分析與測試內容營銷搜索營銷

營銷人員和機器學習:更快,更智能,更有效

數十年來,營銷人員一直使用A / B測試來確定要約在提高響應率方面的有效性。 營銷人員提供兩種版本(A和B),衡量回應率,確定 獲勝者,冠軍,然後將該報價提供給所有人。

但是,讓我們面對現實吧。 這種方法極其緩慢,乏味且無可避免地不准確-特別是在將其應用於移動設備時。 移動營銷人員真正需要的是一種在給定背景下為每個客戶確定合適報價的方法。

在確定與他們互動並推動行動的最佳方式時,移動訂戶面臨著獨特的挑戰。 移動用戶的環境不斷變化,因此很難確定何時,何地以及如何與他們互動。 為了應對這一挑戰,移動用戶希望通過個人設備與他們互動時具有高度的個性化。 因此,傳統的A / B方法-每個人都可以得到 獲勝者,冠軍 –對於營銷人員和消費者都不夠。

為了應對這些挑戰並實現移動的全部潛力,營銷人員正在轉向能夠促進行為分析和自動決策的大數據技術,從而為每個客戶確定正確的消息和正確的上下文。

機器學習為了大規模地做到這一點,他們正在利用 機器學習。 機器學習能夠以人類無法接近的方式適應新數據,而無需對其進行明確的編程。 與數據挖掘類似,機器學習通過搜索大量數據來搜索模式。 但是,機器學習並沒有為人為行動提取見解,而是使用數據來提高程序自身的理解並相應地自動調整行動。 這基本上是關於自動速度控制的A / B測試。

對於當今的移動營銷人員而言,它是改變遊戲規則的原因在於,機器學習可以自動測試無限量的消息,報價和上下文,然後確定哪種方法最適合誰,何時何地。 Think提供A和B,還提供E,G,H,M和P以及任意數量的上下文。

借助機器學習功能,將自動記錄消息傳遞元素(例如,何時將消息發送給誰,向誰發送,帶有什麼要​​約參數等)和要約響應元素的記錄過程。 無論是否接受要約,都會將響應捕獲為反饋,然後驅動不同類型的自動化建模進行優化。 此反饋循環用於微調相同商品對其他客戶的其他應用以及其他商品對相同客戶的後續應用,以便將來的商品具有更高的成功可能性。

通過消除猜測,營銷人員可以將更多的時間花在創造性地思考什麼能為客戶帶來更多價值,而不是如何或何時交付上。

這些獨特的功能通過大數據處理,存儲,查詢和機器學習的進步而實現,在當今的移動行業中處於領先地位。 處於最前列的移動運營商正在使用它們來製定有趣的行為見解,並開展引人入勝的營銷活動,這些活動最終會影響客戶的行為,從而提高忠誠度,減少客戶流失並顯著提高收入。

拉拉·阿爾伯特

勞拉(Lara)是全球營銷副總裁 格洛比斯 她負責公司的市場營銷工作,並領導公司的上下文營銷產品的收購營銷。 她曾在Kraft Foods,America Online和VeriSign擔任高級品牌管理和產品營銷職務。

相關文章

返回頂部按鈕
關閉

檢測到Adblock

Martech Zone 我們能夠免費為您提供這些內容,因為我們通過廣告收入、聯屬鏈接和讚助從我們的網站中獲利。 如果您在瀏覽我們的網站時刪除廣告攔截器,我們將不勝感激。