AI 및 머신 러닝에 대한 주요 질문에 대한 답변

게시 됨: 2019-02-14

인공 지능과 머신 러닝은 모두 2019년에 트렌드가 되고 있으며 조만간 둔화될 조짐이 전혀 없습니다. 이 새로운 기술 시대에는 엄청난 이점이 있지만 때로는 사실과 허구를 구분하기 어려울 수 있습니다.

최근 우리의 공동 설립자 Marc Poirier는 AdAlysis의 PPC 전문가 Brad Geddes 및 Hanapin Marketing의 Jeff Allen과 함께 이러한 질문에 답하기 위해 웨비나를 주최했습니다. 웨비나 동안 그들은 AI와 머신 러닝에 관한 많은 질문을 다루었고 우리는 아래의 라운드에서 가장 인기 있는 질문을 공유하고 있습니다.

매일 우리는 검색 엔진, 플랫폼 및 타사 도구에서 자동화를 목격하고 있습니다. 이를 해결하기 위해 마케팅 전략을 변경해야 합니까?

Brad는 지난 5년 동안 유료 검색에서 가장 큰 두 가지가 기계 학습(자동화에 관한 것)과 각 사용자 그룹에 대해 구체적으로 알고 싶은 대상을 대상으로 하는 방법을 공유했습니다.

“이 두 가지는 교차 목적으로 작동하며 머신 러닝에 너무 의존하면 사용자와의 대화를 잃을 위험이 있습니다. 목표는 자동화를 위해 머신 러닝을 사용하는 것이지만 브랜드 보이스 및 메시징에 대한 우리의 전략을 고수하는 것이어야 합니다."

Marc는 계속해서 견고한 전략을 갖는 것이 중요하며 전략을 실행하는 데 도움이 되는 도구가 있다고 덧붙였습니다.

많은 사람들이 AI에 맞서 싸우거나 두려워하는 것 같습니다. 왜 그렇다고 생각하세요?

수년 동안 사람들은 자동화에 맞서 싸워왔고 Brad에 따르면 이제 그들은 수학이 수학이고 도구가 이를 처리할 수 있다면 도움이 된다는 것을 깨닫습니다. “AI와 싸우는 사람들을 볼 수 있는 곳은 알고리즘에 대한 신뢰가 부족하기 때문에 브랜드에 관한 것입니다. 그들은 무슨 일이 일어나고 있는지 정확히 알고 싶어합니다.”

그는 계속해서 "캠페인을 엉망으로 만드는 Google의 자동 입찰에 대해 반대하는 사람들을 보았고 이는 자동화의 문제로 간주됩니다. 실제로 플랫폼에서 모든 것을 연결하는 방법이 더 어렵습니다.”

Marc의 관점에서 보면 우리가 AI를 거부하는 분명한 이유가 있습니다. .” 기계는 데이터를 분석하고 결정을 내리고 계속 학습합니다.

자동화, 기계 학습 및 딥 러닝의 차이점은 무엇입니까?

Marc는 "자동화는 1950년대부터 사용되어 왔으며 단순히 자동으로 수행하여 논리를 기반으로 비즈니스 규칙을 생성할 수 있는 방법입니다. AI는 자동화 절차와 연결되어 있으며 이러한 비즈니스 규칙을 사용하여 컴퓨터가 인간처럼 생각하도록 하려고 합니다. 머신 러닝은 80년대에 컴퓨터가 더 큰 데이터 세트를 처리할 수 있게 되면서 등장했습니다. 시간이 지남에 따라 연구원들은 기계가 스스로 학습하고 개선할 것이라는 점에 주목했습니다.”

"지난 5년 동안 매우 큰 데이터 세트를 빠르게 분석하는 방법인 딥 러닝을 포함하여 다양한 유형의 기계 학습이 크게 가속화되었습니다."

PPC 전문가는 자동화에 점점 더 익숙해져야 합니다. AI와 머신 러닝, 그리고 그 정확성 측면에서 현재 존재하는 것에 대한 편안함 수준은 어느 정도입니까?

이 질문에 대한 응답으로 Marc는 전문가가 해결하려는 문제가 무엇인지, 도구가 인간보다 더 나은지 나쁜지를 스스로 자문해야 하는 방법을 공유했습니다. 거기에서 대규모로 비용 효율적인 방식으로 문제를 해결할 수 있는지 평가해야 합니다. 결과를 보고 있는지 확인하는 것이 중요합니다.

Brad는 계속해서 자동 입찰 사용의 예를 공유했습니다. "더 적은 비용으로 더 많은 전환을 얻었습니까? 많은 의사 결정이 캠페인의 여러 부분에 대한 위험 허용 범위로 귀결됩니다. 입찰가가 완전히 잘못된 것인지, 아니면 광고 소재에 문제가 있는 것인지 자문해 보십시오."

그는 PPC 전문가로서 우리는 도구가 전체적으로 잘 작동하는지, 그리고 기계 학습과 AI가 수행 중인 다른 모든 작업에 대해 나침반 역할을 해야 하는 방법을 살펴볼 필요가 있다고 지적했습니다.

"모든 사람은 AI 사용의 잠재적인 보상을 기반으로 기꺼이 감수할 위험 수준을 결정해야 합니다."라고 Marc는 덧붙였습니다.

마케터는 AI와 머신 러닝에 대해 얼마나 알아야 할까요?

Brad는 많은 마케터가 실제로 결과를 감사할 때 무슨 일이 일어나고 있는지 깊이 이해할 필요가 있다고 느끼는 것을 공유했습니다.

"우리는 도구를 사용하여 권장 사항을 얻은 다음 수락하거나 거부해야 하며 작동 방식에 대한 근본적인 이해가 필요합니다. PPC 마케터는 스크립트를 작성할 수 있는 개발자일 필요는 없습니다. 초점은 창의적, 쓰기 및 전반적인 전략에 있어야 합니다. 머신 러닝과 AI를 사용하여 규모에 맞게 조정하는 것입니다.”

이야기는 Marc의 관점에서 약간 다릅니다. "대행사의 경우 팀에 데이터 과학에 정통한 사람이 있어야 하므로 고객에게 일이 어떻게 작동하는지 설명할 수 있습니다."

이것은 PPC와 관련하여 에이전시 모델이 변경된다는 것을 의미합니까?

Brad는 "일반적으로 사내에 필요한 모든 기술이 없고 인력을 원하지 않기 때문에 에이전시를 고용합니다."라고 말했습니다. “에이전시는 실제로 전략에 관한 것이지만 에이전시 내의 직무 기능이 변경될 가능성이 높습니다. 계정 관리 및 기계가 하는 일에 대한 보고가 핵심이 될 것입니다. 기계는 여전히 사람의 손에 달려 있기 때문입니다."

Brad의 생각을 확장하여 Marc는 대행사 제안이 진화해야 한다고 주장했습니다. “데이터 과학에 대한 전문 지식이 포함되도록 제안이 발전하는 기능 변경이 있을 수 있습니다. 그런 식으로 에이전시는 고객에게 데이터의 의미와 데이터로 무엇을 해야 하는지 알려줄 수 있습니다.”

대행사 소유주인 Jeff는 어떻게 하면 더 단순해지고 다른 것들은 더 복잡해졌는지에 대한 귀중한 통찰력을 얻었습니다. “우리는 전문 지식이 필요한 여러 플랫폼을 다루고 있으며 고객에게 전략과 결과를 제공해야 합니다. 예전에는 고객을 위해 Google Ads와 같은 것을 더 간단하게 만드는 것이 목적이었습니다. 이제 고객의 복잡한 비즈니스 모델을 외부 생태계 내에서 작동하도록 만드는 것입니다.”

PPC 및 기계 학습을 더 잘 이해하려면 어떤 유형의 수학 교육을 받아야 합니까?

좋은 소식은 Marc가 PPC 전문가로서 탁월하기 위해 수학자가 될 필요가 없다고 생각한다는 것입니다. 그는 성공하기 위해 알아야 할 사항을 간략하게 설명했습니다. “알거나 교육을 받아야 하는 것은 통계 101이므로 어떤 상황에서 어떤 테스트를 적용해야 하는지 이해할 수 있습니다. 현재 진행 중인 변수와 원하는 정도의 자신감에 대한 실무 지식이 필요합니다. 무료 온라인 강좌를 포함하여 수강할 수 있는 강좌가 많이 있습니다. Linda.com이나 Khan Academy를 ​​확인하는 것이 좋습니다.”

새로운 기계 학습 도구로 테스트를 시작하기에 가장 좋은 시기는 언제라고 생각하십니까?

당연히 Brad는 청중에게 시작하기에 나쁜 시기가 아니기 때문에 더 나아지고 싶은 즉시 테스트를 시작하도록 권장했습니다.

그러나 그는 시작하기 위한 몇 가지 팁을 검토했습니다. 시작하는 데 필요한 것이 있습니다."

그는 당신이 찾고자 하는 것이 이상치가 없는 일관된 데이터라고 지적했습니다. “꽃 회사라면 결과가 왜곡될 수 있으므로 발렌타인 데이를 앞두고 테스트를 실행하고 싶지 않을 것입니다. 반복 가능하고 일관된 데이터를 사용하려고 합니다."

머신 러닝과 AI가 사용자 경험에 어떤 영향을 미쳤다고 생각하시나요?

사용자 경험에 확실한 영향이 있었지만 문제를 일으키는 것은 AI가 아닙니다.

Brad는 문제의 핵심을 빠르게 파악했습니다. “마케팅 담당자가 캠페인을 올바르게 설정하지 않았기 때문입니다. 예를 들어, 최대 게재빈도 또는 부정적인 잠재고객이 없는 과도한 리타게팅 광고입니다. 그것은 확실히 AI의 문제가 아니라 마케팅의 문제입니다. 그것은 기계가 아니라 사람들이 그것을 가지고 하는 것입니다.”

요약

AI 및 머신 러닝을 사용하기로 선택하든, 좀 더 신중한 접근 방식을 택하든, 이러한 기술은 계속 존재한다는 사실입니다. 그들이 하는 일, 비즈니스에 어떻게 도움이 되는지 이해하고 사실과 허구를 구분하는 것이 장기적으로 이러한 기술을 채택하는 첫 번째 단계가 될 것입니다.

웨비나를 놓쳤고 전체 토론을 듣고 싶다면 여기에서 확인할 수 있습니다.

이미지 크레딧

특집 이미지: Unsplash / Franck V.