กุญแจสำคัญของ Amazon และ Google คืออะไร ความสำเร็จของรายได้ ? ทุกคนรู้คำตอบ: ข้อมูล
เหตุผลที่ทำให้อาณาจักรโซเชียลมีเดียของ Facebook และธุรกิจสตรีมมิ่งเพลงของ Spotify ล่มสลาย ? ข้อมูล.
บริษัทเหล่านี้ทั้งหมดสามารถใช้ประโยชน์จากข้อมูลจำนวนมหาศาลที่ได้รับจากผู้ใช้จำนวนมาก ไม่ว่าจะเป็นพฤติกรรมการค้นหา โพสต์ที่แชร์ ผลิตภัณฑ์ที่พวกเขาซื้อ หรือเพลงที่พวกเขาฟัง ไปสู่แหล่งรายได้หลัก ไม่ใช่แค่ข้อเท็จจริงที่ว่าบริษัทเหล่านี้สามารถรวบรวมข้อมูลได้หลายล้าน (หรือหลายพันล้าน ในกรณีของบริษัทเหล่านี้บางแห่ง) ก็คือบริษัทเหล่านั้นสามารถใช้ข้อมูลนั้นได้อย่างมีประสิทธิภาพเพื่อทำความเข้าใจและทำการตลาดให้กับผู้ใช้ของตนได้ดียิ่งขึ้น บริษัทเหล่านี้ทั้งหมดใช้ปัญญาประดิษฐ์ (หรือการเรียนรู้เชิงลึกที่แม่นยำยิ่งขึ้น) เพื่อทำสิ่งนี้
เลสลี่ มานน์ มูลค่าสุทธิ 2017
แน่นอน สิ่งสำคัญคือต้องทราบว่าคุณไม่จำเป็นต้องเป็นองค์กรที่มีอำนาจเหนือกว่า เช่น Amazon หรือ Google เพื่อเปลี่ยนข้อมูลให้มีความได้เปรียบในการแข่งขัน เนื่องจากปัญญาประดิษฐ์มีความก้าวหน้าและนำไปใช้กันอย่างแพร่หลายมากขึ้น เราจะเริ่มเห็นบริษัทจำนวนมากทั้งเล็กและใหญ่หันมาใช้ AI เพื่อสร้างกลยุทธ์ข้อมูลที่ดีขึ้นและชนะการยอมรับจากลูกค้า และเพื่อแข่งขันกับคู่แข่งได้ดีขึ้น .
กุญแจสำคัญในการเอาชนะคู่แข่งของคุณ Jeremy Fain แห่งผู้บุกเบิกเทคโนโลยีโครงข่ายประสาทเทียม ทางปัญญา กำลังมีข้อมูลที่ดีกว่า ไม่จำเป็นต้องมีมากกว่านั้น แต่มีข้อมูลที่คู่แข่งของคุณไม่มี ตามทฤษฎีแล้ว ทุกแบรนด์สามารถพัฒนาสินทรัพย์ข้อมูลที่เป็นเอกลักษณ์ของตนเองได้ เนื่องจากทุกแบรนด์จะต้องแตกต่างกันเล็กน้อยเพื่อแข่งขัน ซึ่งหมายความว่าลูกค้าของแบรนด์อย่างน้อยก็แตกต่างจากคู่แข่งเล็กน้อย ซึ่งหมายความว่าพวกเขามีมุมที่เป็นเอกลักษณ์ที่พวกเขาสามารถใช้ประโยชน์ได้ ข้อมูลทุกชิ้นที่คุณได้รับจากลูกค้าหรือผู้มีโอกาสเป็นลูกค้าจึงเป็นข้อมูลอีกชิ้นหนึ่งที่คุณสามารถใช้เพื่อสร้างกลยุทธ์ทางการตลาดหรือการโฆษณาที่มีประสิทธิภาพ
แบรด เคเซโลวสกี้ ราคาเท่าไหร่
เพื่อที่จะใช้ข้อมูลนี้อย่างมีประสิทธิภาพ คุณต้องตัดสินใจก่อนว่าเป้าหมายของคุณคืออะไร คุณกำลังมองหาการขายเพิ่มเติมหรือไม่? คุณกำลังพยายามเพิ่มจำนวนลูกค้าเข้าร้านในร้านค้าหรือไม่? เป้าหมายของคุณคือการรับรู้ตลาดของผลิตภัณฑ์ของคุณให้สูงขึ้นหรือไม่? เมื่อคุณทำเสร็จแล้ว คุณสามารถดูข้อมูลเพื่อดูว่าอยู่ในรูปแบบที่ถูกต้องสำหรับใช้กับการเรียนรู้เชิงลึกหรือไม่ นี่คือสิ่งที่ยากจะอธิบายง่ายๆ แต่โดยพื้นฐานแล้ว ข้อมูลต้องอยู่ในสถานะที่ไม่แยกส่วน กล่าวคือ ข้อมูลต้องมาจากหลายแหล่งเพื่อให้สามารถสรุปผลในเชิงลึกได้มากขึ้น นั่นหมายความว่าคุณไม่จำเป็นต้องรู้จริง ๆ ว่ามีคนมาเยี่ยมชมร้านกี่คน แต่จริงๆ แล้วแต่ละคนมาเยี่ยมชมร้านเมื่อไหร่ คุณไม่จำเป็นต้องดูว่าคุณทำยอดขายได้เท่าไหร่อีกต่อไป แต่ยังต้องดูด้วยว่าการขายแต่ละครั้งเป็นอย่างไรและขายให้ใคร หากต้องการก้าวไปอีกขั้น คุณต้องระบุจุดติดต่อที่คุณมีกับลูกค้าก่อนที่พวกเขาจะทำธุรกรรมกับคุณ สิ่งที่พวกเขาแสดงโฆษณา และการโต้ตอบทั้งหมดเกิดขึ้นเมื่อใดและที่ใด ยังไม่ได้รวบรวมข้อมูลประเภทนี้? นั่นคือการบ้านครั้งแรกของคุณ
ซึ่งหมายความว่าคุณจะมีข้อมูลในการจัดเก็บมากกว่าที่คุณเคยใช้ แต่ข่าวดีก็คือที่เก็บข้อมูลราคาถูก นอกจากนี้ หากไม่มีข้อมูลดังกล่าว คุณจะไม่สามารถใช้ประโยชน์จากพลังของการเรียนรู้เชิงลึกและแข่งขันในโลกใหม่นี้ได้
ริชาร์ด มาร์กซ์ อายุเท่าไหร่
การศึกษาผู้บริหาร Fortune 1000 ประจำปี 2559 เปิดเผยว่า มีเพียง 48.4% ของผู้ตอบแบบสำรวจรายงานผลลัพธ์ที่วัดได้จากการริเริ่มด้านข้อมูล แต่ 80.7% รู้สึกว่าความพยายามประสบความสำเร็จและจำเป็น ซึ่งหมายความว่าทุกคนรู้ว่าพวกเขาต้องทำให้ดีขึ้นและไม่เห็นทางเลือกอื่น แต่จำเป็นต้องมีบางอย่างมากกว่านี้ก่อนที่จะบรรลุผลประโยชน์ที่วัดผลได้ทั่วกระดาน
การริเริ่มด้านข้อมูลส่วนใหญ่พลาดองค์ประกอบง่ายๆ เพียงอย่างเดียว นั่นคือ การเรียนรู้เชิงลึก เป็นหัวข้อที่มักเข้าใจผิด โดย Fain ของ Cognitiv ให้คำจำกัดความว่าเป็น 'การเรียนรู้ด้วยเครื่องขั้นสูงประเภทหนึ่งที่สามารถสร้างความเข้าใจที่เหมือนมนุษย์ได้' ความสามารถของ Deep Learning ในการรับผลลัพธ์จาก Big Data มีความสำคัญไม่เพียงแต่สำหรับเหตุผลด้านการแข่งขันเท่านั้น แต่ยังช่วยให้การลงทุนครั้งก่อนใน Big Data เป็นไปอย่างคุ้มค่า เศร้า, 39.3% ของผู้ตอบแบบสอบถาม ยังคงกล่าวว่าองค์กรของพวกเขาขาดกลยุทธ์บิ๊กดาต้าสำหรับองค์กร หรือไม่ทราบว่ามีอยู่จริงหรือไม่ บริษัทเหล่านี้มีเนินยาวให้ปีนขึ้นไป อันที่จริง มืออาชีพที่ขับเคลื่อนด้วยข้อมูลส่วนใหญ่มีระดับที่สูงกว่าเรา 'ส่วนหนึ่งของความท้าทายคืออุตสาหกรรมเองยังไม่บรรลุนิติภาวะเกี่ยวกับข้อมูล เราจะมองย้อนกลับไปอีก 15 ปีจากนี้ถึงสิ่งที่เราทำและพูดว่า 'น่ารักไหม' ผู้อำนวยการ Programmatic Media ของเอเจนซี่สื่อระดับโลกให้สัมภาษณ์ Winterberry Group การศึกษา IAB .
ข้อมูลขนาดใหญ่ การวิเคราะห์ข้อมูล และปัญญาประดิษฐ์เป็นไปในทิศทางเดียวกัน ปัญญาประดิษฐ์ - และโดยการขยายการเรียนรู้อย่างลึกซึ้ง - ต้องใช้ข้อมูล รีม และรีมของมัน วิธีเดียวที่การเรียนรู้เชิงลึกจะมีประสิทธิภาพสำหรับองค์กรของคุณคือถ้าคุณมีข้อมูลอย่างต่อเนื่องที่จะป้อน ด้วยข้อมูลนี้ การเรียนรู้เชิงลึกและโครงข่ายประสาทเทียมสามารถสร้างอัลกอริธึมและกลยุทธ์ที่มีเอกลักษณ์เฉพาะสำหรับแบรนด์ของคุณ จึงมั่นใจได้ว่าแบรนด์จะยังคงสามารถแข่งขันและสร้างสรรค์ได้ อย่างไฟน ชี้ให้เห็น , 'ความสามารถในการอธิบายและเข้าใจพฤติกรรมของผู้บริโภคได้อย่างเต็มที่มากขึ้นกว่าเดิม และข้อมูลประเภทนี้จะทำให้เครื่องมือการตลาด AI มีประสิทธิภาพมากขึ้นในอีกไม่กี่ปีข้างหน้า'
ณ จุดนี้ ทุกแบรนด์จำเป็นต้องมีกลยุทธ์ข้อมูลที่แข็งแกร่ง เพียงแค่มองไปที่แบรนด์ต่างๆ เช่น Macy's และ J.C. Penney's ในปัจจุบัน ที่กำลังประสบปัญหาจากแนวทางที่เน้นข้อมูลเป็นศูนย์กลางของยักษ์ใหญ่ด้านอีคอมเมิร์ซอย่าง Amazon และ eBay การมีกลยุทธ์ที่ถูกต้องและเครื่องมือที่เหมาะสมในการใช้ประโยชน์สูงสุดจากข้อมูลของคุณ เป็นสิ่งที่จะช่วยให้บริษัทของคุณมีความสามารถในการแข่งขันและประสบความสำเร็จ
