8 tapaa joilla koneoppiminen parantaa markkinointia

8 tapaa joilla koneoppiminen parantaa markkinointia

Mitä on koneoppiminen?

Tietojärjestelmät ovat pitkään toimineet erilaisten algoritmien avulla. Oikean algoritmin laatiminen tiettyyn käyttötarkoitukseen on työläs prosessi. Tällöinkin se on tasan yhtä älykäs tai hyvä kuin sen suunnitellut ihminen. Koneoppimisen ajatuksena on laittaa tietojärjestelmä oppimaan ja opettelemaan oikea vastaus haluttuun kysymykseen samalla tavalla kuin ihminen oppii: kokeilemalla ja virheitä tekemällä. Järjestelmälle asetetaan tällöin tavoite ja annetaan lähtötiedot, jonka perusteella se kokeilee erilaisia vaihtoehtoja kunnes se pääsee mahdollisimman lähelle haluttua lopputulosta.
Koneoppiminen voidaan karkeasti jakaa  pääkategoriaan: avustettuun (supervised) ja avustamattomaan (unsupervised) oppimiseen. Ensimmäisessä vaihtoehdossa koneelle näytetään oikeita vastauksia, joiden perusteella sen pitäisi oppia ja jälkimmäisessä kone löytää itse sopivat vastaukset (tätä käytetään esimerkiksi tiedon luokittelussa, jossa ei etukäteen tiedetä loogisia luokkia). Näiden edellä mainittujen kategorioiden lisäksi on vielä ns. Reinforcement learning. Siinä kone oppii palkitsemisen ja rangaistuksien kautta: jokaisella toiminnolla on joko positiivinen tai negatiivinen seuraus. Tätä mallia hyödynnetään mm. robotiikassa ja teköälyssä. Näissä järjestelmän täytyy opetella toimimaan kaaottisessa ympäristössä, jossa on valtavasti erilaisia tapahtumia ja niiden lopputuloksia.

Miten koneoppiminen ja tekoäly voi parantaa markkinointia?

1. Parantaa asiakaspalvelua: koneoppimisen avulla voidaan tunnistaa selkeitä käyttäjäryhmiä ja muokata esimerkiksi verkkopalveluiden toimintaa dynaamisesti paremmin palvelemaan jokaisen eri ryhmän tarpeita. Tällöin asiakkaat saavat personoidumman ja heille sopivan palvelukokemuksen sen sijaan, että kaikkia kohdeltaisiin samalla tavalla.  Erilaiset älykkäät chattibotit palvelevat asiakasta väsymättä 24/7 ja ne saadaan automaattisesti kehittymään jatkuvasti paremmaksi. Verkkopalvelu oppii suosittelemaan tietylle käyttäjälle hänelle sopivia tuotteita ja tekee lisämyyntiä.
2. Asiakassegmentointi: demografinen ja geografinen kohdistus on jo aikansa elänyt ja psykografisessa kohdistuksessa on liikaa subjektiivisia, mielipiteeseen liittyviä vaikuttimia. Avustamattoman koneoppimisen avulla tietojärjestelmälle voidaan syöttää valtava massa käyttäjädataa ja antaa järjestelmän löytää loogisia käyttäytymismalleja, joiden mukaan asiakkaita kannattaa jakaa kohderyhmiin. Tällöin kohderyhmät perustuvat aitoon dataan ja käyttäytymiseen, ei mielipiteisiin.
3. Markkinoinnin kohdistus paranee valtavasti. Jo tällä hetkellä on saatavilla teköälyllä toimivia “virtuaalisia markkinointipäälliköitä”, jotka optimoivat Facebook-kampanjoita reaaliaikaisesti käyttäjätiedon perusteella. Koneoppimisen avulla järjestelmä löytää tehokkaimmat yleisöt, niille sopivat mainosmuodot ja sisällöt, sekä optimoi käytettävää budjettia. Markkinointikanavien, -ratkaisujen, -alustojen, -kikkojen määrä on räjähtänyt niin valtavaan kasvuun, että tulevaisuudessa yksittäisen ihmisen on mahdotonta pitää niitä kaikki hallussaan.
4. Asiakassuhteen pidentäminen: koneoppimisen avulla voidaan löytää tuotetarjouksia, jotka varmistavat asiakassuhteen jatkuvuuden toimialoilla, joilla palveluntarjoajan vaihtamiskustannus on matala ja asiakasvaihtuvuus suuri (kuten esimerkiksi teleoperaattoreilla). Liittymätarjouksia ei kannata räiskiä kaikille ja niiden sisältö kannattaa optimoida juuri kyseiselle kuluttajalle. Tällöin vahvistetaan juuri oikealla tavalla asiakassuhdetta ja sen pysyvyyttä. Katso esimerkiksi: https://docs.microsoft.com/en-us/azure/machine-learning/studio/azure-ml-customer-churn-scenario
5. Dynaaminen hinnoittelu: tähän olet varmasti jo törmänny itsekin mutta monella toimialalla on jo siirrytty ns. Dynaamiseen hinnoitteluun. Tällöin tarjottavat hinnat vaihtelevat markkinatilanteen mukaan reaaliaikaisesti. Tälläistä koneoppimiseen perustuvaa hinnoittelumallia hyödynnetään jo esimerkiksi matkailualalla. Myös osa päivittäistavarayrityksistä on siirtynyt sähköisiin hintalappuihin, joiden sisältöä voidaan päivittää päivän aikana.
6. Kysynnän ennustaminen: joillain toimialoilla kysyntä heilahtelee kaaottisesti ja voi vaikuttaa merkittävästi markkinoinnin kustannuksiin ja liiketoiminnan katteeseen. Koneoppimisen avulla voidaan laittaa tietojärjestelmä tulkitsemaan tuhansien eri muuttujien vaikutusta tulevaan kysyntään ja sitä kautta oppia ennustamaan niiden vaikutusta liiketoimintaan. Tätä hyödynnetään usein dynaamisen hinnoittelun kanssa.
7. Liidien pisteytys: useassa markkinoinnin automaatiopalvelussa liidit pisteytetään algoritimipohjaisesti. Palveluun määritellään tietyt kriteerit, jotka antavat liidille pisteitä tämän käyttäytymisen perusteella. Mallin ongelma on se, että se perustuu ennalta määriteltyihin sääntöihin ja odotuksiin käyttäjän halusta ostaa yrityksen palveluita. Koska käyttäjät ovat kaikki erilaisia ja liidin pisteytykseen vaikuttavia tekijöitä voi olla itse asiassa satoja, on järkevämpää antaa liidin pisteytys koneoppimisen tehtäväksi. Tällöin tietojärjestelmä löytää liidin ominaisuudet, jotka vaikuttavat sen arvoon ja pystyy muokkaamaan näitä jatkuvasti uuden tiedon perusteella.
8. Myyntiennusteet: useassa yrityksessä myyntiennusteet perustuvat joko optimistisiin toiveisiin tai edeltävien vuosien orgaaniseen kasvuun. Tulevaan myyntiin vaikuttaa sadat ellei jopa tuhannet eri muuttujat. Koneoppimisen avulla myynnin ennustusjärjestelmä voidaan laittaa tekemään ennusteita hyödyntäen tuhansia muuttujia ja jatkuvasti parantamaan omaa ennustettaan. Tälläinen järjestelmä pystyy myös kaivautumaan myynnin mikrosegmentteihin asti tunnistamaan tulevaan myyntiin vaikuttavia tekijöitä.
Teköälyn, neuroverkkojen ja koneoppimisen aikakausi ei ole vielä edes kunnolla käynnistynyt ja jo nyt sillä on ollut merkittäviä vaikutuksia talouteen ja yrityksien kilpailukykyyn. Tulevaisuudessa yrityksien täytyykin pystyä omaksumaan ja ottamaan käyttöön näitä teknologioita yhä kiihtyvällä tahdilla, sillä kilpailijatkin tekevät niin. Tosin meille suomalaisille tuppaa olemaan taipumus piiloutua teknologian taakse ja unohtaa se oikea ihminen, jota liiketoiminnan pitäisi pystyä palvelemaan. Suurimman hyödyn näistä uusista ratkaisusta saa kun ne vapauttavat aikaa oikeaan asiakaskohtaamiseen ja palveluun.
2018-09-05T04:59:37+00:00

About the Author:

Leave A Comment

CREATIC OY

Strategisen digimarkkinoinnin ja verkkoliiketoiminnan ammattilainen 15 vuoden kokemuksella.

OTA YHTEYTTÄ!

  • Kauppakatu 39 C, 40100 Jyväskylä
  • +358 407166239
  • hello@creatic.fi