با وجود هوش مصنوعی برای رشد، بازاریابان به وضوح بیشتری از سوی فروشندگان نیاز دارند

بازاریابان از همه صنایع به طور گسترده ای از ابزارها و راه حل هایی استفاده کرده اند که به هوش مصنوعی (AI) می بالند، قابلیت‌های یادگیری ماشین (ML) و یادگیری عمیق (DL) – اما بازاریابی از تیرگی تعریف رنج می‌برد. این عبارات اغلب توسط فروشندگان martech به جای یکدیگر استفاده می شوند تا راه حل های خود را توصیف کنند، که منجر به سردرگمی در مورد معانی واقعی آنها – و انتظارات نامتناسب برای کاربران می شود.

بر اساس گزارش یک شرکت بین المللی داده (IDC) پیش بینی. ایجاد درک تفاوت های اساسی بین این اصطلاحات و دانش نحوه کار آنها با یکدیگر برای بازاریابان کلیدی خواهد بود زیرا سازمان آنها سرمایه گذاری و استفاده از این فناوری ها را افزایش می دهد. Mike McGuire، معاون تحلیلگر در Gartner for Marketers گفت: «درک سطح بالایی از هوش مصنوعی و ML مهم است زیرا بازاریابان باید بتوانند از قربانی شدن «شستن هوش مصنوعی» اجتناب کنند.

AI یک اصطلاح کلی است. هوش مصنوعی مفهوم گسترده تری است که یادگیری ماشینی و عمیق را در بر می گیرد. این اصطلاح توصیف می کند که چگونه ابزارها از کیفیت های شناخت انسانی تقلید می کنند. هوش مصنوعی توانایی کسب و به کارگیری دانش در یک برنامه یا برنامه، شبیه سازی هوش طبیعی برای حل مشکلات پیچیده برای کاربر نهایی است.

مت نولان، مدیر ارشد بازاریابی محصول، علوم تصمیم گیری در Pegasystems گفت: «بازاریابان باید مراقب باشند که بدون اینکه دقیقاً در چه چیزی سرمایه‌گذاری می‌کنند، گرفتار کلمات رایج نشوند. هوش مصنوعی در واقع یک اصطلاح چتر برای طیف گسترده ای از فناوری های هوشمند است که شامل پردازش زبان طبیعی (NLP)، تشخیص تصویر، تشخیص گفتار، بیومتریک، اتوماسیون، یادگیری عمیق و غیره می شود.

یک تصور غلط رایج در مورد هوش مصنوعی این است که این یک سیستم است، اما هوش مصنوعی در واقع در یک راه حل پیاده سازی می شود.

یادگیری ماشین یکی از عناصر هوش مصنوعی است. یادگیری ماشینی به الگوریتم هایی اطلاق می شود که برای یادگیری از داده های تولید شده توسط وظایف خاص، انجام محاسبات و حل مسائل برای بهبود عملکرد طراحی شده اند، بدون اینکه به صراحت توسط افراد برای انجام این کار برنامه ریزی شده باشند. یادگیری ماشینی به برنامه‌ها اجازه می‌دهد تا به صورت پویا خود را بر اساس داده‌های هم‌زمان بدون هیچ کمک یا مداخله انسانی تغییر دهند.

“ML یکی از رشته های هوش مصنوعی است. مک‌گوایر گفت: از الگوریتم‌هایی برای ایجاد ارتباط و شناسایی الگوها در داده‌های مشتری، داده‌های فروش و غیره که توسط کسب‌وکار جمع‌آوری شده‌اند، استفاده می‌کند. “هوش مصنوعی یک مفهوم بسیار گسترده تر است و شامل تکنیک ها و رشته های بسیاری است.”

الگوریتم‌های ML برای تفسیر داده‌های ساختاریافته یا برچسب‌گذاری شده برای تولید داده‌های بیشتر، با استفاده از نتایج برای بهبود پیش‌بینی‌های آینده طراحی شده‌اند. اگر خروجی مطلوب نباشد، الگوریتم‌ها را می‌توان از طریق مداخله انسانی مجدداً آموزش داد.

نولان گفت: «ML یک دسته اساسی از فناوری در زیر چتر هوش مصنوعی است، که الگوریتم‌ها را آموزش می‌دهد تا با «یادگیری» تصمیم‌گیری و پیش‌بینی کنند، زیرا داده‌های بیشتری را جمع‌آوری می‌کنند. از بین تمام فناوری‌ها، ML احتمالاً در حال حاضر مرتبط‌ترین و تأثیرگذارترین برای بازاریابان است. آن‌ها می‌توانند از ML برای محاسبه تمایلات احتمالی برای هر مشتری، در همه پیشنهادات، پیام‌ها و خلاقیت‌های مختلف آن‌ها استفاده کنند – ارتباط آن‌ها را یک شبه افزایش دهند، در دامنه و مقیاسی که هیچ‌کس تا به حال تا کنون ندیده است.

یادگیری عمیق مرحله بعدی یادگیری ماشینی است. یادگیری عمیق متشکل از الگوریتم های لایه ای است که تجزیه و تحلیل و تفسیر منحصر به فردی از همان داده ها را ارائه می دهد. این الگوریتم‌های شبکه‌ای که شبکه‌های عصبی مصنوعی (ANN) نامیده می‌شوند، با هدف تقلید از پاسخ مغز انسان به داده‌ها هستند.

تفاوت بین یادگیری ماشینی و یادگیری عمیق به نحوه ارائه داده به سیستم بستگی دارد. یادگیری ماشینی به داده های ساختاریافته نیاز دارد، در حالی که یادگیری عمیق به لایه های الگوریتمی ANN متکی است. شبکه‌های یادگیری عمیق برای طبقه‌بندی داده‌ها به سلسله‌مراتب ساختاریافته یا برچسب‌گذاری شده نیاز ندارند، و همچنین نیازی به مداخله انسانی ندارند.

درک این تفاوت‌های کلیدی بین هر یک از جنبه‌های هوش مصنوعی می‌تواند به بازاریابان کمک کند سؤالات درستی را از فروشندگانی که این راه‌حل‌ها را می‌فروشند بپرسند. در حالی که بسیاری از پلتفرم‌ها به «قابلیت‌های مبتنی بر هوش مصنوعی» خود می‌بالند، بسیاری از آنچه در دسترس بازاریابان است، یادگیری ماشینی مستقل است. برای تعیین انتظارات و اطمینان از استفاده کامل از قابلیت ها در پشته فناوری بازاریابی، مهم است که بتوانید متمایز شوید.

مک گوایر افزود: «در بهترین حالت، اشتباه گرفتن عبارات «AI» و «ML» شلختگی است. «در بدترین حالت، فروشندگان در تلاش هستند تا قابلیت‌های تجزیه و تحلیل پیشرفته را با واژه‌های داغ و داغ روز به کار ببرند.»

نظرات بیان شده در این مقاله نظرات نویسنده مهمان است و لزوماً MarTech نیست. نویسندگان کارکنان اینجا فهرست شده‌اند.

درباره نویسنده

جنیفر ویدتا کانن متخصص مارکتینگ در ShotFlow است. او قبلاً سردبیر ارشد MarTech بود. جنیفر بیش از یک دهه تجربه بازاریابی دیجیتال سازمانی دارد. او بر عملیات بازاریابی دیجیتال برای فرنچایزهای NHL نظارت داشته و در شرکت‌های فناوری از جمله Salesforce نقش داشته است و به بازاریابان سازمانی برای به حداکثر رساندن قابلیت‌های بازاریابی خود مشاوره می‌دهد. جنیفر قبلاً اجلاس Inbound Marketing Summit را سازماندهی کرده بود و دارای گواهی در تجزیه و تحلیل بازاریابی دیجیتال از دانشکده مدیریت MIT Sloan است.