Sitemap

मार्केटिंग में आर्टिफिशियल इंटेलिजेंस का परिचय

आर्टिफिशियल इंटेलिजेंस के साथ मार्केटिंग।फैंसी लगता है।

और यही समस्या है।

इस शब्द को मार्केटिंग टूल विज्ञापन कॉपी में, मार्केटिंग गुरुओं द्वारा और मीडिया द्वारा प्रचारित किया जाता है।

फिर भी, एक ठोस परिभाषा मायावी है।

कई लोगों के लिए, AI buzzwords से घिरी एक पहेली है।

लेकिन विडंबना यह है कि प्रचार जितना अधिक हो गया है कि एआई अगले वर्षों में क्या कर सकता है, मार्केटिंग में आज एआई का उपयोग कैसे किया जाता है, इसकी वास्तविकता अक्सर कम पहचानी जाती है।

  • फ़ोटो में किसे टैग करना है, इसकी अनुशंसा करने के लिए Facebook चेहरे की पहचान का उपयोग करता है.
  • Google खोज परिणामों को रैंक करने के लिए गहन शिक्षण का उपयोग करता है।
  • नेटफ्लिक्स सिफारिशों को वैयक्तिकृत करने के लिए मशीन लर्निंग का उपयोग करता है।
  • एलेक्सा के लिए अमेजन नेचुरल लैंग्वेज प्रोसेसिंग का इस्तेमाल करता है।
  • वाशिंगटन पोस्ट डेटा-संचालित लेख लिखने के लिए प्राकृतिक भाषा पीढ़ी का उपयोग करता है।

आपका जीवन पहले से ही मशीन-सहायता प्राप्त है, और आपकी मार्केटिंग भी हो सकती है।

आर्टिफिशियल इंटेलिजेंस क्या है?

आर्टिफिशियल इंटेलिजेंस को समझने का सबसे अच्छा तरीका एक छत्र शब्द है।

इसका उपयोग अद्वितीय, लेकिन संबंधित, प्रौद्योगिकियों के एक सूट का वर्णन करने के लिए किया जाता है जो मानव क्षमताओं का अनुकरण कर सकते हैं।

यह कोई विलक्षण जादू तकनीक नहीं है जो सब कुछ कर सकती है।

लेकिन वास्तविक क्षमताओं के साथ व्यक्तिगत उपकरणों का एक सेट, लेकिन जो विकास के विभिन्न चरणों में हैं।

एआई के इन अलग-अलग सबसेट में से कुछ ऐसे हैं जो विशेष रूप से अभी मार्केटिंग पर लागू होते हैं।

  • कंप्यूटर विज़न जो AI को देखने की अनुमति देता है।यह सोशल मीडिया पर ऑब्जेक्ट डिटेक्शन, फेशियल रिकग्निशन और विजुअल लिसनिंग की ओर जाता है।
  • प्राकृतिक भाषा प्रसंस्करण (एनएलपी) जो एआई को सुनने और बोलने की अनुमति देता है - हमें चैटबॉट, सिमेंटिक विश्लेषण, सामग्री निर्माण और आवाज खोज क्षमता प्रदान करता है।
  • मशीन लर्निंग एआई को डेटा के साथ सीखने की अनुमति देता है कि समय के साथ किसी विशिष्ट कार्य पर प्रदर्शन में उत्तरोत्तर सुधार कैसे किया जाए, बिना स्पष्ट रूप से प्रोग्राम किए कि क्या करना है।यह हमें सामग्री अनुशंसाएं, समान दिखने वाली ऑडियंस, प्रोग्रामेटिक विज्ञापन और लीड स्कोरिंग देता है।

मशीन लर्निंग द्वारा प्रदान की गई आत्म-सुधार की क्षमता विपणक के लिए एआई का सबसे महत्वपूर्ण उपसमुच्चय है।

ऑटोमेशन मशीन लर्निंग के बराबर नहीं है

हो सकता है कि आप सोच रहे हों कि आपने इस संपूर्ण AI मार्केटिंग चीज़ को कवर कर लिया है क्योंकि आपके पास एक महंगा मार्केटिंग ऑटोमेशन टूल है।

आइए एक बात स्पष्ट करें:

ऑटोमेशन मशीन लर्निंग नहीं है।

स्वचालन निर्देशों का एक सेट है जो एक मशीन को बताता है कि एक निर्दिष्ट परिणाम उत्पन्न करने के लिए क्या करना है।

आपको अभी भी मार्केटिंग लॉजिक डिजाइन और इनपुट करना है।

मशीन लर्निंग इसे अनुभव से बेहतर बनाने में सक्षम बनाता है, इसलिए मशीन सीखती है कि वांछित परिणाम उत्पन्न करने के लिए क्या करना है।

मशीन शुद्ध निष्पादन तक ही सीमित नहीं है, यह अनुकूलन का भी ध्यान रखती है।

मूल रूप से, स्वचालन वही दोहराता है जो आप अभी करते हैं।यह समय बचाता है लेकिन KPI पर इसका सीधा प्रभाव नहीं पड़ता है।

दूसरी ओर, मशीन लर्निंग से न केवल आपका समय बचेगा, बल्कि KPI को लगातार बढ़ाने के लिए मौजूदा रणनीति में भी सुधार होगा।

तो हम इस तकनीक का लाभ क्यों नहीं उठा रहे हैं?

आइए उन शीर्ष चार कारणों पर एक नज़र डालें, जो विपणक एआई के अनुप्रयोगों को अपनाने से हिचकिचाते हैं और उन्हें कैसे दूर किया जाए।

कारण 1: तकनीकी कौशल की कमी

हालांकि कई विपणक महसूस करते हैं कि उनके पास एआई को अपनाने के लिए तकनीकी कौशल की कमी है।

यह मामला नहीं होना चाहिए।

वास्तविकता यह है कि, आप पहले से ही वह सब कुछ जानते हैं जो आपको आरंभ करने की आवश्यकता है।

मशीन लर्निंग रिसर्च के बीच अंतर है, जो सभी बेहतर एल्गोरिदम के निर्माण के बारे में है और डेटा वैज्ञानिकों का विशेषाधिकार है, और एप्लाइड मशीन लर्निंग, जो व्यावसायिक मुद्दों को हल करने के लिए एल्गोरिदम का उपयोग कर रहा है, जो कि विपणक को करने की आवश्यकता है।

इस तरह से इसके बारे में सोचो:

माइक्रोवेव कैसे काम करता है इसके पीछे के विज्ञान को आप पूरी तरह से नहीं समझ सकते हैं।लेकिन यह आपको खाना पकाने के लिए इसका इस्तेमाल करने से नहीं रोकता है।

  • डेटा वैज्ञानिकों के बिना कंपनियां अभी भी सर्वोत्तम डेटा (सर्वोत्तम सामग्री) चुन सकती हैं।
  • इस जानकारी को खुले स्रोत वाले एल्गोरिदम (उपकरण) में डालें।
  • मॉडल (व्यंजनों) बनाने के लिए।
  • यह भविष्यवाणियां पैदा करता है - a.k.a., मार्केटिंग रणनीति (डिश) लागू करें।
  • जिसकी गुणवत्ता का हम परीक्षण (चखने) से आंकलन कर सकते हैं।

और अगर पकवान स्वादिष्ट नहीं है, तो आप नुस्खा को संशोधित कर सकते हैं, या स्टोव खरीद सकते हैं, या बेहतर गुणवत्ता वाली सामग्री प्राप्त कर सकते हैं।

माइक्रोवेव कैसे काम करता है, इसके पीछे के विज्ञान के बारे में अधिक जानकर आप बेहतर शेफ नहीं बन सकते।

डेटा साइंस की पेचीदगियों पर शोध करके आप बेहतर मार्केटर नहीं बन सकते।

खाना बनाना सीखने का सबसे अच्छा तरीका है बस शुरुआत करना।

विपणक के लिए पैमाने की हमारी समस्या को दूर करने का सबसे अच्छा तरीका एआई के किसी भी उपयोग के मामले को रोल आउट करना है।

कारण 2: हमारी नौकरियों का डर

कुछ टीमें एआई पहल शुरू नहीं करना चाहती हैं क्योंकि उन्हें डर है कि इससे अगली औद्योगिक क्रांति होगी और वे नौकरी से बाहर हो जाएंगे - यह स्वाभाविक रूप से बहुत प्रतिरोध का कारण बनता है।

जब तक आप अगले 5 वर्षों में सेवानिवृत्त होने की योजना नहीं बनाते हैं, कृत्रिम बुद्धिमत्ता आपके मार्केटिंग करियर को महत्वपूर्ण रूप से प्रभावित करेगी।लेकिन इसका मतलब यह नहीं है कि आपको मार्केटिंग रोबोट से बदल दिया जाएगा।

आपकी नौकरी दोहराए जाने वाले कार्यों को निष्पादित करने से बदलकर एआई को आपके लिए उन कार्यों को करने के लिए सिखाएगी।

आपको रचनात्मकता और रणनीति में अपना समय पुनर्निवेश करने की अनुमति देता है।

लेकिन एआई सिखाने में वास्तव में क्या शामिल है?

क्योंकि यह बहुत तकनीकी लगता है।

विपणन उपयोग के मामलों के लिए सबसे आम प्रशिक्षण पद्धति पर्यवेक्षित शिक्षण है।

इसमें दो चरण शामिल हैं।

पहली प्रारंभिक शिक्षण प्रक्रिया है।

मान लें कि आपके पास 1 मिलियन ग्राहक समीक्षाएं हैं।

कोई भी इंसान संभवतः उन सभी को नहीं पढ़ सकता है, इसलिए आप समीक्षा को सकारात्मक, तटस्थ या नकारात्मक के रूप में वर्गीकृत करते हुए भावना को समझने के लिए मशीन लर्निंग का उपयोग करना चाहते हैं।

इसे प्राप्त करने के लिए, उन समीक्षाओं का एक नमूना लें और उनमें से प्रत्येक को अपने तीन वर्गीकरणों में से एक के साथ लेबल करें।

फिर इस प्रशिक्षण डेटा को अपने मशीन लर्निंग एल्गोरिदम में फीड करें।

उसके पास जितना अधिक डेटा होगा, वह पैटर्न को पहचानने में उतना ही बेहतर होगा और समय के साथ वह समीक्षाओं की भावना को अपने आप वर्गीकृत करने में सक्षम होगा।

इसकी क्षमताओं का परीक्षण करने के लिए, लेबल किए गए डेटा को खिलाने के बजाय, कच्चे डेटा को इनपुट करें और परिणामों की गुणवत्ता का आकलन करें।

अक्सर, यदि आपने प्रारंभिक शिक्षण प्रक्रिया को अच्छी तरह से किया है, तो यह पहले से ही डेटा के एक बड़े हिस्से को सही ढंग से वर्गीकृत करने में सक्षम होगा।

और आप दूसरे चरण में जा सकते हैं; चल रही शिक्षण प्रक्रिया।

जहां नियमित रूप से आप एल्गोरिदम को सिखाने के लिए किसी भी त्रुटि को फिर से लेबल करेंगे कि उसने क्या गलत किया, जिससे उसे लगातार सुधार करने की अनुमति मिलती है।

हो सकता है कि आप पहले से ही इसे जाने बिना एल्गोरिदम पढ़ा रहे हों।

जिसने एक छवि-आधारित Google कैप्चा भरा है, एक ईमेल को स्पैम नहीं के रूप में चिह्नित किया है या एक फेसबुक पोस्ट पर नकली समाचार चिह्नित किया है।

इनमें से प्रत्येक क्रिया के द्वारा, आप मैन्युअल सत्यापन, लेबल जोड़ना और एल्गोरिदम सिखा रहे थे।

एक नए जूनियर मार्केटर को काम पर रखने की तरह मशीन लर्निंग एल्गोरिदम लॉन्च करने के बारे में सोचें।

जिस दिन आप इसे ऑनबोर्ड करते हैं, वह अब तक का सबसे खराब दिन है।

यह काम करेगा, लेकिन यह गलतियाँ करेगा, इसलिए आपको परिणामों की निगरानी करने, आवश्यकतानुसार सुधार करने की आवश्यकता है।

यह जितना अधिक समय तक काम करता है, उतना ही बेहतर होता जाता है और आपको अन्य मार्केटिंग चैनलों के विस्तार में पुन: निवेश करने के लिए उतना ही अधिक समय देना पड़ता है।

लेकिन एक इंसान के विपरीत, मशीनें हमेशा के लिए एक ही, बहुत ही संकीर्ण काम करने में खुश होती हैं - चाहे वह समीक्षाओं को वर्गीकृत करना हो, विज्ञापन बोलियों को समायोजित करना हो, सोशल मीडिया पर पोस्ट करना हो, या विकास का पूर्वानुमान लगाना हो।

आप मार्केटिंग का नियंत्रण किसी मशीन को नहीं सौंप रहे हैं।

आप उन्हें सिखा रहे हैं कि अपनी जरूरत की जानकारी कैसे एकत्र करें या अपनी मार्केटिंग रणनीति के किसी विशिष्ट तत्व को कैसे निष्पादित करें।

और एआई पैमाने का एक नया स्तर प्रदान करता है।

मशीन लर्निंग एल्गोरिदम के लिए 1 मिलियन समीक्षाओं को वर्गीकृत करना कोई समस्या नहीं है।

क्या अधिक है, इस पैमाने के कारण, यह ऐसी अंतर्दृष्टि उत्पन्न कर सकता है जो अन्यथा उपलब्ध नहीं होती।

आप उन अंतर्दृष्टि के साथ क्या करना चुनते हैं जो सफलता के लिए महत्वपूर्ण हो जाता है।

वे रणनीतिक प्रश्न हैं जहां विपणक को समय बिताना चाहिए।

कारण 3: संसाधनों और बजट का निवेश

कार्यकारी अधिकारी अक्सर एआई अनुप्रयोगों के कार्यान्वयन के प्रयासों और लागतों के बारे में चिंतित होते हैं।

तो शुरू करने के लिए सबसे अच्छी जगह अधिक बजट और संसाधनों की मांग नहीं कर रही है, बल्कि खुद से पूछ रही है कि क्या आप पहले से ही भुगतान कर रहे हैं?

अपने वर्तमान मार्केटिंग टूल सेट की AI क्षमताओं पर विचार करें।

हबस्पॉट जैसे मार्केटिंग ऑटोमेशन प्लेटफॉर्म, सेल्सफोर्स जैसे सीआरएम, और Google विज्ञापन और फेसबुक विज्ञापन जैसे विज्ञापन टूल सभी ने एआई को अपने सिस्टम में शामिल कर लिया है।

यदि आप इनमें से किसी एक समाधान के ग्राहक हैं, तो उनकी सहायता टीम आपके संगठन के एआई कार्यान्वयन को शुरू करने के लिए एक मूल्यवान संसाधन हो सकती है जैसा कि आप उनकी अंतर्दृष्टि और अनुभव से सीख सकते हैं।

यह बिना किसी अतिरिक्त लागत के एआई अनुप्रयोगों में अपनी टीम की योग्यता का निर्माण शुरू करने का एक शानदार तरीका है।

और आपके वर्तमान तकनीकी स्टैक की AI क्षमताओं के बारे में क्या?

एआई प्रौद्योगिकियां चैनल-आधारित नहीं हैं, वे केस-आधारित हैं।

इसलिए यदि आपकी वेबसाइट पर एक अनुशंसा इंजन चल रहा है, तो अपने ईमेल न्यूज़लेटर, पुश नोटिफिकेशन, या चैटबॉट सामग्री के वैयक्तिकरण को बेहतर बनाने के लिए इस मशीन लर्निंग एल्गोरिदम का उपयोग क्यों न करें।

आप इन मौजूदा तकनीकों का उपयोग अवधारणा के कम निवेश प्रमाण के रूप में कर सकते हैं।

इसलिए जब तक आप अतिरिक्त संसाधन और बजट मांग रहे होते हैं, तब तक आपके अधिकारी पहले से ही पूरी तरह से शामिल हो चुके होते हैं।

जब आप कोई नया टूल ढूंढ रहे हों, तो buzzwords से सावधान रहें।

कई AI समाधान वास्तव में उतने बुद्धिमान नहीं होते हैं।यहां तक ​​​​कि जब उत्पाद विवरण में "एआई" या "मशीन लर्निंग" शब्द होते हैं।

कुछ उपकरण बेशर्मी से इन शब्दों का उपयोग सामान्य स्वचालन या लक्ष्यीकरण क्षमताओं का वर्णन करने के लिए करते हैं।

अब जब आपको इस बात की गहरी समझ है कि एआई वास्तव में क्या है, तो उन बिक्री करने वालों को उनके पेस के माध्यम से रखें।

यदि विक्रेता यह नहीं बता सकता कि एआई कैसे काम करता है, तो इसे न खरीदें।अगर यह सच होना बहुत अच्छा लगता है, तो इसे न खरीदें।

क्योंकि, मुझे यह कहते हुए खेद है, कोई मार्केटिंग AI प्लेटफ़ॉर्म नहीं है जो बड़े करीने से एक मासिक सदस्यता में सब कुछ बंडल करता है।

ऐसा इसलिए है क्योंकि एआई अपनी क्षमताओं में संकीर्ण है और एक अच्छी तरह से परिभाषित समस्या को हल करने के उद्देश्य से बनाया जाना चाहिए।

यही कारण है कि आपको पहले सही उपयोग के मामले को चुनने की आवश्यकता है - क्योंकि प्रत्येक उपयोग के मामले में अपने स्वयं के उपकरण की आवश्यकता होगी।

लेकिन आप क्या कर सकते हैं अपनी खुद की कृत्रिम बुद्धि का निर्माण शुरू करें।

AI तकनीक अधिक किफायती और सुलभ होती जा रही है क्योंकि Google, Amazon, IBM और SalesForce जैसी कंपनियां दुनिया को अपने एल्गोरिदम पेश कर रही हैं।

कुछ तृतीय-पक्ष सेवाएं ओपन-सोर्स हैं, अन्य खेलने के लिए भुगतान कर रहे हैं - लेकिन वे सभी एक स्प्रिंगबोर्ड देते हैं जहां से आप अपने स्वयं के समाधान को अनुकूलित कर सकते हैं।

विशेष रूप से यदि वे आपके स्वयं के प्रथम पक्ष डेटा पर परत करने के लिए अतिरिक्त डेटा सेट तक पहुंच प्रदान करते हैं, जिससे आपका एआई एप्लिकेशन अधिक शक्तिशाली हो जाता है।

कारण 4: डेटा स्रोतों की गुणवत्ता

यदि आप मशीन लर्निंग के लिए सबसे महत्वपूर्ण घटक - लर्निंग एल्गोरिदम को सूचित करने के लिए उच्च गुणवत्ता वाले डेटा को याद कर रहे हैं, तो दुनिया में सबसे अच्छे एआई उपकरण और प्रतिभा परिणाम नहीं देंगे।

एआई को लागू करते समय डेटा की गुणवत्ता शायद सबसे बड़ी चुनौती है।

जैसा कि eMarketer नोट करता है, डेटा अक्सर पुराना होता है, या साइलो में होता है या हमारे पास पहले स्थान पर पर्याप्त नहीं होता है।

और हम इसे ठीक करने के लिए संसाधन समर्पित नहीं कर रहे हैं।

समस्या यह है कि खराब डेटा को एक अच्छी मशीन लर्निंग एल्गोरिथम में फीड करने से सही उत्तर नहीं मिलेगा।

इस समझ के बिना कि डेटा महत्वपूर्ण महत्व का है, आप एआई पर खराब परिणामों को दोष देने की संभावना रखते हैं।

कार्रवाई योग्य डेटा के लिए ड्राइव करने के लिए हमें विपणक को कुछ चीजें करनी चाहिए।

  • पिछली बार आपने Google Analytics ऑडिट कब किया था?
  • क्या आपने संरचित मार्कअप और सामग्री टैगिंग लागू की है?
  • क्या आप अधिक उपयोगकर्ता डेटा एकत्र करने के लिए रीमार्केटिंग स्क्रिप्ट का उपयोग कर रहे हैं?
  • क्या आप डेटा के संग्रह का समर्थन कर रहे हैं जिसका उपयोग ईमेल पते जैसे उपकरणों और चैनलों पर उपयोगकर्ताओं की पहचान करने के लिए किया जा सकता है?
  • क्या आपने अपने मार्केटिंग टूल को अपने डेटा प्रबंधन प्लेटफ़ॉर्म (DMP) के साथ एकीकृत किया है?

आपको अब इन क्षेत्रों पर ध्यान केंद्रित करने की आवश्यकता है, क्योंकि अच्छा एआई मार्केटिंग कार्रवाई योग्य डेटा होने पर निर्भर करता है जो संरचित, एक सामान्य पहचानकर्ता के माध्यम से एकीकृत, भरपूर, और (सबसे महत्वपूर्ण) सटीक है।

भविष्य पर विचार करते हुए

आर्टिफिशियल इंटेलिजेंस उपभोक्ता व्यवहार को बदल रहा है।

उपभोक्ताओं को हर दिन बहुत अधिक जानकारी के साथ मारा जाता है।

वे सभी विकल्पों का मूल्यांकन करने में समय बर्बाद नहीं करना चाहते हैं।तो वे प्रतिनिधि।

इस बारे में सोचें कि एआई द्वारा पहले से क्या नियंत्रित है।

  • सामाजिक एल्गोरिदम प्रभावित करते हैं कि हम किन ब्रांडों से जुड़ते हैं।
  • डिजिटल मानचित्र यह निर्धारित करते हैं कि हम कौन से मार्ग अपनाते हैं या घूमने के लिए आस-पास के स्थानों का सुझाव देते हैं।
  • अनुशंसा इंजन जागरूकता को आकार देते हैं और खरीदारी को प्रभावित करते हैं।
  • एक एआई यह भी निर्धारित कर सकता है कि आप किससे शादी करते हैं।आपके बाएं और दाएं स्वाइप करने के आधार पर, आपके डेटिंग ऐप में एल्गोरिथम आपका मैच चुनता है।

डिजिटल पर्सनल असिस्टेंट जैसे उपकरणों के माध्यम से एल्गोरिदम नए द्वारपाल बन जाएंगे।

और आपके व्यवसाय का भविष्य एआई को प्रभावित करने की आपकी क्षमता पर निर्भर करता है जो मनुष्यों को सिफारिशें करता है, यदि संपूर्ण निर्णय नहीं है।

इसके बारे में सोचो।जब कोई ग्राहक अपने Google होम या एलेक्सा से "मुझे कुकीज़ ऑर्डर करने" के लिए कहता है, तो यह एआई है जो ब्रांड का फैसला करता है।

आपको यह समझना होगा कि यह निर्णय कैसे लिया जाता है।नए दर्शकों की तरह एल्गोरिदम का इलाज करें।उनकी जरूरतों को समझें।

मशीनों के साथ मशीनों की मार्केटिंग शुरू करें।

और अधिक संसाधनों:


छवि क्रेडिट

फीचर्ड और इन-पोस्ट इमेज: लेखक द्वारा निर्मित, अप्रैल 2020
लेखक द्वारा लिए गए सभी स्क्रीनशॉट, अप्रैल 2020