Vad är nyckeln till Amazon och Googles intäkter framgång ? Alla vet svaret: Data.
Anledningen till Facebooks sociala medieimperium och Spotifys uppdrag för musikströmningsverksamheten? Data.
Alla dessa företag har lyckats utnyttja de stora mängder information de får från sina många användare - oavsett om det är deras sökvanor, de inlägg de delar, de produkter de köper eller musiken de lyssnar på - till stora intäktsströmmar. Det är inte bara det faktum att dessa företag har kunnat samla in uppgifter om miljoner (eller miljarder, för vissa av dessa företag); det är att dessa företag har lyckats effektivt använda dessa data för att bättre förstå och marknadsföra för sina användare. Alla dessa företag använder artificiell intelligens (eller, mer exakt, djupinlärning) för att göra detta.
hur lång är dr paul nassif
Naturligtvis är det viktigt att notera att du inte behöver vara ett dominerande företag som Amazon eller Google för att göra data till en konkurrensfördel. När artificiell intelligens blir allt mer avancerad och mer allmänt antagen kommer vi att se att många företag - stora som små - vänder sig till AI för att komma med bättre datastrategier och vinna kundanpassning och för att bättre konkurrera mot deras konkurrens. .
Nyckeln till att slå din konkurrens, enligt Jeremy Fain, av banbrytande neuralt nätverksteknik kognitivt , har bättre data - inte nödvändigtvis mer av det, utan de uppgifter som dina konkurrenter inte har. I teorin kan varje varumärke utveckla sina egna unika datatillgångar, eftersom varje varumärke måste vara något annorlunda för att kunna konkurrera. Detta innebär att ett varumärkes kunder åtminstone skiljer sig något från konkurrenterna, vilket innebär att de har en unik vinkel som de kan använda. Varje data du får om din kund eller potentiella kund är därför en annan information du kan använda för att skapa en effektiv marknadsförings- eller reklamstrategi.
stella maxwell födelsedatum
För att kunna använda denna information effektivt måste du först bestämma vad ditt mål är. Letar du efter mer försäljning? Försöker du uppnå högre fottrafik i butikerna? Är ditt mål att få en högre marknadsmedvetenhet om din produkt? När du har gjort det kan du titta på data för att se om det är i rätt format för användning med djupinlärning. Detta är något som är svårt att förklara helt enkelt, men i grund och botten måste data vara i ett uppdelat tillstånd - det vill säga det måste komma från flera källor så att mer djupgående slutsatser kan dras av det. Det betyder att du inte egentligen behöver veta bara hur många som besökte en butik, utan istället när exakt varje person besökte. Du behöver inte längre titta på hur många försäljningar du har gjort, utan också vad varje försäljning var och till vem. För att komma ett steg längre måste du identifiera vilka kontaktpunkter du hade med en kund innan de handlade med dig, vilka annonser de visades och när och var alla interaktioner inträffade. Samlar du inte in den här typen av data än? Det är ditt första hemuppgift.
Det betyder att du kommer att ha mycket mer data att lagra än du har varit van vid, men den goda nyheten är att lagring är billig. Utan den informationen kommer du dessutom inte att kunna dra nytta av kraften i djupinlärning och tävla i den här nya världen.
stephanie courtney nettovärde 2017
En 2016-studie av Fortune 1000-chefer avslöjade det endast 48,4% av de tillfrågade rapporterade mätbara resultat som ett resultat av deras datainitiativ - men 80,7% ansåg att ansträngningarna var en framgång och väsentlig. Det betyder att alla vet att de måste göra bättre och inte se något alternativ, men det behövs något mer innan mätbara fördelar uppnås över hela linjen.
De flesta datainitiativ saknar en enkel ingrediens: djupinlärning. Det är ett ofta missförstått ämne, definierat av Cognitiv's Fain som 'en mer avancerad typ av maskininlärning som kan skapa människoliknande insikt.' Djupinlärnings förmåga att få resultat från big data är nu viktigt inte bara av konkurrensskäl utan också för att göra tidigare investeringar i big data lönsamma. Tyvärr, 39,3% av de tillfrågade sa fortfarande att deras organisationer saknade en företags Big Data-strategi, eller var annars omedvetna om det fanns - dessa företag har en lång kulle att klättra. Faktum är att de flesta datadrivna proffs har en brant stigning framför oss. - En del av utmaningen är att industrin själv är omogen om data. Vi kommer att se tillbaka 15 år framöver på vad vi gör och säga, 'Var det inte söt?', 'Sa en chef för Programmatic Media för en global mediebyrå som intervjuades för en nyligen Winterberry Group IAB-studie .
Big data, dataanalys och artificiell intelligens går mycket hand i hand. Artificiell intelligens - och, i förlängning, djup inlärning - kräver data, reams och reams av den. Det enda sättet att djupt lärande kan vara effektivt för din organisation är om du har en stadig ström av information för att mata den. ' Beväpnad med denna information kan djupt lärande och neurala nätverk skapa algoritmer och strategier som är unika för ditt varumärke - vilket säkerställer att varumärket förblir konkurrenskraftigt och innovativt. Som Fain pekar ut , 'Förmågan att mer fullständigt beskriva och förstå en konsuments beteende är mer komplett än någonsin tidigare, och den typen av data kommer att göra AI-marknadsföringsverktyg ännu effektivare under de närmaste åren.'
Vid denna tidpunkt behöver alla märken en stark datastrategi. Titta bara på varumärken som Macy's och J.C. Penney idag, som kämpar som ett resultat av de datacentrerade tillvägagångssätten från e-handelsjättar som Amazon och eBay. Att ha rätt strategi och, lika viktigt, de rätta verktygen för att få ut det mesta av din data, är det som hjälper dig att hålla ditt företag konkurrenskraftigt och framgångsrikt.
