Saturs
- Kas ir pastiprināšanas mācīšanās?
- Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
- Mašīnas tirgotājiem
- Drīzumā
- Domāju lielāk
- Ceļš uz adopciju
Avots: Juliatimchenko / Dreamstime.com
Izņemšana:
Pastiprināšanas mācīšanās ir mākslīgā intelekta un mašīnmācības apakškopa, kas var paredzēt rezultātus un palīdzēt lietotājiem pieņemt labākus lēmumus.
Tirgotāji pastāvīgi meklē pielāgojamus un inteliģentus risinājumus, cenšoties iegūt priekšrocības arvien pieaugošajos konkurences apstākļos. Nav brīnums, ka mākslīgo intelektu (AI) un mašīnmācīšanos (ML) tagad masveidā pieņem zīmoli un to mārketinga organizācijas. (Lai uzzinātu vairāk par ML pamatiem, skatiet Machine Learning 101.)
Neizskatītam AI parasti var uzskatīt par tehnoloģiju, ja dators automatizē noteiktos uzdevumus, ko cilvēks citādi darītu. Mašīnmācība kā funkcionālā zona AI ir tad, kad datoram tiek noteikts gala mērķis, taču pašam ir jāaprēķina labākais maršruts.
Šodien mēs redzam, ka šīs tehnoloģijas - īpaši mašīnmācība - tiek izmantotas daudzās mārketinga jomās, ieskaitot krāpšanās ar reklāmām atklāšanu, patērētāju uzvedības prognozēšanu, ieteikumu sistēmas, radošu personalizāciju un daudz ko citu.
Lai gan tas viss ir labi un labi, ir pieejama jauna attālo tehnoloģiju tehnoloģija, kas mārketinga speciālistiem patiešām nodrošinās pieprasījumu, ko rada mašīnmācība. To sauc par “pastiprināšanas mācīšanos” (RL).
Kas ir pastiprināšanas mācīšanās?
Pakāpju maiņa no ML uz RL ir kas vairāk nekā tikai burts. Lielākā daļa mašīnu apguvei uzticēto uzdevumu ir saistīta ar viena soļa izmantošanu, piemēram, “atpazīst šo attēlu”, “izprot grāmatas saturu” vai “noķer krāpšanu.” Tirgotājam biznesa mērķis, piemēram, “piesaistīt, paturēt un iesaistīt lietotājus”, ir būtībā daudzpakāpju un ilgtermiņa, ko nav viegli sasniegt ar mašīnmācību.
Šeit nāk mācīšanās pastiprināšanas jomā. RL algoritmi ir domāti optimizācijai izvēršamies un nepārtraukti mainīgam braucienam - vienam, kur rodas dinamiskas problēmas. Izmantojot matemātisku “atalgojuma funkciju”, lai aprēķinātu katras permutācijas iznākumu, RL var redzēt nākotnē un veikt pareizo zvanu.
Mūsdienās labākie šīs progresīvās tehnoloģijas iemiesojumi ir redzami spēlēs un pašbraucošās automašīnās. Kad Google AlphaGo sistēma pagājušajā gadā pārspēja pasaules labāko galda spēles Go spēlētāju, viņu slepenā mērce bija mācīšanās pastiprināšanā. Kamēr spēles ir noteikušas noteikumus, spēlētāja iespējas ceļā uz uzvaru mainās dinamiski, pamatojoties uz galda stāvokli. Ar papildmācības palīdzību sistēma reģistrē visas iespējamās permutācijas, kas var mainīties atkarībā no katra nākamā gājiena.
Tāpat pašbraucoša automašīna dodas ceļojumā, kurā ceļu likumi un mērķa atrašanās vieta paliek nemainīgi, bet mainīgie lielumi ceļa garumā - no gājējiem līdz ceļa blokiem līdz velosipēdistiem - dinamiski mainās. Tāpēc organizācija, kuru dibinājusi Tesla's Elon Musk, OpenAI saviem transportlīdzekļiem izmanto uzlabotus RL algoritmus.
Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
Jūs nevarat uzlabot savas programmēšanas prasmes, kad nevienam nerūp programmatūras kvalitāte.
Mašīnas tirgotājiem
Ko gan tas nozīmē tirgotājiem?
Daudzu tirgotāju galvenos izaicinājumus rada fakts, ka biznesa stāvoklis visu laiku mainās. Laimīgā kampaņas stratēģija laika gaitā var kļūt nelabvēlīga, savukārt vecā stratēģija var iegūt jaunu vilci. RL ir solis uz cilvēka patiesā intelekta atdarināšanu, kur mēs mācāmies no vairāku rezultātu panākumiem un / vai neveiksmēm un veidojam nākotnes uzvarošu stratēģiju. Ļaujiet man minēt dažus piemērus:
1. Lietotāju iesaistes uzlabošana
Koncentrēsimies uz klientu iesaisti restorānu ķēdē un mērķi nākamajā gadā to desmitkārt palielināt. Šodien mārketinga kampaņā varētu būt dzimšanas dienas apsveikuma pievienošana ar atlaižu piedāvājumu, iespējams, pat pamatojoties uz ēdiena vēlmēm. Tā ir lineāra domāšana, kad tirgotājs ir definējis sākuma un beigu punktu.
Aizņemtā pasaulē klientu dzīve reālajā laikā pastāvīgi mainās - dažreiz viņi ir vairāk iesaistīti, dažreiz mazāk. Stiprināšanas mācīšanās laikā sistēma pastāvīgi pārkalibrēs, kura mārketinga bruņojuma taktika konkrētajā brīdī nodrošina vislabākās iespējas virzīt saņēmēju uz galveno mērķi - 10x iesaisti.
2. Dinamiska budžeta sadale
Tagad iedomājieties tādu reklāmas scenāriju, kurā jums ir budžets 1 miljona ASV dolāru apmērā un katru mēnesi jāpavada līdz mēneša beigām, un tas tiek sadalīts četros dažādos kanālos: TV, lojalitātes veicināšanas pasākumos un Google. Kā jūs varat nodrošināt, ka tērējat budžetu visoptimālākajā veidā? Atbilde ir atkarīga no dienas, mērķa lietotājiem, krājuma cenas un daudziem citiem faktoriem.
Pastiprināšanas apgūšanā algoritmi izmantotu vēsturiskos reklāmas rezultātu datus, lai rakstītu atlīdzības funkcijas, kas novērtē noteiktus lēmumus par tēriņiem. Bet tas arī atspoguļo reālā laika faktorus, piemēram, cenu noteikšanu un pozitīvas uztveršanas iespējamību no mērķauditorijas locekļa. Izmantojot atkārtotu mācīšanos, reklāmas izdevumu sadalījums visā mēnesī tiks dinamiski mainīts. Lai arī galīgais mērķis ir noteikts, LR būs piešķīrusi budžetu vislabākajā iespējamā veidā, izmantojot visus scenārijus. (Plašāku informāciju par AI mārketingā skatiet sadaļā Kā mākslīgais intelekts radīs revolūciju pārdošanas nozarē.)
Drīzumā
Pastiprināšanas mācīšanās atzīst sarežģītību un atzīst, ka cilvēki ir neviendabīgi un ņem vērā šīs patiesības, laika gaitā uzlabojot katru nākamo darbību, kad ap to mainās jūsu spēles galda detaļas.
Pastiprināšanas mācīšanās lielākoties joprojām ir pētniecības projektu un progresīvāko ieviesēju saglabāšana. Matemātikas koncepcija un paņēmiens pastāv jau vairāk nekā 40 gadus, taču to nebija iespējams ieviest salīdzinoši nesen, pateicoties trim tendencēm:
- Skaitļošanas jaudas palielināšanās, izmantojot lieljaudas grafikas apstrādes vienības (GPU).
- Mākoņdatošana padara augstas klases procesora jaudu pieejamu par nelielu daļu no pašu GPU iegādes izmaksām, ļaujot trešajām personām iznomāt GPU, lai vairākas stundas, dienas vai nedēļas apmācītu savu RL modeli par salīdzinoši zemu cenu pagrabā.
- Uzlabojumi vai nu skaitliskos algoritmos, vai viedajā heiristikā. Daži kritiski skaitliski soļi RL algoritmā tagad var saplūst daudz ātrāk. Bez šiem maģiskajiem skaitliskajiem trikiem tie joprojām nebūtu realizējami pat ar mūsdienu jaudīgākajiem datoriem.
Domāju lielāk
Tas viss nozīmē, ka jaunās pilnveidošanas mācīšanās spējas drīzumā būs pieejamas zīmoliem un tirgotājiem. Tomēr, lai to aptvertu, būs jāmaina domāšanas veids. Mārketinga vadītājam šī tehnoloģija nozīmē spēju noņemt rokas no stūres.
Katram biznesam ir mērķis, bet, kad esat dziļi ierakumos, ikdienas darbības, kas tiek veiktas šī mērķa sasniegšanai, var kļūt izplūdušas. Tagad RL tehnoloģija ļaus lēmumu pieņēmējiem izvirzīt mērķi, jo viņiem būs lielāka pārliecība, ka sistēmas iezīmēs labāko virzību uz to.
Piemēram, reklāmās mūsdienās daudzi cilvēki saprot, ka tāda metrika kā vidējais klikšķu skaits (CTR) ir tikai tuvinājums patiesiem uzņēmējdarbības rezultātiem, kas tiek uzskaitīti tikai tāpēc, ka tie ir saskaitāmi. RL vadītās mārketinga sistēmas deaktivizēs šādu starpnieku metriku un visu ar tām saistīto smago celšanu, ļaujot priekšniekiem koncentrēties uz mērķiem.
Tas prasīs uzņēmumiem daudz aktīvāk un ilgtermiņā domāt par savām lielajām problēmām. Kad tehnoloģija būs nobriedusi, viņi sasniegs savu mērķi.
Ceļš uz adopciju
Pastiprināšanas mācīšanās vēl nav sagatavota zīmolu pilnvērtīgai izmantošanai; tomēr tirgotājiem ir vajadzīgs laiks, lai izprastu šo jauno koncepciju, kas varētu mainīt revolūciju zīmolu mārketingā, sekmīgi izmantojot dažus no agrīnajiem mašīnmācības solījumiem.
Kad enerģija būs pieejama, tā nonāks mārketinga programmatūrā ar lietotāja interfeisu, taču šīs programmatūras prasītie uzdevumi tiks radikāli vienkāršoti. Personālam būs mazāk kustīgu slēdžu un skaitļu ievadīšanas, kā arī mazāk lasīs analītisko ziņojumu atskaites un darbosies pēc tām. Aiz informācijas paneļa lielāko daļu darbos algoritms.
Maz ticams, ka RL var izlīdzināt cilvēka izlūkdaļas tieši no vārtiem. Tā attīstības ātrums būs atkarīgs no tirgotāju atsauksmēm un ieteikumiem. Mums ir jānodrošina, ka mēs lūdzam datoru, lai atrisinātu pareizo problēmu, un jāsoda par to, ja tā nenotiek. Izklausās pēc tā, kā jūs iemācītu savam bērnam, vai ne?