Maschinelles Lernen für die Personalisierung

Künstliche Intelligenz (Künstliche Intelligenz) und maschinelles Lernen sind heute in unseren Alltag eingewoben. Oft für große Vorteile.

Algorithmen steuern die Flugmuster, auf die wir angewiesen sind, um uns während des Flugverkehrs zu schützen. Natural Language Processing (NLP) unterstützt unsere Interaktionen mit Siri und Alexa. Maschinelles Lernen steuert die Kuratierung unserer Netflix-Vorschläge und die Kontaktverfolgung, die hilft uns bei der Bekämpfung von Covid-19.

Unabhängig davon, ob die Entscheidungen hinter den Algorithmen, die das Gruppendenken in unseren sozial Medienfeeds und Google-Suchen vorantreiben, oder die voreingenommenen Daten, die Ungleichheiten bei der Einstellung verstärken, sind Künstliche Intelligenz und maschinelles Lernen nicht immer von Vorteil.

Als Verbraucher, Bürger und Fachleute sollten wir alles ein Verständnis dafür haben, wie künstliche Intelligenz und maschinelles Lernen eingesetzt werden, wie sie sich auf uns auswirken und welche Vorteile sie bieten. In diesem Blog betrachten wir die Rolle von Künstliche Intelligenz und maschinellem Lernen bei der Personalisierung. Wenn Sie verstehen, wie maschinelles Lernen eingesetzt wird, um die Personalisierung voranzutreiben, insbesondere im Rahmen digitaler Kundenerlebnisse, sind Sie besser gerüstet, um diese aufregende Technologie für massive Vorteile in Ihrem Unternehmen zu nutzen.

Der Imperativ der Personalisierung bleibt

bestehen

Aber lassen Sie uns zuerst Folgendes bemerken - Personalisierung wird nirgendwo hingehen. Einst ein Luxus, ist die Personalisierung zu einer grundlegenden Dienstleistung in der heutigen digitalen Wirtschaft geworden, die von der überwiegenden Mehrheit der Verbraucher geschätzt wird:

• 90% finden Marketing-Personalisierung eher oder sehr ansprechend
• 80% kaufen eher bei einem Marke, der Personalisierte Erlebnisse
anbietet
• 72% geben an, dass sie sich nur mit personalisiert Nachrichten beschäftigen

Die Liebe der Verbraucher:innen zur Personalisierung macht Sinn. Wir begrüßen alles Erfahrungen, die uns Wert bieten, und das bedeutet, wie die Individuen behandelt zu werden, die wir sind. Alle Unternehmen müssen heute nach Möglichkeiten suchen, ihren Kunden zu zeigen, dass sie ihre Interessen, Vorlieben und Absichten verstehen, indem sie relevante Inhalte und Produkte bereitstellen, um sicherzustellen, dass sie die Zeit ihrer Kunden nicht verschwenden.

Leider ist es keine einfache Aufgabe, ein Personalisierung Programm zum Laufen zu bringen. Hier kommt maschinelles Lernen ins Spiel, dessen Algorithmen den Prozess unterstützen, automatisieren und beschleunigen können.

Künstliche Intelligenz und maschinelles Lernen

Zweitens lassen Sie uns einige Begriffe klären.

Künstliche Intelligenz (Künstliche Intelligenz) bezieht sich auf die breite Palette von Techniken, die verwendet werden, um Maschinen dazu zu bringen, Aufgaben auszuführen, die intelligent erscheinen. Maschinelles Lernen ist eine Teilmenge der Künstlichen Intelligenz.

In den letzten Jahrzehnten ist maschinelles Lernen zu einem zentralen Schwerpunkt der Künstliche Intelligenz Forschung / Recherche geworden, da es bei der Bewältigung kognitiver Aufgaben erfolgreich ist, die vor weniger als einem Jahrhundert noch unmöglich schienen – Menschen bei komplexen Spielen wie Schach, Go und Jeopardy zu schlagen, Autos zu fahren, Sprachen zu übersetzen usw.

Aber weder das maschinelle Lernen noch die anderen Methoden der Künstlichen Intelligenz können derzeit mit dem Menschen konkurrieren, wenn es darum geht, zu improvisieren, Strategien zu formulieren, empathisch zu kommunizieren, sich neuartige Situationen vorzustellen, neue Produkte zu erfinden und die Liste geht weiter.

Maschinelles Lernen und Künstliche Intelligenz können einige Aufgaben unterstützen und andere vollständig automatisieren, aber Maschinen werden in absehbarer Zeit keine kreative Intelligenz zeigen, geschweige denn Bewusstsein. Sie bedeuten definitiv nicht das Ende des Marketings. Niemand kennt seine Kunden so gut wie eine Marke, und jede Marke verlässt sich auf ihre Mitarbeiter, wenn es um einfühlsames Zuhören, Messaging und Service geht. Künstliche Intelligenz kann Trends erkennen, aber um den Kreis der starken Kundenerlebnisse zu schließen, ist ein menschliches Element erforderlich.

(Aus diesem Grund bevorzugen einige Leute übrigens Begriffe wie Intelligence Augmentation (IA) anstelle von Künstliche Intelligenz.)

Techniken des maschinellen Lernens für die Personalisierung

Während sich maschinelles Lernen wie Magie anfühlen kann, ist die Wahrheit, dass es sich einfach um statistische und probabilistische Modelle handelt, die auf ein (normalerweise) definiertes Ziel hinarbeiten. Maschinelles Lernen analysiert große Datensätze, um Trends zu identifizieren. Daraus kann extrapoliert werden, was am wahrscheinlichsten ist oder welche Art von Erlebnis/Erfahrung am ehesten zu einem bestimmten Lead führt.

Natürlich ist es keine Magie, aber auch nicht ganz einfach.

Hier sind einige der gebräuchlichsten Methoden des maschinellen Lernens, die für die Personalisierung verwendet werden, und wofür sie verwendet werden:

Regressionsanalyse

Die lineare Regression könnte dabei helfen, herauszufinden, welche Seiten am ehesten zu einem Konversion Lead. Logistische Regression könnte verwendet werden, um die besten Folgeaktionen für einen verwaisten Warenkorb zu ermitteln.

Verband

Von Netflix bis Amazon ist diese Methode ein wichtiges Werkzeug für den Aufbau von Empfehlungsmaschinen. Basierend auf Ihrem Kauf von Dan und Chip Heaths The Power of Moments empfiehlt Amazons maschinelles Lernen beispielsweise Seth Godins Permission Marketing.

Clusterbildung

Clustering-Algorithmen sind ein großartiges Werkzeug, um Kunden in Segmente zu gruppieren.

Markov-Ketten

Kann das Echtzeit-Website-Verhalten eines Benutzers analysieren und darauf basierende Navigationsvorhersagen treffen, mit denen seine Erfahrungen personalisiert werden können.

Tiefgreifendes Lernen

Von der natürliche Sprachverarbeitung (NLP), die Siri und Alexa antreibt, über die Bestimmung des Wertes möglicher Direktmarketing-Taktiken bis hin zur Segmentierung von Zielgruppen für mobil Werbung ist Deep Learning der Ort, an dem in den letzten Jahrzehnten ein Großteil der aufregendsten Arbeit in maschinelles Lernen geleistet wurde.

Die meisten Machine-Learning-Engines verwenden eine Kombination dieser Methoden, um Daten zu analysieren und Erkenntnisse zu gewinnen.

Erste Schritte mit maschinellem Lernen in der Personalisierung

Es ist wichtig, dass Sie wissen, was sich unter der Haube befindet, aber Sie möchten den maschinelles Lernen Motor für Ihr Personalisierung Programm in Gang setzen. Die folgenden Schritte sind keine linearen Schritte. Ihr Programm wird je nach Markt, Größe und aktuellen Zielen einzigartig sein. Wenn Sie diese Vorschläge jedoch im Hinterkopf behalten, wenn Sie mit dem Vorstellen, Entwerfen und Erstellen Ihres Programms beginnen, wird der Prozess signifikant rationalisiert.

Halten Sie es benutzerzentriert

Der Benutzer ist immer der Ausgangspunkt. Sie kennen Ihre Geschäftsziele und haben sie hoffentlich mit Ihren Unternehmens in Einklang gebracht. (Wenn nicht, lesen Sie diesen Artikel auf Engagement Values.) Mit diesen Zielen im Hinterkopf können Sie nach verschiedenen Möglichkeiten suchen, um die Benutzererfahrung / Nutzererlebnis zu verbessern. Was sind die kritischen Punkte der Interaktion? Wie können Sie Reibungsverluste beseitigen oder einen Benutzer besser zu einer spezifischen Aktion führen?

Die Bedürfnisse Ihrer Benutzer in den Mittelpunkt zu stellen und Empathie Ihren Einsatz von maschinellem Lernen und künstlicher Intelligenz vorantreiben zu lassen, ist eine großartige Möglichkeit, um sicherzustellen, dass Sie einen Mehrwert bieten, anstatt nur das glänzende neue Ding zu verwenden.

Kenne deine Regeln

Sie können (und sollten) die Personalisierung über die gesamte Webreise hinweg nutzen. Dies kann viele Formulare erfordern, wobei die personalisierte Suche ein gutes Beispiel ist. Es gibt jedoch vier große Kategorien von Personalisierung Regeltypen.

Kontextuell

Kontextbezogene Regeln personalisieren Erfahrungen basierend auf bekannten Fakten über einen Benutzer, z. B. der geografischen IP-Adresse oder dem Kanal des Zugriffs auf eine Website.

Explizit

Einige Besucher Ihrer Website identifizieren sich selbst, indem sie ein Formular für einen Rabatt ausfüllen, Ihnen eine E-Mail geben usw. Explizite Regeln personalisieren Erlebnisse für diese bekannten Besucher, indem sie beispielsweise Daten aus früheren Seitenaufrufen und Conversions verwenden, um den wahrscheinlichsten Inhalt zu bewerten, nach dem der Besucher sucht.

Implizit

Wenn Sie nicht wissen, wer ein Benutzer ist, können implizite Regeln Muster- und Persona-Abgleich verwenden, um Erfahrungen basierend auf den Aktionen zu personalisieren, die anonyme Benutzer auf Ihrer Website ausführen.

Gewohnheit

Während weitere Entwicklungen erforderlich sind, können benutzerdefinierte Regeln mit allem personalisiert werden, was Sie möchten.

Künstliche Intelligenz und maschinelles Lernen können alles dieser Regeln unterstützen, aber bei einigen Lösungen müssen Sie festlegen, welche Regeln Sie wo und wann implementieren möchten.

Fangen Sie klein an

Die Chancen stehen gut, dass meine Netflix-Warteschlange und Ihre Netflix-Warteschlange mindestens einen überlappenden Film- oder Serienvorschlag enthalten. Aber dieser Film oder diese Fernsehsendung sieht wahrscheinlich in jeder unserer Warteschlangen anders aus. Ich liebe zwar Komödien, aber du bist (tun wir mal so) ein großer Action-Fan, und Netflix nutzt dieses Wissen, um das Image des empfohlenen Films oder der empfohlenen Fernsehsendung anzupassen.

Das Variieren von Bildern ist eine relativ einfache Sache, aber es ist eine subtile Möglichkeit, die Wahrscheinlichkeit zu erhöhen, dass wir die Vorschläge beobachten und engagiert bleiben.

Ebenso können Sie mit Ihrem Machine-Learning-Personalisierung Programm klein anfangen.

Versuchen Sie zum Beispiel, 5 verschiedene Homepage-Banner anzubieten, die jeweils auf eine andere Persona zugeschnitten sind, und lassen Sie einen Algorithmus für maschinelles Lernen bestimmen, wer was sieht. Oder erstellen Sie Varianten, indem Sie eines der Elemente austauschen, die normalerweise in Marketing-Assets zu finden sind: Überschriften, Zwischenüberschriften, Bilder, Formatierung, Farbe, Text, Call-to-Action usw. Der Punkt ist, dass Sie klein anfangen können und sollten und auf schnellen Erfolgen aufbauen.

Das Wichtigste zuerst: Bestimmen Sie Ihre Lösung

Wir haben eine E-Book erstellt, um allen zu helfen, die ihre Personalisierung Reise begonnen haben oder beginnen möchten: Path to Personalization: The 9 keys to drive stronger relationships. Zu den neun Schlüsseln gehören die Personalisierung zu einer Unternehmenspriorität, die Einrichtung Ihres Teams, die Darstellung Ihrer Zielgruppe und ihrer Reisen und vieles mehr.

Aber selbst wenn alle neun Schlüssel vorhanden sind, kann die Implementierung von maschinelles Lernen in Ihre Personalisierung Strategie von Grund auf eine enorme Herausforderung sein. Aus diesem Grund ist es wichtig, die richtige Lösung zu wählen. Der Richtige erledigt das maschinelle Lernen für Sie und hilft Ihnen, Ihr Team so schlank und wendig wie möglich zu halten und gleichzeitig alles von den Vorteilen des maschinellen Lernens und der künstlichen Intelligenz zu profitieren.

Vor kurzem haben wir den Sitecore Künstliche Intelligenz Auto-Personalization Standard eingeführt. Schalten Sie einfach einen Schalter, um es zu aktivieren, und es identifiziert Besuchertrends, erstellt Kundensegmente und ändert Seitenelemente, um eine personalisiert Kundenerlebnis zu liefern. Erstellen Sie eine der oben genannten Regeln und Sitecore Künstliche Intelligenz sagt Ihnen, welche Variation von Inhalten am ehesten das Engagement für jeden Kunden fördert. Sitecore Künstliche Intelligenz Auto-Personalization automatisiert 1:1-Kundenerlebnisse. Dank seiner Raffinesse, Benutzerfreundlichkeit und Effektivität gewann Sitecore den 2020 Content Marketing Award für den besten Einsatz von Content mit künstlicher Intelligenz für unsere Arbeit mit Microsofts Partnernetzwerk.

Sitecore Künstliche Intelligenz Auto-Personalization Premium ist für Kunden verfügbar, die unbegrenzte Personalisierung wünschen. Es bietet auch ein Dashboard für künstliche Intelligenz, das Zielgruppen enthält, die aus historischen und täglichen Daten identifiziert wurden. Dieses Dashboard ist eine großartige Möglichkeit für Vermarkter, zu sehen, was verbunden ist und was nicht, damit sie Änderungen an den Annahmen vornehmen können, die die künstliche Intelligenz antreiben, die das Kundenerlebnis beeinflusst.

Erfahren Sie mehr über Künstliche Intelligenz und alle seiner Vorteile.