2020年1月6日
贡献:劳拉Starita
营销人员正在竞相驾驶人工智能的领头车。对AI算法的兴趣是努力走向成熟的自然进化营销数据和分析能力推动以客户为中心和个性化。然而，人工智能炒作的持续漩涡给营销人员蒙上了一层谨慎的阴影。许多人不确定如何区分高潜力的AI算法和那些仍处于实验阶段的算法。< / p >
“营销人员需要拥抱人工智能的新用途但很多人都不知道从哪里开始，该提出什么要求，或者如何将新方法与过去的经验协调起来。杰森McNellis， Gartner的高级总监分析师。“许多有趣的人工智能用例登上了头条;然而，许多新的人工智能方法比过去复杂得多，这妨碍了对整体方法的信任。”
这三种新的算法是交付价值通过改进预测，提供决策透明度，并使营销人员能够识别有效的内容。< / p >
梯度增强机(GBMs)是一种高效的预测模型，营销人员可以使用它对客户进行行为预测，以推动个性化。GBMs可以回答如下问题:哪些潜在客户与当前的高价值客户最相似?哪些客户可能会升级到更高的服务水平?哪些顾客可能会离开这个品牌?< / p >
“营销人员需要接受人工智能的新用途，但许多人不知道从哪里开始……”< / p >
GBMs比其他预测方法产生更精确的结果，因为它们通常被构建为一个决策树序列。错误分类的项目被用作后续轮的训练数据，以微调模型。这种迭代的方法使GBMs比其他算法更精确，但这也意味着它们可以由数百个简单模型组合成一个高度精确(尽管通常非常复杂和不透明)的模型。< / p >
为什么这个算法会得出这样的答案?随着人工智能成为主流，越来越多的组织被要求解释他们的工具所做的决定。最近人们对人工智能算法的偏见感到担忧信用资质或刑事审判引发了对人工智能加强监管的呼声。积极主动的公司现在有了SHAP算法来理解像GBMs或神经网络这样的黑箱模型是如何产生建议或预测的。< / p >
SHAP算法回答了两个重要问题:
模型是如何得出一个特定记录的结论的?< / p >
哪些变量对模型的影响最大?< / p >
为了回答这个问题，SHAP经常生成一个图形，可视化影响决策的各种元素及其相对权重。SHAP最适合于使用结构化数据集的模型，但要注意:SHAP可以告诉您模型在做什么，但它不能告诉您模型是否高质量。SHAP也可能需要大量的计算能力来运行，这使得它的运行成本很高。< / p >
在过去的十年中，内容团队已经使用A/B和多元测试来识别最佳内容，以从不同的受众群体中获得期望的反应。上下文强盗算法是内容测试的下一波改进。与a /B或多元方法相比，它们能更快、更自动化地识别观众的喜好，从而减少看到劣质内容的人数。< / p >
上下文盗匪在高流量的渠道(eBay，亚马逊，微软)尤其有用。这些网站在短时间内可能产生的大量印象迅速产生有意义的结果，但结果也可以实时应用，使品牌在嘈杂的在线环境中从竞争对手中脱颖而出。
上下文盗匪通过将客户信息与上下文数据(如时间、当前天气和当前访问或用户历史的任何可用细节)结合起来工作。利用这些数据，上下文盗版者提供广告内容进行测试，并锁定文字和视觉效果的最佳组合，以产生预期的反应。
