллионов долларов в 2012 году. До покупки автоматизированной системы сотрудникам приходилось ходить по огромному складу, отслеживая и извлекая книги. Роботы Kiva способны выполнять заказы, пополнять запасы продукции, а также поднимать тяжелые грузы, тем самым повышая эффективность компании. [18]
Использование искусственного интеллекта для анализа социальных сетей в сети [ править ]
Социальная сеть — это социальное объединение акторов, составляющих группу внутри сети; может существовать массив связей и узлов, который иллюстрирует общие явления в сети и общие отношения. Луи (2011), [19] описывает социальную сеть как «изучение социальных сущностей (людей в организации, называемых акторами), а также их взаимодействий и отношений. Взаимодействия и отношения могут быть представлены в виде сети или графа, где каждая вершина (или узел) представляет собой действующего лица, а каждая ссылка представляет собой связь». В настоящее время наблюдается рост виртуальных социальных сетей с общим появлением социальных сетей, тиражируемых в Интернете, например, сайтов социальных сетей, таких как Twitter , Facebook и LinkedIn . С точки зрения маркетинга анализ и моделирование этих сетей могут помочь понять поведение и мнение потребителей. Использование методов социального моделирования на основе агентов и анализа данных/мнений для сбора социальных знаний о сетях может помочь маркетологу понять свой рынок и его сегменты.
Социальные вычисления [ править ]
Социальные вычисления — это отрасль технологии, которая может использоваться маркетологами для анализа социального поведения в сетях, а также позволяет создавать искусственных социальных агентов. [20] Социальные вычисления предоставляют платформу для создания социального программного обеспечения; Некоторые более ранние примеры социальных вычислений представляют собой такие системы, которые позволяют пользователю извлекать социальную информацию, такую как контактная информация, из учетных записей электронной почты, например адреса и названия компаний, из электронной почты, используя технологию условного случайного поля (CRF). [21]
Интеллектуальный анализ данных [ править ]
Интеллектуальный анализ данных включает поиск в Интернете существующей информации, а именно мнений и чувств, которые публикуются в социальных сетях. «Эта область исследования называется интеллектуальным анализом мнений или анализом настроений. Он анализирует мнения, оценки, отношения и эмоции людей по отношению к сущностям, людям, проблемам, событиям, темам и их атрибутам». [19] Однако поиск этой информации и ее анализ могут оказаться серьезной задачей, анализ этой информации вручную также может привести к предвзятости исследователя. Поэтому в качестве решения этой проблемы предлагаются системы объективного анализа мнений в виде автоматизированных систем извлечения и обобщения мнений. Маркетологам, использующим этот тип аналитики для формирования выводов о мнении потребителей, следует опасаться так называемого спама мнений, когда в сети публикуются ложные мнения или обзоры с целью повлиять на потенциальных потребителей за или против продукта или услуги. [19]
Поисковые системы — это распространенный тип интеллекта, который стремится узнать, что интересует пользователя, чтобы предоставить соответствующую информацию. PageRank и HITS являются примерами алгоритмов поиска информации по гиперссылкам; Google использует PageRank для управления своей поисковой системой. Аналитика на основе гиперссылок может использоваться для поиска веб-сообществ, которые описываются как «группа плотно связанных страниц, представляющих группу людей с общими интересами». [19]
Центральность и престиж — это типы измерительных терминов, используемые для описания уровня распространенности событий среди группы действующих лиц; эти термины помогают описать уровень влияния и влияния актера в социальной сети. Человека, имеющего множество связей внутри сети, можно было бы назвать «центральным» или «престижным» действующим лицом. Идентификация этих узлов в социальной сети помогает маркетологам выяснить, кто является законодателями моды в социальных сетях. [19]
Инструменты для социальных сетей на основе искусственного интеллекта [ править ]
Эллотт (2017) рассмотрел инструменты на основе искусственного интеллекта, которые трансформируют рынки социальных сетей. Искусственный интеллект оказывает влияние на шесть областей маркетинга в социальных сетях: создание контента, сбор информации о потребителях, обслуживание клиентов, маркетинг влияния, оптимизация контента и конкурентная разведка. [22] Один инструмент, Twizoo, использует ИИ для сбора отзывов о ресторанах в социальных сетях, чтобы помочь пользователям найти место, где можно поесть. Twizoo добился большого успеха благодаря отзывам своих пользователей и расширился, запустив «виджет, с помощью которого веб-сайты путешествий и гостеприимства могли мгновенно донести эти обзоры из социальных сетей до своей аудитории» (Twizzo, 2017). [23]
Маркетинг влияния имеет огромное значение в социальных сетях. Многие бренды сотрудничают и спонсируют популярных пользователей социальных сетей и пытаются продвигать свою продукцию среди подписчиков этих пользователей социальных сетей. Это была успешная тактика для компании Sugar Bear Hair и компании по подписке FabFitFun. [ нужна ссылка ] Одна компания, InsightPool, использует искусственный интеллект для поиска среди более чем 600 миллионов влиятельных лиц в социальных сетях, чтобы найти влиятельных лиц, которые соответствуют индивидуальности бренда и целевой аудитории (Ellot, 2017). Это может быть эффективным инструментом при поиске новых влиятельных лиц или конкретной аудитории. Также может быть экономически выгодно найти кого-то, кто не известен (например, актеры Кардашьян / Девичник), но также может повлиять на большую аудиторию и увеличить продажи. [22]
См. также [ править ]
Ссылки [ править ]
- ^ Уитби, Б. (2003). Руководство для начинающих: Искусственный интеллект. Оксфорд, Англия: Публикации Oneworld. [ нужна страница ]
- ↑ Перейти обратно: Перейти обратно: а б Тедеско, Б.Г. (1992), Нейронный анализ: нейронные сети искусственного интеллекта, применяемые к единым источникам и геодемографическим данным. Чикадж, Иллинойс: Gray Associates. [ нужна страница ]
- ↑ Перейти обратно: Перейти обратно: а б с Тедеско, Б.Г. (1992). Нейронный маркетинг: нейронные сети искусственного интеллекта для измерения ожиданий потребителей. Чикаго, Иллинойс: Gray Associates. [ нужна страница ]
- ^ Блум, Джонатан З. (январь 2005 г.). «Сегментация рынка». Анналы туристических исследований . 32 (1): 93–111. дои : 10.1016/j.annals.2004.05.001 . S2CID 4512961 .
- ^ Шварц, Э.И. (1992, 2 марта). Умные программы начинают работать. Получено из Business Week: [1]
- ↑ Перейти обратно: Перейти обратно: а б Холл, Оуэн П. (2002). «Методы искусственного интеллекта улучшают бизнес-прогнозы» . Бизнес-обзор Грациадо . 5 (2).
- ↑ Перейти обратно: Перейти обратно: а б «Нейронные сети: готовы к прайм-тайму?» . Эксперт IEEE: Интеллектуальные системы и их приложения . 7 (6): 2–4. 1 декабря 1992 года.
- ^ Вельфель, Дж. (1992). Искусственные нейронные сети для рекламы и маркетинговых исследований: текущая оценка. Университет в Буффало. [ нужна страница ]
- ^ "Про сайт pro-kursy.com: Отзывы о курсах в онлайн университетах и школах" . Онлайн Университет: Отзывы на онлайн курсы (in Russian) . Retrieved May 17, 2023 .
- ^ Веренга, Беренд (2010). «Маркетинг и искусственный интеллект: большие возможности, неохотные партнеры». Маркетинг интеллектуальных систем с использованием мягких вычислений . Исследования нечеткости и мягких вычислений. Том. 258. С. 1–8. дои : 10.1007/978-3-642-15606-9_1 . ISBN 978-3-642-15605-2 .
- ↑ Перейти обратно: Перейти обратно: а б с Мацацинис Н.Ф. и Сискос Ю. (2002). Интеллектуальные системы поддержки маркетинговых решений. Норвелл, Массачусетс, США: Kulwer Academic Publishers. [ нужна страница ]
- ^ Филлипс-Рен, Г., Джайн, Л.К., и Ичалкаранже, Н. (2008). Интеллектуальное принятие решений: подход ИИ. Издательство Весна. [ нужна страница ]
- ^ Шарма, Анимеш К.; Шарма, Рахул (2023). Машинное обучение и искусственный интеллект в эпоху цифрового маркетинга . Рутледж. ISBN 9781032521954 .
- ^ Кранк, Джон; Норт, М. (2007). «Системы поддержки принятия решений и технологии искусственного интеллекта в помощь маркетингу на основе информационных систем». Международный обзор менеджмента . 3 (2): 61–86. S2CID 107615183 .
- ^ ТехТаржет. (2004, февраль). Автоматизация маркетинга. Получено 20 апреля 2012 г. из Search CRM: http://searchcrm.techtarget.com/definition/marketing-automation .
- ^ Шарма, Сарика; Гоял, ДП; Миттал, РК (2010). «Обязательная взаимосвязь между качеством данных и производительностью инструментов интеллектуального анализа данных для CRM». Международный журнал деловой конкуренции и роста . 1 (1): 45. doi : 10.1504/IJBCG.2010.032828 .
- ^ Гаффни, А. (16 октября 2008 г.). «DemandGen награждает 10 лучших фирм, использующих инструменты автоматизации для стимулирования роста бизнеса» . Запросить GenReport . Проверено 20 апреля 2012 г.
- ^ Мюррей, Питер (21 марта 2012 г.). «Amazon переходит на роботизацию и приобретает Kiva Systems, производителя складских роботов» . Центр сингулярности . Проверено 17 мая 2023 г.
- ↑ Перейти обратно: Перейти обратно: а б с д и Лю, Б. (2011). Интеллектуальный анализ веб-данных: анализ мнений и анализ настроений (2-е изд.). Нью-Йорк: Спрингер. Проверено 19 апреля 2012 г.
- ^ Ван, Фей-Юэ; Карли, Кэтлин М.; Цзэн, Дэниел; Мао, Вэньцзи (март 2007 г.). «Социальные вычисления: от социальной информатики к социальному интеллекту». Интеллектуальные системы IEEE . 22 (2): 79–83. дои : 10.1109/MIS.2007.41 . S2CID 939045 .
- ^ Кулотта, Арон; Беккерман, Рон; МакКаллум, Эндрю (1 января 2004 г.). «Извлечение социальных сетей и контактной информации из электронной почты и Интернета» . Серия публикаций факультета компьютерных наук .
- ↑ Перейти обратно: Перейти обратно: а б Эллетт, Джон. «Новые инструменты на основе искусственного интеллекта меняют маркетинг в социальных сетях» . Форбс . Проверено 17 мая 2023 г.
- ^ Твизу. (ноябрь 2017 г.). Все хорошее… может стать еще лучше. Середина. Получено с: https://medium.com/@TwizooSocial/all-good-things-can-get-better-301f425d19bc.
- ^ Зебринес (25 февраля 2023 г.). «Преобразуйте результаты своего контент-маркетинга с помощью информации, основанной на искусственном интеллекте — Zebrines» . Проверено 25 февраля 2023 г.