随着消费者对更加个性化、相关的和辅助性体验的期望越来越高，“机器学习”正成为满足这些需求的宝贵工具。它帮助营销人员进行更智能的客户细分，提供更多相关的创意活动，并更有效地衡量绩效。事实上，85%的高管认为人工智能将协助他们的公司获得或保持竞争优势。

1、营销人员的机器学习指南本指南核心在于，机器学习是一种快速标记和分析大量数据集的方法。人们可以自己做这件事，但机器可以帮助我们更快地完成更大规模的数据分析。事实上，66%的营销主管都认为自动化和机器学习将能让他们的团队更专注于战略性营销活动。 但是机器不能自己学习——它们需要人类的帮助。下面进入交互式机器学习测验，了解机器学习。
2、交互式机器学习测验您好，对于像我们这样的营销人员来说，机器学习可以是一个改变游戏规则的技术。为什么这么说？让我们看看机器学习是如何工作的，以及人机合作实际是如何操作的这个简单而强大的过程。我会通过一系列提问来说明机器学习是如何成为你们一直想要的那双手的。 首先，你能找到图中的三角形吗？

可以！你擅长识别图形。
对于一台识别三角形的机器来说，它首先需要了解三角形是什么。要做到这一点，它需要人类为它提供正确的模型——即程序员设定的标准——以及大量三角形的图像，并把这些图像作为数据。这些数据有助于机器了解什么是三角形，什么不是三角形。这个过程叫做训练。 现在问题变得有点难了：从图中你可以看到多少个三角形？

32个。因为人类擅长识别图形，所以我们可以找到那些难以识别的三角形。 为了找到这些三角形，机器学习算法会经历一个类似于你我经历的过程。而且，就像我们一样，一旦一台机器能够识别出一个三角形，它就会准确地找到它们，即使它们很难被发现。
你可以在五秒内根据颜色给图中图形分组吗？

5秒是个很短的时间。此时，机器学习就派上了用场。 机器学习和你所做的并没有什么不同。如果你有足够时间的话，你可以把这些形状分类，但仅此而已。一旦一台机器能够很好地对数据进行分类，它就可以帮助你在很短的时间内完成大规模的数据分类。 你可以预测下一个图形是什么吗？正方形，三角形，还是圆形？

这个问题很难。但是机器学习可以帮助你进行非常准确的预测。 一旦机器学会了如何识别图像并找到规律，它们就可以帮助营销人员查看数据集，并对新的或未来的数据进行预测。算法甚至可以告诉你哪些数据可能是更好的预测指标，因此你就可以调整你的评估策略。

为什么第一步是退后一步
现在你已经知道了什么是机器学习，你可能会问自己如何开始使用它。我们已经看到许多营销人员一头扎进去从头开始构建一个机器学习程序。但这是件棘手的事，这需要大量的前期投资，可能需要数年才能做到完美。

“企业常犯的一个错误是，认为机器学习是神奇的，所以跳过了思考这一步——做好这项任务意味着什么。”
——凯西 科济列夫，首席决策科学家，谷歌

与其太快地跳入机器学习，不如后退一步。包括谷歌（Google）在内的公司已经开始着手将机器学习整合到现有和新的营销产品中，帮助你从数据中获得更深入的见解，而无需团队的额外努力。你需要做的就是确保你的组织能够从这些产品中获得最大的价值。 我们总结了每一个营销人员在开启机器学习之旅前应该考虑的三个关键因素。

1、事先明确你机器学习的营销目标机器就像人一样，当你给它们一个明确的目标时，它们会工作得更好。你的目标，或者说输出，是一个框架。它可以帮助数据科学家建立机器学习模型，并在训练模型时确定要使用的正确数据，以确保你的目标是可量化和可测量的。提前做这项工作将有助于定义和评估模型的成功。

2、算法的好坏取决于数据这里有一条黄金法则要记住：机器学习算法的好坏取决于它输入的数据。所以，为了有效地使用机器学习，你必须有合适的数据来解决你所面临的问题。这不仅仅是几个数据点，机器需要大量的数据来学习-比如成千上万的数据点。为了适应你的算法，你需要对你的数据进行格式化、清理和整合，并且建立两个数据集：一个用于模型训练，另一个用于模型评估。

3、以正确的心态组建一支多元化的团队营销团队可以确定机器学习的最佳用例，但数据科学家和分析师对于机器学习的实施非常关键。这就是为什么组建一个跨职能团队对于任何机器学习项目的成功都是至关重要的。但要想在组织中充分利用机器学习，你需要有一个正确的团队和正确的心态。后者需要一种文化转变，这种转变指整个组织中优先考虑并奖励实验、评估和测试。 本文讲了人工智能在营销领域的应用，欢迎大家在评论区或者私信交流。
编辑|sunshine

审核|刘绍思

翻译|艾心