(
Часть 2,
Часть 3)
В начале года все мы часто задумываемся о том, как изменить жизнь к лучшему: даем себе обещание правильно питаться, чаще гулять, заниматься спортом. На выставке
Consumer Electronics Show мы тоже попробуем представить себе, как можно сделать жизнь лучше – с помощью технологий. Благодаря смартфонам, голосовым помощникам и другим новинкам потребители получили уникальные возможности и ждут большего от любимых брендов. Поведение потребителей изменилось, и перед маркетологами стоят новые задачи.
Чтобы помочь вам работать в условиях роста ожиданий потребителей, в течение трех следующих недель мы расскажем вам об успешных решениях брендов, которые реализовали возможности машинного обучения в эпоху "
заботы о пользователе".
Решение сложных задач
По сути, машинное обучение – новый подход к решению задач. Вместо того, чтобы тратить кучу времени на создание программ, выполняющих определенные действия, мы
учим компьютеры обучаться самостоятельно. Мы загружаем данные, и компьютер начинает выявлять закономерности и учится использовать их.
Прекрасный пример того, как машинное обучение помогает решать самые сложные задачи, – новые разработки в медицине. Врачам в США известно, что доля выздоравливающих среди пациентов с раком кожи существенно повышается, если болезнь диагностировать на ранних стадиях [1]. Поэтому исследователи Стэнфордского университета использовали платформу машинного обучения Google,
TensorFlow, чтобы создать модель, способную отличить здорового пациента от больного раком кожи с точностью 91% – наравне с 21 терапевтом, сертифицированным министерством здравоохранения.
Новые возможности для развития
Маркетологам, к счастью, не приходится каждый день спасать человеческие жизни. Они решают другую задачу – задачу самого быстрого развития бизнеса. И в этом могут помочь технологии машинного обучения Google.
Мы знаем, что выбор мест размещения объявлений и корректировка ставок занимают очень много времени, которого так не хватает для решения стратегических задач, например
выявления тенденций или
выхода на новые рынки. Системы машинного обучения Google ежедневно учитывают миллиарды наборов пользовательских данных: от цветовых предпочтений на мобильных экранах до истории покупок, типа устройства и местоположения. Такие продукты, как
универсальные кампании для приложений и
интеллектуальное назначение ставок, позволяют использовать эти данные, чтобы показывать миллионы объявлений, обращенных к конкретным покупателям, и устанавливать подходящие ставки в режиме реального времени.
Вы пожинаете плоды машинного обучения, даже если не пользуетесь этими новинками AdWords. Алгоритмы Google определяют вероятность клика по объявлению на основе поисковых запросов, статистики по эффективности рекламы, а также других контекстных сигналов. Такой прогноз
показателя CTR помогает выбирать и сортировать ваши объявления, а потом и назначать ставки. Именно машинное обучение позволяет показывать рекламу тем, кого она заинтересует.
В ближайшие три недели мы подробнее расскажем о том, как можно использовать машинное обучение для достижения маркетинговых целей и развития бизнеса. Следите за обновлениями блога Inside AdWords или подписывайтесь на
рассылку портала Think With Google.
Автор: Мэтт Лоусон (Matt Lawson), директор по маркетингу высокоэффективной рекламы
[1[ Stanford News, 2017 г.