機械学習の仕組みと最初

これまで、広告システムは基本的なヒューリスティックに依存していました。ヒューリスティックは即時の判断には効果的ですが、不正確な結論が得られることがよくありました。 広告主やマーケティング担当者が関心を持っていること、つまり広告費用に対する高い ROI をもたらすカスタム マーケティング キャンペーンをオープン インターネット上で実施することを本当に最適化するには、自社データと最適化できる高度な機械学習 (ML) プラットフォームが必要です。広告費用対効果（ROAS）の場合。 最新の ML ベースのプラットフォームの内部では、コンバージョンの可能性の予測から個々の広告リクエストに入札する最適価格の決定まで、あらゆることを行うさまざまな ML モデルが存在します。

マーケティングにおける AI ML: ブランドの感情的なつながりを見つけるために使用される AI とビッグデータ分析

Apple の ATT や Google のプライバシー サンドボックスなど、業界で起きているプラ​​イバシーの大きな変化を考慮すると、ファーストパーティ データの有効化はこれまで以上に重要になっており、従来のアドテク システムが適応するのは非常に困難になっています。 しかし、ML ベースのアプローチには、これらの変化に、用心深い技術チームよりも迅速かつ総合的に適応する、独特の、ほとんど魔法のような能力があります。

ただし、自社データセットの開発は思ったほど簡単ではありません。 マーケティング担当者は、機械学習モデルに組み込まれるデータの品質に注意する必要があります。 これらのモデルには、正確かつ効果的な結果をもたらす機能があります。 ただし、ブランドが静的なサードパーティ データに依存している場合は、同じ効果があり、逆の効果が生じる可能性があります。 これを軽減するには、企業は自社のデータセットの構築と拡大に投資して、関連する視聴者をより正確かつ正確に広告のターゲットに設定する必要があります。

パフォーマンス マーケティングでは、使用されるデータの品質に自信を持つことが重要です。

機械学習の世界には、「ガベージイン、ガベージアウト」という有名な格言があります。 マーケティング担当者は、自社のシステムに不正なデータがなく、そのようなデータを削除する能力があることを確認して、モデルに高品質の入力が確実に供給されていることを確認する必要があります。

ML モデルは、特定の広告に対する個人の意図や関心を推測するのに役立つ、コンテキスト信号と行動信号を組み合わせた高品質のデータを利用します。 一般に、そのデータが広告のエンゲージメントを高めるのに役立つのであれば、それは役に立ちます。

有用なデータにはさまざまな種類があり、品質は主に精度によって決まります。たとえば、正確な位置と推定された大都市圏などです。 一貫性。すべてのユーザーまたは広告リクエストに対して同じデータを利用できる必要があります。 適時性は、データが更新される頻度に関係します。

サードパーティ Cookie の差し迫った廃止とデバイス ID のプライバシーの向上により、マーケティング担当者や広告主は有意義な方法で消費者をターゲットにすることが求められます。 良いニュースは、彼らが自社データにアクセスできることであり、それを正しく利用して使用すれば金に変えることができます。

ヘルスケアにおける AI:VideaHealth クラス最高の歯科 AI ソリューションがカナダ保健省から規制認可を取得

まず、個々のユーザーのコンテキストにおいて個人を特定できる情報 (PII) とは何なのかを理解することが重要です。 データを PII にする方法は直感的な方法と非自明な方法の両方があるため、実際には多くの検討と全体的な戦略が必要です。 PII は、製品やサービスが顧客データの一部をどのように使用するかだけではなく、下流で他のデータと組み合わせて個人を特定する可能性を意味することに留意してください。

毎日の AI ラウンドアップ: 機械学習、ロボット、オートメーションの最大のアップデート 2023 年 6 月 10 日

アドビ、エクスペリエンス主導の成長を促進するため、世界初の AI 加速コンテンツ サプライ チェーン ソリューションをヨーロッパに導入

Adobe Summit EMEA はヨーロッパ全体の主要な新しいイノベーションと顧客の勢いに焦点を当てる

強力なファーストパーティ データセットの構築は、顧客の買い物方法、購入を希望するブランド、サイト ジャーニー、訪問したページ、クリックされたアイテムなど、ユーザー ジャーニーと製品やサービスでのエンゲージメント アクティビティに関するデータを収集するシステムを構築することから始まります。ナビゲーション シーケンスを作成し、それをユーザー プロファイル、セグメント、対象者に編成します。 プロダクトマネージャーが優れた製品を構築するために必要なものと同様に、マーケティング担当者もユーザー、ユーザージャーニー、そして最終的にはユーザーが製品やサービスから得る価値を徹底的に理解する必要があります。

次のステップは、データを他のビジネス システム (CRM またはデータ ウェアハウス) と統合して、分析、モバイル測定パートナー (MMP)、またはビジネス インテリジェンス ツールを組み合わせて洞察を収集できるようにすることです。

クラウド データ ウェアハウスの急増に伴い、これらのプラットフォームはデータの増大に応じてより複雑なユースケースを管理できるように拡張できるため、初期段階で大規模な作業を行う必要はありません。

これまで、マーケターは人間の知性と、毎日の予算調整やパブの調整などの手動による最適化に頼る必要がありました。 機械学習の出現により、これらの戦術は付加価値をもたなくなり、実際にはマイナスの影響を与えることが非常に多くなります。 「機械に仕事をさせて」、人間による無関係な対話やデータの調整を最小限に抑えることが非常に重要です。

人的エラーに加えて、最新の ML の必要性に寄与する他の要因もあります。これには、特にモバイル デバイスの増加と使用がピークに達していることによる、利用可能なデータ量の爆発的な増加が含まれます。 クラウドでの大規模なデータ処理をサポートするためのツールとシステムの高度化。 そして、ML アルゴリズム、特にニューラル ネットワーク ベースの ML の高度化です。

AiThority のトップニュース:Tata Elxsi と mimik Technology が提携し、インダストリー 4.0、自動車およびメディア配信ソリューション向けの 5G サービスを提供

すべての機械学習システムが同じように作成されているわけではないことに注意することが重要です。 テクノロジーの力をうまく活用し、ROAS、CPI、CPA、収益などのパフォーマンス マーケティング目標を達成するには、ML プラットフォームに次のものが含まれている必要があります。

機械学習のもう 1 つの重要な側面は、マーケティング担当者が、関連する広告ターゲティングを行うためのプライバシーに安全なアプローチを開発できることです。これは、今日のプライバシー最優先の環境において非常に重要です。

機械学習を使用すると、PII 情報を誤って公開することを不可能にする、より高度な行動コホートを構築できます。 ターゲティング用の ML モデルは「エッジ」で実行することもできるため、機密情報がユーザーのモバイル デバイスから流出することはありません。

今は業界にとってエキサイティングで革新的な時期です。 高度な ML ベースのソリューションにより、あらゆる規模の広告主が、関連性の高い広告を配信し、ROI を生み出し、ビジネスを加速するプライバシー保護またはプライバシー優先のアプローチを開発できるようになります。