Ответы на ваши главные вопросы об искусственном интеллекте и машинном обучении

Опубликовано: 2019-02-14

И искусственный интеллект, и машинное обучение являются трендами 2019 года, и в ближайшее время нет абсолютно никаких признаков замедления. Хотя эта новая эра технологий имеет огромное количество преимуществ, иногда бывает трудно отличить факты от вымысла.

Недавно наш соучредитель Марк Порье вместе с профессионалами PPC Брэдом Геддесом из AdAlysis и Джеффом Алленом из Hanapin Marketing провели вебинар, посвященный этим вопросам. Во время вебинара они затронули множество вопросов об искусственном интеллекте и машинном обучении, и мы делимся самыми горячими вопросами в обзоре ниже.

Каждый день мы наблюдаем автоматизацию поисковых систем, платформ и сторонних инструментов. Должны ли мы изменить нашу маркетинговую стратегию, чтобы решить эту проблему?

Брэд поделился тем, что за последние пять лет двумя самыми важными вещами в платном поиске были машинное обучение, которое полностью связано с автоматизацией, а затем таргетинг на аудиторию, где мы хотим получить конкретную информацию о каждой группе пользователей.

«Эти две вещи работают в разных целях, и если мы слишком полагаемся на машинное обучение, мы рискуем потерять диалог с нашими пользователями. Цель должна состоять в том, чтобы использовать машинное обучение для автоматизации, но придерживаться наших стратегий в отношении голоса бренда и обмена сообщениями».

Далее Марк добавил, что наличие надежной стратегии по-прежнему имеет решающее значение, и существуют инструменты, которые помогут реализовать эту стратегию.

Кажется, что многие люди борются против ИИ или боятся его. Как вы думаете, почему?

В течение многих лет люди боролись против автоматизации, и, по словам Брэда, теперь они понимают, что математика есть математика, и если инструмент может с ней справиться, это полезно. «Мы видим, что люди борются с ИИ, когда дело доходит до их брендов, поскольку они не доверяют алгоритмам. Они хотят точно знать, что происходит».

Далее он объяснил: «Мы видели, как люди выступали против автоматического назначения ставок Google, поскольку оно мешало их кампаниям, и это рассматривалось как проблема с автоматизацией. На самом деле, это большая проблема, связанная с тем, как вещи связаны друг с другом на платформе».

С точки зрения Марка, есть четкая причина, по которой мы сопротивляемся ИИ: «Большая сложность заключается в том, чтобы объяснить принципы того, чего мы пытаемся достичь с помощью ИИ или машинного обучения, но мы не всегда можем объяснить, почему было принято конкретное решение. ». Машина анализирует данные, принимает решения и продолжает учиться по ходу дела.

В чем разница между автоматизацией, машинным обучением и глубоким обучением?

Марк рассказал всем о различиях: «Автоматизация существует с 1950-х годов, и это просто способ сделать что-то автоматически, чтобы вы могли создавать бизнес-правила на основе логики. ИИ привязан к процедурам автоматизации, и вы пытаетесь заставить компьютер думать как человек, используя эти бизнес-правила. Машинное обучение появилось в 80-х годах, когда компьютеры смогли работать с большими наборами данных. Со временем исследователи заметили, что машина будет учиться сама и совершенствоваться».

«За последние пять лет произошло значительное ускорение в различных типах машинного обучения, включая глубокое обучение, которое позволяет быстро анализировать очень большой набор данных».

Профессионалам PPC приходится все больше и больше привыкать к автоматизации. Каков ваш уровень комфорта с тем, что есть прямо сейчас с точки зрения ИИ и машинного обучения и их точности?

Отвечая на этот вопрос, Марк рассказал, как профессионалы должны задать себе вопрос, какую проблему они пытаются решить, и работают ли инструменты лучше или хуже, чем человек. Оттуда нам нужно оценить, сможете ли вы в масштабе решить проблему экономически эффективным способом. Это действительно сводится к выяснению, видите ли вы результаты.

Далее Брэд поделился примером использования автоматического назначения ставок: «Вы получили больше конверсий за меньшие деньги? Принятие решений во многом зависит от вашей терпимости к риску в различных частях вашей кампании. Спросите себя, является ли ставка совершенно неправильной или проблема связана с вашим креативом?»

Он отметил, что как профессионалы PPC мы должны посмотреть, работают ли инструменты в целом и как машинное обучение и ИИ должны служить компасом для всего остального, что вы делаете.

«Каждый должен определить уровень риска, на который он готов пойти, исходя из потенциальной выгоды от использования ИИ», — добавил Марк.

Что на самом деле нужно знать маркетологам об искусственном интеллекте и машинном обучении?

Брэд поделился тем, что многие маркетологи считают, что им необходимо получить глубокое понимание того, что происходит, когда на самом деле речь идет об аудите результатов.

«Мы должны использовать инструменты для получения рекомендаций, а затем принимать или отклонять их, а для этого потребуется фундаментальное понимание того, как все работает. Маркетологу PPC не обязательно быть разработчиком, который может написать сценарий. Основное внимание должно быть сосредоточено на творчестве, написании и общей стратегии. Речь идет о правильном масштабировании с помощью машинного обучения и искусственного интеллекта».

История немного отличается от точки зрения Марка: «Для агентств, я думаю, в команде должен быть кто-то, кто хорошо разбирается в науке о данных, чтобы вы могли объяснить клиентам, как все работает».

Означает ли это, что модель агентства меняется, когда речь идет о плате за клик?

«Обычно вы нанимаете агентство, потому что у вас нет всех необходимых навыков внутри компании, и вам не нужна такая численность персонала», — указал Брэд. «Агентство действительно занимается стратегией, но вполне вероятно, что рабочие функции в агентстве изменятся. Управление учетными записями и отчетность о том, что делает машина, будут иметь ключевое значение, поскольку управление тем, что происходит, по-прежнему находится в человеческих руках».

Развивая мысли Брэда, Марк утверждал, что предложение агентства должно развиваться. «Вероятно, в процессе развития предложения произойдет изменение функций, поэтому в него будет включен опыт в области науки о данных. Таким образом, агентство может сообщить клиенту, что означают данные и что они должны с ними делать».

Как владелец агентства, Джефф получил ценную информацию о том, как некоторые вещи стали проще, а другие — сложнее. «Мы имеем дело с несколькими платформами, в которых нам нужно иметь опыт, и нам нужно предоставлять клиентам стратегию и результаты. Раньше речь шла об упрощении для клиентов таких вещей, как Google Ads; теперь речь идет о том, чтобы взять сложные бизнес-модели наших клиентов и заставить их работать в существующих экосистемах».

Какой тип математики мне нужно пройти, чтобы лучше понять контекстную рекламу и машинное обучение?

Хорошая новость заключается в том, что Марк не считает, что вам нужно быть математиком, чтобы преуспеть в качестве профессионала PPC. Он обрисовал в общих чертах, что вам нужно знать, чтобы добиться успеха: «Что вам нужно знать или пройти обучение, так это статистику 101, чтобы вы понимали, какие тесты применять в каких ситуациях. Вы должны иметь практические знания о переменных в игре и о том, какую степень уверенности вы ищете. Вы можете пройти множество курсов, включая бесплатные онлайн-курсы. Вы можете проверить Linda.com или Академию Хана».

Как вы думаете, когда самое подходящее время для начала тестирования нового инструмента машинного обучения?

Неудивительно, что Брэд призвал аудиторию начать тестирование, как только они захотят стать лучше, потому что на самом деле не самое плохое время для начала.

Тем не менее, он рассмотрел несколько советов по началу работы: «Я бы не стал пробовать это на совершенно новой учетной записи, поскольку там нет данных, но если у вас есть немного данных и вы довольны текущим объемом, тогда у вас есть все, что нужно для начала».

Он указал, что вам нужно искать согласованные данные без выбросов. «Если вы цветочная компания, вы, вероятно, не захотите проводить тест в преддверии Дня святого Валентина, так как ваши результаты, скорее всего, будут искажены. Вы хотите использовать воспроизводимые, непротиворечивые данные».

Как вы думаете, какое влияние машинное обучение и ИИ оказали на пользовательский опыт?

Это оказало определенное влияние на пользовательский опыт, но проблемы вызывает не искусственный интеллект.

Брэд быстро добрался до сути проблемы: «Это маркетологи неправильно настраивают кампании. Например, реклама с чрезмерным ретаргетингом без ограничения частоты показов или минусовая аудитория. Это определенно проблема маркетинга, а не проблемы ИИ. Дело не в машине, а в том, что с ней делают люди».

Резюме

Независимо от того, решите ли вы с головой окунуться в использование ИИ и машинного обучения или примете более взвешенный и выжидательный подход, факт в том, что эти технологии никуда не денутся. Понимание того, что они делают, как они могут помочь вашему бизнесу, и отделение фактов от вымысла станет первым шагом к внедрению этих технологий в долгосрочной перспективе.

Если вы пропустили вебинар и хотите услышать обсуждение полностью, вы можете проверить его прямо здесь.

Кредиты изображений

Feature Image: Unsplash / Франк В.