Kaj je ključno za Amazon in Google uspeh v prihodkih ? Odgovor poznajo vsi: Podatki.
Razlog za Facebookovo druženje v družabnih omrežjih in Spotifyjevo upanje poslovanja s pretakanjem glasbe? Podatki.
Vsem tem podjetjem je uspelo izkoristiti ogromno informacij, ki jih dobijo od svoje množice uporabnikov - najsi gre za njihove iskalne navade, objave, ki jih delijo, izdelke, ki jih kupujejo, ali glasbo, ki jo poslušajo - v večje tokove prihodkov. Ne gre samo za dejstvo, da so ta podjetja lahko zbrala podatke o milijonih (ali milijardah v primeru nekaterih od teh podjetij); to je, da so ta podjetja uspela učinkovito uporabiti te podatke za boljše razumevanje in trženje svojih uporabnikov. Vsa ta podjetja za to uporabljajo umetno inteligenco (ali, natančneje, globoko učenje).
tommie-amber pirie starost
Seveda je pomembno omeniti, da vam ni treba biti prevladujoče podjetje, kot sta Amazon ali Google, da podatke spremenite v konkurenčno prednost. Ko umetna inteligenca postaja vse bolj napredna in bolj široko sprejeta, se bo veliko podjetij - velikih in majhnih - obračalo na umetno inteligenco, da bi pripravili boljše strategije podatkov in pridobili sprejetje strank ter bolje konkurirali njihovi konkurenci. .
Ključnega pomena za premagovanje konkurence je po mnenju Jeremyja Faina pionirska tehnologija nevronskih mrež kognitivno , ima boljše podatke - ne nujno več, ampak podatke, ki jih vaši konkurenti nimajo. Teoretično je vsaka blagovna znamka sposobna razviti svoje lastne podatke, ker mora biti vsaka znamka nekoliko drugačna, da konkurira. To pomeni, da se kupci blagovne znamke vsaj nekoliko razlikujejo od tistih pri svoji konkurenci, kar pomeni, da imajo edinstven kot, ki ga lahko izkoristijo. Vsak podatek o vaši stranki ali potencialni stranki je torej še en podatek, ki ga lahko uporabite za oblikovanje učinkovite tržne ali oglaševalske strategije.
emma margaret tachard-mackey
Za učinkovito uporabo teh informacij se morate najprej odločiti, kaj je vaš cilj. Iščete več prodaje? Ali poskušate doseči večji peš promet v trgovinah? Ali je vaš cilj večja ozaveščenost vašega izdelka na trgu? Ko to storite, si lahko ogledate podatke in preverite, ali so v pravi obliki za globoko učenje. Tega je težko preprosto razložiti, v osnovi pa morajo biti podatki v razčlenjenem stanju - to pomeni, da morajo prihajati iz več virov, tako da lahko iz njih potegnemo bolj poglobljene zaključke. To pomeni, da vam v resnici ni treba vedeti samo, koliko ljudi je obiskalo trgovino, temveč kdaj točno vsaka oseba je obiskala. Ni vam treba več gledati, koliko prodaj ste opravili, temveč tudi, kakšna prodaja je bila in komu. Če želite še korak naprej, morate ugotoviti, katere stične točke ste imeli s stranko, preden je opravila transakcijo z vami, katere oglase so prikazali ter kdaj in kje so se zgodile vse interakcije. Te vrste podatkov še ne zbirate? No, to je vaša prva domača naloga.
To pomeni, da boste imeli za shranjevanje veliko več podatkov, kot ste jih bili vajeni, dobra novica pa je, da je shranjevanje poceni. Poleg tega brez teh informacij ne boste mogli izkoristiti moči globokega učenja in tekmovati v tem novem svetu.
kako visoka je helen lasichanh
Študija iz leta 2016 voditeljev Fortune 1000 odkril, da le 48,4% anketiranih je poročalo o merljivih rezultatih zaradi njihovih podatkovnih pobud - 80,7% pa je menilo, da so bila prizadevanja uspešna in bistvena. To pomeni, da vsi vedo, da se morajo bolj potruditi, in ne vidijo alternative, vendar je potrebno nekaj več, preden se na splošno dosežejo merljive koristi.
Večina podatkovnih pobud pogreša eno preprosto sestavino: globoko učenje. To je pogosto napačno razumljena tema, ki jo je Cognitiv's Fain opredelil kot 'naprednejšo vrsto strojnega učenja, ki je sposobna ustvariti človeku podoben vpogled.' Sposobnost poglobljenega učenja, da pridobi rezultate iz velikih podatkov, je zdaj bistvenega pomena ne le zaradi konkurenčnih razlogov, ampak tudi zato, da se predhodne naložbe v velike podatke izplačajo. Na žalost, 39,3% anketiranih še vedno dejal, da njihovim organizacijam primanjkuje podjetniške strategije za velike podatke ali pa se drugače ne zavedajo, če obstaja - ta podjetja imajo dolg hrib, do katerega se lahko povzpnejo. Pravzaprav ima večina strokovnjakov, ki temeljijo na podatkih, strm vzpon pred nami. „Del izziva je, da je sama panoga nezrela glede podatkov. Od danes naprej se bomo ozirali na to, kar počnemo, in rekli: 'Ali ni bilo to luštno?', Je dejal direktor programske opreme za globalno medijsko agencijo, nedavno intervjuvan Študija IAB skupine Winterberry .
Veliki podatki, analitika podatkov in umetna inteligenca gredo zelo z roko v roki. Za umetno inteligenco - in s tem tudi globoko učenje - so potrebni podatki, podatki in številni podatki. Edini način, kako lahko poglobljeno učenje lahko učinkovito za vašo organizacijo, je, če imate nenehen tok informacij, s katerimi jih lahko hranite. ' Oboroženi s temi informacijami lahko globoko učenje in nevronske mreže ustvarijo algoritme in strategije, ki so edinstvene za vašo blagovno znamko - s čimer zagotavljajo, da blagovna znamka ostane konkurenčna in inovativna. Kot Fain poudarja , 'Sposobnost popolnejšega opisovanja in razumevanja potrošnikovega vedenja je bolj popolna kot kdaj koli prej, tovrstni podatki pa bodo orodja za trženje z umetno inteligenco v naslednjih nekaj letih še učinkovitejši.'
V tem trenutku vse blagovne znamke potrebujejo močno podatkovno strategijo. Samo poglejte blagovne znamke, kot sta Macy's in J.C. Penney, ki se danes borijo zaradi podatkovno usmerjenih pristopov velikanov e-trgovine, kot sta Amazon in eBay. Če imate pravo strategijo in, kar je še pomembneje, ustrezna orodja, da kar najbolje izkoristite svoje podatke, bo vaše podjetje pomagalo ohranjati konkurenčnost in uspeh.
