الإجابة على أهم أسئلتك حول الذكاء الاصطناعي والتعلم الآلي

نشرت: 2019-02-14

يتجه كل من الذكاء الاصطناعي والتعلم الآلي لعام 2019 مع عدم وجود أي علامات على التباطؤ على الإطلاق في أي وقت قريب. في حين أن هذا العصر الجديد من التكنولوجيا له عدد هائل من الفوائد ، فقد يكون من الصعب أحيانًا التمييز بين الحقيقة والخيال.

في الآونة الأخيرة ، استضاف الشريك المؤسس مارك بوارير ، جنبًا إلى جنب مع محترفي الدفع بالنقرة براد جيديس من AdAlysis وجيف ألين من Hanapin Marketing ندوة عبر الإنترنت للإجابة على هذه الأسئلة. خلال الندوة عبر الويب ، قاموا بتغطية العديد من الأسئلة حول الذكاء الاصطناعي والتعلم الآلي ، ونحن نشارك أهم الأسئلة في الجولة أدناه.

كل يوم ، نشهد أتمتة على محركات البحث والأنظمة الأساسية وأدوات الجهات الخارجية. هل يجب علينا تغيير استراتيجيتنا التسويقية لمعالجة هذا الأمر؟

شارك براد كيف على مدار السنوات الخمس الماضية ، كان أهم شيئين في البحث المدفوع هما التعلم الآلي - الذي يدور حول الأتمتة - ثم استهداف الجمهور حيث نريد الحصول على معلومات محددة حول كل مجموعة مستخدمين.

"يعمل هذان الشيئان في أغراض متقاطعة ، وإذا اعتمدنا كثيرًا على التعلم الآلي ، فإننا نجازف بفقدان المحادثة مع مستخدمينا. يجب أن يكون الهدف هو استخدام التعلم الآلي للأتمتة ولكن يجب الالتزام باستراتيجياتنا حول صوت العلامة التجارية والمراسلة ".

ومضى مارك مضيفًا أن وجود استراتيجية قوية يظل أمرًا بالغ الأهمية ، والأدوات موجودة للمساعدة في تنفيذ الاستراتيجية.

يبدو أن الكثير من الناس يقاتلون ضد الذكاء الاصطناعي أو يخافون منه. لماذا تعتقد ذلك؟

لسنوات قاتل الناس ضد الأتمتة ، ووفقًا لبراد ، فهم يدركون الآن أن الرياضيات هي رياضيات وإذا كانت هناك أداة يمكنها التعامل معها ، فهذا مفيد. "عندما نرى الناس يقاتلون الذكاء الاصطناعي هو عندما يتعلق الأمر بعلاماتهم التجارية لأنهم يفتقرون إلى الثقة في الخوارزميات. يريدون أن يعرفوا بالضبط ما يحدث ".

وتابع ليشرح قائلاً: "لقد رأينا أشخاصًا يقاومون عروض التسعير الآلية من Google لأنها تعبث بحملاتهم ، ويُنظر إلى ذلك على أنه مشكلة في الأتمتة. حقًا ، إنه يمثل تحديًا أكبر في كيفية ربط الأشياء معًا على المنصة ".

من منظور مارك ، هناك سبب واضح لمقاومتنا للذكاء الاصطناعي ، "يكمن الكثير من التحدي في شرح مبادئ ما نحاول تحقيقه باستخدام الذكاء الاصطناعي أو التعلم الآلي ، لكن لا يمكننا دائمًا شرح سبب اتخاذ قرار معين . " تحلل الآلة البيانات ، وتتخذ القرارات ، وتستمر في التعلم كما هي.

ما الفرق بين الأتمتة والتعلم الآلي والتعلم العميق؟

أطلع مارك الجميع على الاختلافات ، "الأتمتة كانت موجودة منذ الخمسينيات ، وهي ببساطة طريقة لإنجاز شيء ما تلقائيًا حتى تتمكن من إنشاء قواعد عمل تستند إلى المنطق. يرتبط الذكاء الاصطناعي بإجراءات الأتمتة ، وأنت تحاول جعل الكمبيوتر يفكر مثل الإنسان باستخدام قواعد العمل هذه. ظهر التعلم الآلي في الثمانينيات ، حيث كانت أجهزة الكمبيوتر قادرة على التعامل مع مجموعات أكبر من البيانات. بمرور الوقت ، لاحظ الباحثون أن الآلة ستتعلم من تلقاء نفسها وتتحسن ".

"على مدى السنوات الخمس الماضية ، كان هناك تسارع كبير في أنواع مختلفة من التعلم الآلي ، بما في ذلك التعلم العميق ، وهو وسيلة لتحليل مجموعة كبيرة جدًا من البيانات بسرعة."

يتعين على محترفي الدفع بالنقرة الشعور براحة أكبر مع الأتمتة. ما هو مستوى راحتك مع ما هو موجود الآن من حيث الذكاء الاصطناعي والتعلم الآلي ودقته؟

رداً على هذا السؤال ، شارك مارك كيف يحتاج المحترفون أن يسألوا أنفسهم ما هي المشكلة التي يحاولون حلها وما إذا كانت الأدوات تعمل بشكل أفضل أو أسوأ مما يفعل الإنسان. من هناك ، نحتاج إلى تقييم ما إذا كان بإمكانك ، على نطاق واسع ، حل المشكلة بطريقة فعالة من حيث التكلفة. يعود الأمر حقًا إلى معرفة ما إذا كنت ترى نتائج.

تابع براد مشاركة مثال على استخدام عروض الأسعار التلقائية ، "هل حصلت على المزيد من التحويلات مقابل أموال أقل؟ يعود جزء كبير من عملية صنع القرار إلى تحملك للمخاطر مع أجزاء مختلفة من حملتك. اسأل نفسك ، هل العرض خاطئ تمامًا أم أن المشكلة تكمن في تصميمك؟ "

وأشار إلى أنه بصفتنا متخصصين في الدفع لكل نقرة (PPC) ، نحتاج إلى النظر في ما إذا كانت الأدوات ، بشكل إجمالي ، تعمل بشكل جيد وكيف يجب أن يعمل التعلم الآلي والذكاء الاصطناعي كبوصلة لكل شيء آخر تقوم به.

أضاف مارك: "يحتاج كل شخص إلى تحديد مستوى المخاطرة الذي يرغب في تحمله ، بناءً على المكافآت المحتملة لاستخدام الذكاء الاصطناعي".

ما المقدار الذي يجب أن يعرفه المسوقون حقًا عن الذكاء الاصطناعي والتعلم الآلي؟

شارك براد كيف يشعر الكثير من المسوقين أنهم بحاجة إلى فهم عميق لما يحدث عندما يتعلق الأمر بالفعل بمراجعة المخرجات.

"يجب أن نستخدم الأدوات للحصول على توصيات - ثم نقبلها أو نرفضها - وسيتطلب ذلك فهماً أساسياً لكيفية عمل الأشياء. لا يحتاج المسوق PPC إلى أن يكون مطورًا قادرًا على كتابة البرنامج النصي. يجب أن يكون التركيز على الإبداع والكتابة والاستراتيجية الشاملة. يتعلق الأمر بتطبيقه بشكل صحيح على نطاق واسع باستخدام التعلم الآلي والذكاء الاصطناعي ".

القصة مختلفة قليلاً عن وجهة نظر مارك ، "بالنسبة للوكالات ، أعتقد أنه يجب أن يكون هناك شخص في الفريق على دراية جيدة بعلوم البيانات ، حتى تتمكن من شرح كيفية عمل الأشياء للعملاء."

هل هذا يعني أن نموذج الوكالة يتغير عندما يتعلق الأمر بـ PPC؟

أشار براد: "عادةً ما تقوم بتعيين وكالة لأنك لا تمتلك كل المهارات التي تحتاجها داخليًا ، ولا تريد هذا العدد". "الوكالة معنية حقًا بالاستراتيجية ، ولكن من المحتمل أن تتغير وظائف الوظيفة داخل الوكالة. ستكون إدارة الحساب وإعداد التقارير حول ما تفعله الآلة أمرًا أساسيًا ، حيث لا يزال في أيدي البشر إدارة ما يحدث ".

بالتوسع في أفكار براد ، جادل مارك بأن عرض الوكالة سيحتاج إلى التطور. "من المحتمل أن يكون هناك تغيير في الميزة حيث يتطور العرض ، لذلك هناك خبرة في علم البيانات متضمن. وبهذه الطريقة ، يمكن للوكالة أن تخبر العميل بما تعنيه البيانات وما يجب أن يفعله بها ".

بصفته مالكًا للوكالة ، كان لدى Jeff رؤى قيمة حول كيف أصبحت بعض الأشياء أبسط وأصبحت أخرى أكثر تعقيدًا. "نحن نتعامل مع العديد من المنصات التي نحتاج إلى الخبرة فيها ، ونحتاج إلى تقديم إستراتيجية ونتائج للعملاء. كانت تهدف في السابق إلى جعل أشياء مثل إعلانات Google أبسط للعملاء ؛ الآن يتعلق الأمر بأخذ نماذج الأعمال المعقدة لعملائنا وجعلها تعمل ضمن النظم البيئية الموجودة هناك ".

ما نوع الرياضيات التي أحتاج إلى التدريب عليها لفهم قدرة شرائية أفضل والتعلم الآلي؟

الخبر السار هو أن مارك لا يعتقد أنك بحاجة إلى أن تكون عالم رياضيات لتتفوق كمحترف قدرة شرائية. لقد حدد ما تحتاج إلى معرفته للنجاح ، "ما تحتاج إلى معرفته أو التدريب عليه هو الإحصاء 101 حتى تفهم الاختبارات التي يجب تطبيقها في أي مواقف. أنت بحاجة إلى معرفة عملية بالمتغيرات في اللعب ودرجة الثقة التي تبحث عنها. هناك الكثير من الدورات التدريبية التي يمكنك الالتحاق بها - بما في ذلك الدورات المجانية عبر الإنترنت. قد ترغب في التحقق من Linda.com أو Khan Academy ".

متى تعتقد أنه سيكون الوقت المثالي لبدء اختبار باستخدام أداة جديدة للتعلم الآلي؟

مما لا يثير الدهشة ، شجع براد الجمهور على بدء الاختبار بمجرد رغبته في التحسن لأنه لا يوجد وقت سيء للبدء.

ومع ذلك ، فقد راجع بعض النصائح للبدء ، "لن أجربها على حساب جديد تمامًا نظرًا لعدم وجود بيانات ، ولكن إذا كان لديك القليل من البيانات ، وكنت سعيدًا بحجمك الحالي ، لديك ما تحتاجه للبدء ".

وأشار إلى أن ما تريد البحث عنه هو بيانات متسقة مع عدم وجود القيم المتطرفة. "إذا كنت شركة زهور ، فمن المحتمل ألا ترغب في إجراء اختبار في الفترة التي تسبق يوم عيد الحب ، حيث من المحتمل أن تكون نتائجك مشوهة. تريد استخدام بيانات متسقة وقابلة للتكرار ".

ما رأيك في تأثير التعلم الآلي والذكاء الاصطناعي على تجربة المستخدم؟

كان هناك تأثير واضح على تجربة المستخدم - ولكن ليس الذكاء الاصطناعي هو الذي يسبب المشكلات.

وصل براد إلى لب المشكلة بسرعة: "المسوقون لا يقومون بإعداد الحملات بشكل صحيح. على سبيل المثال ، إعادة الاستهداف المفرط للإعلانات التي ليس لها حد لعدد مرات الظهور أو الجمهور السلبي. هذه بالتأكيد مشكلة تسويقية وليست مشكلة ذكاء اصطناعي. إنها ليست الآلة ، هذا ما يفعله الناس بها ".

ملخص

سواء اخترت القفز رأسًا أولاً إلى استخدام الذكاء الاصطناعي والتعلم الآلي أو اتخاذ نهج الانتظار والترقب المدروس ، فإن الحقيقة هي أن هذه التقنيات موجودة لتبقى. سيكون فهم ما يفعلونه ، وكيف يمكنهم مساعدة عملك ، وفصل الحقائق عن الخيال هو الخطوة الأولى نحو تبني هذه التقنيات على المدى الطويل.

إذا فاتتك الندوة عبر الإنترنت وترغب في الاستماع إلى المناقشة بأكملها ، فيمكنك التحقق من ذلك هنا.

اعتمادات الصورة

الصورة الرئيسية: Unsplash / Franck V.