Aký je kľúč pre Amazon a Google úspešnosť výnosov ? Odpoveď pozná každý: Údaje.
Dôvod pre impérium sociálnych médií Facebooku a Spotify pre rozširovanie podnikania v oblasti streamovania hudby? Údaje.
Všetky tieto spoločnosti dokázali využiť obrovské množstvo informácií, ktoré získavajú od veľkého množstva používateľov, či už sú to ich vyhľadávacie návyky, príspevky, ktoré zdieľajú, produkty, ktoré kupujú, alebo hudba, ktorú počúvajú, do hlavných tokov výnosov. Nie je to len skutočnosť, že tieto spoločnosti dokázali zhromaždiť údaje o miliónoch (alebo miliardách, v prípade niektorých z týchto spoločností); je to tým, že sa týmto spoločnostiam podarilo efektívne využiť tieto údaje na lepšie pochopenie a uvedenie ich používateľov na trh. Všetky tieto spoločnosti na to používajú umelú inteligenciu (alebo presnejšie hlboké učenie).
valor neto de barry manilow 2015
Samozrejme, je dôležité poznamenať, že na to, aby sa dáta stali konkurenčnou výhodou, nemusíte byť dominantným podnikom ako Amazon alebo Google. Keď bude umelá inteligencia stále viac a viac prijímaná, začneme vidieť, ako sa veľa spoločností - malých aj veľkých - obracia na AI, aby mohli prísť s lepšími dátovými stratégiami a získať zákaznícke prijatie a lepšie konkurovať svojej konkurencii. .
Kľúčom k prekonaniu konkurencie v priekopníckej technológii neurónových sietí je podľa Jeremyho Faina kognitívne , má lepšie údaje - nemusí to byť nevyhnutne viac, ale údaje, ktoré vaši konkurenti nemajú. Teoreticky je každá značka schopná vyvíjať svoje vlastné jedinečné dátové aktíva, pretože každá značka musí byť mierne odlišná, aby mohla konkurovať. To znamená, že zákazníci značky sa minimálne líšia od zákazníkov svojej konkurencie, čo znamená, že majú jedinečný uhol, ktorý môžu využiť. Každá informácia, ktorú získate od svojho zákazníka alebo potenciálneho zákazníka, je preto ďalšou informáciou, ktorú môžete použiť na vytvorenie efektívnej marketingovej alebo reklamnej stratégie.
valor neto de jamie-lynn sigler
Aby ste mohli tieto informácie využiť efektívne, musíte sa najskôr rozhodnúť, aký je váš cieľ. Hľadáte ďalší predaj? Snažíte sa dosiahnuť vyššiu pešiu návštevnosť v obchodoch? Je vaším cieľom dosiahnuť vyššie povedomie o trhu s vašim produktom? Keď to urobíte, môžete sa pozrieť na údaje a zistiť, či sú v správnom formáte na použitie s hlbokým učením. Je to niečo, čo sa dá len ťažko vysvetliť, ale v zásade musia byť údaje v rozčlenenom stave - to znamená, že musia pochádzať z viacerých zdrojov, aby z nich bolo možné vyvodiť podrobnejšie závery. To znamená, že v skutočnosti nepotrebujete vedieť iba to, koľko ľudí navštívilo obchod, ale miesto, kedy presne každá osoba navštívila. Už sa nemusíte pozerať na to, koľko predajov ste uskutočnili, ale aj na to, čo ktorý predaj bol a komu. Ak sa chcete dostať o krok ďalej, musíte zistiť, aké kontaktné body ste mali so zákazníkom predtým, ako s vami uzavrel obchod, aké reklamy sa mu zobrazili a kedy a kde ku všetkým interakciám došlo. Ešte nezhromažďujete tento typ údajov? No, to je tvoja prvá domáca úloha.
To znamená, že budete mať na ukladanie oveľa viac údajov, ako ste boli doteraz zvyknutí, ale dobrou správou je, že úložisko je lacné. Navyše bez týchto informácií nebudete môcť využiť silu hlbokého učenia a súťažiť v tomto novom svete.
de que nacionalidad es geoffrey zakarian
Štúdia vedúcich pracovníkov z časopisu Fortune 1000 z roku 2016 odkryl to iba 48,4% opýtaných uviedlo merateľné výsledky ako výsledok svojich iniciatív v oblasti údajov - 80,7% však považovalo toto úsilie za úspešné a nevyhnutné. To znamená, že každý vie, že musí robiť lepšie a nevidí alternatívu, ale aby sa dosiahli všeobecné merateľné výhody, je potrebné ešte niečo.
Väčšina dátových iniciatív postráda jednu jednoduchú ingredienciu: hlboké učenie. Je to často nepochopená téma, ktorú Cognitiv's Fain definoval ako „pokročilejší typ strojového učenia schopný generovať ľudský vhľad“. Schopnosť hlbokého učenia sa získavať výsledky z veľkých dát je teraz nevyhnutná nielen z konkurenčných dôvodov, ale aj preto, aby sa predchádzajúce investície do veľkých dát vyplatili. Smutné 39,3% opýtaných stále hovorili o tom, že ich organizáciám chýba podniková stratégia veľkých dát, alebo inak nevedeli, či existuje - tieto spoločnosti majú pred sebou dlhý kopec. V skutočnosti má väčšina profesionálov založených na dátach pred sebou prudké stúpanie. „Čiastočnou výzvou je, že samotný priemysel nie je okolo údajov. O 15 rokov sa pozrieme späť na to, čo robíme, a povieme: „Nebolo to roztomilé?“, “Uviedol jeden z riaditeľov Programmatic Media pre globálnu mediálnu agentúru, s ktorým nedávno hovoril Štúdia skupiny Winterberry Group IAB .
Veľké dáta, analýza dát a umelá inteligencia idú veľmi ruka v ruke. Umelá inteligencia - a rozšírené hlboké učenie - si vyžaduje údaje, ich množstvá a množstvá. Jediným spôsobom, ako môže byť hlboké učenie pre vašu organizáciu efektívne, je, ak máte neustály prísun informácií, ktoré ich kŕmia. “ Vyzbrojení týmito informáciami môžu hlboké učenie a neurónové siete vytvárať algoritmy a stratégie, ktoré sú jedinečné pre vašu značku - a tak zaisťujú, aby značka zostala konkurencieschopná a inovatívna. Ako Fain poukazuje na to „Schopnosť podrobnejšie opísať a porozumieť správaniu spotrebiteľa je úplnejšia ako kedykoľvek predtým a tento druh údajov umožní, aby sa marketingové nástroje umelej inteligencie v nasledujúcich rokoch stali ešte efektívnejšími.“
V tomto okamihu potrebujú všetky značky silnú dátovú stratégiu. Stačí sa pozrieť na dnešné značky ako Macy's a J.C. Penney, ktoré bojujú v dôsledku dátovo orientovaných prístupov gigantov elektronického obchodu ako Amazon a eBay. Správna stratégia a rovnako dôležité nástroje na to, aby ste z dát vyťažili maximum, vám pomôžu udržať vašu spoločnosť konkurencieschopnú a úspešnú.
