-

De nieuwe manier van marketing: machine learning vs. deep learning

De kans dat je in het dagelijks leven gebruik maakt van artificial intelligence (AI) is behoorlijk groot. Gebruik je af en toe Siri? Zie je weleens suggesties voorbijkomen op Netflix? Of chat je soms met een chatbot? Het zijn allemaal toepassingen van AI. Steeds meer bedrijven zijn zich er van bewust dat zij iets met AI moeten om de concurrentie een stap voor te blijven. Dat geldt ook voor marketing. Er zijn twee AI-subcategorieën die op dit moment de toon zetten: machine learning en deep learning.

Intelligente of AI-gedreven technologieën maken in de meeste gevallen gebruik van machine learning. In wezen is dit een subset van AI, waarbij de technologie algoritmes leert op basis van data. Deze algoritmes nemen enorme hoeveelheden data in zich op en leren daarvan. Om hun voorspellingen te verbeteren, gebruiken ze deze data en door mensen bepaalde categorieën. Het is hierbij afhankelijk van menselijke input in de vorm van nieuwe data of een geüpdatet algoritme. Machines leren op deze manier van ervaringen en voorbeelden uit de echte wereld. Hoe meer data de machine krijgt, hoe meer hij leert.

Een andere subcategorie van AI en een andere vorm van machine learning is deep learning. Deze technologie maakt gebruik van algoritmes, die gebaseerd zijn op de structuur van het menselijk brein. Daarbij bootst het zeer grote hoeveelheden neurale verbindingen. Daardoor heeft deep learning, geen menselijke input nodig en is het in staat om zelf nieuwe dingen te leren. Dat maakt het een veelbelovende technologie voor innovatieve oplossingen zoals zelfrijdende auto’s of online vertaalmachines.

Een praktisch voorbeeld hiervan is schaken. Een op machine learning-gebaseerd algoritme weet dat elk potje uit drie onderdelen bestaat; een begin, een middenstuk en een eind. Het weet hoe het elk onderdeel moet winnen en blijft dat herhalen, maar beperkt zijn keuzes altijd tot die drie onderdelen. Het blijft bij een begin, middenstuk en einde. Om de regels te leren en te analyseren, heeft machine learning data nodig. De technologie is bekend met bepaalde specificaties die een programmeur implementeert – en wordt alleen actief tegen die standaard.

Deep learning is in staat om zelf te leren en kan zich afvragen: waarom niet vijf stappen creëren? Of vijftien? Het behandelt elke zet van de tegenstander als een nieuw spel om zo tot de beste strategie te komen. Deep learning moet de regels van het spel kennen, op basis waarvan het verder leert. Bijvoorbeeld toen Google’s AI-technologie AlphaGo de wereldkampioen Go versloeg, zelfs nadat AlphaGo aan het begin van het spel een fout maakte.

Behalve het spelen van denksport biedt deep learning nog veel meer mogelijkheden, bijvoorbeeld in retargeting. In de advertentiesector is het zaak om de meest relevante advertentie te laten zien – degene waarbij de kans dat iemand daadwerkelijk naar een webshop gaat en een aankoop doet, het grootst is. Machine learning is hierbij beperkt tot de categorieën waarvan mensen hebben bepaald of ze relevant zijn, zoals prijs of productcategorie. Die variabelen worden handmatig ingevoerd en moeten worden aangepast wanneer de AI-technologie rekening moet houden met nieuwe informatie.

Deep learning kijkt verder dan de relevante producten en het gedrag van één bepaald persoon. Daardoor komt het tot verrassende aannamen. Stel je bijvoorbeeld voor dat je je net herinnert dat een vriend over twee dagen jarig is. Dat geeft niet heel veel tijd meer om nog uitgebreid te bedenken wat je wilt geven… In dit soort gevallen kan ultranauwkeurige personalisatie het verschil maken. Deep learning-modellen kunnen opmerken dat je op zoek bent naar iets specifieks, bijvoorbeeld door een plotselinge gedragsverandering of een dringende koopdrang. Waar een ouder AI-model blind kan zijn voor dit soort datapunten, is deep learning wel in staat om die link te leggen.

Deep learning kan één gebruiker opmerken in een online massa; een gebruiker die zich op het eerste oog misschien chaotisch gedraagt, maar in werkelijkheid de grootste kans biedt om een aankoop af te ronden. Dat is mogelijk doordat zelflerende algoritmes elke potentiële klant vastleggen, ook degenen die op net andere manier naar een product zoeken dan gebruikelijk. Het houdt hierbij rekening met de geschiedenis van die persoon, en ziet dat zijn/haar gedrag aanzienlijk is veranderd. Deep learning biedt dan zeer precieze conversiekansen, die hij niet leert van één gebruiker, maar van elke gebruiker binnen een netwerk.

Bij het plannen van een campagne kan het handig zijn om zowel machine learning als deep learning te overwegen. Het kan helpen om meerdere retargetingstrategieën te implementeren en te experimenteren met verschillende technieken. Zo ontdek je welke manieren het meest geschikt zijn voor jouw bedrijf om toegang te krijgen tot relevante gebruikers.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond