Analitik modelleme hakkında bildiğinizi düşündüğünüz her şey değişti

Editörün Notu: Aşağıdakiler Cordial'in COO'su ve kurucu ortağı David Baker'ın konuk yazısıdır.

Geçen yılın haberleri, analitik modeller oluşturma işinde olan insanlar için zor oldu. Dünya sahnesinde birkaç kötü çağrı bu etkiyi yaratacaktır. Ancak belirli bir sonucu tahmin etmenin mümkün olduğuna inananlar, Las Vegas'ın kumar masalarını ziyaret etmelidir. Yolda, "Geleceği tahmin etmeye çalışmak, geceleyin arka camdan dışarı bakarken ışıksız bir köy yolunda araba kullanmaya benzer" diyen Peter Drucker'ın sözlerini dikkate almaları iyi olur.

Drucker haklıydı. Bir modelin geleceği tahmin edebileceğine inanmak aptallıktır - ilk olarak 1990'ların Karanlık Çağlarında, sürecin haftalar sürdüğü ve kimsenin nicel olmanın harika olduğunu düşünmediği bir ders. Tabii ki, o günlerde nispeten az veri noktamız vardı ve bu nedenle tipik bir tüketici resmimiz, tek boyutlu olsa da, model oluşturucuya çarpıcı bir benzerlik taşıyordu. Ancak bundan birkaç yıl sonra, 2020 yılına kadar, bir rapora göre , gezegendeki her bir kişi saniyede 1,7 megabayt yeni bilgi üretecek. Bunu perspektife koymak için Audible, bir saatlik sesin yaklaşık 28 megabayt depolama alanını temsil ettiğini tahmin ediyor; bu, 2020'deki ortalama bir kişinin yaklaşık 16.5 saniyede bir saatlik yüksek kaliteli ses eşdeğerini üreteceği anlamına geliyor.

Bu kadar çok tüketici bilgisine sahip olmak ne anlama geliyor? Muhtemelen, bilgi akışı bir damladan güçlü bir okyanusa gitmek üzere, ancak bu benzetme bile bu anın ne kadar dönüştürücü olduğunu en aza indiriyor. Aynı eski tüketici hakkında yeni bilgilerden bahsetmiyoruz. Pazarlamacıların makine öğrenimi yoluyla ilgilenmesi gereken tamamen yeni bir tüketicinin gelişine bakıyoruz. Bu zor olabilir, çünkü makine öğrenimi, analitik modelleme pratiği hakkında zaten bildiğimiz her şeyi ve henüz öğrenmemiz gereken birçok şeyi değiştiriyor.

Karar almanın demokratikleşmesi

Birçok pazarlamacı, pazarlama yığınını koordinasyona ihtiyaç duyan hantal bir veri deposu olarak düşünür. Ancak yığın aynı zamanda karar vermenin demokratikleşmesi hakkında düşünmenin bir yoludur. Pazarlamacılar ne kadar çok bilgi alırsa, o kadar çok soru sorabilirler. Pazarlamacılar daha fazla soruyla daha fazla senaryoyu ortaya çıkarabilir. Pazarlamacılar daha fazla senaryo geliştirdikçe aşamalı kararları demokratikleştiriyor. Bu herkesin bir karar aldığı anlamına gelmez, sadece şirkette farklı kararlar için karar haklarına sahip seviyeler olduğu ve daha da önemlisi, daha fazla karar verme ihtiyacı ortaya çıktıkça bu seviyelerin genişletilip koordine edilebileceği anlamına gelir.

Yakın zamanda eBay'in pazarlama teknolojisi direktörü ile yapılan röportaj , makine öğreniminin şu anda karar vermeyi nasıl demokratikleştirdiğine dair bir fikir veriyor. eBay için zorluk, satılık milyarlarca ürün ve 167 milyon aktif alıcı ile bir pazar yerini kişiselleştirmek. Şirketin çözümü, eBay'in pazarlamacılarına, uygun gördükleri anlaşmaları yaratmaları için yetki vermek, ancak daha sonra bu anlaşmaları belirli bölümlere yerleştirmek, böylece bir makine öğrenimi modeli, bir müşterinin hangi anlaşmayı tahmin etmek için muhtemelen diğer verilerle birlikte kullanıcının tarama geçmişinden yararlanabilmesiydi. en cazip bulacaktı.

eBay'in pazarlama ekibi geleceği tahmin ediyor mu? Kesinlikle hayır. Makine öğrenimi ile yaptıkları şey, meşhur elmada kendilerine katlanarak daha fazla ısırık vermek. Bunu şu şekilde düşünün: Eski atasözü hızlı başarısız olmaktır, çünkü muhtemelen başarıyı çok daha erken bulacaksınız. Ancak bu eski özdeyişi belirtmenin daha iyi bir yolu şudur: "Daha akıllıca başarısız olun." eBay pazarlamacılarının yarattığı fırsatlar hala isabetli ve kaçırılıyor - tahmin mükemmel olmadığı için her zaman olacaklar - ancak eBay'deki genel girişim eskisinden çok daha hızlı vuruyor ve kaçırıyor, bu da katlanarak daha hızlı bir oranda öğrendiği anlamına geliyor.

Ama unutmayın, demokratikleşme iki yönlü bir yoldur.

Müşteriler ayrıca makine öğrenimi araçlarına da erişebilir. Gelen kutularımızı düzenlemek, izlediğimiz filmleri önermek ve evlerimizi yönetmek için makine öğrenimine zaten güveniyoruz. Yakında, makine öğrenimi yanıtlarımızı yazacak ve sonunda, birçok etkileşimin tüketici tarafı da otomatikleştirilecek veya en azından makine öğrenimi tarafından desteklenecek. Peki, bir pazarlamacının makine öğrenimi araçları tüketiciler tarafından kullanılanlarla aynı fikirde olduğunda ne olur? Kısa cevap, bilmiyoruz. Ancak demokratikleşmenin dinamizmini anlamak için bağlam istiyorsanız, navigasyon uygulamanıza bakın.

Telefonlarımızdaki haritalama işlevleri, yalnızca rota oluşturuculardan daha fazlasıdır. Bugün, telefonlarımızın mevcut trafik koşullarına göre en hızlı rotayı bize söylemesini bekliyoruz. Navigasyon uygulamaları, doğası gereği uyarlanabilirdir; bu, trafik kalıpları değişken olduğu ve çevresel koşullar değiştiği için gereklidir (örneğin, rotalar ve trafik üzerindeki hava etkisi).

Elbette, belirli bir şehrin sınırlı bir alanı olduğu için sınırlı sayıda rota vardır. Pazarlamacıların ilgilendiği angajmanlar katlanarak daha karmaşıktır. Bu karmaşıklık, demokratikleştirilmiş karar vermenin tüketici davranışına daha fazla dönüşmesiyle artacaktır. Bu, daha akıllıca başarısız olmak için bir girişim inşa edebileceğiniz anlamına gelir, ancak bu katılımın diğer tarafında kim varsa aynı zamanda daha akıllıca başarısız olduğunu da unutmamalısınız. Örneğin, eBay'in sunduğu fırsatlar, makine öğrenimi sayesinde alaka açısından muazzam faydalar görüyor. Ancak müşteri tarafında, benzer bir makine öğrenimi aracı anlık satın alımları filtreleyebilir, çünkü bu model bireysel bir tüketici hakkında şunları öğrenmiştir: anlık satın almaların pişmanlığı.

Ancak, makine öğrenimi yoluyla ifade edilen model ne zaman geleceği tahmin edecek?

Hiçbir zaman. Analitik modelleme, büyük, tahmine dayalı açıklama ile ilgili değildir. Artımlı karar verme, risk yönetimi ve piyasa koşullarına tepki verecek senaryolar oluşturma için oluşturulmuş bir disiplindir. Makine öğrenimi, analitik modellemede yeni yetenekler açar, ancak pazarlamacılar, Drucker'ın geleceği tahmin etme konusundaki uyarısını hatırlamalıdır. Makine öğrenimi size o karanlık yolda köşeyi dönünce ne olduğunu söylemez, ancak oraya vardığınızda gelecekte ne olursa olsun tepki vermek için size katlanarak daha fazla seçenek sunar. En önemlisi, makine öğrenimi korkulacak bir şey değildir, aslında yalnızca pazarlamacıların zaten iyi olduğu şeyi hızlandırır - yaratıcı düşünme ve müşterilerine harika deneyimler sunma ve bu gerçekten de gözümüzü dört açmamız gereken nihai hedeftir.