NộI Dung
- Học tăng cường là gì?
- Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
- Máy dành cho nhà tiếp thị
- Sắp ra mắt
- Suy nghĩ lớn hơn
- Con đường nhận con nuôi
Nguồn: Juliatimunn / Dreamstime.com
Lấy đi:
Học tăng cường là một tập hợp con của trí tuệ nhân tạo và học máy có thể dự đoán kết quả và giúp người dùng đưa ra quyết định tốt hơn.
Các nhà tiếp thị không ngừng tìm kiếm các giải pháp có thể mở rộng và thông minh khi cố gắng đạt được lợi thế trong các điều kiện tiếp thị ngày càng cạnh tranh. Không có gì lạ khi trí thông minh nhân tạo (AI) và máy học (ML) hiện đang được các thương hiệu và tổ chức tiếp thị của họ chấp nhận. (Để tìm hiểu thêm về những điều cơ bản của ML, hãy xem Machine Learning 101.)
Đối với người không quen biết, AI thường có thể được coi là một công nghệ khi máy tính tự động hóa các nhiệm vụ được xác định mà con người sẽ làm. Học máy, như một lĩnh vực chức năng trong AI, là khi một máy tính được đưa ra một mục tiêu cuối cùng, nhưng cần phải tự mình tính toán lộ trình tốt nhất.
Ngày nay, chúng ta đang chứng kiến những công nghệ này - đặc biệt là học máy - được triển khai trên nhiều lĩnh vực tiếp thị, bao gồm phát hiện gian lận quảng cáo, dự báo hành vi của người tiêu dùng, hệ thống khuyến nghị, cá nhân hóa sáng tạo và hơn thế nữa.
Trong khi đó, tất cả đều tốt và tốt, thì có một công nghệ mới dành cho các nhà tiếp thị, sẽ thực sự cung cấp theo yêu cầu mà máy học đang tạo ra. Nó được gọi là củng cố học tập (RL).
Học tăng cường là gì?
Bước thay đổi từ ML sang RL không chỉ là một chữ cái. Hầu hết các nhiệm vụ được giao cho học máy đều liên quan đến việc sử dụng một bước duy nhất, chẳng hạn như nhận ra hình ảnh này, trực tiếp hiểu nội dung cuốn sách, lừa đảo hoặc bắt kẻ lừa đảo. Đối với một nhà tiếp thị, mục tiêu kinh doanh như thu hút, giữ chân và thu hút người dùng. vốn dĩ là một bước gồm nhiều bước và dài hạn, không dễ dàng đạt được với máy học.
Đây là nơi học tập củng cố xuất hiện. Các thuật toán RL đều hướng đến việc tối ưu hóa cho một hành trình mở ra và luôn thay đổi - một trong những vấn đề động xảy ra. Bằng cách sử dụng hàm phần thưởng Toán học, điểm số để tính toán kết quả của mỗi lần hoán vị, RL có thể nhìn vào tương lai và thực hiện cuộc gọi đúng.
Ngày nay, những hiện thân tốt nhất của công nghệ tiên tiến này có thể được nhìn thấy trong các trò chơi và xe tự lái. Khi hệ thống Google Alpha AlphaGo đánh bại người chơi giỏi nhất thế giới của trò chơi cờ vây năm ngoái, nước sốt bí mật của họ là củng cố việc học. Trong khi các trò chơi đã đặt ra các quy tắc, một tùy chọn của người chơi cho lộ trình hướng tới chiến thắng sẽ thay đổi linh hoạt dựa trên trạng thái của bảng. Với việc học tăng cường, hệ thống tính đến tất cả các hoán vị có thể có thể thay đổi dựa trên mỗi lần di chuyển tiếp theo.
Tương tự, một chiếc xe tự lái đi trên một hành trình trong đó các quy tắc của đường và vị trí của điểm đến vẫn cố định, nhưng các biến số trên đường đi - từ người đi bộ đến chặn đường đến người đi xe đạp - thay đổi linh hoạt. Đó là lý do tại sao OpenAI, tổ chức được thành lập bởi Tesla Rush Elon Musk, sử dụng các thuật toán RL tiên tiến cho các phương tiện của mình.
Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
Bạn không thể cải thiện kỹ năng lập trình của mình khi không ai quan tâm đến chất lượng phần mềm.
Máy dành cho nhà tiếp thị
Điều này có ý nghĩa gì đối với các nhà tiếp thị?
Nhiều thách thức cốt lõi của nhà tiếp thị được tạo ra bởi thực tế là điều kiện kinh doanh luôn thay đổi. Một chiến lược chiến dịch chiến thắng có thể trở nên bất lợi theo thời gian, trong khi một chiến lược cũ có thể đạt được lực kéo mới. RL là một bước để bắt chước trí thông minh thực sự của con người nơi chúng ta học hỏi từ thành công và / hoặc thất bại của nhiều kết quả, và hình thành một chiến lược chiến thắng trong tương lai. Hãy để tôi đưa ra một số ví dụ:
1. Tăng cường sự tham gia của người dùng
Hãy tập trung vào sự tham gia của khách hàng vào chuỗi nhà hàng và mục tiêu nhân lên gấp 10 lần trong năm tới. Ngày nay, một chiến dịch tiếp thị có thể liên quan đến việc chúc mừng sinh nhật với lời đề nghị giảm giá, thậm chí có thể dựa trên sở thích thực phẩm. Đây là suy nghĩ tuyến tính trong đó nhà tiếp thị đã xác định điểm bắt đầu và điểm kết thúc.
Trong một thế giới bận rộn, cuộc sống của khách hàng liên tục thay đổi theo thời gian thực - đôi khi họ gắn kết hơn, đôi khi ít hơn. Trong học tập củng cố, một hệ thống sẽ liên tục tính toán lại chiến thuật nào trong kho vũ khí tiếp thị, tại bất kỳ thời điểm nào, sẽ có cơ hội tốt nhất để đưa người nhận hướng tới mục tiêu cuối cùng là tham gia 10 lần.
2. Phân bổ ngân sách động
Bây giờ hãy tưởng tượng một kịch bản quảng cáo trong đó bạn có ngân sách 1 triệu đô la và cần chi tiêu mỗi ngày cho đến khi hết tháng, được phân bổ trên bốn kênh khác nhau: TV, khuyến mãi khách hàng thân thiết và Google. Làm thế nào bạn có thể đảm bảo bạn chi tiêu ngân sách theo cách tối ưu nhất? Câu trả lời phụ thuộc vào ngày, người dùng mục tiêu, giá hàng tồn kho và một loạt các yếu tố khác.
Trong học tập củng cố, các thuật toán sẽ sử dụng dữ liệu kết quả quảng cáo lịch sử để viết các hàm phần thưởng ghi được các quyết định chi tiêu nhất định. Nhưng nó cũng chiếm các yếu tố thời gian thực như giá cả và khả năng tiếp nhận tích cực từ thành viên đối tượng mục tiêu. Thông qua học tập lặp đi lặp lại, việc phân bổ chi tiêu quảng cáo trong suốt tháng sẽ thay đổi linh hoạt. Mặc dù mục tiêu cuối cùng được đặt ra, RL sẽ phân bổ ngân sách theo cách tốt nhất có thể thông qua tất cả các kịch bản. (Để biết thêm về AI trong tiếp thị, hãy xem Trí tuệ nhân tạo sẽ cách mạng hóa ngành bán hàng như thế nào.)
Sắp ra mắt
Học tăng cường thừa nhận sự phức tạp và nhận ra rằng mọi người không đồng nhất và giải thích cho những sự thật này, cải thiện từng hành động tiếp theo theo thời gian khi các phần trong bảng trò chơi của bạn thay đổi xung quanh nó.
Học tăng cường vẫn chủ yếu là bảo tồn các dự án nghiên cứu và những người áp dụng hàng đầu. Khái niệm và kỹ thuật toán học đã tồn tại hơn 40 năm, nhưng không thể triển khai cho đến gần đây, nhờ ba xu hướng:
- Phổ biến sức mạnh tính toán thông qua các đơn vị xử lý đồ họa mạnh mẽ (GPU).
- Điện toán đám mây làm cho sức mạnh bộ xử lý cao cấp có sẵn với một phần chi phí mua GPU, cho phép các bên thứ ba thuê GPU để đào tạo mô hình RL của họ trong vài giờ, vài ngày hoặc vài tuần với mức giá khá hời.
- Cải thiện trong các thuật toán số hoặc heuristic thông minh. Một vài bước số quan trọng trong thuật toán RL giờ đây có thể hội tụ với tốc độ nhanh hơn nhiều. Nếu không có những thủ thuật số kỳ diệu này, chúng vẫn sẽ không khả thi ngay cả với những máy tính mạnh nhất hiện nay.
Suy nghĩ lớn hơn
Tất cả điều này có nghĩa là sức mạnh mới của việc học tăng cường sẽ sớm được cung cấp ở quy mô cho các thương hiệu và nhà tiếp thị. Tuy nhiên, nắm lấy nó sẽ đòi hỏi một sự thay đổi trong suy nghĩ. Đối với một người quản lý tiếp thị, công nghệ này có nghĩa là khả năng rời tay khỏi bánh xe.
Mỗi doanh nghiệp đều có một mục tiêu, nhưng khi bạn ở sâu trong các chiến hào, các hành động hàng ngày được thực hiện đối với mục tiêu đó có thể trở nên mờ nhạt. Bây giờ công nghệ RL sẽ cho phép những người ra quyết định đặt mục tiêu, có thêm niềm tin rằng các hệ thống sẽ vạch ra hướng đi tốt nhất của họ đối với nó.
Ví dụ, trong quảng cáo, nhiều người nhận ra rằng các số liệu như tỷ lệ nhấp (TLB) chỉ là proxy cho kết quả kinh doanh thực sự, chỉ được tính vì chúng có thể đếm được. Các hệ thống tiếp thị dựa trên RL sẽ nhấn mạnh đến các số liệu trung gian như vậy và tất cả các công việc nặng nề có liên quan đến chúng, cho phép các ông chủ tập trung vào các mục tiêu.
Điều này sẽ đòi hỏi các doanh nghiệp phải suy nghĩ về các vấn đề lớn của họ theo cách chủ động và lâu dài hơn nhiều. Khi công nghệ trưởng thành, họ sẽ đạt được mục tiêu của mình.
Con đường nhận con nuôi
Học tăng cường chưa sẵn sàng để sử dụng toàn diện cho các thương hiệu; tuy nhiên, các nhà tiếp thị nên dành thời gian để hiểu khái niệm mới này có thể cách mạng hóa cách tiếp thị của các thương hiệu, thực hiện tốt một số lời hứa ban đầu của học máy.
Khi nguồn điện đến, nó sẽ xuất hiện trong phần mềm tiếp thị với giao diện người dùng, nhưng các tác vụ được yêu cầu bởi phần mềm đó sẽ được đơn giản hóa triệt để. Đối với nhân viên, sẽ có ít công tắc di chuyển và nhập số hơn, cũng như ít đọc báo cáo phân tích và hành động theo chúng. Đằng sau bảng điều khiển, thuật toán sẽ xử lý hầu hết điều đó.
Không chắc rằng RL có thể phù hợp với trí thông minh của con người ngay ngoài cổng. Tốc độ phát triển của nó sẽ phụ thuộc vào phản hồi và đề xuất từ các nhà tiếp thị. Chúng tôi phải đảm bảo rằng chúng tôi đang yêu cầu một máy tính giải quyết vấn đề phù hợp và xử phạt nó khi không. Âm thanh như cách bạn sẽ dạy con của mình, phải không?