机器学习让营销超智能的8个案例

1. 推荐算法

基于机器学习的推荐算法不仅可以方便用户，同时更能直接用于产品销售（自动判断针对不同用户推荐的产品或服务）

阿里巴巴在曾经的双十一“光棍节”时，用个性化推荐系统根据不同用户变化着陆页使得转化率提高了20%

用户在Netflix平台上观看的电视节目中80%以上都是通过推荐引擎推送的

2. 预测

从利用历史数据进行预测开始向利用机器学习算法以及最新数据进行实时预测发展，从而做出更精准预测

“我们在做预测时要认清它的本质，预测的本质是科学”——Hernan Asorey 客户关系管理提供商 SalesForce的首席数据官

3. 处理用户流失问题

明确哪些用户有可能会流失，并快速地满足这些用户的需求，从而避免用户的流失

在线零售平台Showroomprive.com利用基于机器学习的用户流失预测系统找出哪些用户有可能会流失，其预测准确率高达77%

4.内容生产

随着本文生成助手成为2019年越来越主流的趋势，自然语言处理（NLP)技术将不断革新

美国内容营销协会调查显示，相较付费的搜索营销，在内容营销上花费一美元所带来客户要多3倍如果有机器学习的助力，内容生成效率将不断提升，而成本反而会降低

5. 投放超定向广告

利用人工智能自动投放更多定向广告，而不是像过去那样通过整合数据人工调整

据SalesForce调查显示，51%的消费者希望到2020年，企业能先预测他们的需求，并给出相关建议（购买/使用）然后推荐给他们

媒体公司 infopro Digital用了不到两小时就制定出超定向用户细分方案

6. 优化定价策略

在大量不断变化的影响因素基础上动态地设定并更新定价，而不是基于一些静态的数据点制定固定的价格

据全球管理咨询巨头麦肯锡估计，企业每年做出的数千个定价决策中，多达30%的决策都未能给出最佳价格

PriceMoov是一家以人工智能研发为主，辅助企业利用数据驱动来进行智能定价及管理的法国科技初创公司，它通过收集并分析各种数据源，为租车服务业、航空公司、活动策划商以及其他行业提供迅速、动态的定价策略

7.对潜在用户进行预判

通过预测分析判断更加具有购买倾向的潜在用户，以便将精力放在最有价值的用户群上

据全球著名的信息技术、电信行业和消费科技咨询提供商IDC调查显示，83%的企业都在使用（或计划使用）潜在用户评估系统

8.销售结果分析

进行扩展性地分析，并从产生最佳（及最差）转化率的各种销售情况中获取大量数据，进行细致的整合与分析

据Bizible（一家整合营销与销售数据的创业公司）研究显示，77%的企业认为没有采用正确的原因分析模型，导致没有办法吸取经验，指导下一步决策

近年来，机器学习、人工智能，一次次带来了革命性创新，自动驾驶、人脸识别，未来还会有无限可能！

甚至现在，各行各业离不开的营销领域，机器学习也在不断地创造惊喜，个性化推荐、用户画像，数据赋能将会大不相同！