人工智慧正在改變市場行銷的行為方式
受到技術轉變和數位資料的可用性的推動，市場行銷正在經歷巨大的變化。最重要的變化之一是提高了市場行銷人員瞭解客戶和潛在買家關心的問題，然後針對該資訊採取行動的能力。
今天的市場行銷人員正在觀察買家留下數字軌跡，他們查看的網頁、他們在移動設備上按下的按鈕、他們在Facebook或Twitter上發表的評論。通過觀察消費者的行為方式，市場行銷人員可以瞭解買家關心的內容以及對他們來說什麼才是至關重要的東西。
通過聚合這種數位資料並使用正確的演算法，市場行銷人員可以推薦產品、提供有趣的優惠、並針對一個消費者而不是成千上萬個消費者創建個性化的體驗。
機器學習非常適合這種類型的資料聚合、分析和推薦。為了進一步瞭解人工智慧在市場行銷中的作用，我和兩位專家進行了交談。
Sameer Patel是Kahuna Software的首席執行官，Andrew Eichenbaum是Kahuna的科學主管。這場對話是CXOTALK“與世界上最重要和最多產的創新者對話”系列討論的第209集。
什麼是Kahuna Software？
Kahuna Software是一家B2C市場行銷自動化提供商。我們建立了一個即時平臺，讓品牌能夠瞭解他們的消費者的興趣和喜好。在幾秒鐘內，在他們面前給出有意義的報價。這是在正確的時間、正確的設備上讓人工智慧服務您的消費者的新方式。
我們關注融合以及消費品牌對於如何與消費者進行接觸和交易進行反思的需求。
我們正處於這個新的時代，
現在大家會說，發送垃圾郵件很容易，但是沒有人願意這樣做，因為人們對垃圾郵件感到過敏。所以，它不僅僅是不發送垃圾郵件的問題；你要知道該發送些什麼內容、什麼時候發送以及如何發送給人們等一系列的事情。
我們現在處於一個可以考慮提高我的所有客戶長期價值的區域。我想提高他們的總體參與度，這是市場行銷人員現在可以達到的目標。在以前，這是一個模糊的目標，但是現在我們可以更進一步，
這僅僅是市場行銷自動化嗎？
市場行銷自動化是在十年前創立的。進展得如何呢？這個市場的規模超過一百億美元，但每一年都有超過2800億美元的商品被丟棄在購物車中。2800億美元！
這正是你和我都會做的事情，我們幾乎快要購買了，我們把商品添加到購物車裡，然後我們就把它們留在那裡了。您正在有效地將消費者推向終點線，或為他們提供可能說服他們完成購買的支援、資訊和研究。
電子商務的轉換率為2-3％。這真是太糟糕了。所有這些看起來似乎是正確的投資只帶來了2-3％的轉換率。
關鍵在於為消費者定制消息，並擇機選擇管道發送給消費者？
這是必須的！
人工智慧能夠如何提供幫助？
人工智慧可以解決很多問題。問題是你可以定義你真正想要什麼嗎？
絕大多數現代人工智慧是“監督學習系統”。我們有歷史資料，我們知道結果。所以，要得到一個特別的結果，我們應該事先看這些資料。這是一個不斷改進和提升的過程。
所有這一切用簡單的英語表達就是不再進行“懶惰的分割和編碼”。這項技術從未如此複雜，所以我們不斷將隨機的人員放在籃子裡，以便讓自己感覺到這些細分是重要的。目標是朝著你可以開始與一個受眾打交道並交易的方向前進。
資料很好，是資料科學的中心點。但是，如果資料是垃圾，那麼出來的資料科學也將是垃圾，所以任何一位元資料科學家的大部分時間都被用來確保資料得到了正確地存儲、規劃和驗證。所以我們可以相信出來的結果，因為如果不這樣做，為什麼還要做這件事呢？
這與傳統市場行銷有何區別？
從歷史上看，我們會找出發送電子郵件或通知給整個消費者群體的最佳時間。隨著時間的推移，你會發現對於整個消費者群體來說，如果我們在星期二上午10點發送最後一封電子郵件是最好的。所以，我們等待時機，直到這一刻臨近的開始動手，一切都很好。我們可以看到銷量有一波明顯的提升。
但現在我們可以針對單個消費者做到這一點。過去幾個月中，我們看到一個人通過各種管道進入並回應消息，或者沒有回應消息。然後我們就知道他們會如何回應什麼類型的消息。
所以，我們不再在一周的某一個時間點上對整個團體進行轟炸了。我們可以設置我們的廣告投放，以便在預定的時間或行為之前針對特定使用者發送廣告資訊，而且是通過公共管道發送的。我們擁有大量的處理能力，所以這一點不再是限制因素。
Kahuna今天處理了五十億個事件。它是部署在雲端、線性的、可擴展的系統，因此我們可以在獲得更多資料時通過添加更多的電腦就能很容易地進行擴展。
十年前建立的電子郵件發送系統是Kahuna的前提。我們現在已經達到了一個程度，即我們作為消費者的參與和接觸點的數量已經從一個（即電子郵件）發展到了多個。而我們甚至還沒有看到這種趨勢有結束的跡象。
今天，佔據統治地位的仍然是電子郵件和手機、短信。明天，我們要有燈塔來指引方向；之後，我們將有物聯網，我們將要擁有聊天機器人。我們參與的地方會增多。
每個接觸點都將開始向我們發送不同的事件，而電子郵件永遠不會被回復。我們可以接受來自這些不同的接觸點的信號，理解它們，並將它們添加到用戶的個人資料中。
機器學習可以告訴我們，聯繫邁克爾的正確方式是在星期四晚上七點通過電子郵件與他接觸，因為他似乎在這個時間正在使用他的筆記型電腦上網，而且似乎想要買點東西。
這種技術從根本上改變了除了電子郵件發送機器之外什麼都不是的工作局面。批次發送和轟炸，批次發送和轟炸，批次發送和轟炸。我們讓市場行銷人員用一種完全不同的方式接觸客戶。
這個理念的核心是跨管道，你可以尊重人們完成這個旅程喜歡的步伐，用這樣一種新的方式和他們打交道。
對於每一個市場行銷人員，而且坦率地講，也對於每一個首席執行官和消費品牌來說，這都是一個已經被認識了幾十年的問題，對不對？他們獲得新客戶的成本卻在一路飆升。但是一旦他們獲取了客戶，關注和獲取客戶的技術從這裡開始，讓已經獲取的客戶進行第一次購買。讓您從第一次購買到第二次購買實際需要的工作是什麼？
電子商務的轉換率為2-3％。這真是太糟糕了。所有這些看起來似乎是正確的投資只帶來了2-3％的轉換率。
關鍵在於為消費者定制消息，並擇機選擇管道發送給消費者？
這是必須的！
人工智慧能夠如何提供幫助？
人工智慧可以解決很多問題。問題是你可以定義你真正想要什麼嗎？
絕大多數現代人工智慧是“監督學習系統”。我們有歷史資料，我們知道結果。所以，要得到一個特別的結果，我們應該事先看這些資料。這是一個不斷改進和提升的過程。
所有這一切用簡單的英語表達就是不再進行“懶惰的分割和編碼”。這項技術從未如此複雜，所以我們不斷將隨機的人員放在籃子裡，以便讓自己感覺到這些細分是重要的。目標是朝著你可以開始與一個受眾打交道並交易的方向前進。
資料很好，是資料科學的中心點。但是，如果資料是垃圾，那麼出來的資料科學也將是垃圾，所以任何一位元資料科學家的大部分時間都被用來確保資料得到了正確地存儲、規劃和驗證。所以我們可以相信出來的結果，因為如果不這樣做，為什麼還要做這件事呢？
這與傳統市場行銷有何區別？
從歷史上看，我們會找出發送電子郵件或通知給整個消費者群體的最佳時間。隨著時間的推移，你會發現對於整個消費者群體來說，如果我們在星期二上午10點發送最後一封電子郵件是最好的。所以，我們等待時機，直到這一刻臨近的開始動手，一切都很好。我們可以看到銷量有一波明顯的提升。
但現在我們可以針對單個消費者做到這一點。過去幾個月中，我們看到一個人通過各種管道進入並回應消息，或者沒有回應消息。然後我們就知道他們會如何回應什麼類型的消息。
所以，我們不再在一周的某一個時間點上對整個團體進行轟炸了。我們可以設置我們的廣告投放，以便在預定的時間或行為之前針對特定使用者發送廣告資訊，而且是通過公共管道發送的。我們擁有大量的處理能力，所以這一點不再是限制因素。
Kahuna今天處理了五十億個事件。它是部署在雲端、線性的、可擴展的系統，因此我們可以在獲得更多資料時通過添加更多的電腦就能很容易地進行擴展。
十年前建立的電子郵件發送系統是Kahuna的前提。我們現在已經達到了一個程度，即我們作為消費者的參與和接觸點的數量已經從一個（即電子郵件）發展到了多個。而我們甚至還沒有看到這種趨勢有結束的跡象。
今天，佔據統治地位的仍然是電子郵件和手機、短信。明天，我們要有燈塔來指引方向；之後，我們將有物聯網，我們將要擁有聊天機器人。我們參與的地方會增多。
每個接觸點都將開始向我們發送不同的事件，而電子郵件永遠不會被回復。我們可以接受來自這些不同的接觸點的信號，理解它們，並將它們添加到用戶的個人資料中。
機器學習可以告訴我們，聯繫邁克爾的正確方式是在星期四晚上七點通過電子郵件與他接觸，因為他似乎在這個時間正在使用他的筆記型電腦上網，而且似乎想要買點東西。
這種技術從根本上改變了除了電子郵件發送機器之外什麼都不是的工作局面。批次發送和轟炸，批次發送和轟炸，批次發送和轟炸。我們讓市場行銷人員用一種完全不同的方式接觸客戶。
這個理念的核心是跨管道，你可以尊重人們完成這個旅程喜歡的步伐，用這樣一種新的方式和他們打交道。
對於每一個市場行銷人員，而且坦率地講，也對於每一個首席執行官和消費品牌來說，這都是一個已經被認識了幾十年的問題，對不對？他們獲得新客戶的成本卻在一路飆升。但是一旦他們獲取了客戶，關注和獲取客戶的技術從這裡開始，讓已經獲取的客戶進行第一次購買。讓您從第一次購買到第二次購買實際需要的工作是什麼？