עיקרי לגדול איך חברות כמו אמזון וגוגל הופכות נתונים ליתרון תחרותי - ואיך גם אתם יכולים

איך חברות כמו אמזון וגוגל הופכות נתונים ליתרון תחרותי - ואיך גם אתם יכולים

מה המפתח לאמזון ולגוגל הצלחה בהכנסות ? כולם יודעים את התשובה: נתונים.

הסיבה לאימפריית המדיה החברתית של פייסבוק ולספוטיפיי להתמודד עם עסק הזרמת המוסיקה? נתונים.

כל החברות הללו הצליחו למנף את כמויות המידע העצומות שהם מקבלים מרוב המשתמשים שלהן - בין אם זה הרגלי החיפוש שלהן, הפוסטים שהם חולקים, המוצרים שהם קונים או המוזיקה שהם מאזינים לה - לזרמי הכנסות גדולים. זו לא רק העובדה שחברות אלה הצליחו לאסוף נתונים על מיליונים (או מיליארדים, במקרה של חלק מהחברות הללו); זה שהחברות האלה הצליחו לנצל את הנתונים ביעילות כדי להבין ולשווק טוב יותר למשתמשים שלהם. כל החברות הללו משתמשות בבינה מלאכותית (או ליתר דיוק - למידה עמוקה) לשם כך.

שווי נקי של ted nugent 2017

כמובן, חשוב לציין כי אינך צריך להיות מפעל דומיננטי כמו אמזון או גוגל בכדי להפוך את הנתונים ליתרון תחרותי. ככל שהאינטליגנציה המלאכותית מתקדמת יותר ויותר ומאומצת יותר, נתחיל לראות הרבה חברות - גדולות וקטנות - הפונות לבינה מלאכותית במטרה להגיע לאסטרטגיות נתונים טובות יותר ולזכות באימוץ לקוחות, ולהתחרות טוב יותר מול התחרות שלהן. .

המפתח להכות את התחרות שלך, לדברי ג'רמי פיין, של טכנולוגיית הרשת העצבית החלוצית מבחינה קוגניטיבית , יש נתונים טובים יותר - לאו דווקא יותר מהם, אלא הנתונים שאין למתחרים שלך. בתיאוריה, כל מותג מסוגל לפתח נכסי נתונים ייחודיים משלו, מכיוון שכל מותג צריך להיות שונה מעט בכדי להתחרות. המשמעות היא שלקוחות המותג שונים, לכל הפחות, מעט מאלה של המתחרים שלהם, מה שאומר שיש להם זווית ייחודית שהם יכולים לנצל. כל פיסת נתונים שאתה מקבל על הלקוח שלך או על הלקוח הפוטנציאלי שלך היא לפיכך מידע נוסף שתוכל להשתמש בו כדי ליצור אסטרטגיה יעילה של שיווק או פרסום.

בת כמה מריה קונצ'יטה אלונסו

על מנת להשתמש במידע זה ביעילות, תחילה עליך להחליט מה מטרתך. האם אתה מחפש מכירות נוספות? האם אתה מנסה להשיג תעבורה גבוהה יותר ברגל בחנויות? האם המטרה שלך תהיה מודעות שוק גבוהה יותר למוצר שלך? לאחר שתעשה זאת, תוכל להסתכל בנתונים כדי לראות אם הם במתכונת הנכונה לשימוש עם למידה עמוקה. זה משהו שקשה להסביר בפשטות, אך ביסודו, הנתונים צריכים להיות במצב מבוזר - כלומר, הם צריכים להגיע ממקורות רבים כדי שאפשר יהיה להסיק ממנה מסקנות מעמיקות יותר. זה אומר שאתה לא באמת צריך לדעת רק כמה אנשים ביקרו בחנות, אלא במקום מתי בדיוק כל אדם ביקר. אתה כבר לא צריך לבדוק כמה מכירות ביצעת, אלא גם מה הייתה כל מכירה ולמי. כדי להגיע צעד אחד קדימה, עליך לזהות אילו נקודות מגע היו לך עם לקוח לפני שעסקו איתך, אילו מודעות הן הוצגו ומתי ואיפה התרחשו כל האינטראקציות. עדיין לא אוסף נתונים מסוג זה? ובכן, זו עבודת הבית הראשונה שלך.

המשמעות היא שיהיו לך הרבה יותר נתונים לאחסון ממה שהיית רגיל, אבל החדשות הטובות הן שהאחסון הוא זול. בנוסף, ללא מידע זה, לא תוכל לנצל את כוחה של למידה עמוקה ולהתחרות בעולם החדש הזה.

בן כמה סאם אלוף

מחקר שנערך בשנת 2016 על מנהלי פורצ'ן 1000 חשף את זה רק 48.4% מהנסקרים דיווחו על תוצאות מדידות כתוצאה מיוזמות הנתונים שלהם - אך 80.7% סברו כי המאמצים היו הצלחה וחיוניים. פירוש הדבר שכולם יודעים שעליהם לעשות טוב יותר ואינם רואים אלטרנטיבה, אך יש צורך במשהו נוסף לפני שיושגו יתרונות מדידים בכל הקופות.

מרבית יוזמות הנתונים מפספסות מרכיב אחד פשוט: למידה עמוקה. זהו נושא שלא מובן לעיתים קרובות, המוגדר על ידי Fain של קוגניטיב כ'סוג מתקדם יותר של למידת מכונה המסוגל לייצר תובנה כמו אנוש. ' היכולת של למידה עמוקה להשיג תוצאות מביג דאטה חיונית כעת לא רק מסיבות תחרותיות, אלא גם כדי להשקיע השקעות קודמות בביג דאטה. למרבה הצער, 39.3% מהנסקרים עדיין אמרו כי לארגונים שלהם חסרה אסטרטגיית Big Data ארגונית, או שלא היו מודעים אחרת אם קיימת - לחברות האלה יש גבעה ארוכה לטפס. למעשה, לרוב המקצוענים מונעי הנתונים יש טיפוס תלול לפנינו. 'חלק מהאתגר הוא שהתעשייה עצמה אינה בשלה סביב הנתונים. נביט אחורה בעוד 15 שנה מה אנו עושים ואומר, 'זה לא היה חמוד?', 'אמר אחד ממנהל התקשורת הפרוגרמטית של סוכנות מדיה עולמית שהתראיינה לאחרונה. מחקר IAB של קבוצת Winterberry .

נתונים גדולים, ניתוח נתונים ובינה מלאכותית הולכים יד ביד רבה. אינטליגנציה מלאכותית - ובהרחבה, למידה עמוקה - מחייבת נתונים, רימות וקורות ממנה. הדרך היחידה שלמידה עמוקה יכולה להיות יעילה עבור הארגון שלך היא אם יש לך זרם מידע קבוע להזנתו. ' חמוש במידע זה, למידה עמוקה ורשתות עצביות יכולים ליצור אלגוריתמים ואסטרטגיות ייחודיות למותג שלך - ובכך להבטיח שהמותג יישאר תחרותי וחדשני. כמו פיין מציין , 'היכולת לתאר ולהבין באופן מלא יותר את התנהגות הצרכן היא מלאה מאי פעם, וסוג זה של נתונים יהפוך את כלי השיווק של AI ליעילים יותר בשנים הקרובות.'

בשלב זה, כל המותגים זקוקים לאסטרטגיית נתונים חזקה. רק תסתכל על מותגים כמו של מייסי וג'יי סי פני כיום, שנאבקים כתוצאה מהגישות הממוקדות נתונים של ענקיות מסחר אלקטרוני כמו אמזון ואיביי. קיום האסטרטגיה הנכונה, וחשוב לא פחות, הכלים הנכונים להפיק את המרב מהנתונים שלך, הוא זה שיעזור לשמור על החברה שלך תחרותית ומצליחה.