Содержание
- Что такое обучение усилению?
- Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни
- Машины для маркетологов
- Скоро будет
- Мышление больше
- Путь к усыновлению
Источник: Юлитимченко / Dreamstime.com
вынос:
Усиленное обучение - это подмножество искусственного интеллекта и машинного обучения, которые могут предсказать результаты и помочь пользователям принимать лучшие решения.
Маркетологи постоянно ищут масштабируемые и интеллектуальные решения, пытаясь получить преимущество в условиях растущей конкуренции. Неудивительно, что искусственный интеллект (AI) и машинное обучение (ML) в настоящее время массово внедряются брендами и их маркетинговыми организациями. (Чтобы узнать больше об основах ML, ознакомьтесь с Machine Learning 101.)
Для непосвященных ИИ в целом можно рассматривать как технологию, когда компьютер автоматизирует определенные задачи, которые в противном случае мог бы выполнять человек. Машинное обучение, как функциональная область в ИИ, - это когда компьютер получает конечную цель, но ему нужно самостоятельно рассчитать оптимальный маршрут.
Сегодня мы видим, как эти технологии, особенно машинное обучение, используются во многих областях маркетинга, включая обнаружение мошенничества с рекламой, прогнозирование поведения потребителей, системы рекомендаций, креативную персонализацию и многое другое.
Хотя это все хорошо, есть новая технология ответвления, которая для маркетологов будет действительно обеспечивать спрос, который создает машинное обучение. Это называется «обучение с подкреплением» (RL).
Что такое обучение усилению?
Переход от ML к RL - это больше, чем просто буква. Большинство задач, переданных машинному обучению, включают использование одного шага, такого как «распознать это изображение», «понять содержание книги» или «поймать мошенничество». Для маркетолога цель бизнеса, такая как «привлечь, удержать и привлечь пользователей», по своей сути многоэтапный и долгосрочный процесс, которого нелегко достичь с помощью машинного обучения.
Вот тут-то и начинается обучение с подкреплением. Алгоритмы RL - это оптимизация для разворачивающегося и постоянно меняющегося пути, в котором возникают динамические проблемы. Используя математическую «функцию вознаграждения» для расчета результата каждой перестановки, RL может заглянуть в будущее и сделать правильный вызов.
Сегодня лучшие воплощения этой передовой технологии можно увидеть в играх и автомобилях с автоматическим управлением. Когда в прошлом году система Google AlphaGo победила лучшего в мире игрока в настольную игру Go, их секретным подспорьем стало изучение подкреплений. В то время как игры устанавливают правила, параметры игрока для пути к победе динамически изменяются в зависимости от состояния игрового поля. Благодаря обучению с подкреплением система учитывает все возможные перестановки, которые могут меняться в зависимости от каждого следующего хода.
Точно так же автомобиль с самостоятельным вождением отправляется в путешествие, в котором правила дорожного движения и местоположение пункта назначения остаются неизменными, но переменные на этом пути - от пешеходов до блокпостов и велосипедистов - меняются динамически. Вот почему OpenAI, организация, основанная Элоном Маском из Tesla, использует передовые алгоритмы RL для своих транспортных средств.
Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни
Вы не можете улучшить свои навыки программирования, когда никто не заботится о качестве программного обеспечения.
Машины для маркетологов
Что это значит для маркетологов?
Основные проблемы многих маркетологов возникают из-за того, что условия бизнеса постоянно меняются. Стратегия выигрышной кампании со временем может стать непривлекательной, в то время как старая стратегия может набрать новые обороты. RL - это шаг к тому, чтобы подражать истинному человеческому интеллекту, где мы учимся на успехе и / или неудаче множества результатов и формируем выигрышную стратегию будущего. Позвольте мне привести несколько примеров:
1. Повышение вовлеченности пользователей
Давайте сосредоточимся на привлечении клиентов для сети ресторанов и поставим задачу увеличить ее в десять раз в течение следующего года. Сегодня маркетинговая кампания может включать поздравление с днем рождения со скидкой, возможно, даже на основе предпочтений в еде. Это линейное мышление, когда маркетолог определил начальную и конечную точку.
В напряженном мире жизнь клиентов постоянно меняется в режиме реального времени - иногда они больше вовлечены, иногда меньше. При обучении с подкреплением система постоянно перекалибровывает, какая тактика в арсенале маркетинга в любой момент времени дает наилучшие шансы для продвижения получателя к конечной цели 10-кратного взаимодействия.
2. Динамическое распределение бюджета
А теперь представьте рекламный сценарий, в котором у вас есть бюджет в 1 миллион долларов и вам нужно тратить по несколько раз каждый день до конца месяца, распределенный по четырем различным каналам: телевидение, рекламные акции и Google. Как вы можете обеспечить оптимальное расходование бюджета? Ответ зависит от дня, целевых пользователей, цены инвентаря и множества других факторов.
В обучении с подкреплением алгоритмы будут использовать исторические данные о результатах рекламы для написания функций вознаграждения, которые оценивают определенные решения о расходах. Но это также учитывает факторы в реальном времени, такие как ценообразование и вероятность положительного приема от целевой аудитории. Благодаря итеративному обучению распределение расходов на рекламу в течение месяца будет динамически меняться. Хотя конечная цель установлена, RL будет распределять бюджет наилучшим образом из всех сценариев. (Подробнее об искусственном интеллекте в маркетинге см. В разделе «Как искусственный интеллект революционизирует индустрию продаж».)
Скоро будет
Усиленное обучение признает сложность и признает, что люди неоднородны, и учитывает эти истины, улучшая каждое следующее действие с течением времени, когда части вашей игровой доски меняются вокруг нее.
Усиленное обучение по-прежнему остается прерогативой исследовательских проектов и передовых усыновителей. Математическая концепция и методика существуют уже более 40 лет, но до недавнего времени их развертывание было невозможным благодаря трем тенденциям:
- Распространение вычислительной мощности с помощью мощных графических процессоров (GPU).
- Облачные вычисления обеспечивают доступность мощных процессоров за небольшую долю от стоимости покупки самих графических процессоров, позволяя третьим сторонам арендовать графический процессор для обучения их модели RL в течение нескольких часов, дней или недель по сравнительно низкой цене.
- Улучшение численных алгоритмов или умных эвристик. Несколько важных числовых шагов в алгоритме RL теперь могут сходиться гораздо быстрее. Без этих волшебных числовых уловок они все равно были бы невозможны даже при использовании самых современных компьютеров.
Мышление больше
Все это означает, что новые возможности обучения с подкреплением скоро будут доступны в масштабе для брендов и маркетологов. Однако принятие этого потребует изменения мышления. Для менеджера по маркетингу эта технология означает способность отрывать руки от руля.
У каждого бизнеса есть цель, но когда вы глубоко в траншеях, ежедневные действия, предпринимаемые для достижения этой цели, могут стать нечеткими. Теперь технология RL позволит лицам, принимающим решения, установить цель, имея больше уверенности в том, что системы будут прокладывать свой лучший курс к ней.
Например, в настоящее время в рекламе многие люди понимают, что такие показатели, как рейтинг кликов (CTR), являются просто косвенными показателями для реальных результатов бизнеса, которые учитываются только потому, что они исчисляются. Маркетинговые системы, управляемые RL, будут лишены акцента на таких промежуточных показателях и всей тяжелой работе, связанной с ними, что позволит руководителям сосредоточиться на целях.
Это потребует от компаний более серьезного и долгосрочного подхода к решению своих больших проблем. Когда технология станет зрелой, они достигнут своей цели.
Путь к усыновлению
Усиленное обучение еще не готово для полномасштабного использования брендами; однако маркетологам следует потратить время на то, чтобы понять эту новую концепцию, которая может революционизировать способ маркетинга брендов, выполняя некоторые из ранних обещаний машинного обучения.
Когда власть прибудет, она придет в маркетинговое программное обеспечение с пользовательским интерфейсом, но задачи, требуемые этим программным обеспечением, будут радикально упрощены. Для персонала будет меньше перемещающихся переключателей и ввода чисел, а также будет меньше читать аналитические отчеты и реагировать на них. За приборной панелью алгоритм будет обрабатывать большую часть этого.
Вряд ли RL может сравниться с человеческим интеллектом прямо из ворот. Скорость его развития будет зависеть от отзывов и предложений от маркетологов. Мы должны убедиться, что мы просим компьютер решить правильную проблему, и наказывать его, если это не так. Похоже, вы бы научили своего ребенка, не так ли?