什麼是預測人工智慧?
作者:布魯克‧格里夫
,2024 年 4 月 2 日
這是我們人工智慧部落格系列的第四部分,也是最後一部分,重點介紹了我們最近與 Wakefield Research 和 Ad Age 合作的研究。
如果您錯過了,在之前的文章中,我們介紹了:
行銷人員對產生人工智慧的真正看法
人工智慧自動化和優化如何影響當今的行銷人員
為什麼可解釋性和可選擇性是所有人工智慧行銷的基礎和未來
現在,我們將透過關於預測人工智慧的解釋來結束本系列。一旦我們揭示了預測人工智慧的當前狀態,我們將分享一個行銷成功故事,以及如何使用 Iterable 的預測目標來設定成功的行銷活動。
讓我們開始吧。
想要更多有關人工智慧行銷的統計數據嗎?立即前往廣告時代下載完整的研究報告。
什麼是預測人工智慧?
《廣告時代》解釋說,行銷人員多年來一直在使用人工智慧(儘管最近大肆宣傳)進行預測分析和個人化溝通。它將預測人工智慧定義為使用“基於機器學習的人工智慧模型來產生客戶洞察,幫助行銷人員預測受眾並為數位行銷活動建立細分市場。”
當被問及哪種類型的人工智慧可以讓行銷人員的工作變得更輕鬆時,調查受訪者將預測性列為前四名:
優化(例如自動推薦改進):57%
自動化(例如機器無需幹預即可自動執行任務):53%
預測(例如最有可能轉換的細分):50%
生成(例如內容創建):49%
也就是說,這些類別並不互相排斥,事實上,廣告時代提到了同時使用它們的好處:
“當與預測分析相結合時,可以幫助行銷人員在當今快速變化的市場中加強客戶關係、提高品牌績效並滿足他們的 KPI。”
為了展示預測人工智慧如何對您的行銷活動產生積極影響,讓我們透過一個由技術驅動的房地產經紀公司Redfin的案例研究。
預測人工智慧的工作原理
Iterable 的預測目標功能可分析您的歷史資料並預測哪些使用者最有可能在未來實現您的業務目標。
我們在上一篇關於該平台如何彌合洞察和行動之間差距的文章中對預測目標進行了簡要解釋。在此深入探討,您可以將預測目標用於以下用例:
確定可能會根據您想要優化(例如購買和點擊)或最小化(例如退貨或取消訂閱)的業務目標進行轉換的用戶群體。
確定您希望增加或減少項目的哪些相關使用者屬性和第一方資料的頻率,以促進預期的結果,例如向最有可能每月多次購買的用戶發送更多特別優惠。
產生轉換機率分數以在旅程中使用,以指導用戶如何與您的品牌互動,例如為得分較高的用戶創建忠誠度活動。
Iterable 平台的螢幕截圖顯示了從頭開始 芬蘭 電話號碼 建立目標時可以使用的範本。
使用 Iterable,您可以從頭開始建立新的預測目標,或使用上圖中顯示的可用範本之一。
與任何人工智慧模型一樣
資料集越大,結果越有效。我們建議至少使用三到 芬蘭電話號碼 六個月的歷史數據和 100,000 個唯一用戶才能實現有意義的預測。
將預測目標付諸實踐
您可以使用 Iterable 的 AI 套件建立最多六個預測目標。若要建立預測目標,請使用您根據特定業務目標指定的預定義範本或標準之一。
在下面的範例中,您的目標標準可以尋找可能向購物車添加至少一件商品或兌換至少一個促銷代碼,並且在給定月份內擁有高級帳戶類型的用戶。
顯示目標標準的 Iterable 平台的螢幕截圖。
透過設定與您的業務相關的特定目標標準,完全自訂您的預測目標。