关于人工智能和机器学习的热门问题已得到解答
已发表: 2019-02-14人工智能和机器学习都是 2019 年的趋势，绝对没有任何放缓的迹象。 虽然这个新的技术时代有很多好处，但有时很难区分事实与虚构。
最近，我们的联合创始人 Marc Poirier 与 AdAlysis 的 PPC 专家 Brad Geddes 和 Hanapin Marketing 的 Jeff Allen 共同举办了一次网络研讨会来解决这些问题。 在网络研讨会期间，他们讨论了许多关于人工智能和机器学习的问题，我们将在下面的综述中分享最热门的问题。
每天，我们都在搜索引擎、平台和第三方工具上看到自动化。 我们是否应该改变我们的营销策略来解决这个问题？
Brad 分享了在过去五年中，付费搜索中最重要的两件事是机器学习——这都是关于自动化的——然后是我们希望针对每个用户组具体了解的受众定位。
“这两件事的作用是交叉的，如果我们过于依赖机器学习，我们就有可能失去与用户的对话。 目标需要使用机器学习实现自动化，但要坚持我们围绕品牌语音和消息传递的策略。”
Marc 继续补充说，制定可靠的战略仍然至关重要，并且有工具可以帮助执行该战略。
很多人似乎反对或害怕人工智能。 你认为这是为什么？
多年来，人们一直在与自动化作斗争，根据 Brad 的说法，他们现在意识到数学就是数学，如果有工具可以处理它，那就很有帮助。 “我们确实看到人们在对抗人工智能的地方是他们的品牌，因为他们对算法缺乏信任。 他们想确切地知道发生了什么。”
他继续解释说：“我们已经看到人们反对谷歌的自动出价，因为它扰乱了他们的广告系列，这被视为自动化的问题。 真的，在平台上如何将事物联系在一起更具挑战性。”
从 Marc 的角度来看，我们抵制 AI 有一个明确的原因，“很多挑战是解释我们试图用 AI 或机器学习完成的工作原理，但我们不能总是解释为什么做出特定决定。” 机器分析数据，做出决定，并继续学习。
“在某些情况下，有很多怀疑、恐惧、人们不信任算法……我们看到人们很难接受#machinelearning。 人们害怕变得无关紧要，这不会发生。” @marcpoirier #thinkppc
— Hanapin 营销 (@Hanapin) 2019 年 1 月 10 日
自动化、机器学习和深度学习之间有什么区别？
Marc 向每个人介绍了这些差异，“自动化自 1950 年代以来就已经存在，它只是一种自动完成某事的方法，因此您可以根据逻辑创建业务规则。 人工智能与自动化程序相关联，您正试图让计算机使用这些业务规则像人类一样思考。 机器学习出现在 80 年代，因为计算机能够处理更大的数据集。 随着时间的推移，研究人员指出，机器会自行学习并改进。”
大多数 PPCer 都是控制狂，但我们对自动化越来越感到满意——@JeffAllenUT、@Hanapin #thinkppc
— Acquisio (@acquisio) 2019 年 1 月 10 日
“在过去五年中，不同类型的机器学习（包括深度学习）显着加速，这是一种快速分析非常大的数据集的方法。”
PPC 专业人员必须越来越适应自动化。 在人工智能和机器学习及其准确性方面，您对目前的情况感到满意吗？
在回答这个问题时，Marc 分享了专业人士需要如何问自己他们正在尝试解决什么问题，以及这些工具比人类做得更好还是更差。 从那里，我们需要评估是否可以大规模地以具有成本效益的方式解决问题。 这真的归结为弄清楚你是否看到了结果。
Brad 继续分享了一个使用自动出价的示例，“您是否以更少的钱获得了更多的转化？ 很多决策都取决于您对广告系列不同部分的风险承受能力。 问问自己，出价是完全错误的，还是问题出在你的创意上？”
我们离机器人在篝火上给我们讲故事还有很长的路要走——@bgtheory，@Adalysis #thinkppc pic.twitter.com/YIiii7OeprQ
— Acquisio (@acquisio) 2019 年 1 月 10 日
他指出，作为 PPC 专业人士，我们需要看看这些工具总体上是否正常工作，以及机器学习和人工智能应该如何作为你正在做的其他事情的指南针。
“每个人都需要根据使用 AI 的潜在回报来确定他们愿意承担的风险水平，”Marc 补充道。
营销人员应该真正了解多少人工智能和机器学习？
布拉德分享了许多营销人员觉得他们需要深入了解正在发生的事情，而实际上这是关于审计输出的。
“我们应该使用这些工具来获得建议——然后接受或拒绝它们——这需要对事情的运作方式有一个基本的了解。 PPC 营销人员不需要是能够编写脚本的开发人员。 重点应该放在创意、写作和整体策略上。 这是关于通过机器学习和人工智能大规模地实现它。”
这个故事与 Marc 的观点略有不同，“对于代理商，我确实认为团队中需要有人精通数据科学，这样你就可以向客户解释事情是如何运作的。”
这是否意味着代理模式在 PPC 方面发生了变化？
“通常情况下，您聘请代理机构是因为您不具备内部所需的所有技能，而且您不想要这样的员工人数，”Brad 表示。 “该机构真正关注的是战略，但机构内部的工作职能很可能会发生变化。 账户管理和机器正在做什么的报告将是关键，因为它仍然在人手中来管理正在发生的事情。”
如果您是代理机构，请询问为什么客户应该信任我们，而不是技术。 这是关于代理关系的——@bgtheory，@Adalysis #thinkppc
— Acquisio (@acquisio) 2019 年 1 月 10 日
马克扩展了布拉德的想法，认为代理服务需要发展。 “产品可能会发生功能变化，因此其中包括数据科学方面的专业知识。 这样，该机构就可以告诉客户数据的含义以及他们应该如何处理这些数据。”
作为一名机构所有者，Jeff 对一些事情如何变得更简单而另一些事情变得更复杂有着宝贵的见解。 “我们正在处理需要具备专业知识的多个平台，我们需要为客户提供战略和成果。 它曾经是为了让客户更简单地使用 Google Ads 之类的东西； 现在的重点是利用我们客户复杂的商业模式，让它们在现有的生态系统中发挥作用。”
我需要接受什么类型的数学培训才能更好地理解 PPC 和机器学习？
好消息是，Marc 并不认为您需要成为一名数学家才能成为一名出色的 PPC 专业人士。 他确实概述了成功所需的知识，“您需要了解或接受培训的是统计 101，以便您了解在什么情况下应用哪些测试。 您需要对起作用的变量以及您正在寻求的信心程度有一定的了解。 您可以参加大量课程——包括免费的在线课程。 您可能想查看 Linda.com 或可汗学院。”
您认为何时开始使用新的机器学习工具进行测试是最佳时机？
不出所料，布拉德鼓励观众在他们想要变得更好时立即开始测试，因为现在开始并不是一个糟糕的时间。
然而，他确实回顾了一些入门技巧，“我不会在全新的帐户上尝试它，因为没有数据，但如果你有一些数据，并且你对当前的数量感到满意，那么你有你需要开始的东西。”
#AI 测试的最佳时机是什么时候？
“任何时候，只要您的数据可重复且一致，就不会出现异常值。” @bgtheory @Adalysis #thinkppc— Hanapin 营销 (@Hanapin) 2019 年 1 月 10 日
他指出，您要寻找的是没有异常值的一致数据。 “如果你是一家花卉公司，你可能不想在情人节前进行测试，因为你的结果可能会出现偏差。 你想使用可重复、一致的数据。”
您认为机器学习和人工智能对用户体验的影响是什么？
对用户体验产生了明确的影响——但导致问题的不是人工智能。
布拉德很快就找到了问题的核心：“营销人员没有正确设置广告系列。 例如，没有频次上限或负面受众的过度重定向广告。 这绝对是营销问题，而不是人工智能问题。 这不是机器，而是人们用它做的事情。”
概括
无论您是选择一头扎进使用人工智能和机器学习，还是采取更加谨慎的观望方法，事实是这些技术将继续存在。 了解他们的工作，他们如何帮助您的业务并将事实与虚构分开将是长期采用这些技术的第一步。
如果您错过了网络研讨会并想完整了解讨论，您可以在此处查看。
图片来源
特色图片：Unsplash / Franck V.