كل ما كنت تعتقد أنك تعرفه عن النمذجة التحليلية قد تغير

ملاحظة المحرر: فيما يلي منشور ضيف من David Baker ، مدير العمليات والمؤسس المشارك لـ Cordial.

كانت أخبار العام الماضي أو نحو ذلك صعبة بالنسبة للأشخاص العاملين في مجال بناء النماذج التحليلية. سيكون هناك هذا التأثير لعدد قليل من الدعوات على المسرح العالمي. لكن أولئك الذين يعتقدون أنه من الممكن توقع نتيجة محددة يجب عليهم زيارة طاولات القمار في لاس فيجاس. في الطريق ، من الأفضل أن يأخذوا بعين الاعتبار كلمات بيتر دراكر ، الذي قال ، "إن محاولة التنبؤ بالمستقبل تشبه محاولة القيادة في طريق ريفي ليلاً بدون أضواء أثناء النظر من النافذة الخلفية."

كان دراكر على حق. من الحماقة الاعتقاد بأن نموذجًا ما يمكنه التنبؤ بالمستقبل - درس تعلمته لأول مرة في العصور المظلمة في التسعينيات ، عندما استغرقت العملية أسابيع ولم يعتقد أحد أنه من الرائع أن تكون كمية. بالطبع ، في تلك الأيام كان لدينا عدد قليل نسبيًا من نقاط البيانات ، ولذا فإن صورتنا للمستهلك العادي تحمل تشابهًا مذهلاً ، وإن كان أحادي البعد ، مع منشئ النموذج. ولكن بعد بضع سنوات من الآن ، بحلول عام 2020 ، وفقًا لأحد التقارير ، سينشئ كل شخص على هذا الكوكب 1.7 ميغابايت من المعلومات الجديدة في الثانية. لوضع ذلك في المنظور ، تقدر Audible أن ساعة من الصوت تمثل حوالي 28 ميغا بايت من مساحة التخزين ، مما يعني أن الشخص العادي في عام 2020 سيولد ما يعادل ساعة واحدة من الصوت عالي الجودة في حوالي 16.5 ثانية.

ماذا يعني الحصول على هذا القدر من معلومات المستهلك؟ يمكن القول إن تدفق المعلومات على وشك الانتقال من نقطة إلى محيط عظيم ، ولكن حتى هذا القياس يقلل من مدى تحول هذه اللحظة. نحن لا نتحدث عن رؤى جديدة حول نفس المستهلك القديم. نحن نتطلع إلى وصول مستهلك جديد تمامًا ، يجب على المسوقين التعامل معه عبر التعلم الآلي. قد يكون ذلك صعبًا ، لأن التعلم الآلي يغير كل شيء نعرفه بالفعل - والكثير الكثير الذي لم نتعلمه بعد - حول ممارسة النمذجة التحليلية.

دمقرطة القرار

يعتقد العديد من المسوقين أن مكدس التسويق هو مستودع بيانات غير عملي يحتاج إلى التنسيق. لكن المكدس هو أيضًا طريقة للتفكير في إضفاء الطابع الديمقراطي على اتخاذ القرار. كلما استوعب المسوقون المزيد من المعلومات ، زاد عدد الأسئلة التي يمكنهم طرحها. مع المزيد من الأسئلة ، يمكن للمسوقين الخروج بمزيد من السيناريوهات. بينما يطرحون المزيد من السيناريوهات ، يقوم المسوقون بإضفاء الطابع الديمقراطي على القرار التدريجي. هذا لا يعني أن كل شخص يتخذ قرارًا ، فهذا يعني ببساطة أن هناك مستويات في الشركة تمتلك حقوق اتخاذ القرار لقرارات مختلفة ، والأهم من ذلك ، يمكن توسيع هذه المستويات وتنسيقها كلما ظهرت الحاجة إلى مزيد من اتخاذ القرار.

حديثا تقدم مقابلة مع مدير تكنولوجيا التسويق في eBay لمحة عن كيفية قيام التعلم الآلي بإضفاء الطابع الديمقراطي على اتخاذ القرار في الوقت الحالي. بالنسبة إلى eBay ، يتمثل التحدي في تخصيص سوق بمليارات العناصر المعروضة للبيع و 167 مليون مشتري نشط. كان حل الشركة هو تمكين المسوقين في eBay من إنشاء الصفقات التي يرونها مناسبة ، ولكن بعد ذلك وضع تلك الصفقات في مجموعات محددة بحيث يمكن لنموذج التعلم الآلي الاستفادة من سجل تصفح المستخدم ، جنبًا إلى جنب مع البيانات الأخرى المفترض ، للتنبؤ بأي صفقة العميل سيجدها أكثر إغراءً.

هل يتنبأ فريق التسويق في eBay بالمستقبل؟ بالطبع لا. ما يفعلونه بالتعلم الآلي هو إعطاء أنفسهم عددًا أكبر من اللدغات على التفاحة التي يضرب بها المثل. فكر في الأمر بهذه الطريقة: القول المأثور القديم هو أن تفشل بسرعة ، ربما لأنك ستجد النجاح في وقت أقرب بكثير. ولكن أفضل طريقة للتعبير عن هذا القول المأثور القديم هو: "افشل بذكاء". لا تزال الصفقات التي ينشئها المسوقون في eBay محطمة وفاشلة - ستكون دائمًا لأن التنبؤ ليس الكمال - لكن المؤسسة العامة في eBay تضرب وتفقد كثيرًا بشكل أسرع مما كانت عليه من قبل ، مما يعني أنها تتعلم أيضًا بمعدل أسرع بشكل كبير.

لكن تذكر أن الدمقرطة هي طريق ذو اتجاهين

يمكن للعملاء أيضًا الوصول إلى أدوات التعلم الآلي. نحن نثق بالفعل في التعلم الآلي لتنظيم البريد الوارد لدينا ، واقتراح الأفلام التي نشاهدها وندير منازلنا. قريبًا ، سيكتب التعلم الآلي ردودنا ، وفي النهاية ، سيتم أتمتة جانب المستهلك في العديد من المشاركات أيضًا ، أو على الأقل مدعومًا بالتعلم الآلي. إذن ، ماذا يحدث عندما تنغلق أدوات التعلم الآلي الخاصة بالمسوق مع أولئك المستخدمين من قبل المستهلكين؟ الإجابة المختصرة هي أننا لا نعرف. ولكن إذا كنت تريد سياقًا لفهم ديناميكية التحول الديمقراطي ، فقم بإلقاء نظرة على تطبيق التنقل الخاص بك.

وظائف رسم الخرائط على هواتفنا هي أكثر من مجرد صانعي للطرق. اليوم ، نتوقع أن تخبرنا هواتفنا بأسرع طريق نظرًا لظروف حركة المرور السائدة. تطبيقات التنقل قابلة للتكيف بطبيعتها ، وهو أمر ضروري لأن أنماط حركة المرور مرنة وتتطور الظروف البيئية (مثل تأثير الطقس على الطرق وحركة المرور).

بالطبع ، هناك عدد محدود من الطرق لأن مدينة معينة بها مساحة محدودة. التفاعلات التي يهتم بها المسوقون أكثر تعقيدًا بشكل كبير. سوف ينمو هذا التعقيد عندما يصبح القرار الديمقراطي أكثر تغلغلًا في سلوك المستهلك. مما يعني أنه يمكنك بناء مؤسسة لتفشل بشكل أكثر ذكاءً ، ولكن يجب أن تتذكر أن كل من هو على الجانب الآخر من هذه المشاركة يفشل أيضًا بشكل أكثر ذكاءً. تشهد الصفقات من eBay ، على سبيل المثال ، فوائد هائلة من حيث الصلة ، وذلك بفضل التعلم الآلي. ولكن من جانب العميل ، قد تقوم أداة تعلم الآلة المماثلة بتصفية عمليات الشراء الدافعة لأن هذا النموذج قد تعلم ما يلي عن المستهلك الفردي: الندم على الشراء الاندفاعي.

ولكن متى سيتنبأ النموذج ، الذي يتم التعبير عنه عبر التعلم الآلي ، بالمستقبل؟

أبداً. النمذجة التحليلية لا تتعلق بالكشف التنبئي الكبير. إنه نظام تم إنشاؤه لاتخاذ قرارات تدريجية وإدارة المخاطر وإنشاء سيناريوهات للرد على ظروف السوق. يفتح التعلم الآلي إمكانيات جديدة في النمذجة التحليلية ، لكن على المسوقين تذكر تحذير دراكر بشأن توقع المستقبل. لن يخبرك التعلم الآلي بما هو قاب قوسين أو أدنى على هذا الطريق المظلم ، ولكنه سيمنحك المزيد من الخيارات بشكل كبير للتفاعل مع ما يخبئه المستقبل عندما تصل إلى هناك. الأهم من ذلك ، أن التعلم الآلي ليس شيئًا يخاف منه ، بل إنه في الواقع يسرع فقط ما يجيده المسوقون بالفعل - التفكير الإبداعي وتقديم تجارب رائعة لعملائهم ، وهذا حقًا الهدف النهائي الذي يجب أن نراقبه.