营销的人工智能
 |
实际应用
内容
前言汤姆达文波特xiii前言xvii
致谢xix
第 1 章 欢迎来到未来 1
欢迎来到Autonomic
Marketing 3
欢迎来到营销人员的Arti fiial智能3本书适用于谁？五
明亮，光明的未来6
如果它如此昂贵，那么AI是如此之大吗？7那么AI是什么？9
AI伞9
我们在那里学习的机器呢？14
AI-pocalypse 15
机器学习的最大障碍 23机器学习的最大资产 24 我们真的可以计算吗？ 56
第 2 章 机器学习简介 59
数据科学家应该阅读的三个理由第59章营销专业人员应该阅读的每一个原因
本章60
我们认为我们是如此聪明60定义您的条款61
所有型号都错了62个有用的型号64
太多想到66台机器是大婴儿68机器发光69强与弱AI 71
正确工作的正确工具72决定你的想法88
一种统治它们的算法？89接受随机性92
九
x 目录
哪种技术最好？94
对于更具统计意义的94我们学到了什么？101
第 3 章 解决营销问题 103
一对一营销105
一对多广告107 The Four P s 108
是什么让营销专业人士保持清醒？109客户之旅111
我们永远不会真正了解111
我如何连接？让我数一下方法114我为什么要连接？品牌117
营销组合建模119计量经济学121
客户终身价值121
一对一营销 – 模因122市长营销123坚果壳营销124
似乎是什么问题？126
第 4 章 使用AI引起注意128 市场调查：我们追求的是谁？128市场细分 131
提高意识141
社交媒体参与155在现实生活中158
B2B世界158
第 5 章 使用AI说服 165
店内体验168在电话178
现场体验 – 网站分析179商品推销186
完成交易188
回到起点：归因193
第6章使用AI进行保留200 不断增长的客户期望200保留和流失202
许多不愉快的回报204客户情绪208
客户 服务 209预测性客户服务216
第 7 章 AI
营销
平台 218
第 8 章 机器故障 232
第 9 章您在入职AI中的战略角色262
第10章
指导
机器 289
第11章 什么明天 可能 带来 305
前言
Thomas H. Davenport
麻省理工学院杰出教授，巴布森学院和研究员，分析和人类竞争的作者需要申请
书籍的前言可以扮演各种角色。一个是用更一般的术语来描述这本书的内容。这并不是必需的，因为Jim Sterne是以相对简单的方式传达复杂主题的大师。
另一个共同目的是描述这本书如何进入更广泛的文献。在这种情况下，这似乎也不是必要的，因为关于营销的人工智能（AI）没有太多的文献，即使有，你也可能转向这本书以获得一个易于消费资源。
前言的第三个可能目标是说服你了解这本书的重要性和相关性，短期目标是让你真正购买它或者如果你已经购买了它。 我将采用这一目标，并提供外部证据，表明人工智能已经 对营销非常重要，将来会变得更加如此，任何优秀的营销主管都需要知道它能做些什么。
这不是科幻昼夜温差邪教认为，市场在未来将 增加 使用 的 AI。 即使在今天，该组件的一个基于人工智能的方法是主要的地方。现代营销是越来越定量化，针对性强，并与业务成果。广告和促销活动越来越多地为个人消费者实时定制。公司采用多种渠道来吸引客户，但他们都越来越多地使用数字内容。公司营销人员仍然与代理商合作，其中许多代理商已经开发了自己的分析能力。
正如Sterne所指出的，数据是基于人工智能的营销方法的主要资产。营销数据来自公司自己的系统，代理商，第三方辛迪加，客户在线行为 以及 许多 其他 来源 – 当然还 包括汇总的 “大 数据”。根据Gartner最近的一项调查显示，今天约有25％的营销预算用于数字渠道，近80％的营销组织都以技术为导向的资本支出
– 通常是硬件和软件。显然，一些资金将用于 人工智能。
十三
xiv F OREWOR D.
公司仍然试图保持一致的品牌形象，但年度营销策略越来越成为过去的遗留物。公司或其机构 每年都会做出数千个实时决策，而不是每年做出一些重大决策，关于在哪些网站上运行哪些广告，搜索要购买的条款，采用哪个版本 的网站，以及等等。甚至选择与哪些服务提供商和营销软件供应商合作也足够复杂，值得制定决策算法。
已经有太多的决定涉及太多的复杂变量和太多的数据，人类无法制作所有这些变量。市场营销 活动 和 决策 都 越来越 远 更 迅速地 比营销预算或数字和人的能力mar- keters。 一个 增加 数量 的 营销 决定 采用 某种 类型的禽流感，而且这种趋势只会 增加。
公司通常试图去连接东北和目标SPECI科幻çcus- tomers或段，如果有成千上万cus- tomers的， AI 是 需要 以 获取 到 该 级别 的 细节。 公司 还 希望自定义的经验的客户，而且还需要机器 学习 或 某种 其他 形式 的 AI。 AI 还 可以 帮助 在 全渠道客户关系中实现价值，并确保在所有客户接触点进行有效的沟通。最后， 人工智能可以帮助公司在数字和模拟营销 领域以类似的标准做出决策。
今天，营销中的AI只支持某些类型的决策。它们通常是基于数据的重复决策，并且每个决策 都具有较低的货币价值（尽管总计它们加起来很大）。今天基于人工智能的决策主要涉及数字 内容和 频道 或 在线 促销。 的 过程中， 几乎 所有的 内容 变得数字化，所以它是一个相当大的类别。 这套 人工智能支持的活动包括数字广告购买（称为程序化购买）），网站运营和优化，搜索引擎优化，A
/ B测试，出站电子邮件营销，铅过滤和评分，以及许多其他营销 任务。
这个名单很可能会继续增长。电视广告 – 大公司多年来的营销活动的支柱 – 正朝着程序化的购买模式发展。创意品牌开发活动仍主要完成 人类，但哪些图像和副本将通过的决定 是 现在 有时 由 通过 基于AI- 测试。 关于营销组合和资源分配的高层决策仍然由营销主管最终做出，但它们通常使用软件完成，并且通常比 每年更频繁地执行。
FOREWO R D xv
它 会 不会 感到惊讶 我 来 看看 任务 等 作为 选择 代理 合作伙伴，使通过使用AI的员工做出聘用决定
的未来。
这些基于人工智能的营销活动尚未取代大量的人力营销人员，部分原因是人工智能支持个人任务，而不是整个工作。但它们可能会对未来的营销角色产生重大影响。至少，大多数mar- keters需要了解这些系统是如何工作的，以确定他们是否正在做一个很好的 工作， 并 以 确定 如何 ，他们 可以增加价值的智能机的工作。营销组织的领导者需要有效地制定有关 人与机器之间分工的战略。他们必须重新设计营销流程，以利用基于AI的决策 提供的速度和精确度。
简而言之，我们面临着一个营销未来，其中人工智能将发挥非常重要的作用。我希望这些介绍性评论为您提供了致力于本书的动力 – 购买它，阅读它，并将其想法付诸于您的组织。我相信人类营销人员有一个光明的未来，但前提是他们主动了解人工智能及其如何影响和改善他们的工作。本书是您实现该目标的最简单，最好的方法。
前言
如果你在营销，人工智能是一个强大的盟友。
如果您从事数据科学，那么营销就是一个丰富的问题集。
ARTI科幻官方 智能 （AI） 有 一个 突破性的 一年 在 2016年，不 只是 与 机器 学习， 但 与 公众 意识为 好。 而且它仅打算以继续。这一年，大多数 营销人员 相信 消费者 都 准备好 了 的 技术。
“ 艺术智能综述”，eMarketer，2017年2月
我是一个坚果壳
人工智能（AI）是计算中的下一个合乎逻辑的步骤：一个可以为自己确定事物的程序。这是一个可以重新编程的程序 。
三d ARTI网络官方情报第
记住人工智能的特殊之处的简写就是它可以
– 自己检测，审议和发展 – 所有。
检测
人工智能可以发现一堆数据中的哪些元素或属性是最具预测性的。即使有巨量 的 数据 作出 了 的 大量 的 不同 种类的
的 数据， AI 可以 找出最明显的特点，网络guring哪些要注意和忽视。
商榷
AI可以从 该数据推断出有关数据的规则，并相互评估最具预测性的属性来回答问题或提出 建议。它可以思考每个的相关性并得出结论。
十七
xviii P REFAC E.
开发
AI可以随着每次迭代而成长和成熟。它可以改变其有关意见 将 环境 作为 以及 为 如何 它 计算 的是 根据新的信息或实验结果的环境。它可以 自己编程。
个人的搜索词比她的位置更重要，这比她的年龄（检测）更重要。当人们 在搜索中使用六个或更多单词时，他们的购买倾向是如此之高，以至于折扣会适得其反（故意）。一旦注意到24岁以下的女性不太可能购买，不管
搜索中的单词是什么，都可以进行实验以免费运送 （开发）。
这是你在AI上的营销
该 工具 是 不是 超自然的。
他们 并 没有 超越凡人 的 理解 。你欠它给自己以了解如何，他们都对摇滚你的世界。
智力是适应变化的能力。
– 斯蒂芬霍金
营销艺术智能的实用应用网站：实用应用程序可在以下网站找到：AI4Marketing.com 。
致谢
我永远感谢许多发表过博文，推特，发布视频的人，并回答了我关于人工智能和机器学习的问题。
具体来说，感谢Barry Levine，Bob Page，Brent Dykes，Brian Solis，Christopher Berry， Dan McCarthy， Dave Smith， David Raab，Dean Abbott，Dennis Mortensen，Doc Searls，Eric Siegel，Gary Angel，Himanshu Sharma，Ian Thomas， Kaj van de Loo，Mark Gibbs，Matt Gershoff，Matthew Todd， Michael Rappa，Michael Wu， Michelle Street，Pat LaPointe，Peter Fader， Rohit Rudrapatna，Ron Kohavi，Russ Klein，Russell McAthy， Scott Brinker， Scott Litman，Tim Wilson，Tom Cunniff，Tom
Davenport， Tom
Mitchell，Tyler Vigen，Vicky Brock和Vincent Granville。
而且，和往常一样，马特卡特勒。
十九
 |
营销的人工智能
意见反馈