AIと機械学習に関する主な質問に回答

公開: 2019-02-14

人工知能と機械学習の両方が2019年のトレンドであり、すぐに減速する兆候はまったくありません。 このテクノロジーの新時代には多大なメリットがありますが、事実とフィクションを区別するのは難しい場合があります。

最近、共同創設者のMarc Poirierが、PPCのプロであるAdAlysisのBradGeddesとHanapinMarketingのJeffAllenとともに、これらの質問に対処するためのウェビナーを主催しました。 ウェビナーでは、AIと機械学習に関する多くの質問が取り上げられました。以下のまとめで、最もホットな質問を共有しています。

毎日、検索エンジン、プラットフォーム、サードパーティツールの自動化が見られます。 これに対処するためにマーケティング戦略を変更する必要がありますか？

ブラッドは、過去5年間で、有料検索の2つの最大の特徴は、機械学習（すべて自動化に関するもの）と、各ユーザーグループについて具体的に知りたいオーディエンスターゲティングでした。

「これら2つのことは目的を超えて機能します。機械学習に依存しすぎると、ユーザーとの会話を失うリスクがあります。 目標は、自動化に機械学習を使用することですが、ブランドの音声とメッセージングに関する戦略に固執する必要があります。」

マークはさらに、堅実な戦略を持つことが重要であり、戦略の実行を支援するツールがあると付け加えました。

多くの人がAIと戦ったり、AIを恐れたりしているようです。 なぜだと思いますか？

何年もの間、人々は自動化と戦ってきました。ブラッドによれば、数学は数学であり、ツールがそれを処理できるのであれば、それは役に立ちます。 「人々がAIと戦っているのを目にするのは、アルゴリズムに対する信頼が欠如しているため、ブランドに関してです。 彼らは何が起こっているのかを正確に知りたがっています。」

彼は続けて次のように説明しました。「キャンペーンを台無しにしているGoogleの自動入札に反対する人々がいますが、それは自動化の問題と見なされています。 実際、プラットフォーム上で物事をどのように結び付けるかということは、より大きな課題です。」

マークの観点から、私たちがAIに抵抗している明確な理由があります。「多くの課題は、AIまたは機械学習で達成しようとしていることの原則を説明することですが、特定の決定がなされた理由を常に説明できるとは限りません。 。」 マシンはデータを分析し、決定を下し、学習を続けます。

自動化、機械学習、ディープラーニングの違いは何ですか？

マークは、違いをすべての人に説明しました。「自動化は1950年代から存在しており、ロジックに基づいてビジネスルールを作成できるように、何かを自動的に実行する方法にすぎません。 AIは自動化手順と結びついており、これらのビジネスルールを使用してコンピューターを人間のように考えさせようとしています。 コンピューターがより大きなデータセットを処理できるようになったため、機械学習は80年代に登場しました。 時間が経つにつれて、研究者たちは、マシンがそれ自体で学習して改善するだろうと指摘しました。」

「過去5年間で、非常に大きなデータセットを迅速に分析する方法であるディープラーニングを含む、さまざまなタイプの機械学習が大幅に加速しました。」

PPCの専門家は、自動化にますます慣れなければなりません。 AIと機械学習、およびその正確性の観点から、現在そこにあるものに対するあなたの快適さのレベルはどれくらいですか？

この質問に答えて、マークは、専門家が解決しようとしている問題と、ツールが人間よりもうまく機能しているかどうかを自問する必要があることを共有しました。 そこから、費用効果の高い方法で問題を大規模に解決できるかどうかを評価する必要があります。 あなたが結果を見ているかどうかを理解することは本当に重要です。

ブラッドはさらに、自動入札の使用例を共有しました。「より少ない費用でより多くのコンバージョンを獲得しましたか？ 意思決定の多くは、キャンペーンのさまざまな部分でのリスク許容度に帰着します。 自問してみてください。入札は完全に間違っているのでしょうか、それとも問題はあなたのクリエイティブにあるのでしょうか？」

彼は、PPCの専門家として、ツールが全体としても機能しているかどうか、そして機械学習とAIが他のすべてのことの羅針盤としてどのように機能するかを調べる必要があると指摘しました。

「誰もが、AIを使用することの潜在的な見返りに基づいて、引き受ける意思のあるリスクのレベルを決定する必要があります」とマークは付け加えました。

マーケターはAIと機械学習について実際にどれだけ知っておくべきですか？

ブラッドは、多くのマーケターが、実際にアウトプットの監査について何が起こっているのかを深く理解する必要があると感じていることを共有しました。

「ツールを使用して推奨事項を取得し、それを受け入れるか拒否する必要があります。そのためには、物事がどのように機能するかについての基本的な理解が必要になります。 PPCマーケティング担当者は、スクリプトを作成できる開発者である必要はありません。 焦点は、創造性、執筆、および全体的な戦略にあるべきです。 機械学習とAIを使って大規模にそれを正しく実現することです。」

ストーリーは、マークの見解とは少し異なります。「代理店の場合、データサイエンスに精通したチームの誰かが必要だと思います。そうすれば、クライアントに物事の仕組みを説明できます。」

これは、PPCに関してエージェンシーモデルが変わることを意味しますか？

「通常、社内で必要なスキルをすべて持っているわけではなく、その人員を必要としないため、代理店を雇います」とBrad氏は述べています。 「エージェンシーは本当に戦略に取り組んでいますが、エージェンシー内の職務は変わる可能性があります。 何が起こっているかを管理するのはまだ人間の手に委ねられているので、アカウント管理とマシンの動作に関するレポートが重要になります。」

ブラッドの考えを拡張して、マークは代理店の提供が進化する必要があると主張しました。 「オファーが進化する機能が変更される可能性が高いため、データサイエンスの専門知識が含まれています。 そうすることで、代理店はクライアントにデータの意味とデータを使って何をすべきかを伝えることができます。」

代理店のオーナーとして、ジェフは、あるものがより単純になり、他のものがより複雑になった方法について貴重な洞察を持っていました。 「私たちは専門知識が必要な複数のプラットフォームを扱っており、クライアントに戦略と結果を提供する必要があります。 以前は、クライアントにとってGoogle広告のようなものをよりシンプルにすることでした。 今では、クライアントの複雑なビジネスモデルを採用し、そこにあるエコシステム内でクライアントを機能させることが重要です。」

PPCと機械学習をよりよく理解するには、どのような種類の数学のトレーニングが必要ですか？

幸いなことに、マークは、PPCの専門家として優れているために数学者である必要はないと考えています。 彼は、成功するために知っておくべきことを概説しました。「知っておく必要がある、またはトレーニングを受ける必要があるのは統計101なので、どのような状況でどのテストを適用するかを理解できます。 プレイ中の変数と、求めている信頼度についての実用的な知識が必要です。 無料のオンラインコースを含め、受講できるコースはたくさんあります。 Linda.comまたはKhanAcademyをチェックすることをお勧めします。」

新しい機械学習ツールでテストを開始するのに最適な時期はいつだと思いますか？

当然のことながら、ブラッドは聴衆に、開始するのに本当に悪い時期はないので、良くなりたいと思ったらすぐにテストを開始するように勧めました。

ただし、開始するためのヒントをいくつか確認しました。「データがないため、新しいアカウントでは試してみませんが、データが少しあり、現在のボリュームに満足している場合は、始めるために必要なものがあります。」

彼は、あなたが探したいのは外れ値のない一貫したデータであると指摘しました。 「花の会社の場合、結果が歪む可能性があるため、バレンタインデーまでの間にテストを実行したくない可能性があります。 繰り返し可能で一貫性のあるデータを使用したい。」

機械学習とAIがユーザーエクスペリエンスにどのような影響を与えていると思いますか？

ユーザーエクスペリエンスに明確な影響がありましたが、問題を引き起こしているのはAIではありません。

ブラッドはすぐに問題の核心に迫りました。「マーケターがキャンペーンを正しく設定していないのです。 たとえば、フリークエンシーキャップやネガティブオーディエンスがない過剰なリターゲティング広告。 これは間違いなくマーケティングの問題であり、AIの問題ではありません。 それは機械ではなく、人々がそれを使って行っていることです。」

概要

最初にAIと機械学習の使用に取り掛かる場合でも、より慎重に待機してアプローチを確認する場合でも、これらのテクノロジーは定着しています。 彼らが何をしているのか、彼らがあなたのビジネスをどのように助けることができるかを理解し、事実をフィクションから分離することは、長期的にこれらのテクノロジーを採用するための第一歩になります。

ウェビナーを見逃していて、ディスカッション全体を聞きたい場合は、ここで確認できます。

画像クレジット

フィーチャー画像：Unsplash/FranckV。