Obsah
- Prodej anonymních údajů o zákaznících třetím stranám
- Zvyšování marketingové účinnosti
- Vylepšený profil uživatele
- Statistiky a rady jako služba
- Samoobslužné analytické platformy
- Vyhněte se reklamním podvodům
- Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
- Závěrečné myšlenky
Zdroj: Skypixel / Dreamstime.com
Odnést:
Strojové učení se používá k upřesnění velkých dat a dává mu hodnotu jako nikdy předtím. Organizace nyní využívají sílu ML zpeněžit svá data.
Velká data jsou vždy popisována jako nesmírně cenný zdroj, který může podpořit jakýkoli prosperující podnik a poskytuje organizacím praktické informace, obchodní příležitosti a vyšší marže. Stejně jako ropa musí být rafinována před tím, než může být přeměněna na cenný a užitečný zdroj, musí však být data natrávena umělou inteligencí (AI) a strojovým učením (ML), než něco stojí za to. Od jejího využití ke zlepšení efektivity provozu organizace až po její využití k vytváření nových toků příjmů, lze obchodní data zpeněžit mnoha různými způsoby.
Jak vysvětlil Tim Sloane, viceprezident pro inovace plateb v Mercator Advisory Group, „zpeněžení dat je především o využití dat, která máte prostřednictvím nových kanálů.“ Podívejme se na několik konkrétních příkladů, aniž byste se zbytečně ztráceli. Protože čas jsou peníze, příteli!
Prodej anonymních údajů o zákaznících třetím stranám
Údaje o zákaznících, které jsou anonymizovány (tj. Zbaveny citlivých informací) nebo syntetizovány (tj. Mírně upraveny, takže je stále 100% statisticky relevantní, ale nelze vysledovat zpět k původnímu zákazníkovi), lze prodat jiným společnostem, které je potřebují v forma analytických produktů. Agregovaná předem stanovená data lze zpeněžit, protože mohou obsahovat hodnotu, která přesahuje její původní použití a mohou vytvářet nový tok výnosů. Například obchoďák může chtít vědět, jaký typ jídla preferují videoherní nadšenci poté, co provedli nákup, takže konkrétní stánek rychlého občerstvení může být umístěn ve stejné oblasti jako herny. Nebo telekomunikační společnost může prodat geolokační data zákazníků, která lze použít k plánování účinnějších technologických řešení „smart city“.
Zvyšování marketingové účinnosti
Dosažení nových vyhlídek je nezbytné pro zajištění neustálého toku nových zákazníků. To je důvod, proč je marketing téměř vždy jednou z nejdražších výdajových položek rozpočtu moderního podniku. Strojové učení lze využít k pochopení mnoha marketingových dat, zvýšení jeho účinnosti a snížení nákladů. Algoritmy lze použít k doporučení dalších videí ke zhlédnutí nebo ke čtení článků na základě individuálních preferencí uživatele, prodloužení času stráveného na webové stránce nebo platformě, nebo upoutání pozornosti více potenciálních zákazníků. Popularita části obsahu lze předpovědět pomocí analýzy sentimentu, která pomáhá zúžit typ obsahu, který chcete zarovnat. (Více informací o umělé inteligenci v podnikání naleznete v tématu Jak umělá inteligence bude revolucionalizovat prodejní průmysl.)
Vylepšený profil uživatele
Úplné pochopení chování zákazníků společnosti je zásadní, aby se z nich vytlačilo více peněz. Extrahováním použitelných poznatků z uživatelských dat je chléb a máslo analýzy velkých dat a ML může tento proces posunout na další úroveň. Modely predikce Churn lze nastavit tak, aby analyzovaly chování zákazníků a pochopily, kdo jsou lidé s největší pravděpodobností přestanou používat váš produkt po krátké době. Je-li přijata vhodná opatření k jejich zachování (například prostřednictvím plně automatizovaných CRM platforem), ušetří se mnoho peněz, protože náklady na pořízení jsou až pětkrát vyšší než náklady na udržení. Modely CLTV (Customer Lifetime Value Value) lze také použít k určení toho, které uživatelské osoby budou s větší pravděpodobností utrácet peníze za vaše produkty extrahováním užitečných dat z jejich zvyků. Společnosti to pomůže zaměřit se pouze na ty potenciální zákazníky, kteří mohou generovat relevantní příjmy.
Statistiky a rady jako služba
Společnosti se často musejí při plnění nejobtížnějších úkolů spolehnout na odborné znalosti svých nejstarších a nejzkušenějších zaměstnanců. Vedoucí pracovní síla organizace je kritickým přínosem, jehož znalosti a know-how jsou stěží přenositelné, když tito zkušení pracovníci nakonec odejdou do důchodu. Některé společnosti však využívaly umělou inteligenci k prohlížení nesčetných stránek dokumentace, která zahrnuje uživatelské příručky, korespondenci o každodenních operacích a zprávy psané nejkvalifikovanějšími zaměstnanci a bývalými zaměstnanci. Výsledkem bylo vytvoření inteligentních digitálních asistentů, kteří jsou schopni v reálném čase poskytnout užitečné informace novým zaměstnancům, rychlé analýzy výběru materiálu pro výrobní společnosti a pomoci každému členovi týmu učinit jakékoli relevantní rozhodnutí na místě. To pomáhá zaměstnancům být produktivnější tím, že tráví více času vykonáváním svých pracovních míst a méně času hledáním podrobností.
Samoobslužné analytické platformy
Data mohou být přeměněna na zpeněžitelné aktivum, i když společnost není majetkem těchto dat ani je nevygeneruje. Tento komplexní obchodní model se používá k poskytování organizací, které potřebují získat užitečné informace ze svých strategických dat, pomocí cloudových samoobslužných analytických platforem. Tyto platformy jsou poháněny algoritmy, které agregují, obohacují a analyzují svá data pro různé účely - například ke zvýšení efektivity strojů ve výrobních implantátech a ke snížení jejich nákladů až o 68% - nebo ke zlepšení správy složitých systémů, sítí, elektrárny atd. Tyto platformy často kombinují schopnosti ML s nejmodernějšími daty senzorů, aby zlepšily jejich schopnost předvídat a samoléčit poruchy, automatizovat a optimalizovat provozní úkoly a snižovat prostoje až o 40%. (Ne každý zatím implementoval ML. Zjistěte, proč ve 4 blokování reklam třetích stran, které blokují přijetí strojového učení.)
Vyhněte se reklamním podvodům
Mnoho společností, které si nemohou dovolit interní marketingové týmy, se musí spolehnout na dodavatele třetích stran, aby jim poskytli nové potenciální zákazníky a vyhlídky. Ve věku digitálních podvodů však není každý prodejce tak průhledný, jak by měl být. Falešně nafouknout počet oslovených zákazníků, některé méně pečlivé reklamní agentury prodávají falešné sociální profily, které poskytují falešné recenze, komentáře a interakce na sociálních médiích nebo roboti, kteří neustále stahují aplikace, software a mobilní / online hry. Nejedná se však o živé uživatele - nejen že nikdy neplatí za žádnou službu, ale mohou být také zaměňováni se skutečnými lidmi a vzhledem k jejich potenciálně velkému počtu vedou organizace k formování falešné uživatelské osobnosti. Boti a falešné profily lze snadno zjistit pomocí strojového učení, protože, jak víte, stroje jsou při detekci svého druhu odbornější než my!
Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
Nemůžete zlepšit své programovací schopnosti, když se nikdo nestará o kvalitu softwaru.
Závěrečné myšlenky
Měl by existovat důvod (pravděpodobně více než jeden), pokud 68% společností dnes přijalo strojové učení pro zlepšení procesů. Ti, kteří pochopili plný potenciál správy dat a správy dat založených na algoritmech, zaznamenali nárůst o 43% více než ti, kteří to neudělali. Již se zrodil nový trh s daty a poznatky a strojové učení je „rafinérie“, díky níž je tento zdroj ještě cennější a snadno zpeněžit.