Ποιο είναι το κλειδί για το Amazon και το Google επιτυχία εσόδων ; Όλοι γνωρίζουν την απάντηση: Δεδομένα.
Ο λόγος για την αυτοκρατορία των κοινωνικών μέσων του Facebook και την αύξηση της επιχείρησης ροής μουσικής από το Spotify; Δεδομένα.
Όλες αυτές οι εταιρείες έχουν καταφέρει να αξιοποιήσουν τις τεράστιες ποσότητες πληροφοριών που λαμβάνουν από το πλήθος των χρηστών τους - είτε πρόκειται για τις συνήθειες αναζήτησης, τις αναρτήσεις που μοιράζονται, τα προϊόντα που αγοράζουν ή τη μουσική που ακούνε - σε μεγάλες ροές εσόδων. Δεν είναι μόνο το γεγονός ότι αυτές οι εταιρείες μπόρεσαν να συλλέξουν δεδομένα για εκατομμύρια (ή δισεκατομμύρια, στην περίπτωση ορισμένων από αυτές τις εταιρείες). είναι ότι αυτές οι εταιρείες κατάφεραν να χρησιμοποιήσουν αποτελεσματικά αυτά τα δεδομένα για την καλύτερη κατανόηση και εμπορία των χρηστών τους. Όλες αυτές οι εταιρείες χρησιμοποιούν τεχνητή νοημοσύνη (ή, ακριβέστερα, βαθιά μάθηση) για να το κάνουν αυτό.
από πού είναι η rudabeh shahbazi
Φυσικά, είναι σημαντικό να σημειωθεί ότι δεν χρειάζεται να είστε κυρίαρχη επιχείρηση όπως η Amazon ή η Google για να μετατρέψετε τα δεδομένα σε ανταγωνιστικό πλεονέκτημα. Καθώς η τεχνητή νοημοσύνη γίνεται ολοένα και πιο εξελιγμένη και υιοθετείται ευρύτερα, θα αρχίσουμε να βλέπουμε πολλές εταιρείες - μεγάλες και μικρές - να στραφούν σε AI προκειμένου να βρουν καλύτερες στρατηγικές δεδομένων και να κερδίσουν την υιοθέτηση των πελατών και να ανταγωνιστούν καλύτερα τον ανταγωνισμό τους .
Το κλειδί για να κερδίσετε τον ανταγωνισμό σας, σύμφωνα με τον Jeremy Fain, της πρωτοποριακής τεχνολογίας νευρωνικών δικτύων γνωστικά , έχει καλύτερα δεδομένα - όχι απαραίτητα περισσότερα, αλλά τα δεδομένα που δεν έχουν οι ανταγωνιστές σας. Θεωρητικά, κάθε μάρκα μπορεί να αναπτύξει τα δικά της μοναδικά στοιχεία δεδομένων, επειδή κάθε μάρκα πρέπει να είναι ελαφρώς διαφορετική για να ανταγωνιστεί. Αυτό σημαίνει ότι οι πελάτες μιας μάρκας είναι, τουλάχιστον, ελαφρώς διαφορετικοί από τους ανταγωνιστές τους, πράγμα που σημαίνει ότι έχουν μια μοναδική γωνία που μπορούν να χρησιμοποιήσουν. Κάθε κομμάτι δεδομένων που λαμβάνετε στον πελάτη σας ή σε δυνητικό πελάτη είναι επομένως ένα άλλο κομμάτι πληροφοριών που μπορείτε να χρησιμοποιήσετε για να δημιουργήσετε μια αποτελεσματική στρατηγική μάρκετινγκ ή διαφήμισης.
πόσο ψηλή είναι η jeanine pirro
Για να χρησιμοποιήσετε αυτές τις πληροφορίες αποτελεσματικά, πρέπει πρώτα να αποφασίσετε ποιος είναι ο στόχος σας. Ψάχνετε περισσότερες πωλήσεις; Προσπαθείτε να επιτύχετε υψηλότερη κίνηση στα καταστήματα; Είναι ο στόχος σας να έχετε μεγαλύτερη γνώση της αγοράς για το προϊόν σας; Μόλις το κάνετε αυτό, μπορείτε να δείτε τα δεδομένα για να δείτε εάν είναι στη σωστή μορφή για χρήση με τη βαθιά μάθηση. Αυτό είναι κάτι που είναι δύσκολο να εξηγηθεί απλά, αλλά ουσιαστικά, τα δεδομένα πρέπει να βρίσκονται σε αναλυτική κατάσταση - δηλαδή, πρέπει να προέρχονται από πολλές πηγές, ώστε να μπορούν να εξαχθούν πιο σε βάθος συμπεράσματα. Αυτό σημαίνει ότι δεν χρειάζεται να γνωρίζετε μόνο πόσα άτομα επισκέφτηκαν ένα κατάστημα, αλλά αντίθετα πότε ακριβώς επισκέφθηκε κάθε άτομο. Δεν χρειάζεται πλέον να κοιτάξετε πόσες πωλήσεις πραγματοποιήσατε, αλλά και τι ήταν κάθε πώληση και σε ποιον. Για να προχωρήσετε ένα βήμα παραπέρα, πρέπει να προσδιορίσετε ποια σημεία επαφής είχατε με έναν πελάτη προτού πραγματοποιήσει συναλλαγές μαζί σας, ποιες διαφημίσεις εμφανίστηκαν και πότε και πού πραγματοποιήθηκαν όλες οι αλληλεπιδράσεις. Δεν συλλέγετε ακόμη αυτόν τον τύπο δεδομένων; Λοιπόν, αυτή είναι η πρώτη σας εργασία στο σπίτι.
Αυτό σημαίνει ότι θα έχετε πολύ περισσότερα δεδομένα για αποθήκευση από ό, τι έχετε συνηθίσει, αλλά τα καλά νέα είναι ότι η αποθήκευση είναι φθηνή. Επιπλέον, χωρίς αυτές τις πληροφορίες, δεν θα μπορείτε να εκμεταλλευτείτε τη δύναμη της βαθιάς μάθησης και να ανταγωνιστείτε σε αυτόν τον νέο κόσμο.
τι εθνικότητα είναι ο geoffrey zakarian
Μια μελέτη του 2016 για στελέχη Fortune 1000 το αποκάλυψε Μόνο το 48,4% των ερωτηθέντων ανέφεραν μετρήσιμα αποτελέσματα ως αποτέλεσμα των πρωτοβουλιών τους για δεδομένα - αλλά το 80,7% θεώρησε ότι οι προσπάθειες ήταν επιτυχημένες και απαραίτητες. Αυτό σημαίνει ότι όλοι γνωρίζουν ότι πρέπει να κάνουν καλύτερα και δεν βλέπουν μια εναλλακτική λύση, αλλά κάτι περισσότερο χρειάζεται πριν επιτευχθούν μετρήσιμα οφέλη σε γενικές γραμμές.
Οι περισσότερες πρωτοβουλίες δεδομένων χάνουν ένα απλό συστατικό: βαθιά μάθηση. Είναι ένα συχνά παρεξηγημένο θέμα, το οποίο ορίζει ο Fain του Cognitiv ως «ένας πιο προηγμένος τύπος μηχανικής μάθησης που είναι ικανός να δημιουργήσει ανθρώπινη εικόνα.» Η ικανότητα της βαθιάς μάθησης να λαμβάνει αποτελέσματα από μεγάλα δεδομένα είναι πλέον απαραίτητη όχι μόνο για ανταγωνιστικούς λόγους, αλλά και για την πραγματοποίηση προηγούμενων επενδύσεων σε μεγάλα δεδομένα. Δυστυχώς, 39,3% των ερωτηθέντων εξακολουθούσαν να λένε ότι οι οργανώσεις τους στερούνταν μια εταιρική στρατηγική Big Data, ή αλλιώς δεν γνώριζαν εάν υπήρχε - αυτές οι εταιρείες έχουν μεγάλο λόφο για να ανέβουν. Στην πραγματικότητα, οι περισσότεροι επαγγελματίες με γνώμονα τα δεδομένα έχουν μια απότομη ανάβαση μπροστά μας. «Μέρος της πρόκλησης είναι ότι η ίδια η βιομηχανία είναι ανώριμη γύρω από τα δεδομένα. Θα κοιτάξουμε πίσω 15 χρόνια από τώρα σε αυτό που κάνουμε και λέμε, «Δεν ήταν τόσο χαριτωμένο;», δήλωσε ένας διευθυντής του Programmatic Media για μια παγκόσμια υπηρεσία μέσων ενημέρωσης που πήρε συνέντευξη για ένα πρόσφατο Μελέτη Winterberry Group IAB .
Τα μεγάλα δεδομένα, τα αναλυτικά δεδομένα και η τεχνητή νοημοσύνη συμβαδίζουν πολύ. Η τεχνητή νοημοσύνη - και, κατ 'επέκταση, η βαθιά μάθηση - απαιτεί δεδομένα, δέσμες και δέσμες αυτής. Ο μόνος τρόπος με τον οποίο η βαθιά μάθηση μπορεί να είναι αποτελεσματική για τον οργανισμό σας είναι εάν έχετε μια σταθερή ροή πληροφοριών για να την τροφοδοτήσετε ». Οπλισμένοι με αυτές τις πληροφορίες, η βαθιά μάθηση και τα νευρωνικά δίκτυα μπορούν να δημιουργήσουν αλγόριθμους και στρατηγικές που είναι μοναδικές για την επωνυμία σας - διασφαλίζοντας έτσι ότι η μάρκα παραμένει ανταγωνιστική και καινοτόμος. Ως Fain επισημαίνει «Η ικανότητα να περιγράψουμε και να κατανοήσουμε πληρέστερα τη συμπεριφορά ενός καταναλωτή είναι πιο ολοκληρωμένη από ποτέ, και αυτό το είδος δεδομένων θα κάνει τα εργαλεία μάρκετινγκ AI ακόμη πιο αποτελεσματικά τα επόμενα χρόνια».
Σε αυτό το σημείο, όλες οι μάρκες χρειάζονται μια ισχυρή στρατηγική δεδομένων. Κοιτάξτε μάρκες όπως οι Macy's και J.C. Penney's σήμερα, οι οποίοι αγωνίζονται ως αποτέλεσμα των συγκεντρωτικών δεδομένων προσεγγίσεων γιγάντων ηλεκτρονικού εμπορίου όπως το Amazon και το eBay. Η σωστή στρατηγική και, εξίσου σημαντικό, τα σωστά εργαλεία για να αξιοποιήσετε στο έπακρο τα δεδομένα σας, είναι αυτό που θα σας βοηθήσει να διατηρήσετε την εταιρεία σας ανταγωνιστική και επιτυχημένη.
