Indhold
- Salg af anonyme kundedata til tredjepart
- Forbedring af markedsføringseffektivitet
- Forbedret brugerprofilering
- Indblik og rådgivning som en service
- Selvbetjeningsanalyse-platforme
- Undgå reklamesvindel
- Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
- Afsluttende tanker
Kilde: Skypixel / Dreamstime.com
Tag væk:
Maskinlæring bruges til at forfine big data og give dem værdi som aldrig før. Organisationer udnytter nu ML's magt til at tjene penge på deres data.
Big data beskrives altid som en meget værdifuld ressource, der kan brændstof til enhver blomstrende virksomhed, der giver organisationer handlingsmæssige indsigter, forretningsmuligheder og overlegne marginer. Ligesom råolie skal raffineres, før den kan konverteres til en værdifuld og nyttig ressource, skal data imidlertid fordøjes af kunstig intelligens (AI) og maskinindlæring (ML), før det er noget værd. Fra at udnytte den til at forbedre effektiviteten af en organisations operationer til at udnytte den til at skabe nye indtægtsstrømme, kan forretningsdata tjene penge på mange forskellige måder.
Som Tim Sloane, VP for betalingsinnovation i Mercator Advisory Group, forklarede, "datapolitisk monetisering handler om at udnytte de data, du har gennem nye kanaler." Lad os se på et par konkrete eksempler uden at spilde noget tid. Fordi tiden er penge, min ven!
Salg af anonyme kundedata til tredjepart
Kundedata, der er anonymiseret (dvs. frataget enhver følsom information) eller syntetiseret (dvs. lidt ændret, så de stadig er 100% statistisk relevant, men umulig at spore tilbage til den oprindelige kunde) kan sælges til andre virksomheder, der har brug for det i form for analytiske produkter. Aggregerede, forudfordelte data kan tjene penge, da de muligvis kan indeholde en værdi, der går ud over dens oprindelige brug og muligvis skaber en ny indtægtsstrøm. For eksempel kan et indkøbscenter eventuelt vide, hvilken type mad der er foretrukket af videospilentusiaster, efter at de har foretaget et køb, så en bestemt fastfoodbås kan placeres i det samme område som spillebutikkerne. Eller et telekommunikationsfirma kan sælge kundens geolocationdata, der kan bruges til at planlægge mere effektive ”smarte by” -teknologiløsninger.
Forbedring af markedsføringseffektivitet
At nå nye udsigter er nødvendigt for at give et selskab en konstant strøm af friske kunder. Det er grunden til, at marketing næsten altid er en af de dyreste udgiftsposter i enhver moderne virksomheds budget. Maskinlæring kan bruges til at give mening om en masse marketingdata, forbedre dens effektivitet og reducere omkostningerne. Algoritmer kan bruges til at anbefale yderligere videoer til at se eller artikler til at læse baseret på brugerens individuelle præferencer, øge den tid, der bruges på et websted eller en platform, eller gribe opmærksomheden fra flere potentielle kunder. Populariteten af et stykke indhold kan forventes ved hjælp af følelsesanalyse, hvilket hjælper med at indsnævre den type indhold, du vil oprette linje. (For mere om AI i erhvervslivet, se Hvordan kunstig intelligens vil revolutionere salgsindustrien.)
Forbedret brugerprofilering
En fuld forståelse af en virksomheds kunders adfærd er kritisk for at skubbe flere penge ud af dem. Udtrækning af handlingsmæssige indsigter fra brugerdata er brød og smør fra big data-analyse, og ML kan tage denne proces til det næste niveau. Churn-forudsigelsesmodeller kan indstilles til at analysere kundeadfærd og forstå, hvem der er de mennesker, der mest sandsynligt stopper med at bruge dit produkt efter kort tid. Når der tages passende forholdsregler for at beholde dem (for eksempel gennem fuldt automatiserede CRM-platforme), spares en masse penge, da anskaffelsesomkostningerne er op til fem gange højere end omkostningerne ved tilbageholdelse. CLTV-modeller (Customer lifetime value) kan også bruges til at bestemme, hvilke brugerpersoner der er mere tilbøjelige til at bruge penge på dine produkter ved at udtrække nyttige data fra deres vaner. Dette hjælper virksomheder med kun at fokusere deres indsats på de kundeemner, der kan generere relevant omsætning.
Indblik og rådgivning som en service
Virksomheder er ofte nødt til at stole på ekspertisen hos deres ældste, dygtigste medarbejdere for at udføre de mest vanskelige opgaver. En organisations ledende arbejdsstyrke er et kritisk aktiv, hvis viden og know-how næppe kan overføres, når disse erfarne medarbejdere i sidste ende går på pension. Nogle virksomheder har imidlertid brugt kunstig intelligens til at fordøje utallige sider med dokumentation, der inkluderer brugermanualer, korrespondance om daglig drift og rapporter skrevet af de dygtigste medarbejdere og tidligere ansatte. Resultatet var oprettelsen af smarte digitale assistenter, der er i stand til at give nyttig indsigt i realtid til nye medarbejdere, hurtige analyser af materialevalg for produktionsvirksomheder og hjælpe ethvert teammedlem med at tage enhver relevant beslutning på stedet. Dette hjælper medarbejderne med at være mere produktive ved at bruge mere tid på at udføre deres job og mindre tid på at finde ud af detaljer.
Selvbetjeningsanalyse-platforme
Data kan omdannes til et aktiver, der kan tjene penge, selv når en virksomhed ikke er ejendomsret til disse data eller genererer dem. Denne komplekse forretningsmodel bruges til at give organisationer, der har brug for at udtrække nyttige oplysninger fra deres strategiske data med skybaserede, selvbetjeningsanalytiske platforme. Disse platforme er drevet af algoritmer, der aggregerer, beriger og analyserer deres data til forskellige formål - såsom at øge effektiviteten af maskiner til fremstilling af implantater og reducere deres omkostninger med op til 68% - eller forbedre styringen af komplekse systemer, netværk, kraftværker osv. Ofte kombinerer disse platforme ML's egenskaber med avancerede sensordata for at forbedre deres evne til at forudsige og selvhelbrede fejl, automatisere og optimere driftsopgaver og reducere driftsstop med op til 40%. (Ikke alle har implementeret ML endnu. Find ud af, hvorfor i 4 vejspærringer, der stopper vedtagelse af maskinlæring.)
Undgå reklamesvindel
Mange virksomheder, der ikke har råd til interne marketingteams, skal stole på tredjepartsleverandører for at give dem nye kundeemner og kundeemner. I en alder af digital svig er det imidlertid ikke enhver sælger, der er så gennemsigtig, som det burde være. For at fejlagtigt blæse antallet af opnåede kunder sælger nogle mindre omhyggelige reklamebureauer falske sociale profiler, der leverer falske anmeldelser, kommentarer og interaktioner på sociale medier eller bots, der konstant downloader apps, software og mobil / online spil. Dette er dog ikke levende brugere - ikke kun vil de aldrig betale for nogen service, men de kan også forveksles med virkelige mennesker, og i betragtning af deres potentielt store antal føre organisationer til at danne en falsk brugerperson. Bots og falske profiler kan let opdages ved hjælp af maskinlæring, fordi du ved, maskiner er mere ekspert end os til at registrere deres egen art!
Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.
Afsluttende tanker
Der burde være en grund (sandsynligvis mere end én), hvis 68% af virksomhederne i dag anvender maskinlæring for at forbedre processer. De, der forstod det fulde potentiale i algoritmedrevet datastyring og datastyring, så deres vækst stige med 43% mere end dem, der ikke gjorde det. Et nyt marked for data og indsigt er allerede født, og maskinlæring er ”raffinaderiet”, der gør denne ressource endnu mere værdifuld og let at tjene penge.