Seberapa mendalam pembelajaran mengubah permainan bagi pengiklan dan konsumen

AI telah selamanya mengubah iklan digital. Sebagai pemasar, ini memungkinkan kami memutuskan cara terbaik untuk melibatkan pelanggan potensial dan pasar yang belum pernah ada sebelumnya.

Tapi ada ruang untuk tumbuh. Alat pembelajaran mendalam adalah bidang utama berikutnya dari penelitian berbasis AI, dan ini akan memicu gelombang inovasi masa depan di setiap industri – membawa era pemasaran baru yang akan bermanfaat bagi pengiklan dan pengguna akhir.

Antarmuka kami telah disesuaikan agar sesuai dengan minat pengguna pada tingkat pribadi, mencocokkan wawasan dan perilaku industri dengan iklan bergambar – atau personalisasi. Tetapi algoritma pembelajaran yang mendalam akan mencapai lebih banyak lagi.

Pembelajaran mendalam mengubah cara kita berpikir tentang efektivitas. Ini bidang penelitian berbasis AI yang paling menjanjikan, ditemukan di Google Translate, Tesla driving-cars, atau mekanisme pengenalan imajinasi Yahoo. Ini juga digunakan dengan cara yang lebih futuristik.

DeepMind AI Google dapat membaca acara TV dengan bibir lebih baik daripada seorang profesional (ahli manusia hanya menganotasi 12,4% kata tanpa kesalahan, dibandingkan AI pada 46,8%). Algoritme ini telah menang melawan pemain poker top dunia dan bahkan dapat mengarahkan film sendiri – baru-baru ini ditampilkan oleh Saatchi & Saatchi di Festival Kreativitas Internasional Cannes Lions.

Dan tentu saja, industri periklanan akan mengalami aplikasi pembelajaran yang mendalam. Pengumuman baru-baru ini oleh Coca-Cola menunjukkan bahwa mereka ingin menggunakan bot AI untuk membuat musik untuk iklan, menulis skrip, memposting tempat di media sosial, dan membeli media - menyiratkan bahwa revolusi iklan pembelajaran mendalam tampaknya lebih dekat dengan kenyataan daripada sebelumnya.

Dari sudut pandang pengiklan: Algoritme belajar mandiri yang bereaksi secara cerdas terhadap situasi yang tidak terduga

Menurut penelitian Adlucent baru, konsumen mendambakan pengalaman beriklan yang dipersonalisasi, dan 71% responden lebih suka iklan yang disesuaikan dengan minat dan kebiasaan belanja mereka. Studi tersebut juga menunjukkan bahwa orang-orang hampir dua kali lebih mungkin untuk mengklik iklan yang menampilkan merek yang tidak dikenal, jika iklan tersebut disesuaikan dengan preferensi mereka.

Dengan meningkatnya akses ke data dan persaingan yang bergerak cepat, sangat penting bagi pemasar untuk memahami kebisingan di sekitar pengguna – tetapi juga tidak pernah semudah ini. Model personalisasi tipikal dapat dibuat tanpa algoritme yang sangat canggih, tetapi kami tahu batas ini telah tercapai. Namun, algoritme pembelajaran mendalam baru dapat mendeteksi situasi tak terduga dan potensi tersembunyi.

Misalnya, bayangkan Anda lupa tentang hari ulang tahun teman Anda. Dengan hanya dua hari tersisa, tidak ada banyak waktu untuk mencari produk, tetapi masih cukup untuk mencari sesuatu yang istimewa. Dalam kasus ini, personalisasi ultra-akurat dapat membuat perbedaan, dan model pembelajaran mendalam dapat mulai mengetahui bahwa Anda dengan antusias mencari sesuatu.

Entah itu dengan perubahan perilaku yang tiba-tiba, atau belanja yang tampaknya mendesak, model tipikal akan buta terhadap poin data ini, tetapi pembelajaran mendalam dapat membuat koneksi.

Pemahaman mendalam tentang perilaku belanja konsumen belum tersedia secara luas untuk pemain e-niaga, tetapi sangat penting bagi pemasar. Misalnya, cukup mudah untuk menemukan pola dalam pengambilan keputusan untuk puncak penjualan yang khas dan dapat diprediksi seperti Black Friday atau Women's Day. Ini menjadi lebih rumit ketika harus mengidentifikasi peristiwa individu, dengan konteks yang sangat spesifik (seperti ulang tahun teman yang akan datang atau acara mendadak lainnya).

Di sinilah pembelajaran mendalam mengambil alih dari metode tradisional. Terinspirasi oleh neuron biologis di otak kita, pembelajaran mendalam melangkah ke dalam permainan dan memungkinkan untuk mendapatkan deskripsi pengguna yang lebih andal, lebih kaya, dan dapat diinterpretasikan oleh mesin tentang potensi pembelian pelanggan tanpa memerlukan keahlian manusia.

Berbeda dengan pendekatan pembelajaran mesin tradisional, pembelajaran mendalam mampu memilih satu pengguna dalam kerumunan online, seseorang yang awalnya mungkin terlihat seperti pengguna yang bertindak kacau, tetapi sebenarnya memiliki potensi terbesar untuk menyelesaikan pembelian.

Ini dimungkinkan karena algoritme belajar mandiri menentukan setiap klien potensial yang mencari produk yang sedikit berbeda dari model biasanya. Ini merujuk pada sejarah, dan melihat bahwa orang tersebut mengubah perilakunya secara dinamis. Ini kemudian memberikan probabilitas konversi yang sangat tepat, belajar tidak hanya dari satu pengguna, tetapi setiap pengguna dalam jaringan.

Misalnya, jika hadiah ulang tahun adalah "headphone baru", penargetan ulang berbasis pembelajaran mendalam akan melihat pengguna dengan cepat mencari melalui 10 model yang berbeda, memeriksa spesifikasi, mempersempit ke kisaran harga. Ini akan mendefinisikannya sebagai situasi yang tidak biasa dan mendesak, sementara algoritme tradisional hanya akan melihatnya sebagai perilaku yang tidak pasti dan tidak menentu – atau tidak menyadarinya sama sekali.

Dengan mengetahui bahwa orang tersebut memiliki kebutuhan mendesak untuk membeli sesuatu, e-shop secara otomatis dapat mendorong konsumen untuk menyelesaikan pembelian di e-store khusus mereka.

Dari sudut pandang pengguna: algoritme pembelajaran mendalam yang memprediksi keinginan Anda

Ketika kecerdasan buatan diterapkan pada distribusi produk atau layanan komersial apa pun, itu menjadi perpanjangan unik dari siapa kita. Ini bekerja secara fenomenal dalam sistem rekomendasi Netflix, dan banyak film yang ditonton di Netflix berasal dari saran yang disempurnakan dengan pembelajaran mendalam perusahaan.

Amazon juga mempercayai algoritme belajar mandiri. Sistem "pengiriman antisipatif" berbasis algoritme yang dipatenkan perusahaan dapat dengan sangat tepat menentukan pola pembelian pelanggan dan memprediksi merek, kisaran harga, dan produk yang akan dibeli. Berdasarkan itu, Amazon dapat mengirimkan produk ke pusat distribusi bahkan sebelum pesanan dilakukan – merevolusi industri e-commerce.

AI, terutama pembelajaran mendalam, adalah alat yang sempurna untuk memprediksi keinginan pengguna di industri periklanan. Teknologi ini menyederhanakan pengalaman pengguna sehari-hari kami dengan menghadirkan iklan bertarget mendalam yang tidak hanya berisi produk yang kemungkinan besar akan kami beli, tetapi juga produk yang belum pernah kami lihat atau produk yang bahkan belum kami pikirkan.

Bayangkan Anda baru saja membeli kamera baru. Algoritme pembelajaran mendalam akan menganalisis setiap bagian dari apa yang Anda lakukan: tanggal berbelanja dan membeli, spesifikasi kamera, riwayat, perilaku, dll. Algoritme akan dapat merancang rekomendasi produk yang dibentuk untuk memenuhi kebutuhan pribadi Anda yang melampaui saran biasa.

Lensa yang kompatibel atau kartu memori tambahan atau tripod kamera mungkin merupakan rekomendasi yang baik, sementara iklan video yang disarankan dengan kamera-drone mungkin menunjukkan sesuatu yang bahkan tidak Anda pikirkan – tetapi sekarang Anda inginkan secara tidak sadar.

Rekomendasi produk terkait dari Amazon membantu mendorong pengguna melakukan pembelian tambahan

Alasan mengapa deep learning sangat berdampak adalah karena ia belajar dengan cara yang sama seperti yang dilakukan orang, hanya jauh lebih cepat. Ini melihat keinginan setiap orang secara individual, sementara juga memperhitungkan data dari jutaan orang lain dan memberikan hasil secara real-time. Ini adalah prestasi yang tidak pernah bisa diharapkan oleh manusia untuk dicapai.

Alat pembelajaran mendalam pengiklan akan mengarah pada perubahan dalam cara kami merekomendasikan produk, dengan hati-hati menimbang nilai calon pembeli, memprediksi probabilitas konversi, dan yang paling penting – mempelajari keinginan mereka. Algoritme belajar mandiri membantu mencapai analisis pengguna yang sangat akurat dan sebagai hasilnya membuat periklanan kira-kira 40% lebih efisien.

Dalam waktu dekat, pengiklan dan pengguna akan mengalami evolusi periklanan. Meskipun mungkin tampak sedikit sci-fi, teknologi ini merupakan perkembangan alami untuk membuat aktivitas online lebih efisien daripada sebelumnya.