人工智能营销：使用AI引起他们的注意

当首席财务官向首席执行官，首席运营官和首席信息官询问首席营销官时，每家公司都有一个时刻。“成功的衡量标准是什么？你如何设定预算

所以……那么…… 模糊如‘营销‘和‘品牌‘？“

在COO的头摇和他的肩膀上升。CIO看起来一片空白。首席执行官试图解释上述一些问题。CMO着眼于其他人并表示感谢营销部门以外的人最终表现出一些兴趣。在深呼吸之后，CMO描述了多年来用于营销的指标，从公共关系和市场研究开始。毕竟，我们需要知道我们的目标对象。

市场研究：我们之后会怎样？

市场研究开始作为一个手段的识别只是如何大的mar-
ketplace 是为你的新发明或特殊服务。是否有足够多的人谁可以在区域内买得起它的将是出售？有竞争对手吗？人们是否已经意识到需要它，或者我们是否需要花一些时间来教育它们？人们有什么选择？

广播和电视台需要人口统计数据来向潜在广告商描述他们的受众。特定领域内的年龄，性别，教育水平等是第一个数据工具。全国人口普查开始，然后公司兴起

128

129

进行更详细的调查。很快，定制调查询问了具体的品牌知名度，属性和亲和力。

市场研究通过电话采访，购物商场削波板的调查，和直邮响应降低invest- ING的风险。随着时间的推移，您可以获得一些关于您的品牌是否在目标受众的心中上升或下降的洞察力。您可以预测推出新产品或开辟新地区的潜在成功。

市场研究中的机器学习

1937年，全国营销教师协会（成立于1915年）和美国营销协会（成立于1933年）加入成为美国营销协会（AMA）。

2004年，AMA将营销研究定义为

通过用于识别和定义营销机会和问题的信息信息将消费者，客户和公众与营销者联系起来的功能; 生成，重新定义和评估营销活动; 监督营销表现; 并将营销的理解提升为一个过程。营销研究指定了解决这些问题所需的信息，设计收集信息的方法，管理和实施数据收集过程，分析结果，并传达结果及其含义。

如今，在 AMA
是探索如何以最佳添加 ARTI网络官方的Intelli根杰的数据收集过程，分析，以及网络ndings的communica-重刑。她的名字叫露西。

AMA正在与Equals3的Lucy 合作，后者由IBM的Watson（见第7章）诞生，以开发AMA的下一代营销超级英雄。露西首先是开展AMA研究80年来的一种手段，这是一个允许会员回答基本营销策略问题的门户网站。AMA首席执行官Russ Klein设想了一种工具，其中AMA的研究结合了各种其他数据（客户数据，敏感数据，购买数据等）作为“营销人员的认知伴侣”。

“首先，露西的行为更像是一个搜索引擎，而不是任何东西，”克莱因说。“她检索文章并开始识别模式，并根据问题检索更多相关信息。我们给她一个答复的，以是否或不是，她是在跟踪和若

130

她是正轨，如何顺利步入正轨，和她继续从反馈的学习。”

克莱因是兴奋的是，AMA有一些领先的学术期刊中的世界，包括了杂志的营销，该杂志
的市场研究，并在杂志的公共政策与 市场营销。 “ 在我们的官方情报背景下，即使是 80年代的AMA数据也会被认为是一层薄薄的数据，”Klein说。“很多知识都受到学术密度，同行评审阅读水平和量化严谨性的困扰用于很多工作。露西可以为我们的会员解锁，并帮助我们尽可能多地重写这些文章，以便更广泛地消费。“

这个“薄层”数据还包括AMA发布的所有内容，通过新闻简报发布的任何主题以及在AMA.org网站上发布的主题。对超级碗的历史广告支出有疑问吗？露西将阅读15或20篇学术论文，文章，博客文章和有关这方面的意见，并展示相关信息，而不仅仅是链接列表。

此内容还包括有关营销行业7大问题的所有AMA文章：

1. 有效地瞄准高价值的增长来源

2. 营销在网络RM和角色 C-套房

3. 现代企业的数字化转型

4. 生成和使用洞察力来塑造营销实践

5. 处理全渠道世界

6. 在充满活力的全球市场中竞争

7. 平衡渐进式和激进式创新

露西消耗所有这些信息需要多长时间？“几周之后，”克莱因说。“但其中很大一部分是因为我们必须训练露西了解与现代营销人员最相关的答案。”

通过这种工具发现的机会加上这些丰富的数据是不可思议的。这里是没有说服力的东西，你可能会来了。克莱恩设想露西成为了亚马逊的Alexa 的营销。“有人可能会说， ‘我在考虑写一个媒体计划洗涤剂’和露西会回来说， “我已经分析了社交媒体
供稿的大家谁在乎约洗涤剂，和这里的的最好的媒体组合来达到他们。

这是很容易来想象露西parlaying 的AMA的研究和定量的营销模型，行为生态组学，和一般的战略和管理的任意一台既受网络ndings成可用的，务实的，

131

管理层和从业者问题的管理相关答案。正如克莱因看到它， “露西是打算以获得更快和更快速的进行抽象和创建连接和识别的模式。”

鉴于市场的大局，现在是时候通过将市场划分为可操作的细分市场来实现一对一营销的第一步。

市场分割

在他的文章中，对数据科学中心“统计建模24所使用，” 1 文森特威介绍了市场细分为如下：

市场细分，也称为客户专业，是一种营销策略，涉及将广泛的目标市场划分为具有或被认为具有共同需求，利益和优先级的消费者，企业或国家的子集，然后设计和实施针对他们的策略。市场细分策略通常用于识别和进一步定义目标客户，并为营销计划元素提供支持数据，例如定位以实现某些营销计划目标。企业可以根据目标细分市场的特定需求和属性，制定涉及特定产品或产品线的产品差异化策略或无差别方法。

在倡导的统计方法进行市场细分，威设置阶段为机器做的工作更快，更便宜，以及更好。

IDC的白皮书“机器学习将彻底改变市场细分实践” 2 描述了AI如何产生细分市场：

机器学习将个人专业知识传递到分段“桶”中，这些“桶”可以预先定义或自动生成机器。然后根据未开发的增量收入机会确定动态细分市场的大小和优先级。

然而，这种能力不仅限于prede科幻奈德段，机器学习也可以切片和切块的客户数据集，以确定客户的潜在新领域谁是 undermonetized
相对到他们的同龄人。

132

例如，机器学习可能会识别某个地区或国家的行为如何与全球规范不同，并且需要特定的产品分类和定价组合; 或者也许基于时间的变化表明深夜购物者倾向于放弃购物车。

创造一群看起来像你最好的客户的潜在客户是一个古老的传统。精舍的目标 Premium是众多工具设计一个以做仅仅是：找到你的最佳客户，指向你在他们的机器，让它找出他们的共同点，这样你可以去网络第二更像他们。

根据Jamie Brighton的说法，Abode的目标有三个步骤

更远。

Target汇总来自各种在线和流量来源的客户数据，包括Web和应用程序分析，客户关系管理（CRM）数据库以及面向内部的企业资源规划（ERP）和数据仓库（DWH）系统。在您显示这些数据时，Target的机器学习算法可确定哪些变量最能预测转换，从而消除客户信息的混乱。Target与Audience Manager的集成意味着您可以利用相似的建模来自动找到新的客户群，从而在意想不到的方向上扩展您的受众。

最重要的是，Target的内置人工智能工具旨在让您免于猜测，并直接指向消息，创意和页面变体，这些变体将为您提供可衡量的转换提升。

根据销售
情况对市场和您自己的客户进行细分是可靠的。将你的手指放在公众舆论的脉搏上是有点棘手的，特别是在社交媒体上发出如此多的噪音。

社交媒体监控

衡量公众舆论总是关于从调查中推断，并希望您选择的小样本代表一般公众。今天，个别公众舆论已经成熟到Facebook，服用YouTube上， Instagram的，Twitter的， reddit的，

133

WhatsApp，以及随后出现的任何新产品评论或增强现实平台。

关联

在第一个任务是科幻guring 出来，如果该博客，推特，或者照片是甚至相关的一个给定的公司。如果有人抨击谩骂有关如何坏他们的鸡汤是，这台机器具有随时间学习科幻古尔出CON组文本。是个人还是越来越多的批评者
– 谈论坎贝尔的汤由于罐头上的印刷错误而造成的一些可怕的错误，或者他们是否因为指控而对美国证券交易委员会传唤的泰森食品做出反应从 2008年开始，为了推高鸡肉价格而串通？

在给定足够数据的情况下，上下文是AI擅长的。这是一个相对简单的问题需要解决。

既然机器很高兴它所收集的文字是新的，它必须根据它们的广泛程度和吸引的注意力来衡量不同的帖子。如果一条推文落入森林而没有人转发它，它就没有任何影响。

权威

“在佛罗里达州uencer 营销” 已经来到到了自己作为一个专业。找到那些具有潜力的人，让他们对你的品牌说些好话。这是典型的公共关系带来前进到了年龄的Twitter。

拥有1亿粉丝的人，Katy Perry的推文得到的关注比98％拥有少于2,000 粉丝的Twitter 用户更多。半有61个追随者或更少。获取凯蒂到的COM换货您的产品或获得五十万的人告诉他们的最亲密的朋友，你会得到同样的潜在风险。

这只是第一个指标。让机器确定谁的影响最大，定义需要一些细分。

无论是微博，博客或图片，“在FL uence”别人影响的不只是有多少人能看到，但有多少人的某种组合没看出来，有多少人重复或提起来，和有多少人，那么，在佛罗里达州uenced通过它。他们是否摇摆不定？被他们说服？他们改变了自己的信仰或行为吗？这些谁得到最锐推，评论在他们的博客，或者喜欢
在Facebook上可能是佛罗里达州有影响力的，它理应在市场营销，以密切关注他们公开表示意见。

应该考虑一个影响因素的社交图。如果我转发你放在那里的所有东西，你会有很大的影响

134

在我身上如果我经常评论你的Facebook帖子，博客或媒体文章，你对我的影响要强得多。与公共关系一样，建立和支持与影响者之间的关系至关重要，这样他们就能继续支持您的品牌，提供或促成。

通过识别所需的结果，机器将发现流动的个体作为其想法变得流行和传播的个体。它只需要明确的成功定义。

■
是否提到了您的最新促销活动？

■
难道在在佛罗里达州uencer 链接到您的视频？

■
难道在在佛罗里达州uencer 转贴你的照片？

■
in
fluencer是否提到了您的品牌sua sponte？

■
其他人是否遵循了中心的主导并采取行动？

■
没有任何的在上面移动的针上的关键绩效指标？

影响不一定要大而有效。它也可以在亲密的水平上影响。

Amplero，人工智能营销平台的公司，有一个在佛罗里达州uencer优化剂是寻求到采取客户关系管理（CRM）的网络水平。该公司的纸， “超越目标客户：社会影响的 CRM 广告系列”，4 把规定的情况。

通过一项涉及移动电信提供商的近6000名客户的随机现场实验，我们发现目标客户的社交关系增加了他们的消费，并且由于既没有针对他们的活动也没有提供任何直接激励，因此不太可能流失。我们估计社会乘数为1.28。也就是说，广告系列对目标客户的一级联系的影响是该活动对目标客户的影响的28％。

通过进一步利用随机实验设计，我们表明，与网络外部性账户一致，非目标但相互连接的客户之间的活动增加是由目标客户与其连接之间的通信增加所驱动的，使得本地网络非目标客户更有价值。我们的网络ndings表明，针对CRM的营销活动，网络有效值不仅要考虑目标的亲盈利能力的客户，同时也是运动的潜在溢出来

非目标但互联的客户。

135

Markerly声称帮助营销人员

赞助和管理数以千计的影响者。我们的机器学习平台使我们能够即时进行相似的排序，预测性能，跟踪影片的成功，优化活动，实时报告，并结合传统广告 – 例如重新定位以最大限度地提高性能。

权威的例子：起亚

为了充分利用该投资在超级杯LI，汽车制造商起亚决定派了一一双的五颜六色的袜子，象征着“潇洒” 中的广告与克里斯托弗・沃肯， 100个性，切合社会在佛罗里达州uencers，希望他们将捕捉和后期照片本身的佐餐在起亚服装。任何在30秒电视广告上花费500万美元花费价值的帮助都是值得的。

针对与他们的 Optima 模型相关的特征
（开放性变革，艺术兴趣和成就奋斗），起亚转向IBM的Watson找到了影响力的权利。IBM合作伙伴In fl uential使用Watson的两项功能，即Personality Insights和AlchemyLanguage，分析了10,000名拥有超过40亿粉丝的社交媒体。

史蒂夫・艾布拉姆斯，主管技术的沃森在IBM生态系统，说：5
“有研究表明，这个词的选择，当我们使用我们沟通再FL ECT 方面的我们的个性。他们可以说一些关于我们是内向还是外向的事情……我们是否重视开放或冒险或重视更多的保守主义。“

在佛罗里达州有影响力的 CEO 赖安 Detert 告诉 FastCompany，6 ：“我们看到了一个参与对FTC的职位高出30％的水平，这是品牌的帖子[FL
agged] 与[一个包括hashtag 像] #Ad 或#Sponsored。在更多的品牌和FL
uencers的声音对齐，更大的参与，森timent，广告印象，病毒式传播，并点击”
Detert说，在佛罗里达州uencers他们identi网络版‘与这些品牌的表现优于普通有机物含量的帖子’。

2017年1月，Amplero宣布将其机器学习用于In fl uencer Optimization产品。7

在2017年，市场营销看起来会有很大不同。到目前为止，这个术语严格适用于所谓的影响者 – 从一流名人一直到拥有数千名粉丝的小众Instagram明星 – 被巧妙地支付向追随者宣传或认可产品。这是从大众媒体到个性化，高度语境营销的更广泛转变的一部分。

136

2017年，根据哥伦比亚大学，巴黎HEC商学院和Amplero的新研究，顾客痴迷的品牌将更进一步，根据行为数据确定其客户或潜在客户网络中的日常影响范围。

在影响者中，将不再适用于时尚明星，视频游戏大师或家长博主。相反，它是对客户或潜在客户数据库中的第一级和第二级连接具有可量化影响的任何个体 – 在非目标用户上调整1.28 倍ROI乘数。

情绪

顾客评论去一个很长的方式来建立信誉，并简单地径迹ING评级可能对某些网络连接东北。Airbnb要求对准确性，沟通，清洁度，位置，登记和价值进行1至5星评价。在那之后，事情变得棘手。

社交媒体监控对于提及的数量非常可靠。非常擅长认识语境的人并不总是同意。一位年轻的评估员会将“这些鞋子病了”这句话评为高度评价。一个70岁的老人不会。

情绪分析系统试图模仿人类，但人类只有80％的时间都同意。如果这是我们所能期望的最好的，那么这种分析的结果不是基于公司，并且教导机器这样做是一项严峻的挑战。

一开始，解决方案将成为一本字典。有些词是积极的，有些是否定的。表情符号，表情符， ALL CAPS，和故意拼写错误都还 CLASSI网络版为正，负，或 neu-扫雷具。但是，每天的白话变化，从文化到文化，年龄组到年龄组都是如此不同。沟通感情是一个非常微妙的努力和一个伟大的交易的细微差别是域SPECI科幻℃。

每个人都知道青少年的眼球是什么意思，但语言是如此柔顺，单词和短语从一群朋友到另一群朋友有不同的含义。词典驱动的方法还有很多不足之处，即领域特定的语言规则和可以动态适应的监督机器学习的组合实际上是唯一的希望。

虽然不是严格可靠，意见挖掘是非常有用的跟踪的音量和音调的鸣叫或 Facebook的职位，对于例如，它可以报告上的变化在色调为好为音量。该定向

137

信息足以使营销专业人员触及阈值并且可能需要人为干预。

感伤的例子：CFPB

SAS Federal的首席解决方案架构师Tom Sabo这样说道：8

如果一个人觉得很难向消费者金融保护局（CFPB）投诉，那么可能会有一些负面情绪。但他们使用的语言与违规公司赔偿的可能性之间是否存在联系？。。。

机器学习和基于规则的情感分析可以在互补分析中相互支持，并从大量自由格式文本中生成可操作的信息。在这种情况下，机器学习和情绪分析可以改善和发展CFPB评估消费者投诉的能力。

这是通过识别在自由形式的消费者投诉中表达的负面情绪程度之间的模式来实现的。基于此自由格式文本生成规则的模型，相关公司最终因投诉而支付赔偿金。这些机器生成的规则表明自由格式文本中的模式，这些模式往往只出现在货币补偿的情况下。

例子包括与贷款相关但在结构化数据中不存在的贷款和零售公司的类型。例如，如果某人提出有关银行费用的投诉，并使用“窃取”一词的衍生物，则更有可能与某种财务补偿相关联。这超越了传统的情绪分析，在特定背景下识别关键否定词，以突出与之相关的模式

结果。

可视化分析为这些新发现的见解提供了说明性的结构 – 一个以前隐藏但极其有价值的关注领域地图，包括掠夺性贷方或信用卡公司，其客户服务质量不合格。

138

竞争分析

如果您从事医疗保健业务，并希望了解从竞争角度出发的情况，我们在Quid的朋友可以为您提供帮助。9 （见图4.1）

Quid使用基于文本的数据，在这种情况下，数字健康空间中所有公司的技术和业务描述，然后编译和组织它进行分析….通过了解公司数据，您可以将您的战略与投资和创新保持一致数字健康领域的趋势。

数据已组织成不同的组。每个彩色群集代表其中的公司共享的特定主题。这使您可以了解任何类别的公司的整个生态系统如何相互连接。

您可以以更加自定义的方式策划，过滤和聚合节点 – 突出显示与您需要回答的问题最相关的内容。在这种情况下，Quid选择了所有共享共同投资者的公司。

通过放大网络，Quid可以识别白色空间机会，并发现基于数字医疗市场中最具创新性的公司的独特技术。

Quid为数据提供了一系列不同的视角。通过切换到散点图视图，您可以按任何条件映射数据。在这里，Quid已经确定哪些数字医疗行业正受到投资者的最大关注。

想要清楚了解客户所处的环境吗？Salesforce.com在2016年收购了深学习启动MetaMind 现在，作为部分的Salesforce的爱因斯坦发行，这个视觉recogni-重刑系统是允许企业以看到客户的生活将采取在他们的照片仔细看。 10

你是一个开发谁工作的一个公司是销售户外运动装备。该公司拥有监控社交媒体渠道的自动化系统。当有人张贴照片，该公司希望到知道是否该照片

图4.1 Quid分析数字健康市场。

139

140

是在海滩或山区。根据拍摄照片的位置，公司可以向用户提出有针对性的产品推荐….

您的任务很简单：创建一个模型，可以识别图像是海滩还是山脉。然后用海滩场景的图像测试模型。

Predictive Vision
Service API使您能够利用AI的强大功能并训练深度学习模型，以便大规模识别和分类图像。你可以用

经过预先培训的分类或培训您自己的定制分类，以解决独特的用例。

Salesforce的社会工作室可以让你以 “视觉听” 到的前景和客户来看看，如果你的品牌标志，或者说的你的竞争对手，是
在他们的照片。这些背景线索为您的市场带来前所未有的光芒。

MetaMind已经可以识别您可能正在吃的500多种东西，包括这里列出的东西。11

Apple Pie                 Club
三明治            烤三文鱼                Pho
Baby Back Ribs       Crab Cakes                       Guacamole
            Pizza

巴卡拉霜布丁饺子猪肉印章

牛肉生牛肉片 Croque

夫人

汉堡肉汁奶酪薯条

牛肉鞑靼杯蛋糕热和酸

汤

牛排

甜菜沙拉芥末蛋热狗拉猪肉

三明治

Beignets 甜甜圈 Huevos
Rancheros

拉面

拌饭饺子鹰嘴豆泥馄饨

面包布丁毛豆冰奶油红丝绒蛋糕

早餐卷饼

鸡蛋本尼迪克特烤宽面条意大利煨饭

Bruschetta              Escargots
                Lobster
Bisque       Samosa

凯撒沙律沙拉三明治龙虾卷三明治

Cannoli 菲力牛排通心粉和奶酪

生鱼片扇贝

卡普雷塞沙拉鱼和薯条马卡龙凉拌海带胡萝卜蛋糕鹅肝鹅肝味噌汤虾和糁

141

酸橘汁腌鱼法式炸薯条贻贝意大利面条

肉酱

奶酪盘法国洋葱

汤

Nachos Spaghetti
Carbonara

芝士蛋糕法式吐司煎蛋卷春卷鸡肉咖喱炸鱿鱼洋葱圈牛排

鸡油炸玉米粉饼

炒米饭牡蛎草莓

鸡翅膀冷冻酸奶垫泰国寿司巧克力蛋糕大蒜面包饭玉米饼

巧克力慕斯

Gnocchi Pancakes
Takoyaki

Churros 希腊沙拉奶冻提拉米苏

蛤蜊浓汤烤奶酪

三明治

北京烤鸭金枪鱼鞑靼

MetaMind还保留了不断增长的一般项目知识库，如Abacus，Abaya，学术礼服，学术长袍，Judge’s
Robe，手风琴，橡子壁球，橡子，原声吉他等等。

该公司建议您使用此知识：

通过社区和审查委员会监控用户生成的图像，以改进产品和服务质量。

在广播活动期间评估横幅广告曝光率，以提高投资回报率。

产品identi科幻阳离子增加是可以识别的方式你的产品，以简化的销售流程和客户服务。

在派出现场技术人员以增加案件解决时间之前确定产品问题。

了解哪些产品缺货或放错地方以简化库存补货。

衡量零售货架份额以优化产品组合，并代表竞争对手中最畅销的产品。

提高认识

既然营销专业人员对市场，竞争以及对他们所说的内容有清晰的认识，那么现在是时候宣布了这个消息。

142

公共关系

老派公关花了很多钱。在适当的出版物上了解合适的期刊，鼓励，哄骗并哄他们撰写有关所提供产品和服务的积极文章。监测这项工作的结果是剪刀和胶带的工作。翻阅期刊，删除相关文章，并将其粘贴在剪报书中，以显示老板或客户。

由于潜在的“出版物”数量难以管理，这项任务必须实现自动化，并且行业通过将公共关系分为付费，赚取，共享和拥有的媒体来区分公共关系的可见性。

■
支付 – 我们买了一个广告。

■
获得 – 我们做了一些真正有新闻价值的事情。

■
共享
– 公众也喜欢它。

■
拥有 – 我们将它发布在我们的博客上并引起了注意。

跟踪是如何多大关注被囊括需要更多比只设置一个谷歌警报，并希望它注意到的一切与你在它的品牌名称。来自Bottlenose的神经中心“收集商业智能（BI）和跨越2 M + 来源的数据，包括社交，新闻，博客，电视，广播和印刷媒体。该平台由三个主要组件（流，计算，发现）组成，它们可以无缝协同工作，聚合，自动化和应用机器学习，以提供完整的业务洞察力。“

旧金山的Quid

编辑和分析大量基于文本的数据，在这种情况下，所有与Airbnb密切相关的新闻和博客文章…… 通过了解公司周围的综合公共叙述，您可以制定更有效的沟通计划。

放大群集以深入了解某个特定主题的具体内容….

Quid已在数据中确定了“Airbnb
for Refugees”的公司集群。这说明了您的品牌如何与您无法控制的事物相关联，并允许您跟踪它们。

AirPR的分析师产品有一个特点，它调用NEO，其目的是找出关键短语“拥抱和扩增fi编通过媒体和网络上的FL uencers和社会领域。该功能

143

提供自动化，无偏见的数据驱动反馈，以了解哪些品牌信息应继续纳入未来的营销/公关工作中，以及哪些需要被删除。“

直接反应

西尔斯目录引起了很多关注和许多模仿者。严密衡量对直接邮件的响应的能力是营销人员的耳朵，他们依赖于前辈的教训，痛苦的个人经历，信任他们的直觉和纯粹的运气。

直销人员能够测试并量化其结果如入无人别人，因为
他们可以测量 SPECI网络Ç 回复到 SPECI科幻ç 从SPECI科幻ç个人mes-先贤。给定100,000个人的列表，他们可以发送10,000条消息A，另外10,000条消息B和另外10,000条消息C.无论哪个产生最佳响应，确定哪条消息发送给剩余的70,000人。获胜者所经历的改善是对其竞争对手的提升。

在接受记者采访时就在 MIT 技术评论网站被称为“有没有在大数据赚大钱？”
12
彼得・费德，沃顿商学院，指出以直接邮件作为的开始的预测分析。

预测行为的黄金时代是40或50年前，当时数据非常稀少，公司不得不尽可能多地从中汲取洞察力。

以Lester Wunderman为例，他在20世纪60年代创造了“直接营销”一词。他正在做真正的数据科学。他说：“让我们写下我们对这个客户所知道的一切：他们买了什么，我们发送了什么目录，他们付了什么。”这很难，因为他没有Hadoop集群为他做这件事。

那么他发现了什么？

他（和其他老派直接营销人员）给我们的遗产是RFM仍然强大的标题：新近度，频率，货币价值。

“F”和“M”是显而易见的。你不需要任何科学。“R”部分是最有趣的部分，因为新近或最后一次交易的时间甚至不应该属于关键指标的三位一体，更不用说是列表中的第一部分。但事实确实如此

144

发现最近做过东西的顾客，即使他们做得不多，也比他们更有价值

没有出现过一段时间的客户。这是一个很大的惊喜。

即使在今天，一些旧款车型也非常出色。询问有关RFM的直接营销的任何人，他们会说，“告诉我一些我不知道的事情。”但是问电子商务中的任何人，他们可能不会知道你在谈论什么。或者他们将使用大量的大数据并最终重新发现RFM轮 – 并且该轮可能无法像原始轮那样平稳地运行。

数据库营销

直销行业很快就会深入研究计算机，因为它的行为并非完全基于像 Don Draper这样的创意天才。

该设备 是不是 一个 飞船。这是一台时间机器。它变为 向后， 向前。 这需要我们对一个地方 在那里 ，我们 疼到去 一次。它不叫的轮子。它被称为一个旋转木马。 它让 我们以孩子 旅行的 方式旅行。各地和四周，回到主场再次。 。。到一个地方 在那里 ，我们 知道我们

被爱了

疯子

直销人员有实际的行为反应 – 以匹配特定的名称和地址。他们能够跟踪从一轮邮件到下一轮邮件的人。最开始的简单文件是人们和他们居住的地方，其中包括他们发送的内容以及他们的回应方式。（见表4.1）

表4.1电子表格是数据库营销的开始。

原油关系数据库

名称

地址

A片

B片

C片

D片

E片

1美元

第二个$$

3美元

工匠

123主要

琼斯

45北

三十

棕色

67南

白色

89西

145

图4.2即使在二十一世纪，简单的数据清理也很困难。

存储记录的数万加入这样一个表进行产品和促销信息，让其他表mar- keters 来跟踪销售和预测谁是最有可能给购买什么，什么时候，和多少。保持数据清洁一直是营销爪子的一大棘手。（见图 4.2）

规范化 是认识到这些都是同一个人的艺术：

约翰史密斯约翰Q.史密斯

John Quincey Smith Johnny Smith

下一步是寻找数据库中的人与他们可能在一个可租用的邮件列表或其他邮件列表中找到的相似之处。今天，我们可以使用如此多的附加信息对上述数据进行分层，只有AI才能以有意义的方式对其进行排序和筛选。

146

媒体策划者购买空间来展示公司广告。发布商在其内容上销售广告空间。这是简单的，但该广告不能讲的每一个出版商和发行商不能工作，直接与每个广告客户，因此广告网络诞生了。广告网络可能代表数百个发布商和数千个广告客户。它可以根据受众类型，内容主题，时间，设备类型以及整体或每日预算来投放广告，并确保将正确尺寸的广告投放到合适的尺寸空间中页。

有些系统从事实时出价为空间，就像动态招投标过程中购买搜索关键字的谷歌。这让该媒体买家识别的量的 ÇTRAF网络，他们希望从排序的观众他们之后，并且如果他们是精明的，领带在他们的后端系统，可以查看已点击的人已下载白皮书，填写表格或进行购买，然后将其反馈给购买系统以调整他们购买的产品。可以肯定的是，机器学习首先是初步的。

随着数十亿广告在特定日期在线投放，当Google提供按点击付费模式时，媒体策划人员非常高兴。向数百万人展示您的广告，但只需支付那些足够关注点击的用户。这使谷歌成为合作伙伴。更多

147

获得的点击次数，您的销售量越多，您购买的广告就越多。

然后，谷歌把最好的想法放在工作上，以减轻你的钱 – 更加辉煌。

当其他人发现他们可以介入
买方和卖方之间并利用套利时，程序化的广告就诞生了。此后不久，程序化通过机器学习变得自动化。

松散的投资资金和闪亮的新技术的不稳定组合已经引发了初创公司的爆炸式增长。

[AppNexus创建]品牌决策逻辑与其消费者接触点之间的无缝反馈循环。AppNexus [结合]数据和机器学习，以构建实际上随着时间的推移变得更加智能的活动。其结果是大规模的超个性化，营销人员可以向全世界数十亿互联设备分发数千万用户的目标广告。

Skylads是一家专注于机器学习和人工智能领域的研发实验室。我们利用基础数学研究为数字广告商构建功能最强大且易于使用的产品套件。我们的产品充当购买平台的一层，帮助媒体买家最大限度地提高其程序化媒体购买活动的效率。Skylads通过在云中引入人工智能“即服务”，彻底改变了数字广告行业。Skott是一个基于下一代机器学习算法的产品框架。

IntelliAds每次都为每个消费者实时个性化。每当我们看到消费者时，我们都会以毫秒为单位确定效果最佳的广告，品牌，消息和产品选择。Merchenta使用复杂的行为分析来从看似随机的消费者行为中收集洞察力。通过了解消费者，相关性推动了结果。

程序化创意

当然，制作广告是我们总是需要人类去做的事情，对吧？什么时候可以每分钟传播10,000个广告到10000个广告

148

出版商，你需要很多人来制作所有这些广告。毫不奇怪，创业公司正在寻求创建学习机器来管理该过程的这一部分。

在华尔街日报描述14
百万美元是如何

由一些初创公司提出“承诺将更多数字广告的自动化方面带入典型的艺术主导的创业方面。本周早些时候，Recode报道称Snapchat已经抢走了广告技术公司Flite，后者也在fl ed“程序化创意” 领域运营。

当然不是每个广告客户都会在每个广告系列中投放数千个广告。但是，根据Spongecell的联合创始人兼首席执行官本•卡茨曼（Ben Kartzman）的说法，更多广告商如此依赖自己的定制数据集并建立内部程序化团队这一事实正在帮助加速这种策略的使用。

他说，一个零售客户每周可能会产生80个广告创意广告。“我确实认为这是我们前进的方向，”他说。

微软的研究是利用 AI 来解析的内容的一个照片，而不是仅仅描述里面有什么，但正在发生的事情吧。它首先让人类通过Mechanical Turk编写成千上万张照片的描述作为训练数据。这台机器不仅仅是识别海滩，火车和排球比赛，而是接受了句子的回应，例如：“这个家庭在海边与他们的狗共度美好时光。他们去游泳，吃了一顿烧烤。“

然后，科学家创建了一个系统，可以评估机器产生的无数故事的有效性，并对其进行训练，直到它几乎与人类评估人员相匹配。

程控电视

几十年前，广告代理商停止销售电视广告时间超过三马提尼午餐。通过顶层收集的数据（OTT）现在用于计划和购买电视时间。家庭手工保存的日记中收集的信息（想想最初的尼尔森评级）由有线电视公司的机顶盒收集的数据补充。但现在，OTT是通过互联网观看大量视频的方式，超过所有其他广播技术的顶部。

上述华尔街日报的
文章描述了OTT（以及其他六种视频传送方法）的能力，可以动态地创建自定义视频广告。

149

2015年，田纳西州旅游局与其代理商VML和Spongecell合作，向消费者部署了23种不同的视频广告，主要取决于他们所在的国家/地区，因为田纳西州每天都有大约十几个州。

在去年夏天的旅行高峰期间，该团队将事情提升了一个档次。它使用十几个模板在网络上的网站上投放了前贴片视频广告，这些模板产生了2,000多种视频广告可能性。人们看到视频广告的不同变化不仅基于他们居住的地方，而且他们是美食家，高尔夫球手，户外运动爱好者还是喜欢听乡村或摇滚 – 基于各种各样的第一方和第三方数据集。营销。

最终的结果是，虽然这些广告功能的一些一致的音乐和视觉效果，一个广告可能会吹捧远足在田纳西州的山区，而另一个可能谈得上孟菲斯的餐馆或约翰尼・卡什博物馆在纳什维尔。

按点击付费（PPC）搜索

搜索已成为客户意图的主要供应商。考虑在这些不同的搜索中展示的不同的心理框架和欲望表达：

■
笔记本电脑

■
坚固的笔记本电脑

■
快速游戏笔记本电脑

■
华硕ROG Strix GL553VD 15.6

游戏笔记本电脑

不断增加的特定搜索量是该游戏玩家是购物还是购买的明确指标。

该机器学习得到支付每点击努力的能力赋予非凡的力量，以PPC专业人士组成的全行业下降了数十亿的美元对谷歌的底部线。这是对网络营销的第一个区域自动化。像亚马逊这样的公司试图将他们的广告放在数百万搜索者面前，根据实际销售和盈利结果判断结果。要开始，他们创造了基于规则的自动化功能来调整他们愿意根据结果付出代价。

150

即使是自动化也很难实时跟踪数百万个关键词和短语，特别是当新的数据元素被添加到混合中时，如天气和月度工资单 “季节”。

机器学习还可以识别给定关键字群集上的突发活动，这些关键词可能表示邀请或需要反应的机会或威胁。可以将其视为搜索关键字的高频交易系统。

搜索优化（又名内容营销）

的其他侧的所述搜索硬币是 “有机” 或未付的结果。这是搜索引擎眼中搜索引擎正在寻找的结果，无论是谷歌，必应还是雅虎。

这促成了营销人员成为出版商的内容营销运动。如果你希望人们到FI ND您的荧光灯镇流器测试套件（图4.3），您将得到更好的服务，发布大量有关它的信息，经常问到的问题，通常是在互联网，谷歌指向第一个科幻的地方当问。

首先关注的是谷歌是否怀疑你的合法性。如果谷歌认为你是垃圾邮件的引擎，它会草率启动

图4.3密尔沃基荧光灯和镇流器测试仪套件

151

你离开了结果页面。要看到如何安全的内容是，Safecont 提供履带即审查您的网站，并分配一个分数上每一页基于被处罚的风险。Safecont会查看您的内容在您的网站上重复出现的内容，有多少页面内容太少，内容似乎在您的网站外重复，以及各种其他因素。与将您的网站与必须考虑，讨论，同意和实施的加权因子列表进行比较的旧技术不同，Safecont是一种学习算法 – AI 的主要优势。

内容管理 – 形象问题

过去的障碍的谷歌作为审判员的真实性是对问题的谷歌作为判断相关性。虽然谷歌通过手动销售与关键字相关的广告，但谷歌通过提供世界上最适用的链接让人们回归。

为了被认为是相关的，公司必须非常擅长发布有关那些荧光灯和镇流器测试仪套件的所有信息。AI正准备提供帮助。通过庞大的白皮书，PDF文件夹，网页和研究文档进行标准搜索可能会产生相关结果列表。但AI的视觉和音频识别功能在这里非常方便，
可以筛选存储在其他无法识别的文件中的所有其他非结构化数据。

被要求说明关于重新布线荧光灯的安全问题的文章的创意灵魂，只能希望使用被其他一些可怜的创造灵魂正确标记的相同，疲惫的旧图像。机器学习，然而，可能第二科幻和提供了一个范围的选择。

马丁・琼斯，在Cox Communications公司高级营销经理，给了IBM的沃森内容中心旋转，在2016年底，见证了实际使用的机器学习中创造的营销活动。Watson不仅仅列出符合搜索条件的图像，而是能够理解Jones希望传达的营销信息的含义。此外，Watson协助为每个网站或移动应用程序访问者创建自定义体验。

就像美国营销协会与露西的努力一样，琼斯首先使用考克斯的图像和其他数字资产来熟悉沃森。该过程包括自动图像大小调整和通过分类推荐的Watson推荐标签裁剪，因为它识别图片的内容，包括产品名称。琼斯能够识别用于分析多个图像以进行实时个性化的条件和变体，这使得可以使用调整大小和裁剪来跨多个设备进行交付。

152

图片中的其他技术可以帮助您处理图片甚至是用户生成的内容。Olapic可帮助您在野外查找可能对您的广告或网站有用的产品照片。他们还提供Photorank，它“评估多个数据点，以准确预测每个图像/视频的参与度和转换率。”

Curalate可以找到好照片，然后通过基于标签的权限管理系统获得使用它们的权限。

在fi nigraph中将帮助您为视频选择最佳缩略图。Somatic可以查看图片并在dif-中创建简短描述

不同的风格。想要你的描述来模仿名人吗？他们让你满意。

Pinterest正在使用照片中的视觉识别来帮助您购买在现实生活中看到的东西。只需使用Pinterest应用程序拍摄照片，它就会显示出看起来像你感情对象的东西。在我的第一次尝试中，我向Pinterest提出了一个简单的挑战，那是我办公室里的小睡椅。果然，Pinterest钉了它（图 4.4）。

我的第二次努力旨在成为一个直板的简单球场，但事实证明它是一个曲线球。Pinterest不知道如何制作我的Blue Yeti麦克风（图4.5）。

同时，在在的世界的新闻， 美国今天
正在使用 AI到阅读的新闻，创建一个脚本的一个视频，一块在一起的镜头及剧照，并添加合成的声音旁白。在 华盛顿
邮报
的使用AI在一个故事中插入新的事实和科幻gures保持故事了最新随着时间的推移通过。

内容消费分析

行为分析也在这里派上用场。从第一个日志文件分析工具，我们一直在仔细分析哪些页面，类别和特定产品对个人感兴趣。但现在，机器可以帮助我们。机器不仅可以看到个人感兴趣的东西，还可以确定他们对购买周期的兴趣以及他们在购买周期中的位置。这会产生下一个要提供的内容的概率并触发下一个最佳报价。

此功能也适用于整个Internet。煤焦说谎Tarzian，大的创办人柳，说，在15-20分钟的脉冲中的内容大吃特吃可以告诉你很多关于如果有人在一个购买过程。该公司使用模式匹配和机器学习到网络第二人 “跨越多个超过万 B2B 网站，博客和社区参与
其中。”

153

图4.4 Pinterest毫无困难地识别了躺椅。

154

图4.5不是机器人吹风机

155

社交媒体参与

监控社交媒体以清楚了解市场对您的评价是一回事。与社交媒体互动是另一回事。一个是被动的观察任务; 另一方面是积极主动地或积极主动地与人们进行推特交流。

eMarketer的采访AJ马扎，市场营销通讯之nications主任，Dedra DeLilli，主任，社会化媒体营销和赞助企业在TD
Ameritrade的，一篇文章在2017年2月15 关于他们使用的AI。

通过与哈瓦斯认知合作，我们开发了一个社交媒体推广，以支持一个 NFL运动是我们放在一起过去的赛季。

我们搜索了选择加入的消费者的社交资料，以评估他们最喜欢的NFL团队的信心。

它分析了消费者在社交帖子中使用的语气和单词，以产生综合的信心分数。这个分数显示，消费者是如何CON组fi凹痕相比于其他球迷。我们的目标是要推动通过参与给球迷的机会，以提高他们的置信度得分
通过 SPECI网络Ç 行动，例如作为分享我们的内容，在一个努力，以赢得一个奖项，一个旅到了超级杯。

该技术使我们能够对典型的投资问卷进行有趣的改编。当我们将客户与产品或服务进行匹配时，我们会提供问卷来评估风险，Watson允许我们使其更具吸引力。

它有助于阐明TD Ameritrade关于提供工具和资源的品牌信息，这些工具和资源可以让客户信任投资者。

该活动还允许我们以最小的风险测试人工智能，并提供正在应用于其他业务领域的学习。

社交窥探

要以获得一个清晰的画面的对环境的客户居住？一张真实照片怎么样？你的愿望是准许的。销售队伍

.COM收购深学习四月2106启动MetaMind 现在，作为部分的 Salesforce的爱因斯坦发行，该视觉识别系统

156

允许公司通过仔细观察他们的照片来了解他们的生活。

MetaMind的网站以这种方式阐述：16

您是一家为销售户外运动装备的公司工作的开发人员。该公司拥有监控社交媒体渠道的自动化系统。当有人发布照片时，该公司想知道照片是在海滩还是在山区拍摄的。根据拍摄照片的位置，公司可以向用户提出有针对性的产品推荐….

您的任务很简单：创建一个模型，可以识别图像是海滩还是山脉。然后用海滩场景的图像测试模型。

Predictive Vision
Service API使您能够利用AI的强大功能并训练深度学习模型，以便大规模识别和分类图像。你可以用

经过预先培训的分类或培训您自己的定制分类，以解决独特的用例。

Salesforce的社会工作室可以让你以 “视觉听” 到的前景和客户来看看，如果你的品牌标志，或者说的你的竞争对手，是在他们的照片。这些背景线索为您的市场带来前所未有的光芒。

Socialbots

人工智能可以帮助你找到人，找出他们正在做什么，以及他们感兴趣的是什么。它还可以帮助您沟通。欢迎来到机器人的世界。

曾经因为伊莉莎在了 60年代中期，计算机已经被试图模仿人类沟通。一个简单的电子邮件自动回复器代表您回复，告诉全世界您不在办公室，无法回复。谷歌的智能回复进一步进一步，并提供你一个你可能会喜欢怎样几点建议作出回应。

像艾米・英格拉姆这样一个完全成熟的 AI 助手是一名私人助理，他通过电子邮件为您安排会议。发送电子邮件到一个带有抄送的同事：amy@x.ai，并注意你的日历和对你的喜好的了解，她通过电子邮件进行对话直到设定日期。

157

大量的机器人回答直接的问题与预先写好的答案，但交出的Twitter帐户的socialbot，训练得很好，和你有一个语音应答系统在调用相当于中心。培训更好，你有一个品牌代表。对于现在， socialbots只有大约为具有90％的他们通常会得到问题的答案，并为这个问题没有答案语音应答系统是有用的，你有，每当你打电话。
Socialbots 都开始以采取在车削以适度的成功进行测试，但随着时间的推移，他们将能够代表您的品牌作为第一道防线。

社交发布

AI可以帮你科幻届人民，网络连接古尔了什么他们起来，以和他们感兴趣的内容，并帮助你沟通。它也可以代表您发布。

结合智能社会剂具有良好管理的内容和你可能会来了用什么样Echobox的拉里。 17 “拉里分析您的历史和实时数据，为您创建一个完整的社交媒体策略。”

虽然这是一个很大的承诺，以接受所有在一次，这是一个有点容易下咽，一旦你深入下来到该组件的功能。

■
拉里跟踪什么趋势中的社交媒体追随者。

■
拉里建议分享消息。

■
Larry为您的邮件添加了适当的主题标签。

■
拉里A / B测试标题和图像。

■
拉里重现了你的常青内容。

■
拉里监控您的受众当天的活动时间。

■
Larry优化您的共享频率。

社交媒体广告可以响应正在讨论的趋势主题，您的朋友目前是谁，并根据您的心情进行调整。

移动广告可以依据的因迪维杜阿尔的位置下降到SPECI网络Ç过道，他们都站在在同时，在您的商店。

可穿戴设备记录您的活动水平，心率和身体温度，并假设已经向佩戴者提供了一些价值作为回报，将该信息反馈给特定供应商或数据聚合器以通过网络销售。

158

在真实生活中

为什么网络和电视是唯一有用的地方？如何在面对面的聚会中利用机器学习？

SummitSync在会议中扮演媒人，为多个属性的介绍找到最佳匹配，而不仅仅是行业和城市。用LinkedIn登录，突然之间就是“商务会议的Tinder”。

Ampsy 使用超本地化
地理界线，以赶上公开共享 CON组10吨在一个给定的位置在一个给定的时间，一个
业务会议，体育赛事，音乐会，等等。这有助于捕获未标记的事件推文，共享和帖子，这是捕获事件活动的常用方法。活动的监控以及与情感分析和再分析了人格特质。因此，您可以找到并与正在考虑您的人进行互动，并围绕实时活动创建内容集群。

户外广告，也经历了菲利普电子和AI-色调 K. 迪克的少数报告（汤姆・克鲁斯穿着别人别人的眼睛）。Facedeals通过Facebook了解您的面孔，并在您走进参与商店时为您提供折扣。

在该夏天的 2015年， M＆C 萨奇安装启用AI- 在标牌伦敦公共汽车
站。该标志有一个数据库的图像，副本，和字体也可以选择从不同的反应测量通过Kinect的技术。内部遗传算法杀死了一些有创意的勒发言：和带来其他前锋在响应于面部表达和它得到的关注。这只是出售Bahio咖啡的测试。没有这样的品牌（图 4.6）。

B2B世界

随着销售的Apple II电脑出一个地带商场零售店面外，我已经住在企业对业务方面我的职业生涯。贸易杂志广告，会议展位职责，直接邮寄给副总裁（无论如何），电话预告，领导管理，管道管理 – 这都是非常亲力亲为的工作。我有一个文件柜，里面装满了公司，部门和部门的文件夹，还有一个日历，指导我的每一个电话。

上述游戏描述为一个巨大的角色，内容管理服务的研究已经转向从读杂志和去参加会议，以网上调查。在我的早期岁月，这是我的工作，我的公司介绍给潜在的买家，希望一些经典的营销材料和金钱花在品牌推广

图4.6选择电子广告牌的广告组件的遗传算法。

159

160

可能会软化这种方法。对于销售代表来说，没有什么比冷话更难的了。

如今，销售团队依靠数据收集来确定哪些公司以及这些公司中的哪些人通过其在线行为表达了对产品的兴趣。当一个潜在买家引起销售代表的注意时，他们已经消耗了大量的产品信息。

开发了基于账户的营销（ABM）系统，以跟踪来自同一公司或账户的跨职能评估员的整个委员会。该目标是要跟踪群行为中的每一个组织，以确定谁可能会更感兴趣，在该应用程序一个功能的产品，谁可以照顾更多有关的管理问题，谁是专注于集成技术问题，以及谁是只关注网络nances 。

领先评分

凭借数以千计的潜在客户，销售团队需要知道首先要与哪些人联系。对于经验最丰富的专业人士来说，这是一项任务。您可能希望呼吁最有可能关闭的组织。

您可能希望以最有说服力的时刻为委员会作为目标。您可能会对刚刚开始寻求对其客户旅程方向产生最大影响的公司进行监控。无论您选择哪种方式，您都需要确定哪些人最重要的是与您联系。

传统的主要得分会为观看视频的人分配更多权重更高的分数，要求演示，在他们的头衔中拥有“副总统”，并且与委员会中的大多数其他人一起工作。

考虑到如此多的变量，以上所有变量都非常适合人工智能和机器学习。

这就是像6sense这样的公司进来的地方.18

为了更准确地改进和优先排序潜在客户，第二代领先评分为首要评分方法增加了数学和预测建模。预测性领先评分使用相同的职业标准 – 职称，公司，年收入和其他关于该领导的静态属性
– 作为第一代领先评分。然而，通过分析潜在客户的属性以及成为封闭业务的过去潜在客户以及应用数学公式对潜在客户进行排名和评分，可以更进一步。

161

但我们还没有完成。以上方法适用于已知的前景科幻NE 谁互动直接与你的公司。6sense也适用于外部数据。

预测智能将来自搜索，博客，发布者网站，评论网站，在线社区，买方指南的数十亿行第三方数据联系在一起 – B2B买家研究产品和服务的地方 – 并将这些时间敏感的意图数据连接到客户‘内部数据源包括CRM，营销自动化和博客。

它梳理所有这些来源，然后应用预测模型来寻找过去购买模式的偏差并识别新的购买信号。预测性情报在相关的时间框架内照亮了重要的见解，并将未知的，匿名的潜在客户与已知的，将每个潜在买家的每一步和足迹联系起来。例如，它可以揭示销售人员应该首先调用哪些帐户，使用特定帐户强调哪个价值主张，以及哪种内容和通信将根据该潜在客户的预测购买阶段获得最佳参与度。

这也清楚到看到怎么这个信息可以被用来对在线个性化广告的前景看，他们在网站上遇到的客户体验，并提供给呼叫中心的脚本代表。

而不是简单的信任是高管正在阅读福布斯网站上，戴尔可与6sense 和福布斯定制SPECI网络Ç 消息为 SPECI科幻ç 人在 SPECI科幻ç 公司取决于他们是在一个特定的C产品的考虑和购买过程中的位置。与简单的关键字搜索行为相比，第三方数据和AI可以更准确地预测意图。