Content
- Venda de dades de clients anonimitzats a tercers
- Millora de l'eficiència del màrqueting
- Millora del perfil d’usuaris
- Insight i assessorament com a servei
- Plataformes d'Analytics Autoservei
- Eviteu el frau publicitari
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Pensaments finals
Font: Skypixel / Dreamstime.com
Emportar:
L’aprenentatge automàtic s’utilitza per perfeccionar dades grans i donar-li valor com mai. Les organitzacions estan aprofitant ara el poder de ML per obtenir ingressos de les seves dades.
Les dades grans sempre es descriuen com un recurs immensament valuós que pot alimentar qualsevol empresa pròspera, proporcionant a les organitzacions una visió activa, oportunitats de negoci i marges superiors. De la mateixa manera que s’ha de perfeccionar el cru abans que es pugui convertir en un recurs valuós i útil, no obstant això, les dades s’han de digerir mitjançant intel·ligència artificial (AI) i aprenentatge automàtic (ML) abans que valgui alguna cosa. Des d’aprofitar-la per millorar l’eficiència de les operacions d’una organització fins a aprofitar-la per crear nous fluxos d’ingressos, les dades d’empresa es poden monetitzar de moltes maneres diferents.
Tal com va explicar Tim Sloane, vicepresident de la innovació de pagaments de Mercator Advisory Group, "la monetització de les dades consisteix en aprofitar les dades que teniu a través de nous canals". Mirem alguns exemples concrets sense perdre temps. Com que el temps és diners, amic meu!
Venda de dades de clients anonimitzats a tercers
Les dades de client anònimitzades (és a dir, privades de qualsevol informació sensible) o sintetitzades (és a dir, lleugerament modificades, per la qual cosa encara són rellevants al 100% estadísticament, però impossible de fer-ho enrere al client original) es poden vendre a altres empreses que ho necessitin. forma de productes analítics. Es poden obtenir ingressos de dades agregats i predigestionats, ja que poden contenir un valor que vagi més enllà del seu ús original i que pugui crear un nou flux d’ingressos. Per exemple, un centre comercial pot voler saber quin tipus de menjar és el que prefereixen els aficionats als videojocs després que hagin fet una compra per tal que es pugui ubicar una caseta de menjar ràpid específic a la mateixa zona que les botigues de jocs. O una empresa de telecomunicacions pot vendre dades de geolocalització de clients que es poden utilitzar per planificar solucions tecnològiques més "eficients de la ciutat intel·ligent".
Millora de l'eficiència del màrqueting
Per assolir noves perspectives és necessari proporcionar una empresa constant amb un flux de clients nous. Aquesta és la raó per la qual el màrqueting és gairebé sempre una de les despeses més cares del pressupost de qualsevol empresa moderna. L’aprenentatge automàtic es pot utilitzar per donar sentit a moltes dades de màrqueting, millorant la seva eficiència i reduint els costos. Els algorismes es poden utilitzar per recomanar vídeos més vistos o articles per llegir basats en les preferències individuals de l’usuari, augmentant el temps dedicat a un lloc web o plataforma o bé cridant l’atenció de més clients potencials. Es pot preveure la popularitat d’un contingut mitjançant l’anàlisi del sentiment, ajudant a reduir el tipus de contingut que voleu alinear. (Per obtenir més informació sobre la IA en el negoci, vegeu Com revolucionarà la intel·ligència artificial a la indústria de vendes.)
Millora del perfil d’usuaris
Una comprensió completa del comportament dels clients d'una empresa és fonamental per eliminar més diners. Extreure dades d’actuació de les dades dels usuaris és el pa i la mantega de l’anàlisi de dades grans i ML pot portar aquest procés al següent nivell. Es poden configurar models de predicció de Churn per analitzar els comportaments dels clients i comprendre qui són les persones amb més probabilitat de deixar d’utilitzar el producte al cap de poc temps. A mesura que es prenen les accions oportunes per retenir-les (per exemple, mitjançant plataformes CRM totalment automatitzades), s’estalvia molts diners ja que el cost d’adquisició és fins a cinc vegades superior al cost de retenció. Els models de valor de vida del client (CLTV) també es poden utilitzar per determinar quines persones usuàries tenen més probabilitats de gastar diners en els vostres productes mitjançant l'extracció de dades útils dels seus hàbits. Això ajuda a les empreses a centrar els seus esforços només en aquells clients que puguin generar ingressos rellevants.
Insight i assessorament com a servei
Les empreses solen confiar en l’experiència dels seus empleats més antics i més qualificats per realitzar les tasques més difícils. La mà d’obra sencera d’una organització és un actiu crític el coneixement i el coneixement del qual gairebé no es poden transferir quan aquests treballadors experimentats es retiren. Tot i això, algunes empreses han utilitzat intel·ligència artificial per digerir infinitat de pàgines de documentació que inclouen manuals d’usuari, correspondència sobre operacions diàries i informes escrits per empleats i antics empleats més qualificats. El resultat va ser la creació d’assistents digitals intel·ligents capaços de proporcionar informació útil en temps real als nous empleats, anàlisis ràpides sobre les opcions de material per a les empreses de fabricació i ajudar a tots els membres de l’equip a prendre qualsevol decisió rellevant sobre el lloc. Això ajuda als empleats a ser més productius passant més temps realitzant la seva feina i menys temps esbrinant detalls.
Plataformes d'Analytics Autoservei
Les dades es poden convertir en un bé monetitzable, fins i tot quan una empresa no és propietària d'aquestes dades ni les genera. Aquest complex model de negoci s’utilitza per proporcionar a les organitzacions que necessiten extreure informació útil de les seves dades estratègiques amb plataformes d’analítica d’autoservei basades en núvol. Aquestes plataformes es basen en algorismes que agregen, enriqueixen i analitzen les seves dades amb diversos propòsits (com ara augmentar l’eficiència de les màquines en fabricar implants i disminuir els seus costos fins a un 68%) o millorar la gestió de sistemes complexos, xarxes, centrals elèctriques, etc. Sovint, aquestes plataformes combinen les capacitats de ML amb les dades de sensors d’avantguarda per millorar la seva capacitat de predir i curar els seus errors, automatitzar i optimitzar les tasques operatives i reduir els temps d’inactivitat fins a un 40%. (No tothom ha implementat encara ML. Esbrineu el perquè de 4 blocs de carretera que estan impedint l'adopció d'aprenentatge automàtic.)
Eviteu el frau publicitari
Moltes empreses que no es poden permetre equips de màrqueting intern han de confiar en venedors de tercers per proporcionar-los nous avantatges i perspectives. Tanmateix, en l’era del frau digital, no tots els venedors són tan transparents com hauria de ser. Per inflar falsament el nombre de clients atesos, algunes agències de publicitat menys escrupoloses venen perfils socials falsos que ofereixen comentaris falsos, comentaris i interaccions a les xarxes socials o bots que baixen constantment aplicacions, programari i jocs mòbils / en línia. Tanmateix, no es tracta d’usuaris vius, no només pagaran mai cap servei, sinó que també es poden confondre amb persones reals i, donat el seu nombre potencialment gran, porten a les organitzacions a formar una persona falsa. Es poden detectar fàcilment bots i perfils falsos mitjançant l'aprenentatge de màquines, ja que, ja sabeu, les màquines són més expertes que nosaltres en detectar el seu propi tipus.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Pensaments finals
Hi hauria d’haver una raó (probablement més d’un) si avui en dia, el 68% de les empreses adopten l’aprenentatge automàtic per millorar els processos. Els que van comprendre tot el potencial de la gestió de dades basada en algoritmes i el govern de les dades van veure que el seu creixement augmentava un 43% més que els que no ho feien. Ja ha nascut un nou mercat de dades i informació, i l'aprenentatge automàtic és la "refineria" que fa que aquest recurs sigui encara més valuós i fàcil de generar diners.