Jaki jest klucz do Amazon i Google Google sukces przychodów ? Każdy zna odpowiedź: dane.
Powód imperium mediów społecznościowych Facebooka i upadku biznesu strumieniowego przesyłania muzyki przez Spotify? Dane.
Wszystkim tym firmom udało się wykorzystać ogromne ilości informacji, które otrzymują od wielu użytkowników – czy to ich nawyki wyszukiwania, udostępniane posty, kupowane produkty czy muzyka, której słuchają – do głównych strumieni przychodów. Nie chodzi tylko o to, że firmy te były w stanie zebrać dane dotyczące milionów (lub miliardów w przypadku niektórych z tych firm); chodzi o to, że tym firmom udało się skutecznie wykorzystać te dane, aby lepiej zrozumieć i sprzedawać swoim użytkownikom. Wszystkie te firmy wykorzystują w tym celu sztuczną inteligencję (a dokładniej głębokie uczenie).
ile lat ma rob dyrdrek
Oczywiście ważne jest, aby pamiętać, że nie musisz być dominującym przedsiębiorstwem, takim jak Amazon czy Google, aby przekształcić dane w przewagę konkurencyjną. W miarę jak sztuczna inteligencja staje się coraz bardziej zaawansowana i szerzej stosowana, zaczniemy widzieć, jak wiele firm – dużych i małych – zwraca się do sztucznej inteligencji w celu opracowania lepszych strategii dotyczących danych i zdobycia akceptacji klientów oraz lepszego konkurowania z konkurencją .
Klucz do pokonania konkurencji, według Jeremy'ego Faina, pionierskiej technologii sieci neuronowych poznawczo , to posiadanie lepszych danych – niekoniecznie więcej, ale takich, których nie mają konkurenci. Teoretycznie każda marka jest w stanie opracować własne unikalne zasoby danych, ponieważ każda marka musi być nieco inna, aby konkurować. Oznacza to, że klienci marki co najmniej nieznacznie różnią się od klientów konkurencji, co oznacza, że mają unikalny kąt, z którego mogą skorzystać. Każda informacja, którą otrzymujesz na temat swojego klienta lub potencjalnego klienta, jest zatem kolejną informacją, którą możesz wykorzystać do stworzenia skutecznej strategii marketingowej lub reklamowej.
ile lat ma Kelly o'donnell
Aby efektywnie wykorzystać te informacje, musisz najpierw zdecydować, jaki jest Twój cel. Szukasz większej sprzedaży? Czy starasz się osiągnąć większy ruch w sklepach? Czy Twoim celem jest zwiększenie świadomości rynkowej Twojego produktu? Gdy to zrobisz, możesz przyjrzeć się danym, aby sprawdzić, czy są w odpowiednim formacie do użycia z głębokim uczeniem. To jest coś, co trudno wyjaśnić w prosty sposób, ale zasadniczo dane muszą być zdezagregowane – to znaczy muszą pochodzić z wielu źródeł, aby można było z nich wyciągnąć bardziej dogłębne wnioski. Oznacza to, że tak naprawdę nie musisz wiedzieć tylko, ile osób odwiedziło sklep, ale kiedy dokładnie każda osoba odwiedziła. Nie musisz już patrzeć na to, ile dokonałeś sprzedaży, ale także na to, jaka była każda sprzedaż i komu. Aby pójść o krok dalej, musisz określić, jakie punkty styczności miałeś z klientem przed dokonaniem z Tobą transakcji, jakie reklamy zostały mu wyświetlone oraz kiedy i gdzie doszło do wszystkich interakcji. Nie zbierasz jeszcze tego typu danych? Cóż, to twoje pierwsze zadanie domowe.
Oznacza to, że będziesz mieć o wiele więcej danych do przechowywania niż dotychczas, ale dobrą wiadomością jest to, że przechowywanie jest tanie. Dodatkowo bez tych informacji nie będziesz w stanie wykorzystać mocy głębokiego uczenia się i konkurować w tym nowym świecie.
jak wysoka jest natascha mcelhone?
Badanie menedżerów z listy Fortune 1000 z 2016 r. odkryłem, że tylko 48,4% ankietowanych zgłosiło wymierne wyniki w wyniku swoich inicjatyw w zakresie danych – ale 80,7% uznało, że wysiłki były udane i niezbędne. Oznacza to, że wszyscy wiedzą, że muszą działać lepiej i nie widzą alternatywy, ale potrzeba czegoś więcej, aby osiągnąć wymierne korzyści na całym świecie.
W większości inicjatyw dotyczących danych brakuje jednego prostego składnika: głębokiego uczenia. Jest to często błędnie rozumiany temat, określony przez Cognitiv's Fain jako „bardziej zaawansowany rodzaj uczenia maszynowego, który jest w stanie wygenerować wgląd podobny do ludzkiego”. Zdolność głębokiego uczenia się do uzyskiwania wyników z dużych zbiorów danych jest obecnie niezbędna nie tylko ze względu na konkurencyjność, ale także po to, aby wcześniejsze inwestycje w duże zbiory danych się opłaciły. . Niestety, 39,3% ankietowanych nadal mówili, że ich organizacjom brakowało korporacyjnej strategii Big Data lub w inny sposób nie zdawały sobie sprawy, że taka istnieje – firmy te mają długą drogę do pokonania. W rzeczywistości większość profesjonalistów opartych na danych ma przed nami stromy wzrost. „Częścią wyzwania jest to, że sama branża jest niedojrzała w kwestii danych. Spojrzymy za 15 lat wstecz na to, co robimy, i zapytamy: „Czy to nie było urocze?” – powiedział jeden z dyrektorów Programmatic Media z globalnej agencji medialnej, który przeprowadził niedawno wywiad. Badanie Winterberry Group IAB .
Big data, analiza danych i sztuczna inteligencja idą w parze. Sztuczna inteligencja, a co za tym idzie, głębokie uczenie się, wymaga danych, ryz i ryz z niej. . Jedyny sposób, w jaki uczenie głębokie może być skuteczne w Twojej organizacji, to stały strumień informacji, które je zasilają.’’ Uzbrojone w te informacje, głębokie uczenie i sieci neuronowe mogą tworzyć algorytmy i strategie, które są unikalne dla Twojej marki - zapewniając w ten sposób, że marka pozostanie konkurencyjna i innowacyjna. Jak Fain zwraca uwagę , „Możliwość pełniejszego opisania i zrozumienia zachowania konsumenta jest pełniejsza niż kiedykolwiek wcześniej, a tego rodzaju dane sprawią, że narzędzia marketingu AI będą jeszcze bardziej skuteczne w ciągu najbliższych kilku lat”.
W tym momencie wszystkie marki potrzebują silnej strategii danych. Wystarczy spojrzeć na dzisiejsze marki, takie jak Macy's i J.C. Penney's, które walczą w wyniku podejścia opartego na danych gigantów e-commerce, takich jak Amazon i eBay. Posiadanie odpowiedniej strategii i, co równie ważne, odpowiednich narzędzi, aby jak najlepiej wykorzystać dane, pomoże utrzymać konkurencyjność i sukces Twojej firmy.
