Pertanyaan Teratas Anda Tentang AI & Pembelajaran Mesin Dijawab

Kecerdasan buatan dan pembelajaran mesin menjadi tren di tahun 2019 tanpa tanda-tanda akan melambat dalam waktu dekat. Meskipun era baru teknologi ini memiliki banyak sekali manfaat, terkadang sulit membedakan fakta dari fiksi.

Baru-baru ini, Co-founder kami Marc Poirier, bersama dengan pro PPC Brad Geddes dari AdAlysis dan Jeff Allen dari Hanapin Marketing menyelenggarakan webinar untuk menjawab pertanyaan-pertanyaan ini. Selama webinar, mereka membahas banyak pertanyaan tentang AI dan pembelajaran mesin, dan kami membagikan pertanyaan terpanas di rangkuman di bawah ini.

Setiap hari, kami melihat otomatisasi di mesin telusur, platform, dan alat pihak ketiga. Haruskah kita mengubah strategi pemasaran kita untuk mengatasi hal ini?

Brad membagikan bagaimana selama lima tahun terakhir, dua hal terbesar dalam pencarian berbayar adalah pembelajaran mesin — yang semuanya tentang otomatisasi — dan kemudian penargetan audiens di tempat yang ingin kami jelaskan secara spesifik tentang setiap grup pengguna.

“Dua hal ini bekerja dengan tujuan yang berbeda, dan jika kami terlalu mengandalkan pembelajaran mesin, kami berisiko kehilangan percakapan dengan pengguna kami. Tujuannya harus menggunakan pembelajaran mesin untuk otomatisasi tetapi tetap dengan strategi kami seputar suara merek dan pesan.”

Marc menambahkan bahwa memiliki strategi yang solid tetap penting, dan alat ada untuk membantu mengeksekusi strategi.

Banyak orang tampaknya melawan atau takut terhadap AI. Menurut Anda mengapa demikian?

Selama bertahun-tahun orang telah berjuang melawan otomatisasi, dan menurut Brad, mereka sekarang menyadari bahwa matematika adalah matematika dan jika sebuah alat dapat menanganinya, itu sangat membantu. “Di mana kami melihat orang-orang melawan AI adalah dalam hal merek mereka karena mereka kurang percaya pada algoritme. Mereka ingin tahu persis apa yang terjadi.”

Dia melanjutkan untuk menjelaskan, “Kami telah melihat orang-orang menolak penawaran otomatis Google karena mengacaukan kampanye mereka, dan itu dilihat sebagai masalah dengan otomatisasi. Sungguh, ini lebih merupakan tantangan dengan bagaimana hal-hal diikat bersama di platform. ”

Dari sudut pandang Marc, ada alasan yang jelas mengapa kami menolak AI, “Banyak tantangan adalah menjelaskan prinsip-prinsip dari apa yang kami coba capai dengan AI atau pembelajaran mesin, tetapi kami tidak selalu dapat menjelaskan mengapa keputusan tertentu dibuat. .” Mesin menganalisis data, membuat keputusan, dan terus belajar seiring berjalannya waktu.

“Dalam beberapa kasus ada banyak keraguan, ketakutan, orang tidak mempercayai algoritme… kami melihat perjuangan orang untuk menerima #machinelearning. Ada ketakutan menjadi tidak relevan, yang tidak akan terjadi.” @marcpoirier #thinkppc

— Hanapin Marketing (@Hanapin) 10 Januari 2019

Apa perbedaan antara otomatisasi, pembelajaran mesin, dan pembelajaran mendalam?

Marc memandu semua orang melalui perbedaan, “Otomasi telah ada sejak tahun 1950-an, dan ini hanyalah cara untuk menyelesaikan sesuatu secara otomatis sehingga Anda dapat membuat aturan bisnis berdasarkan logika. AI terikat dengan prosedur otomatisasi, dan Anda mencoba membuat komputer berpikir seperti manusia menggunakan aturan bisnis tersebut. Pembelajaran mesin muncul di tahun 80-an, karena komputer mampu menangani kumpulan data yang lebih besar. Seiring waktu, para peneliti mencatat bahwa mesin akan belajar sendiri dan meningkat.”

Sebagian besar PPCer adalah orang yang suka mengontrol, tetapi kami semakin nyaman dengan otomatisasi – @JeffAllenUT, @Hanapin #thinkppc

— Acquisio (@acquisio) 10 Januari 2019

“Selama lima tahun terakhir, telah terjadi percepatan yang signifikan dalam berbagai jenis pembelajaran mesin, termasuk pembelajaran mendalam, yang merupakan cara untuk menganalisis kumpulan data yang sangat besar dengan cepat.”

Profesional PPC harus semakin nyaman dengan otomatisasi. Berapa tingkat kenyamanan Anda dengan apa yang ada saat ini dalam hal AI dan pembelajaran mesin serta akurasinya?

Menanggapi pertanyaan ini, Marc berbagi bagaimana profesional perlu bertanya pada diri sendiri masalah apa yang mereka coba selesaikan dan apakah alat tersebut bekerja lebih baik atau lebih buruk daripada yang dilakukan manusia. Dari sana, kami perlu menilai apakah, dalam skala besar, Anda dapat memecahkan masalah dengan cara yang hemat biaya. Itu benar-benar turun untuk mencari tahu apakah Anda melihat hasilnya.

Brad melanjutkan untuk membagikan contoh penggunaan penawaran otomatis, “Apakah Anda mendapatkan lebih banyak konversi dengan lebih sedikit uang? Banyak pengambilan keputusan bermuara pada toleransi risiko Anda dengan berbagai bagian kampanye Anda. Tanyakan pada diri Anda sendiri, apakah tawaran itu sepenuhnya salah atau apakah masalahnya terletak pada materi iklan Anda?”

Kami masih jauh dari robot yang menceritakan kisah di atas api unggun – @bgtheory, @Adalysis #thinkppc pic.twitter.com/YIii7OeprQ

— Acquisio (@acquisio) 10 Januari 2019

Dia menunjukkan bahwa sebagai profesional PPC, kita perlu melihat apakah alat, secara agregat, berfungsi dengan baik dan bagaimana pembelajaran mesin dan AI harus bertindak sebagai kompas untuk semua hal lain yang Anda lakukan.

“Setiap orang perlu menentukan tingkat risiko yang ingin mereka ambil, berdasarkan potensi keuntungan menggunakan AI,” tambah Marc.

Berapa banyak tentang AI dan pembelajaran mesin yang harus benar-benar diketahui pemasar?

Brad berbagi bagaimana banyak pemasar merasa mereka perlu mendapatkan pemahaman mendalam tentang apa yang terjadi padahal sebenarnya ini tentang mengaudit output.

“Kita harus menggunakan alat untuk mendapatkan rekomendasi — dan kemudian menerima atau menolaknya — dan itu akan membutuhkan pemahaman mendasar tentang cara kerja segala sesuatunya. Seorang pemasar PPC tidak perlu menjadi pengembang yang mampu menulis skrip. Fokusnya harus pada kreatif, menulis dan strategi keseluruhan. Ini tentang melakukannya dengan benar dalam skala besar dengan pembelajaran mesin dan AI.”

Ceritanya sedikit berbeda dari sudut pandang Marc, “Untuk agensi, saya pikir perlu ada seseorang di tim yang berpengalaman dalam ilmu data, sehingga Anda dapat menjelaskan kepada klien cara kerjanya.”

Apakah ini berarti model agensi berubah dalam hal PPC?

“Biasanya, Anda menyewa agen karena Anda tidak memiliki semua keterampilan yang Anda butuhkan secara internal, dan Anda tidak menginginkan jumlah pegawai itu,” kata Brad. “Agensi benar-benar tentang strategi, tetapi kemungkinan fungsi pekerjaan di dalam agensi akan berubah. Manajemen akun dan pelaporan tentang apa yang dilakukan mesin akan menjadi kuncinya, karena masih ada di tangan manusia untuk mengelola apa yang terjadi.”

Jika Anda adalah agensi, tanyakan mengapa klien harus mempercayai kami, bukan teknologinya. Ini tentang hubungan agensi – @bgtheory, @Adalysis #thinkppc

— Acquisio (@acquisio) 10 Januari 2019

Memperluas pemikiran Brad, Marc berpendapat bahwa penawaran agensi perlu berkembang. “Kemungkinan ada perubahan fitur di mana penawaran berkembang sehingga ada keahlian dalam ilmu data yang disertakan. Dengan begitu, agensi dapat memberi tahu klien apa arti data dan apa yang harus mereka lakukan dengannya.”

Sebagai pemilik agensi, Jeff memiliki wawasan berharga tentang bagaimana beberapa hal menjadi lebih sederhana dan yang lainnya lebih kompleks. “Kami berurusan dengan berbagai platform yang membutuhkan keahlian kami, dan kami perlu memberikan strategi dan hasil untuk klien. Dulu tentang membuat hal-hal seperti Google Ads lebih sederhana untuk klien; sekarang ini tentang mengambil model bisnis klien kami yang kompleks dan membuatnya bekerja dalam ekosistem yang ada di luar sana.”

Jenis matematika apa yang saya perlukan untuk mendapatkan pelatihan untuk lebih memahami PPC dan pembelajaran mesin?

Kabar baiknya adalah bahwa Marc tidak berpikir Anda perlu menjadi ahli matematika untuk unggul sebagai profesional PPC. Dia menguraikan apa yang perlu Anda ketahui untuk berhasil, “Apa yang perlu Anda ketahui atau dilatih adalah statistik 101 sehingga Anda memahami tes apa yang harus diterapkan dalam situasi apa. Anda harus memiliki pengetahuan tentang variabel yang berperan dan tingkat kepercayaan apa yang Anda cari. Ada banyak sekali kursus yang dapat Anda ikuti — termasuk kursus online gratis. Anda mungkin ingin melihat Linda.com atau Khan Academy.”

Menurut Anda, kapan waktu yang tepat untuk memulai pengujian dengan alat pembelajaran mesin baru?

Tidak mengherankan, Brad mendorong penonton untuk memulai pengujian segera setelah mereka ingin menjadi lebih baik karena tidak ada waktu yang buruk untuk memulai.

Namun, dia meninjau beberapa tips untuk memulai, “Saya tidak akan mencobanya di akun baru karena tidak ada data, tetapi jika Anda memiliki sedikit data, dan Anda senang dengan volume Anda saat ini, maka Anda memiliki apa yang Anda butuhkan untuk memulai.”

Kapan waktu yang tepat untuk memulai pengujian dengan #AI?
“Kapan saja, selama data Anda dapat diulang dan konsisten, ketika tidak akan ada outlier.” @bgtheory @Adalysis #thinkppc

— Hanapin Marketing (@Hanapin) 10 Januari 2019

Dia menunjukkan bahwa apa yang ingin Anda cari adalah data yang konsisten tanpa outlier. “Jika Anda adalah perusahaan bunga, Anda mungkin tidak ingin menjalankan tes menjelang Hari Valentine karena hasil Anda kemungkinan akan miring. Anda ingin menggunakan data yang dapat diulang dan konsisten.”

Menurut Anda, apa dampak pembelajaran mesin dan AI terhadap pengalaman pengguna?

Ada dampak yang pasti pada pengalaman pengguna — tetapi bukan AI yang menyebabkan masalah.

Brad langsung ke inti masalahnya: “Pemasar tidak menyiapkan kampanye dengan benar. Misalnya, iklan penargetan ulang berlebihan yang tidak memiliki batas frekuensi atau pemirsa negatif. Itu pasti masalah pemasaran, bukan masalah AI. Bukan mesinnya, tapi apa yang orang lakukan dengannya.”

Ringkasan

Baik Anda memilih untuk langsung menggunakan AI dan pembelajaran mesin atau mengambil pendekatan wait and see yang lebih terukur, faktanya teknologi ini akan tetap ada. Memahami apa yang mereka lakukan, bagaimana mereka dapat membantu bisnis Anda dan memisahkan fakta dari fiksi akan menjadi langkah pertama untuk mengadopsi teknologi ini dalam jangka panjang.

Jika Anda melewatkan webinar dan ingin mendengar diskusi secara keseluruhan, Anda dapat memeriksanya di sini.

Kredit Gambar

Gambar Fitur: Unsplash / Franck V.