Koji je ključ Amazona i Googlea uspjeh prihoda ? Odgovor znaju svi: Podaci.
Razlog Facebook-ovog carstva društvenih medija i Spotify-ovog usporavanja poslovanja s streamingom glazbe? Podaci.
Sve su ove tvrtke uspjele iskoristiti ogromnu količinu informacija koje dobivaju od svog mnoštva korisnika - bilo da se radi o njihovim navikama pretraživanja, postovima koje dijele, proizvodima koje kupuju ili glazbi koju slušaju - u glavne tokove prihoda. Nije samo činjenica da su te tvrtke uspjele prikupiti podatke o milijunima (ili milijardama, u slučaju nekih od tih tvrtki); to je da su te tvrtke uspjele učinkovito koristiti te podatke kako bi ih bolje razumjele i plasirale na tržište svojim korisnicima. Sve ove tvrtke za to koriste umjetnu inteligenciju (ili, točnije, duboko učenje).
s kojom je ben gleib oženjen
Naravno, važno je napomenuti da ne morate biti dominirajuće poduzeće poput Amazona ili Googlea da biste podatke pretvorili u konkurentsku prednost. Kako umjetna inteligencija postaje sve naprednija i sve šire prihvaćena, počet ćemo vidjeti kako se mnoge tvrtke - velike i male - obraćaju AI-u kako bi osmislile bolje strategije podataka i pobijedile u usvajanju kupaca te se bolje natjecale protiv njihove konkurencije .
Ključ za pobjedu nad konkurencijom, prema Jeremyju Fainu, u pionirskoj tehnologiji neuronskih mreža kognitivno , ima bolje podatke - ne nužno više njih, već podatke koje vaši konkurenti nemaju. U teoriji je svaka marka sposobna razviti svoje jedinstvene podatke, jer svaka marka mora biti malo drugačija da bi se natjecala. To znači da se kupci marke u najmanju ruku malo razlikuju od onih u konkurenciji, što znači da imaju jedinstveni kut koji mogu iskoristiti. Svaki je podatak koji dobijete o svom kupcu ili potencijalnom kupcu još jedan podatak koji možete koristiti za izradu učinkovite marketinške ili oglašivačke strategije.
koliko je visoka michelle beadle
Da biste učinkovito koristili ove podatke, prvo morate odlučiti što je vaš cilj. Tražite li više prodaje? Pokušavate li postići veći promet nogama u trgovinama? Je li vaš cilj veća tržišna svijest o vašem proizvodu? Nakon što to učinite, podatke možete pogledati da biste vidjeli jesu li u pravom formatu za duboko učenje. To je nešto što je teško jednostavno objasniti, ali u osnovi, podaci moraju biti u raščlanjenom stanju - što znači da moraju dolaziti iz više izvora kako bi se iz njih mogli izvući dublji zaključci. To znači da zapravo ne morate znati samo koliko je ljudi posjetilo trgovinu, već kada je točno svaka osoba posjetila trgovinu. Više ne trebate gledati koliko ste prodaja ostvarili, već i koja je bila svaka prodaja i kome. Da biste otišli korak dalje, morate prepoznati dodirne točke koje ste imali s kupcem prije nego što je obavio transakciju s vama, koji su im oglasi prikazani te kada i gdje su se sve interakcije dogodile. Još ne prikupljate ovu vrstu podataka? Pa, to je vaša prva zadaća.
To znači da ćete imati puno više podataka za pohranu nego što ste bili navikli, ali dobra vijest je da je pohrana jeftina. Osim toga, bez tih informacija nećete moći iskoristiti snagu dubokog učenja i natjecati se u ovom novom svijetu.
koje je nacionalnosti Geoffrey Zakarian
Studija iz 2016. godine o rukovoditeljima Fortune 1000 otkrio da samo 48,4% ispitanih izvijestilo je o mjerljivim rezultatima kao rezultat njihovih inicijativa za podatke - ali 80,7% smatra da su napori bili uspješni i ključni. To znači da svi znaju da moraju bolje i ne vide alternativu, ali potrebno je nešto više prije nego što se postignu mjerljive koristi u cjelini.
Većina inicijativa za podatke propušta jedan jednostavan sastojak: duboko učenje. To je često neshvaćena tema, koju je Cognitiv's Fain definirao kao 'napredniju vrstu strojnog učenja koja je sposobna stvoriti uvid sličan čovjeku'. Sposobnost dubokog učenja za postizanje rezultata iz velikih podataka sada je ključna ne samo iz konkurentskih razloga, već i kako bi se prethodno ulaganje u velike podatke isplatilo. Nažalost, 39,3% ispitanih još uvijek rekao da njihovim organizacijama nedostaje poduzeća Big Data strategija, ili na drugi način nisu svjesni da li postoji - ove tvrtke moraju se popeti na dugačko brdo. Zapravo, većina stručnjaka na temelju podataka strmo se penje ispred nas. 'Dio izazova je i taj što je sama industrija nezrela oko podataka. Osvrnut ćemo se unatrag 15 godina na ono što radimo i reći ćemo: 'Nije li to bilo slatko?', Rekao je jedan direktor Programskih medija za globalnu medijsku agenciju intervjuiranu za nedavno Studija IAB grupe Winterberry .
Veliki podaci, analitika podataka i umjetna inteligencija itekako idu ruku pod ruku. Umjetna inteligencija - i, dublje učenje, - zahtijeva podatke, hrpe i hrpe istih. Jedini način na koji dubinsko učenje može biti učinkovito za vašu organizaciju jest ako imate stalni tok informacija koji će ih hraniti. ' Naoružani ovim informacijama, duboko učenje i neuronske mreže mogu stvoriti algoritme i strategije jedinstvene za vašu marku - čime se osigurava da marka ostane konkurentna i inovativna. Kao Fain ističe , 'Sposobnost potpunijeg opisivanja i razumijevanja ponašanja potrošača potpunija je nego ikad prije, a takvi će podaci učiniti AI marketinške alate još učinkovitijima u sljedećih nekoliko godina.'
U ovom trenutku sve marke trebaju snažnu strategiju podataka. Dovoljno je pogledati marke poput Macy's i J.C. Penney danas, koji se muče kao rezultat pristupa usmjerenih na podatke giganata e-trgovine poput Amazona i eBaya. Imati pravu strategiju i, što je jednako važno, prave alate za postizanje maksimuma iz vaših podataka, ono će vam pomoći da vaša tvrtka ostane konkurentna i uspješna.
