Das Nachahmungsspiel

Ich schlage vor, folgendes Problem zu bedenken: „Können Maschinen denken?“. Die Arbeit an diesem Begriff sollte man beginnen, indem man zwei Termini definiert: „Maschine“ und „Denken“. Die Definitionen könnten so konstruiert werden, so dass sie so weit wie möglich die umgangssprachliche Bedeutung dieser Wörter widerspiegeln. Dieser Standpunkt ist jedoch gefährlich. Wenn wir die Bedeutung der Wörter „Maschine“ und „Denken“ durch die Untersuchung ihrer üblichen Verwendung bestimmen würden, wäre es schwierig zu begründen, dass die Bedeutung der Frage „Können Maschinen denken?“ und der Antwort auf diese Frage anhand von statistischen Messungen gesucht werden sollte, wie z.B. eine Umfrage. Aber das ist absurd. Anstatt zu versuchen, eine solche Definition zu erstellen, werde ich das obige Problem durch ein anderes, das direkt damit in Verbindung steht, ersetzen, das ich mit relativ eindeutigen Worten ausdrücken werde. Die neue Form des Problems kann mit einem Spiel beschrieben werden, das wir ‚The Imitation Game‘ nennen. An dem Spiel nehmen drei Personen teil: ein Mann (A), eine Frau (B) und eine Person, die Fragen stellt (C), die von jedem Geschlecht sein kann. Der Fragesteller ist in einem Raum, der von dem Raum getrennt ist, in dem sich die anderen Personen befinden. Seine Aufgabe ist es herauszufinden, welcher Teilnehmer ein Mann und welcher eine Frau ist. Er kennt sie nur als X und Y. Am Ende des Spiels sagt er: „X ist A und Y ist B“ oder „X ist B und Y ist A“. Der Fragesteller darf die Fragen A und B auf diese Weise stellen:

C: X, sagen Sie mir bitte, wie lang Ihre Haare sind?

Nehmen wir an, dass X ist tatsächlich eine Frau ist, also muss sie antworten. Ihr Ziel im Spiel ist es, ihr Bestes zu geben, damit C sie schlecht identifiziert. Daher könnte ihre Antwort wie folgt lauten:

A: „Meine Haare sind geschnitten und die längsten Strähnen sind ungefähr neun Zoll lang“.

Damit die Stimme dem Fragesteller bei der Identifizierung nicht helfen kann, sollten die Antworten handgeschrieben und noch besser auf einer Schreibmaschine geschrieben werden. Der Fernschreiber ist ein ideales Mittel zur Kommunikation zwischen den Räumen. Die Fragen und Antworten können auch durch einen Vermittler übermittelt werden. Die Aufgabe des dritten Spielers in diesem Spiel ist es, dem Fragesteller zu helfen. Wahrscheinlich ist die beste Strategie für diese Person, ehrlich zu antworten. Sie kann Folgendes zu ihren Antworten hinzufügen:

B: „Ich bin eine Frau, höre nicht auf ihn“,

aber das bringt keinen Nutzen, weil der Mann ähnliche Bemerkungen machen kann.

Jetzt fragen wir: „Was passiert, wenn eine Maschine eine der Personen im Spiel ersetzt?“. Wird der Fragesteller so oft falsch entscheiden, wie wenn ein Mann und eine Frau am Spiel teilnehmen? Diese Fragen werden unsere anfängliche Frage „Können Maschinen denken?“ ersetzen.

[A. M. Turing Computer Machinery and Intelligence, 1950]

Dieser brillante britische Mathematiker schuf vor über 60 Jahren die theoretischen Grundlagen für die heutige Entwicklung und Anwendung der Technologie von Machine Learning und Mechanismen künstlicher Intelligenz (aus dem Englischen AI = Artificial Intelligence). Natürlich hat man damals den Umfang, in dem sich die IT-Industrie entwickeln wird, nicht vorhersagen können, insbesondere mit welcher Effizienz und mit welchen großen Datenmengen moderne Computer arbeiten werden. Doch Mitte des letzten Jahrhunderts behauptete A. Turing, dass es in der Zeit des neuen Jahrtausends in 30% der Fälle nicht möglich sein wird, einen Computer innerhalb von 5 Minuten von einem lebenden Menschen zu unterscheiden.

Viele haben versucht zu prognostizieren, wie die Zukunft voll von intelligenten Robotern und Androiden aussehen wird. Visionäre wie Phillip K. Dick oder Frank Herbert präsentierten sie hauptsächlich in schwarzen Farben und warnten uns davor, den freien Willen mit der Superintelligenz zu verbinden, der das menschliche moralische System fehlt. Wir konnten ein bisschen von dieser Vision im Fernsehhit Westworld sehen.

Zum Glück müssen wir uns nicht gegen Skynet verbünden, im Butlerian Jihad kämpfen oder Rick Deckard engagieren, um Roy Batty zu jagen… noch nicht.

Heute können wir die Entwicklung von Lernmaschinen und künstlicher Intelligenz genießen und ihre Hilfe in verschiedenen Bereichen, einschließlich Marketing, nutzen.

Die Verbindung von intelligenter Software und Big Data schien unausweichlich. Wer sonst könnte mit benediktinischer Geduld und unmenschlicher Präzision unvorstellbar große Datenströme aus verschiedenen Quellen verarbeiten?

SALESmanago Copernicus – Machine Learning & AI

Das traditionelle Marketing Automation Klischee lautet „Richtiges Angebot an die richtige Person zur richtigen Zeit“. Dank SALESmanago Copernicus – Maschine Learning & AI erhält es jedoch eine neue Qualität: „Richtiges Angebot an die richtige Person zur richtigen Zeit im richtigen Kanal“.

SALESmanago Copernicus – Maschine Learning & AI Marketing ist eine Technologie, die das Verhalten jedes einzelnen Kunden lernt, seine Kaufentscheidungen vorhersagt und auf dieser Basis Produkte empfiehlt, die bei der Bewertung von Algorithmen wahrscheinlich zu einem bestimmten Zeitpunkt gekauft werden.

Ein detaillierter Einblick in den Kaufverlauf, die Analyse der Beziehungen zwischen Produkten aus verschiedenen Kategorien sowie die Untersuchung des Einkaufsweges jedes Kunden ermöglichen es Ihnen, ihn mit einem sehr persönlichen und attraktiven Angebot zur richtigen Zeit und am richtigen Ort zu erreichen.

Marketing der neuen Generation, das auf selbstlernenden Algorithmen basiert

Die Technologie von SALESmanago Copernicus – Machine Learning & AI beruht auf zwei Empfehlungsmodellen. Jedes ist optimiert, um einen bestimmten Marketingansatz zu unterstützen. Für Inbound Marketing – Affinitätsanalyse (oder das sogenannte Inbound Predictive Marketing). Für Outbound – Verhaltensanalyse (der sogenannte Predictive Outbound Channel). Beide Modelle unterstützen sowohl die Inbound als auch Outbound Marketingaktivitäten.

Der Mechanismus der Affinitätsanalyse beruht auf ausgebauten Algorithmen, die in der Assoziationsanalyse verwendet werden. Dank einer detaillierten Untersuchung der Transaktionsdaten, der Verbindungen zwischen Produkten und ihren Kategorien, berechnet er die optimale Kombination dieser Produkte in einem maßgeschneiderten Angebot. Nach der Transformation und der entsprechenden Modellierung der resultierenden Daten erstellt er Tabellen mit empfohlenen Produkten für jeden Kunden. Die Verwendung von Metadaten ermöglicht eine sofortige Reaktion auf sich ändernde Einkaufspräferenzen. Unter Verwendung des Selbstlernmechanismus analysiert das System ständig die Abdeckung der Ergebnisse der Produktassoziation für Endkunden. Auf dieser Grundlage wird für jede Empfehlung eine Punktzahl (Scoring) vergeben, die die Kaufwahrscheinlichkeit eines ausgewählten Produkts durch einen bestimmten Kunden bestimmt. Dank der Konstruktion der Produktausschluss-Tabelle wird jedoch etwas, das bereits einmal gekauft wurde, nicht noch einmal an dieselbe Person empfohlen.

Die Verhaltensanalyse von SALESmanago Copernicus – Maschine Learning & AI Marketing beinhaltet eine gründliche Untersuchung der Aktivität des Kunden zwischen abgeschlossenen Käufen und der Identifizierung der häufigsten Einkaufswege, die mit einem Kauf abgeschlossen wurden. Die empfohlenen Produkte werden aufgrund von Vergleichen des Kundenverhaltens zwischen Käufen in bestimmten Kategorien sowie eines entsprechend geordneten Scorings ausgewählt.

Die Kaufreise des Kunden anhand von AI Empfehlungen vorhersagen

Das Modul SALESmanago Copernicus – Machine Learning & AI Marketing passt die Produkte für jeden Kunden selbst an und wählt den besten Kommunikationskanal, anhand der Analyse seiner Kaufreise – die sog. Customer Journey. Darüber hinaus merkt sich das System das Verhalten von anonymen Kontakten, die die Webseite besuchen, wodurch Sie den angezeigten Inhalt für nicht identifizierte Kontakte personalisieren können, also Sie können sowohl für den anonymen als auch den identifizierten Kunden den Mechanismus seines Verhaltens (Bahavior Mechanism) analysieren.

Eine neue Dimension des Marketings: Prädiktives Inbound/Outbound Marketing – Entdecken Sie die beste Art der Kommunikation mit dem Kunden

Die Inbound- und Outbound-Marketing-Aktivitäten können mit Daten aus der durchgeführten Analyse ergänzt werden. Dank des Wissens darüber, welche Produkte und Produktkategorien in naher Zukunft am begehrtesten sind und welche Kommunikationskanäle die beste Konversion ergeben werden, können Sie sich auf ihre zusätzliche Bewerbung konzentrieren, um höhere Umsätze zu erzielen. Darüber hinaus ermöglicht uns die genaue Erkennung der Kundenaktivität, den besten Zeitpunkt für einen erneuten Kauf anzugeben und hilft bei der Stärkung der Beziehungen zu ihnen. Die Gesamtheit der Mechanik kann mit dem aus dem Englischen entlehnten Terminus definiert werden Predicting Customer Journey & Behavior Mechanism.

 

Vorteile für Unternehmen

  • Anbieten von Produkten, die den individuellen Präferenzen jedes Kunden angepasst sind
  • Realer Aufbau von Einkommen und Umsätzen des Unternehmens durch Marketingmaßnahmen, die den Präferenzen der Verbraucher angepasst sind
  • Aufbau des Maximalwertes jedes einzelnen Kunden, wobei die Kaufwahrscheinlichkeit maximiert und die Kosten an den Kunden zu gelangen minimalisiert werden
  • Optimierung der Ressourcennutzung für Marketingmaßnahmen
  • Genaue Analyse der Produkte und Produktkategorien, die von besonderem Interesse sind
  • Kenntnis von Kundenpräferenzen und Möglichkeit vorauszusehen, welche Produkte in der nahen Zukunft verkauft werden
  • Detaillierte Analyse von Transaktionsdaten