Виталий Миняйло: Машинное обучение и аналитика поведения потребителей

2 роки тому
Технології
221

Развитие машинного обучения стремительно движется к своему пику. Это и не странно, так как согласно прогнозам экспертов, к 2025 году рынок машинного обучения достигнет отметки в 40 миллиардов долларов

Первая проблема машинного обучения - понять как грамотно внедрить его в оптимизацию своего бизнеса. Но чтобы по максимуму воспользоваться всеми преимуществами этой технологии, рассмотрим как она работает в маркетинге.

Чудеса прогнозирования и аналитики

Гигант американского ритейла, компания Target обнаружила, что машинное обучение не только может прогнозировать покупательское поведения, но и беременность. Компания создала систему прогнозирования беременности (pregnancy prediction system), точность которой настолько высока, что с ее помощью можно даже определить на каком триместре находится беременная женщина, на основе того, что она покупает, и чем интересуется. Но после того, как отец узнал, что его 16-летняя дочь беременна, благодаря постоянным рекламным объявлениям колясок и памперсов, которые приходили девочке, компании пришлось отказаться от своей идеи, и рассылать менее таргетированную рекламу.

Продвижение и реклама большинства компаний зависит от сезона и праздников. Снегоуборочные лопаты отлично раскупают в декабре, а солнцезащитный крем - в июне. Потребители тоже переживают разные периоды своей жизни. Например, худшее время для продажи машины - сразу после ее покупки. Однако, это отличное время для продажи автостраховки. Машинное обучение способно улавливать эти ритмы и тем самым помогать компаниям рекомендовать свои продукты клиентам в самый подходящий момент.

Проще говоря, машинное обучение используют, чтобы качественно находить шаблоны (паттерны) поведения пользователей, прогнозировать их дальнейшие действия, быстро оптимизировать свои рекламные кампании и маркетинговые предложения.

К примеру, самый простой способ определить целевую аудиторию -- разделить ее по возрастным и гендерным категориям. Но как быть, если такие данные предоставляет только 10% ЦА?

На самом деле, даже 10% вполне достаточно, чтобы определить самые распространенные паттерны конкретной целевой группы. И на основе этих результатов создать примерную картину остальных 90% пользователей.