WirtualneMedia.pl

Portal o mediach, reklamie, internecie, PR
Nr 1 w Polsce

Przeczytaj też

Facebook, Instagram i Messenger: jak zmienią się w Polsce możliwości reklamowe w 2018 roku? (opinia)

Krzysztof Masłowski: jak machine learning zmieni marketing internetowy

2018-01-29 A A A KOMENTARZE: 5 FORUM DRUKUJ POLEĆ

Tematyka rozwoju nauczania maszynowego i sztucznej inteligencji bardzo zyskuje w ostatnim czasie na popularności. Powszechność tego zagadnienia nie oznacza jednak automatycznie upowszechnienia wiedzy na jego temat. Jak sztuczna inteligencja wpływa na biznes czy marketing - analizuje Krzysztof Masłowski z agencji Verseo.

Krzysztof Masłowski Krzysztof Masłowski

Często ostatnio słyszy się o rozwoju uczenia maszynowego, sztucznej inteligencji i powiązanych z nimi dziedzinach. Łatwo w tym wszystkim się pogubić, a jeszcze trudniej zrozumieć jaki to może mieć wpływ na biznes, który prowadzimy (celowo pomijam tu aspekt wpływu na nasze życie).

Sztuczna inteligencja, wyjęta z popkulturowego kontekstu, to po prostu dynamicznie rozwijająca dziedzina, bez której trudno wyobrazić sobie informatykę czy statystykę. Uczenie maszynowe zaś to jedna z "córek" sztucznej inteligencji.

Co daje nam machine learning?

Odpowiedzi możemy szukać choćby we “wszystkowiedzącej” Wikipedii (która zapewne także korzysta z algorytmów samouczących): głównym celem (machine learning) jest praktyczne zastosowanie dokonań w dziedzinie sztucznej inteligencji do stworzenia automatycznego systemu potrafiącego doskonalić się przy pomocy zgromadzonego doświadczenia (czyli danych) i nabywania na tej podstawie nowej wiedzy.

Co to oznacza w praktyce? Wspomniany system może zbierać dowolnie wybrane przez nas dane (w tym przypadku marketingowe) i uczyć się korzystania z nich pod nadzorem człowieka. Im więcej danych z każdego dnia, tygodnia, miesiąca, roku czy lat, tym system lepiej może zrozumieć specyfikę danych, które gromadzi i na ich podstawie podejmować decyzje lub prognozować różne możliwe scenariusze “rezultatów”, dla przyjętych parametrów lub algorytmów. I najważniejsze - system sam, na podstawie danych i zaawansowanych modeli statystycznych, może wykonywać określone zadania i czynności w naszych kampaniach digitalowych. To od nas zależy co będzie naszym “rozkazem” dla maszyny i czego ma szukać, w czym ma się doskonalić i zdobywać wiedzę.

Jakie mamy korzyści? Cały nasz digital marketing jest w pełni mierzalny, to go odróżnia od wszystkich innych kanałów reklamowych. Mamy masę dostępnych danych o kliknięciach, wyświetleniach, cenie za każde kliknięcie lub wyświetlenie, kosztach, średnim czasie na stronie, ilości transakcji, przychodach itd. Uzyskane dane są bardzo szczegółowe - wiemy co generuje najwięcej korzyści: słowa kluczowe, miejsca docelowa, zainteresowania, czy pojedyncze formaty reklamowe. Zyskujemy informacje skąd pochodzi najbardziej wartościowy ruch: Google Search, Google Zakupy, Gmail, YouTube, Facebook, Twitter, Snapchat, Ceneo, Newslettery, a może coś innego? W naszych analizach możemy uwzględnić dowolne źródło, z którego korzystamy.

Do tego dochodzą przydatne informacje, które pomagają nam nakreślić wizerunki naszych klientów: o jakiej porze dnia dokonują zakupów, z jakich urządzeń i systemów operacyjnych korzystają, czy powracają na naszą witrynę, czy są na niej pierwszy raz, skąd są (lokalizacja użytkownika) czy jaki jest ich profil demograficzny. Dzięki tej wiedzy możemy lepiej zaplanować działania promocyjne.

Doświadczenie pokazuje, że nie jest problemem zebranie danych - narzędzi do tego celu jest sporo, każdy zainteresowany tematem znajdzie je bez problemu. Jednak nawet najlepsze narzędzie nie przeprowadzi dla nas analizy na poziomie pracy dobrego analityka. Inwestując w narzędzia bez zatrudnienia dobrego analityka na dobrą sprawę wyrzucamy pieniądze w błoto.

Standardowo analityk powinien przejrzeć dane, poszukać korelacji między danymi i dostarczyć prosty raport - co przyniosło przychód firmie, gdzie jakie koszty należy przesunąć, które działania należy wstrzymać lub przeanalizować je dokładniej (np. brak sprzedaży z kanału X, ale może kanał X wspiera silnie najlepszy kanał sprzedażowy Y).

Na co można przełożyć wnioski z raportów?

Rozbierając kampanię na czynniki pierwsze widzimy, że są to tysiące wejść, słów kluczowych, produktów itp. Każdy z tych parametrów może mieć przypisany inny budżet czy strategię zarządzania stawkami. Dane dotyczące kampanii aktualizują się codziennie, a my obserwujemy nowe trendy, wzrosty i spadki. Ręczne zarządzanie kampanią wymagałoby wprowadzania tysięcy zmian dziennie, czy przeprowadzania analiz w czasie rzeczywistym. Dodajmy sobie do tego fakt, że często mamy kilka kampanii (do rzadkości nie należy fakt, że jednocześnie promujemy się na kilku czy kilkunastu rynkach). Co to oznacza w praktyce? Że docieramy do granic możliwości wykonania tej pracy dobrze przez człowieka.

Tutaj przychodzi nam z pomocą właśnie uczenie maszynowe. Jest to idealna praca dla sztucznej inteligencji - zbieranie, analiza i przeliczanie danych oraz wykonywanie codziennej żmudnej pracy za człowieka przy zmianach w kampaniach digital. Za jednym zamachem zatrudniamy analityka, matematyka, statystyka do naszego biznesu, który pracuje codziennie, 7 dni w tygodniu, przez 365 dni.

W zależności od systemów opartych na machine learning możemy wybrać gotowe strategie dla naszego modelu biznesowego oraz częstotliwość zmian, które system ma wprowadzać (nawet co 1 godzinę). Zmiany są wprowadzane na bieżąco, adekwatnie do sytuacji, która panuje w danej chwili w naszym biznesie.

Przeanalizujmy przypadek dużego sklepu internetowego - budżet na promocję: 100 000 zł na miesiąc, sklep ma 20 000 produktów w ofercie, promując się korzysta z różnych kanałów digital (np. Google i Social Media). Strategia promocji jest nastawiona na maksymalizację przychodów przy jednoczesnym zachowaniu odpowiedniej relacji kosztów do przychodów (ROAS) na poziomie np. 1000%.

System z wykorzystaniem uczenia maszynowego zbiera dane wstecz z naszych kampanii oraz dane aktualne i na tej podstawie oblicza optymalne ustawienie wszystkich parametrów (np. stawek za kliknięcie) w naszych kampaniach w celu maksymalizacji przychodów. Po naszej akceptacji wprowadza zmiany we wszystkich kanałach lub zmian dokonuje “sam” codziennie, nawet kilka milionów mikrozmian w miesiącu. Dodatkowo możemy wygenerować różne prognozy jak zmieniłby się przychód naszego biznesu dla ROAS na poziomie 800% lub gdybyśmy zmienili model atrybucji z ostatniego na 1 kliknięcie. Wszystkie kampanie digital przy wykorzystaniu uczenia maszynowego charakteryzują się znaczącym wzrostem efektywności rozumianym wprost jako obniżenie kosztów lub wzrost przychodów.

Czy korzyści z sięgnięcia po machine learning są zarezerwowane tylko dla kampanii o dużych budżetach, np. rzędu 100 000 zł? Nie. Ulepszy on także działanie kampanii o budżetach rzędu kilku tysięcy złotych.

Jak machine learning zmieni rynek digital marketingu?

Zmiany są rewolucyjne i dokonują się na naszych oczach. Coraz więcej zachodnich agencji sięga po uczenie maszynowe w swoich kampaniach, traktując to jako standard oferowanych usług. Tą samą drogą podążają duże polskie agencje. Wdrożenie narzędzi opartych na machine learning i inwestycje w ich rozwój to niemałe przedsięwzięcie. “Efektem ubocznym” upowszechnienia się stosowania machine learning może być podział rynku na duże, silne agencje, oferujące usługi o charakterze premium, wykorzystujące zaawansowane technologicznie narzędzia, obok których będą małe agencje i freelancerzy, obsługujący ręcznie niewielkie kampanie i budżety.

Uczenie maszynowe to technologia, która daje silną przewagę konkurencyjną. Dlatego, chcąc nie chcąc, prędzej czy później przyjdzie nam się z nią zmierzyć.

Co warto jeszcze wiedzieć?

Choć systemy machine learning odciążają nas od najbardziej żmudnej, codziennej części naszej pracy, to nie zwolnią nas z obowiązku kontrolowania i nadawania kierunku kampanii. Zyskujemy narzędzie, które ułatwia nam pracę - pozwala szybko i przyjemnie wprowadzać zmiany. Nie jesteśmy jednak zwolnieni ze strategicznego myślenia. Marketingowiec jutra musi być w coraz większym stopniu analitykiem.

Musimy mieć także świadomość, że tak jak dobrze zaprojektowana strategia przy użyciu maszyny może spotęgować efekty naszych działań, tak zła strategia może przynieść katastrofalne w skutkach efekty.

Dobre systemy wykorzystujące machine learning muszą być gotowe do integracji z największymi platformami reklamowymi jak Facebook Exchange, Doubleclick ad exchange, AppNexus, OpenX lub podobnymi. Potrzeba tej integracji wytycza kierunek rozwoju systemów korzystających z machine learning.

Podsumowując - digital marketing coraz mocniej wiąże się ze sztuczną inteligencją i machine learning. Zmiany związane z tym faktem są coraz silniej odczuwane, w codziennej pracy i w promocji produktu/biznesu.


Krzysztof Masłowski, CEO & partner w Verseo

Autor: tw

Wiecej informacji: marketing internetowy, machine learning, Krzysztof Masłowski, Verseo

  reklama

POPULARNE

Zobacz więcej

Newsletter

Praca - WirtualneMedia