从可操作的数据中创建见解–机器学习和AI是答案吗?

尼克·斯里斯(Nick Sleeth)

从我们今天听到和阅读的所有内容中,听起来机器学习和人工智能(AI)都将帮助我们使数据更具洞察力和可操作性。现实情况是,如果包括技术,处理能力和人工的所有成本,则AI和机器学习是非常复杂且昂贵的技术。在波士顿咨询集团(Boston Consulting Group)最近对3,000多家公司进行的一项调查中,有85%的公司认为他们可以从AI中获得竞争优势,但是只有5%的组织广泛使用AI。

如今,人工智能和机器学习主要用于“Black Box”这种方法意味着将AI和机器学习技术嵌入其他解决方案中以提高其有效性,而不是独立使用AI和机器学习。这使我们免受复杂性的影响,但这无助于我们作为营销人员建立更好的见解并使数据具有可行性。

营销人员一直试图利用数据和见解来学习我们的下一个广告系列。我们想到了Google 分析工具(分析)如何帮助我们获得网络流量的摘要视图。我们现在面临的问题是有更多可用的数据源,因此仅使用一次数据源不足以使我们深入了解客户或业务。 我们知道我们可以访问更多的数据源,例如第一方,第二方和第三方数据,但挑战在于如何将它们组合在一起。那么,为什么我们需要集成这些多个数据源以做出更好的决策?

我们为什么需要集成更多可用数据以创建见解的原因有三个。 首先,与过去相比,现在可以获得更详细的数据并且更易于访问,因此忽略这些新资源将是愚蠢的,因为仅查看非常高级的视图已不再足够。其次,对营销预算的投资是空前的,因此我们必须做出更好的决策,因此数据和更好的见解将为这一支出提供合理的答案。最后,其他部门还不太了解以前使用的单点营销数据。

例如,对于希望了解未来收入以及要分配多少预算的首席财务官(CFO)而言,唯一身份访问者的概念没有多大意义。取而代之的是,我们需要将网络流量与潜在客户相关联,这些潜在客户的价值与销售相关,以及达到收入目标需要多少潜在客户。

我们同意需要集成更多数据源以建立更好的洞察力,但是您从哪里开始呢?从识别数据和由业务需求驱动的洞察力目标开始。

唐’t以访问所有数据源为起点来构建完整的数据字典,因为这将是浪费的工作。绝对不要从机器学习和AI解决方案开始,因为这两种方法都需要大量信息才能使用且非常复杂,因此请专家处理。

而是查看您已经拥有或可以轻松获取的数据源,以用于帮助您的组织做出决策。例如,将本地人口统计信息添加到客户列表可以深入了解这些人为什么以及如何购买您的产品。您可能想要获得一个简单的工具来带来多个数据源,以便您可以运行简单的报告和分析以学习和发展。您是否有可能在一年之内丢弃该工具?绝对可以,但这是基于软件即服务(Saas)的工具的优势。 轻松进出,轻松完成后,您可以升级到更复杂的工具。

您可能想知道,我们应该请顾问来帮助您吗?是的,当然,因为这是更快学习和达成目标的好方法。在开始制定目标之前,请确保已明确定义目标,并保持较小的步伐以便快速获得回报。远离承诺将AI和机器学习解决方案作为您的初始项目的解决方案和顾问。这些可能会失败。

最后一点,您组织中的所有部门都在尝试找出如何使用来自多个来源的所有数据来做出更好的决策。营销也必须继续创新。

越来越多的组织正在使用数据来做出更明智的决策,而拥护这一决策的人将会更加成功。


关于作者: 尼克·斯里斯(Nick Sleeth)是CMA的成员’s Customer Insights &分析委员会。他获得了西安大略大学计算机科学与统计理学学士学位,并曾在Myplanet Digital,CentricIQ和Cision等公司担任高级市场和销售领导职务。

告诉我们你的想法
  1. 如果您之前未在此处发表评论,则可能需要先获得CMA批准,然后您的评论才会出现。在此之前,它不会出现在条目中。
    感谢您的等待。查看CMA的 博客政策.