Jaký je klíč pro Amazon a Google úspěch v příjmech ? Odpověď každý zná: Data.
Důvod pro impérium sociálních médií Facebooku a Spotify se zaměřením na streamování hudby? Data.
Všechny tyto společnosti dokázaly využít obrovské množství informací, které získávají od svého množství uživatelů - ať už jde o jejich vyhledávací návyky, příspěvky, které sdílejí, produkty, které kupují, nebo hudbu, kterou poslouchají - do hlavních příjmových toků. Není to jen fakt, že tyto společnosti dokázaly shromáždit údaje o milionech (nebo miliardách, v případě některých z těchto společností); je to tím, že se těmto společnostem podařilo tyto údaje efektivně využít k lepšímu porozumění a uvedení na trh svým uživatelům. Všechny tyto společnosti k tomu používají umělou inteligenci (nebo přesněji řečeno hluboké učení).
kolik stojí questlove
Samozřejmě je důležité si uvědomit, že nemusíte přeměňovat podniky jako Amazon nebo Google, abyste z dat udělali konkurenční výhodu. Jak bude umělá inteligence čím dál pokročilejší a stále více přijímána, začneme vidět, jak se mnoho společností - velkých i malých - obrací na AI, aby mohly přijít s lepšími datovými strategiemi a získat zákaznické přijetí a lépe konkurovat jejich konkurenci .
Klíčem k překonání konkurence, podle Jeremyho Faina, je průkopnická technologie neuronových sítí kognitivně , má lepší data - nemusí to být nutně více, ale data, která vaši konkurenti nemají. Teoreticky je každá značka schopna vyvinout vlastní jedinečná datová aktiva, protože každá značka musí být trochu odlišná, aby mohla konkurovat. To znamená, že zákazníci značky se přinejmenším mírně liší od konkurence, což znamená, že mají jedinečný úhel, který mohou využít. Každá data, která o svém zákazníkovi nebo potenciálním zákazníkovi získáte, jsou proto další informací, které můžete použít k vytvoření efektivní marketingové nebo reklamní strategie.
jak staré je rio mangini
Abyste mohli tyto informace efektivně využívat, musíte se nejprve rozhodnout, jaký je váš cíl. Hledáte další prodej? Snažíte se dosáhnout vyšší návštěvnosti v obchodech? Je vaším cílem vyšší tržní povědomí o vašem produktu? Jakmile to uděláte, můžete se podívat na data a zjistit, zda jsou ve správném formátu pro použití s hlubokým učením. To je něco, co je těžké jednoduše vysvětlit, ale v zásadě musí být data v dezagregovaném stavu - to znamená, že musí pocházet z více zdrojů, aby z nich bylo možné vyvodit podrobnější závěry. To znamená, že ve skutečnosti nepotřebujete vědět jen to, kolik lidí navštívilo obchod, ale místo toho, kdy přesně je navštívila každá osoba. Už se nemusíte dívat na to, kolik prodejů jste uskutečnili, ale také na to, co každý prodej byl a komu. Chcete-li se dostat ještě o krok dále, musíte zjistit, jaké kontaktní body jste měli se zákazníkem předtím, než s vámi provedl transakci, jaké reklamy se mu zobrazily a kdy a kde ke všem interakcím došlo. Ještě neshromažďujete tento typ dat? To je tvůj první domácí úkol.
To znamená, že budete mít k dispozici mnohem více dat, než jste byli zvyklí, ale dobrou zprávou je, že úložiště je levné. Bez těchto informací navíc nebudete moci využít sílu hlubokého učení a soutěžit v tomto novém světě.
jak starý je santino marella
Studie vedoucích pracovníků z žebříčku Fortune 1000 z roku 2016 odkryl to pouze 48,4% dotázaných uvedlo měřitelné výsledky jako výsledek svých datových iniciativ - ale 80,7% se domnívalo, že úsilí bylo úspěšné a zásadní. To znamená, že každý ví, že musí dělat lépe a nevidí alternativu, ale než se dosáhne měřitelných přínosů plošně, je zapotřebí ještě něco víc.
Většina datových iniciativ postrádá jednu jednoduchou ingredienci: hluboké učení. Je to často nepochopené téma, které Cognitiv's Fain definuje jako „pokročilejší typ strojového učení, který je schopen generovat vhled podobný člověku“. Schopnost hlubokého učení získávat výsledky z velkých dat je nyní nezbytná nejen z konkurenčních důvodů, ale také k tomu, aby se předchozí investice do velkých dat vyplatily. Smutně 39,3% dotázaných stále říkali, že jejich organizacím chybí podniková Big Data strategie, nebo si jinak neuvědomují, jestli existuje - tyto společnosti mají dlouhý kopec, který musí vylézt. Ve skutečnosti má většina profesionálů založených na datech před námi prudké stoupání. „Část výzvy spočívá v tom, že samotný průmysl je kolem dat nezralý. Podíváme se zpět za 15 let na to, co děláme, a řekneme: „Nebylo to roztomilé?“, “Řekl jeden ředitel Programmatic Media pro globální mediální agenturu, s níž nedávno hovořil Studie skupiny Winterberry Group IAB .
Velká data, analýza dat a umělá inteligence jdou velmi ruku v ruce. Umělá inteligence - a v širším smyslu i hluboké učení - vyžaduje data, stěžeji a stěžeji na ně. Jediný způsob, jak může být hluboké učení pro vaši organizaci efektivní, je ten, že máte neustálý proud informací, kterými je můžete krmit. “ Vyzbrojeni těmito informacemi mohou hluboké učení a neuronové sítě vytvářet algoritmy a strategie, které jsou pro vaši značku jedinečné - a tím zajistí, že značka zůstane konkurenceschopná a inovativní. Jako Fain poukazuje na to „Schopnost podrobněji popsat a pochopit chování spotřebitele je úplnější než kdykoli předtím a tento druh dat zefektivní marketingové nástroje AI v příštích několika letech.“
V tomto okamžiku potřebují všechny značky silnou datovou strategii. Stačí se podívat na dnešní značky jako Macy's a J.C.Penney, které se potýkají s daty zaměřenými přístupy gigantů elektronického obchodování, jako jsou Amazon a eBay. Správná strategie a stejně důležité nástroje, které vám umožní vytěžit maximum z vašich dat, pomohou udržet vaši společnost konkurenceschopnou a úspěšnou.
