Bis vor ein paar Jahrzehnten haben wir uns nicht einmal eine Maschine mit einer solchen Rechenleistung vorgestellt, die das Potential des Menschen erreichen könnte. Für diejenigen, die vor dem Tag des Internets geboren wurden, ist das Funktionieren der heutigen Welt und die Größe der Veränderungen erstaunlich. Der erste Computer konnte einen Prozess pro Sekunde verarbeiten und war gleichzeitig ein Versprechen für Veränderungen, die wir heute fühlen und die unser Leben für immer verändert haben.

Es gibt drei Arten von Machine Learning, die sich hinsichtlich der Mechanismen und ihrer Verwendung unterscheiden:

Supervised Machine Learning

Diese Art des Lernens ist möglich, wenn Inputs und Outputs eindeutig identifiziert sind und Algorithmen anhand von beschrifteten Beispielen unterstützt werden.

Regression – sagt den Wert für die kontinuierliche Antwort voraus.

Klassifizierung – sagt den kategorischen Antwortwert voraus, bei dem die Daten in bestimmte „Klassen“ getrennt werden können. Das Potenzial basiert auf Beispielen.

Unsupervised Machine Learning

Im Gegensatz zum überwachten Machine Learning wird nicht überwachtes Lernen mit Datensätzen ohne historische Daten verwendet. Ein nicht überwachter Lernalgorithmus untersucht übertroffene Daten, um die Struktur zu finden.

Gruppierung – Gruppierung ähnlicher Elemente.

Assoziation – das Ziel ist die Identifizierung von Regeln, die große Teile der Daten definieren.

Reinforcement Machine Learning (Deep Learning)

Die anspruchsvollste aller Arten. Ein System ist mit einer dynamischen Umgebung integriert, in der es ein bestimmtes Ziel erfüllen muss. Das System erhält Feedback in Bezug auf Belohnungen und Strafen, während es seinen Problembereich navigiert.

Diese Art von Machine Learning ist angepasst, um die komplexesten Probleme zu lösen:

  • Robotik und industrielle Automatisierung
  • Automobile
  • Gesundheit und Medizin
  • Text-, Sprach- und Dialogsysteme

AI & Machine Learning und Marketing

Machine Learning wird bereits von vielen großen Unternehmen genutzt. Sie haben möglicherweise sein Potenzial bei der Verwendung von Netflix erfahren. Es bietet Ihnen Filmempfehlungen basierend auf Machine Learning an. Auch Facebook, Spotify, Google Maps oder Uber nutzen diese Technologie täglich.

Künstliche Intelligenz und Machine Learning in SALESmanago

Empfehlungen

SALESmanago überwacht die Veränderungen der heutigen Welt, analysiert die Bedürfnisse der Kunden, passt sich den neuen Bedingungen an und entwickelte eigenes Projekt – SALESmanago Copernicus – Machine Learning & AI. Der Mechanismus verfügt über eine hohe Rechenleistung, der es ermöglicht, viele Daten zu analysieren, wodurch der Mechanismus perfekt für Big-Data-Lösungen geeignet ist.

Das gesamte System ist auf Inbound- und Outbound-Marketing spezialisiert, wodurch es beide Arten von Aktionen unterstützt. Zwei Mechanismen: die Affinitäts- und Verhaltensanalyse ermöglichen die Verarbeitung komplexer Informationen über Besuche, Transaktionen, Transaktionspfade, betrachtete Artikel, gemeinsam gekaufte Produkte oder beispielsweise Kundenmerkmale. Als Ergebnis analysiert ein selbstlernender Mechanismus die Daten und findet die Korrelation und die Verbindungen zwischen einzelnen Faktoren.

Um es einfacher auszudrücken, wenn wir im direkten Verkauf arbeiten, beobachten wir das Verhalten einzelner Kunden und erstellen Schemata, die auf anerkannten Mustern basieren. Wir erstellen Modelle von Verbrauchern, die Ihr Geschäft besuchen. Es ist nichts Neues für uns – dieses einzigartige Schmollen, das ein Kunde macht, wenn der Preis zu hoch ist. Wir wissen, dass ein Mann, der modisch gekleidet ist, wahrscheinlich einen neuen Duft genießen wird und wenn eine Frau die Folsäure kauft, können wir ihr einen schönen Strampler empfehlen. Dies sind jedoch nur einfache Algorithmen, die nicht mit diesen, viel leistungsfähigeren, durch künstliche Intelligenz zur Verfügung gestellten Analysen verglichen werden können. Wäre es dann nicht besser, einem so unparteiischen und starken Mechanismus zu vertrauen, als sich auf Ihre eigene subjektive Meinung zu verlassen?

Die heutige Technologie basiert auf Anweisungen, Algorithmen. Es ist ein einfacher Mechanismus, der Handlungen ausführt, die am Anfang programmiert werden. Maschinelles Lernen ist ein völlig neuer Ansatz. Ähnlich wie ein Mensch kommt sein Lernpotential aus Erfahrung oder durch kontinuierliche Sammlung und Analyse von Daten zustande.

SALESmanago Copernicus nutzt die gesammelten Daten, um eine unendliche Anzahl von Kundenmodellen zu erstellen, die alle ihre Eigenschaften berücksichtigen. Das System bietet maßgeschneiderte und personalisierte Produktempfehlungen und schlägt geeignete Kommunikationskanäle vor, die auf der Analyse verschiedener Faktoren und Transaktionspfade basieren, der so genannten Customer Journey.

Dadurch erhalten selbst anonyme Benutzer, die sich Ihre Artikel angesehen haben, personalisierte Produktempfehlungen, die mit dem Wissen über das Verhalten anderer Kunden erstellt wurden, die dieselben Artikel angesehen haben.

SALESmanago Copernicus ermöglicht:

  • laufende Analyse von Daten über Besuche und Transaktionen
  • Bereitstellung von Produktempfehlungen, die an individuelle Bedürfnisse und Vorlieben angepasst sind
  • die Ergebnisse werden kontinuierlich berechnet und ändern sich entsprechend den Veränderungen des Kundenverhaltens
  • die statistische Analyse berechnet die Wahrscheinlichkeit des gemeinsamen Auftretens von Ereignissen (wenn A, dann B)
  • Rationalisierung Ihres Marketingbudgets

Segmentierung

Dank der künstlichen Intelligenz und dem maschinellen Lernen sind wir in der Lage, eine intelligente Segmentierung der Datenbank automatisch mit Hilfe der fortschrittlichen analytischen Mechanismen durchzuführen. Auf diese Weise entstehen Gruppen von bestimmten Empfängern. Auf dieser Grundlage wissen Sie welche Empfänger an schwarzen Schuhen interessiert sind und welche sich auf Hochzeitseinkäufe vorbereiten. Natürlich unterteilt dieser Mechanismus nicht nur Daten aufgrund deren Präferenzen, sondern auch verschiedener Faktoren, die die Möglichkeit bieten, die Segmentierung durchzuführen.

Dynamic Pricing

Da wir richtig ausgewählte Produkte empfehlen können, können wir auch ihre Preise an das Potenzial einzelner Kunden anpassen. Mit dem Mechanismus der künstlichen Intelligenz und des maschinellen Lernens wird die Entscheidung über den gewährten Rabatt von der Kaufwahrscheinlichkeit abhängig gemacht, wodurch die Einnahmen von jedem einzelnen Kunden erhöht werden.

Arten von AI-Empfehlungen in SALESmanago

In SALESmanago erhalten wir Zugang zu verschiedenen Arten von AI (Künstliche Intelligenz) Empfehlungen, die wir im Kontakt mit dem Kunden anwenden können.

Arten von Empfehlungen:

  • Collaborative Filtering – das ist die sog. gemeinsame Filterung also Empfehlungen, die auf dem Verhalten anderer Kunden basieren,
  • Most frequently bought after visit other – das sind die am häufigsten gekauften Produkte nach dem Besuch eines anderen (Angebotes),
  • Most frequently visited together – Produkte, die am häufigsten gemeinsam mit anderen Produkten angesehen wurden,
  • Most frequently bought together – Produkte, die am häufigsten gemeinsam mit anderen Produkten gekauft wurden,
  • Mixed statistics with weight.

Wir können solche Empfehlungen sowohl in Mailings als auch in direkten Gesprächen im Live Chat bereitstellen, wo wir Zugriff auf aktuelle Empfehlungen erhalten, die für eine bestimmte Zielgruppe generiert werden.