机器学习风靡全球，但作为数字营销战略的一部分，机器学习在实践中究竟是什么样子？
如果您使用了一个网站，根据以前的购买情况推荐产品，则会遇到机器学习策略。
机器学习是人工智能（AI）的一个方面，它使用算法完成特定任务，如产品推荐。
它可以为数字营销人员实现多种功能，包括：
- 个性化。
- 预测目标。
- 客户细分。
- 生命周期价值建模。
- 客户旅程优化。
- 这是明智的出价。
- 聊天机器人。
机器学习已经在数字营销中应用多年。
事实上，无论何时使用搜索引擎，您都在使用机器学习。
虽然对大多数企业来说，这仍然是一项新战略，但许多企业已经开始将这项技术应用到营销活动中。
以下是数字营销中机器学习的八个例子。
1.追逐
2019年，银行业巨头大通银行（Chase Bank）与Persado合作，为其活动创建营销副本。
他们向人工智能公司提出了挑战，要求其生成能够产生更多点击的副本-他们做到了。
机器学习生成的副本示例如下：
人类副本：“无纸化，赚取5美元现金返还。”
机器生成的副本：“限时优惠：当您无纸化时，我们将奖励您5美元现金返还。”
结果：人工智能复制产生了几乎两倍的点击。
人类副本：“从th获取现金
“您家中的e equity”带有“查看”按钮。
机器生成的副本：“这是真的——你可以从家里的股票中解锁现金”，只需快速“点击申请”
结果：人工智能副本每周吸引47名申请人，而人工智能副本则每周吸引25名申请人。
人类复制：“快点，12月31日结束，在百货商店、批发俱乐部赚取5%的现金回报。”
机器生成的副本：“关于您的卡：5%的现金返还正在等待您”
结果：AI复制产生的独特点击量几乎是5倍。
虽然机器生成的副本可能在客户中表现更好，但重要的是要记住，它是与人工文案作者一起工作的。
人类文案撰稿人和机器学习可以共同创造和优化产生共鸣的文案。
2.星巴克
星巴克在世界各地都有门店，因此获得了大量数据。
星巴克可以通过星巴克的忠诚卡和移动应用程序访问购买洞察，并将这些信息转化为营销宣传资料。这种策略称为预测分析。
例如，机器学习收集每个客户购买的饮料、购买地点和购买时间，并将其与天气和促销等外部数据相匹配，为客户提供超个性化的广告。
一个例子包括通过星巴克的销售点系统识别顾客，并向咖啡师提供他们的首选订单。
该应用程序还可以根据以前的购买情况推荐新产品（根据天气状况或节假日可能会有所变化）。
机器学习可以消除产品推荐中的猜测。
像星巴克这样的零售巨头
数以百万计的客户，但他们可以让每个人感觉他们得到了个性化的推荐，因为他们可以快速有效地筛选数据。
3.易趣
eBay拥有数百万电子邮件订户。每封电子邮件都需要吸引客户点击的主题行。
然而，超过1亿条吸引眼球的主题线对人类作家来说是压倒性的。
进入机器学习。
eBay与Phrasee合作，帮助生成不触发垃圾邮件过滤器的吸引人的主题行。此外，机器生成的副本与eBay的品牌声音一致。
他们的结果表明成功：
- 未结利率增加15.8%。
- 平均点击量增加31.2%。
- 每个活动超过700000个增量打开。
- 每个活动超过56000次增量点击。
机器学习可以承担最艰巨的任务，并在几分钟内完成。
因此，企业可以将更多的精力放在宏观活动上，而不是微观任务上。
4.门板
Doordash通过其营销渠道开展了数千次营销活动。
他们的团队根据广告的表现手动更新出价。
然而，研究小组发现，这项任务既耗时又难以完成。
因此，Doordash转向机器学习来优化其营销支出。
它建立了一个基于属性数据的营销自动化平台。
这些数据告诉公司客户转换了哪个渠道，以及使用了什么活动。
然而，在同时进行数千次活动的情况下，很难及时收集此类数据。
机器学习通过收集数据和创建支出建议来帮助解决这一任务
改进，使他们能够快速有效地优化预算。
5.Autodesk
Autodesk发现需要更复杂的聊天机器人。
消费者往往对聊天机器人的局限性感到沮丧，因此更愿意与人交谈。
然而，聊天机器人可以帮助有效地引导客户访问他们需要的内容、销售人员或服务页面。
因此，Autodesk转向机器学习和人工智能。
Autodesk的聊天机器人使用机器学习创建基于搜索引擎关键字的对话。
然后，聊天机器人可以连接到另一端的客户，允许更快的转换率。
自实施聊天机器人以来，Autodesk的聊天参与度提高了三倍，在页面上花费的时间增加了109%。
6.百度
2017年，中国搜索引擎百度建立了一个名为“深度语音”的系统，该系统使用机器学习将文本转换为语音。该系统可以学习2500个语音，每个语音半小时的数据。
百度解释说，深度语音可以在视频游戏和有声读物中带来更多身临其境的体验。
百度深沉声音的目标是通过模仿成千上万的人类声音，教机器说话更人性化。
很快，搜索引擎希望该系统能够掌握10000种或更多不同口音的声音。
完善后，深沉的声音可以改善我们每天使用的东西，比如：
- 苹果智能语音助手。
- 亚历山大。
- 谷歌助手。
- 实时翻译。
- 生物特征安全。
它甚至可以帮助失声的人重新交流。
虽然最近没有任何更新，但百度仍然希望Deep Voice将彻底改变我们的技术。
7.定制品牌
为我们量身定制品牌
es机器学习帮助用户创建徽标。
“这个或那个”机器帮助定制品牌通过决策算法了解用户的口味。
通过选择他们喜欢的示例，用户告诉徽标生成器他们对样式、字体和其他设计方面的偏好。
裁缝品牌使用线性代数。
每个用户的决定都被输入一个方程，帮助机器学习用户的偏好。
下一次，当有人生成一个标志时，定制品牌可以展示与他们以前使用过的相似的风格。
8.叫喊
Yelp每天在全球收到数百万张照片。
该公司意识到，需要一种复杂的方法来将照片与特定业务相匹配。
因此，他们开发了一个照片理解系统来创建关于个人照片的语义数据。
该系统允许Yelp将照片分类为与用户搜索相关的类别。
首先，Yelp为他们从用户那里收到的照片创建了标签，如“饮料”或“菜单”
接下来，该公司从照片标题、照片属性和众包中收集数据。
然后，它实现了机器学习来识别照片标签，从中系统可以将照片分类。
该照片分类系统有助于在Yelp上创建更好的用户体验。
例如，它可以帮助多样化封面照片，并创建标签，让用户跳转到他们正在寻找的确切信息。
数字营销人员仅仅触及了机器学习能为他们做什么的表面。
人和机器可以一起工作，在更短的时间内创造更有意义的客户体验和更优化的活动。这是双赢。
