คำถามยอดนิยมของคุณเกี่ยวกับ AI และการเรียนรู้ของเครื่องที่ได้รับคำตอบแล้ว

ทั้งปัญญาประดิษฐ์และแมชชีนเลิร์นนิงกำลังมาแรงในปี 2019 โดยไม่มีวี่แววว่าจะชะลอตัวลงในเร็วๆ นี้ แม้ว่าเทคโนโลยียุคใหม่นี้จะมีประโยชน์มากมาย แต่บางครั้งอาจเป็นเรื่องยากที่จะบอกเล่าความจริงจากนิยาย

เมื่อเร็วๆ นี้ Marc Poirier ผู้ร่วมก่อตั้งของเรา พร้อมด้วยผู้เชี่ยวชาญด้าน PPC Brad Geddes แห่ง AdAlysis และ Jeff Allen จาก Hanapin Marketing ได้จัดสัมมนาผ่านเว็บเพื่อตอบคำถามเหล่านี้ ระหว่างการสัมมนาผ่านเว็บ พวกเขาครอบคลุมคำถามมากมายเกี่ยวกับ AI และการเรียนรู้ของเครื่อง และเราจะแบ่งปันคำถามที่ร้อนแรงที่สุดในรอบด้านล่าง

ทุกๆ วัน เราเห็นระบบอัตโนมัติในเสิร์ชเอ็นจิ้น แพลตฟอร์ม และเครื่องมือของบุคคลที่สาม เราควรจะเปลี่ยนกลยุทธ์ทางการตลาดเพื่อแก้ไขปัญหานี้หรือไม่?

Brad เล่าว่าในช่วง 5 ปีที่ผ่านมา สองสิ่งที่สำคัญที่สุดในการค้นหาที่เสียค่าใช้จ่ายคือแมชชีนเลิร์นนิง — ซึ่งเกี่ยวกับระบบอัตโนมัติ — และการกำหนดกลุ่มเป้าหมายที่เราต้องการเจาะจงเกี่ยวกับกลุ่มผู้ใช้แต่ละกลุ่ม

“สองสิ่งนี้ทำงานข้ามวัตถุประสงค์ และถ้าเราพึ่งพาการเรียนรู้ของเครื่องมากเกินไป เราก็เสี่ยงที่จะสูญเสียการสนทนากับผู้ใช้ของเรา เป้าหมายจะต้องใช้การเรียนรู้ของเครื่องสำหรับการทำงานอัตโนมัติ แต่ให้ยึดติดกับกลยุทธ์ของเราเกี่ยวกับเสียงและข้อความของแบรนด์”

Marc กล่าวต่อไปว่าการมีกลยุทธ์ที่มั่นคงยังคงมีความสำคัญและมีเครื่องมือที่จะช่วยดำเนินการตามกลยุทธ์

หลายคนดูเหมือนจะต่อสู้หรือกลัว AI ทำไมคุณคิดว่าเป็น?

เป็นเวลาหลายปีที่ผู้คนต่อสู้กับระบบอัตโนมัติ และตามที่ Brad กล่าว ตอนนี้พวกเขาตระหนักดีว่าคณิตศาสตร์คือคณิตศาสตร์ และหากเครื่องมือสามารถจัดการกับมันได้ นั่นก็เป็นประโยชน์ “ที่เราเห็นผู้คนต่อสู้กับ AI คือเมื่อพูดถึงแบรนด์ของพวกเขา เนื่องจากพวกเขาไม่ไว้วางใจในอัลกอริธึม พวกเขาต้องการรู้ว่าเกิดอะไรขึ้น”

เขาอธิบายต่อไปว่า "เราเคยเห็นผู้คนต่อต้านการเสนอราคาอัตโนมัติของ Google เนื่องจากยุ่งกับแคมเปญของพวกเขา และนั่นก็ถูกมองว่าเป็นปัญหากับระบบอัตโนมัติ จริงๆ แล้ว มันเป็นเรื่องท้าทายมากกว่ากับการที่สิ่งต่าง ๆ ถูกเชื่อมโยงเข้าด้วยกันบนแพลตฟอร์ม”

จากมุมมองของ Marc มีเหตุผลที่ชัดเจนที่เรากำลังต่อต้าน AI “ความท้าทายมากมายคือการอธิบายหลักการของสิ่งที่เราพยายามทำให้สำเร็จด้วย AI หรือการเรียนรู้ของเครื่อง แต่เราไม่สามารถอธิบายได้เสมอว่าเหตุใดจึงมีการตัดสินใจอย่างเฉพาะเจาะจง ” เครื่องจะวิเคราะห์ข้อมูล ตัดสินใจ และเรียนรู้ต่อไป

“ในบางกรณีมีข้อสงสัย ความกลัว ผู้คนไม่ไว้วางใจอัลกอริทึม… เราเห็นการต่อสู้ดิ้นรนเพื่อให้ผู้คนยอมรับ #แมชชีนเลิร์นนิง มีความกลัวว่าจะไม่เกี่ยวข้อง ซึ่งจะไม่เกิดขึ้น” @marcpoirier #thinkppc

— Hanapin Marketing (@Hanapin) วันที่ 10 มกราคม 2019

การทำงานอัตโนมัติ แมชชีนเลิร์นนิง และการเรียนรู้เชิงลึกแตกต่างกันอย่างไร

Marc อธิบายให้ทุกคนเข้าใจถึงความแตกต่าง “ระบบอัตโนมัติมีมาตั้งแต่ปี 1950 และเป็นเพียงวิธีการทำงานให้เสร็จโดยอัตโนมัติ คุณจึงสร้างกฎเกณฑ์ทางธุรกิจตามตรรกะได้ AI เชื่อมโยงกับขั้นตอนการทำงานอัตโนมัติ และคุณกำลังพยายามทำให้คอมพิวเตอร์คิดเหมือนมนุษย์โดยใช้กฎเกณฑ์ทางธุรกิจเหล่านั้น การเรียนรู้ของเครื่องเกิดขึ้นในยุค 80 เนื่องจากคอมพิวเตอร์สามารถจัดการกับชุดข้อมูลที่มีขนาดใหญ่กว่าได้ เมื่อเวลาผ่านไป นักวิจัยตั้งข้อสังเกตว่าเครื่องจะเรียนรู้ด้วยตัวเองและปรับปรุง”

PPCers ส่วนใหญ่เป็นคนบ้าในการควบคุม แต่เราเริ่มคุ้นเคยกับการทำงานอัตโนมัติมากขึ้น – @JeffAllenUT, @Hanapin #thinkppc

– ซื้อกิจการ (@acquisio) วันที่ 10 มกราคม 2019

“ในช่วงห้าปีที่ผ่านมา มีการเร่งความเร็วอย่างมากในการเรียนรู้ของเครื่องประเภทต่างๆ รวมถึงการเรียนรู้เชิงลึก ซึ่งเป็นวิธีหนึ่งในการวิเคราะห์ชุดข้อมูลขนาดใหญ่อย่างรวดเร็ว”

ผู้เชี่ยวชาญด้าน PPC จะต้องคุ้นเคยกับระบบอัตโนมัติมากขึ้นเรื่อยๆ ระดับความสะดวกสบายของคุณกับสิ่งที่มีอยู่ตอนนี้ในแง่ของ AI และการเรียนรู้ของเครื่องและความแม่นยำคืออะไร

ในการตอบคำถามนี้ Marc ได้แบ่งปันวิธีที่มืออาชีพจำเป็นต้องถามตัวเองว่าปัญหาใดที่พวกเขาพยายามแก้ไข และเครื่องมือต่างๆ ทำงานได้ดีหรือแย่กว่าที่มนุษย์จะทำได้ จากจุดนั้น เราจำเป็นต้องประเมินว่าคุณสามารถแก้ปัญหาได้อย่างคุ้มค่าหรือไม่ การพิจารณาว่าคุณเห็นผลจริงหรือไม่

แบรดยังยกตัวอย่างการใช้การเสนอราคาอัตโนมัติว่า “คุณได้รับ Conversion มากขึ้นด้วยเงินน้อยลงหรือไม่ การตัดสินใจหลายๆ อย่างมาจากการยอมรับความเสี่ยงในส่วนต่างๆ ของแคมเปญ ถามตัวเองว่าการเสนอราคาผิดทั้งหมดหรือปัญหาอยู่ที่โฆษณาของคุณหรือไม่”

เราอยู่ไกลจากหุ่นยนต์ที่บอกเล่าเรื่องราวเกี่ยวกับแคมป์ไฟ – @bgtheory, @Adalysis #thinkppc pic.twitter.com/YIii7OeprQ

– ซื้อกิจการ (@acquisio) วันที่ 10 มกราคม 2019

เขาชี้ให้เห็นว่าในฐานะผู้เชี่ยวชาญด้าน PPC เราต้องพิจารณาว่าเครื่องมือโดยรวมทำงานได้ดีหรือไม่ และการเรียนรู้ของเครื่องและ AI ควรทำหน้าที่เป็นเข็มทิศสำหรับทุกสิ่งทุกอย่างที่คุณทำอยู่หรือไม่

“ทุกคนจำเป็นต้องกำหนดระดับความเสี่ยงที่พวกเขายินดีรับ โดยพิจารณาจากผลตอบแทนที่อาจเกิดขึ้นจากการใช้ AI” Marc กล่าวเสริม

นักการตลาดควรรู้เกี่ยวกับ AI และการเรียนรู้ของเครื่องมากแค่ไหน?

แบรดเล่าว่านักการตลาดจำนวนมากรู้สึกว่าพวกเขาต้องการทำความเข้าใจอย่างลึกซึ้งถึงสิ่งที่เกิดขึ้นเมื่อเป็นเรื่องของการตรวจสอบผลลัพธ์จริงๆ

“เราควรใช้เครื่องมือเพื่อรับคำแนะนำ – จากนั้นยอมรับหรือปฏิเสธ – และนั่นจะต้องมีความเข้าใจพื้นฐานว่าสิ่งต่าง ๆ ทำงานอย่างไร นักการตลาด PPC ไม่จำเป็นต้องเป็นนักพัฒนาที่สามารถเขียนสคริปต์ได้ ควรเน้นที่ความคิดสร้างสรรค์ การเขียน และกลยุทธ์โดยรวม มันเกี่ยวกับการทำให้ถูกต้องตามขนาดด้วยแมชชีนเลิร์นนิงและ AI”

เรื่องราวแตกต่างจากมุมมองของ Marc เล็กน้อย “สำหรับเอเจนซี่ ฉันคิดว่าต้องมีใครสักคนในทีมที่เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล ดังนั้นคุณสามารถอธิบายให้ลูกค้าฟังว่าสิ่งต่าง ๆ ทำงานอย่างไร”

นี่หมายความว่ารูปแบบหน่วยงานเปลี่ยนไปเมื่อพูดถึง PPC หรือไม่?

“โดยปกติแล้ว คุณจ้างเอเจนซี่เพราะคุณไม่มีทักษะทั้งหมดที่จำเป็นภายในองค์กร และคุณไม่ต้องการจำนวนพนักงานนั้น” แบรดกล่าว “หน่วยงานนั้นเกี่ยวกับกลยุทธ์จริงๆ แต่มีแนวโน้มว่าหน้าที่งานภายในหน่วยงานจะเปลี่ยนไป การจัดการบัญชีและการรายงานเกี่ยวกับสิ่งที่เครื่องกำลังทำอยู่จะเป็นกุญแจสำคัญ เนื่องจากมันยังคงอยู่ในมือมนุษย์ในการจัดการสิ่งที่เกิดขึ้น”

หากคุณเป็นหน่วยงานที่ถามว่าทำไมลูกค้าควรไว้วางใจเรา ไม่ใช่เทคโนโลยี มันเกี่ยวกับความสัมพันธ์ของหน่วยงาน – @bgtheory, @Adalysis #thinkppc

– ซื้อกิจการ (@acquisio) วันที่ 10 มกราคม 2019

จากการขยายความคิดของแบรด มาร์กแย้งว่าการเสนอเอเจนซี่จะต้องมีการพัฒนา "มีแนวโน้มว่าจะมีการเปลี่ยนแปลงคุณลักษณะที่ข้อเสนอมีวิวัฒนาการดังนั้นจึงมีความเชี่ยวชาญในด้านวิทยาศาสตร์ข้อมูลรวมอยู่ด้วย ด้วยวิธีนี้ เอเจนซี่สามารถบอกลูกค้าได้ว่าข้อมูลหมายถึงอะไรและควรทำอย่างไรกับข้อมูลนั้น”

ในฐานะเจ้าของเอเจนซี เจฟฟ์มีข้อมูลเชิงลึกอันมีค่าเกี่ยวกับบางสิ่งที่ง่ายขึ้นและบางอย่างซับซ้อนยิ่งขึ้น “เรากำลังติดต่อกับหลายแพลตฟอร์มที่เราจำเป็นต้องมีความเชี่ยวชาญ และเราจำเป็นต้องนำเสนอกลยุทธ์และผลลัพธ์ให้กับลูกค้า เคยเป็นเกี่ยวกับการทำให้สิ่งต่างๆ เช่น Google Ads ง่ายขึ้นสำหรับลูกค้า ตอนนี้มันเป็นเรื่องของการนำโมเดลธุรกิจที่ซับซ้อนของลูกค้าของเรามาใช้และทำให้พวกเขาทำงานภายในระบบนิเวศที่มีอยู่”

ฉันจำเป็นต้องฝึกคณิตศาสตร์ประเภทใดเพื่อให้เข้าใจ PPC และแมชชีนเลิร์นนิงดีขึ้น

ข่าวดีก็คือว่า Marc ไม่คิดว่าคุณจำเป็นต้องเป็นนักคณิตศาสตร์เพื่อที่จะเป็นผู้เชี่ยวชาญ PPC เขาร่างสิ่งที่คุณต้องรู้เพื่อให้ประสบความสำเร็จ “สิ่งที่คุณต้องรู้หรือรับการฝึกอบรมคือสถิติ 101 ดังนั้นคุณจึงเข้าใจว่าจะใช้การทดสอบใดในสถานการณ์ใดบ้าง คุณต้องมีความรู้ในการทำงานเกี่ยวกับตัวแปรต่างๆ และระดับความมั่นใจที่คุณต้องการ มีหลักสูตรมากมายที่คุณสามารถเรียนได้ รวมถึงหลักสูตรออนไลน์ฟรี คุณอาจต้องการตรวจสอบ Linda.com หรือ Khan Academy”

คุณคิดว่าจะเป็นเวลาที่เหมาะสมที่สุดในการเริ่มการทดสอบด้วยเครื่องมือการเรียนรู้ของเครื่องใหม่เมื่อใด

ไม่น่าแปลกใจเลยที่ Brad สนับสนุนให้ผู้ชมเริ่มการทดสอบทันทีที่พวกเขาต้องการทำให้ดีขึ้น เพราะไม่มีเวลาที่เลวร้ายจริงๆ ในการเริ่มต้น

อย่างไรก็ตาม เขาได้ทบทวนเคล็ดลับบางประการในการเริ่มต้น "ฉันจะไม่ลองใช้กับบัญชีใหม่เพราะไม่มีข้อมูล แต่ถ้าคุณมีข้อมูลเพียงเล็กน้อย และคุณพอใจกับปริมาณปัจจุบันของคุณ คุณมีสิ่งที่จำเป็นในการเริ่มต้น”

เวลาที่เหมาะสมที่สุดในการเริ่มการทดสอบกับ #AI คืออะไร?
“เมื่อไรก็ตาม ตราบใดที่ข้อมูลของคุณสามารถทำซ้ำได้และสม่ำเสมอ เมื่อไม่มีค่าผิดปกติ” @bgtheory @Adalysis #thinkppc

— Hanapin Marketing (@Hanapin) วันที่ 10 มกราคม 2019

เขาชี้ให้เห็นว่าสิ่งที่คุณต้องการค้นหาคือข้อมูลที่สอดคล้องกันโดยไม่มีค่าผิดปกติ “หากคุณเป็นบริษัทดอกไม้ คุณคงไม่ต้องการทดสอบก่อนถึงวันวาเลนไทน์ เพราะผลลัพธ์ของคุณก็มักจะเบี้ยว คุณต้องการใช้ข้อมูลที่ทำซ้ำได้และสม่ำเสมอ”

คุณคิดว่าผลกระทบของแมชชีนเลิร์นนิงและ AI ส่งผลต่อประสบการณ์ผู้ใช้อย่างไร

มีผลกระทบอย่างชัดเจนต่อประสบการณ์ของผู้ใช้ แต่ไม่ใช่ AI ที่ทำให้เกิดปัญหา

แบรดเข้าถึงหัวใจของปัญหาได้อย่างรวดเร็ว: “นักการตลาดไม่ได้ตั้งค่าแคมเปญอย่างถูกต้อง ตัวอย่างเช่น โฆษณากำหนดเป้าหมายใหม่มากเกินไปซึ่งไม่มีการกำหนดความถี่สูงสุดหรือผู้ชมเชิงลบ นั่นเป็นปัญหาทางการตลาด ไม่ใช่ปัญหา AI มันไม่ใช่เครื่องจักร แต่เป็นสิ่งที่ผู้คนทำกับมัน”

สรุป

ไม่ว่าคุณจะเลือกใช้ AI และแมชชีนเลิร์นนิงก่อนเป็นอันดับแรก หรือรอดูแนวทางที่วัดผลมากขึ้น ความจริงก็คือเทคโนโลยีเหล่านี้จะคงอยู่ต่อไป การทำความเข้าใจว่าพวกเขาทำอะไร สามารถช่วยธุรกิจของคุณและแยกข้อเท็จจริงออกจากนิยายได้อย่างไร จะเป็นก้าวแรกสู่การนำเทคโนโลยีเหล่านี้ไปใช้ในระยะยาว

หากคุณพลาดการสัมมนาผ่านเว็บและต้องการฟังการอภิปรายอย่างครบถ้วน คุณสามารถตรวจสอบได้ที่นี่

เครดิตรูปภาพ

ภาพเด่น: Unsplash / Franck V.