Abstrato

Machine Learning 2018: Aplicando a análise de big data e a aprendizagem automática no marketing de precisão - Santosh Godbole -SSN Solutions Limited

Santosh Godbole

Criar e utilizar buyer personas não é uma novidade. Os anunciantes têm experimentado uma abordagem cuidadosamente longa para compreender e caracterizar a persona do comprador para os seus produtos. Além disso, experienciam um procedimento incompreensível de caracterizar e executar cruzadas elaboradas para proteger os dados do comprador e orientar o equivalente às personas necessárias. Muito depois de gastarem grande parte do seu plano financeiro, os anunciantes enfrentam diferentes problemas para se ligarem ao comprador certo: a obtenção de dados é uma tarefa dispendiosa, muitas vezes a informação não é válida ou é tardia; este começa a influenciar o ritmo de mudança do negócio, tornando o ROI um sonho implausível. A metodologia regular utilizada na aquisição de informação e na criação de personas enfrenta diferentes problemas: A maioria das personas fabricadas hoje em dia são estáticas. Na verdade, o ato de atualizar ocasionalmente o perfil do cliente é útil, mas não é perfeito. Em segundo lugar, existe um grande número de variáveis ??(características) associadas ao procedimento dinâmico do consumidor. A abordagem do profissional de marketing de restringir o comprador a quase nenhuma persona é demasiado restritiva e errada. A resposta a estas questões incompreensíveis é construir um perfil de consumidor multidimensional que seja consistentemente inovador. Isto é concebível atraindo os compradores em diferentes fases do dia, sejam cenas online, por exemplo, organização informal, auditorias, sites, sentimentos, avaliações ou ambientes desconectados, por exemplo, estudos, intercâmbios, registos, etc. é uma tarefa básica. É o tipo de problema em que os dispositivos, por exemplo, grandes quantidades de informação, exame de informação e IA podem ser utilizados de forma mais viável. O Big Data é a maior oportunidade revolucionária para o marketing e as vendas desde que a Internet se tornou popular, há quase 20 anos. O big bang dos dados libertou torrentes de terabytes sobre tudo, desde o comportamento dos clientes aos padrões climáticos e às mudanças demográficas dos consumidores nos mercados emergentes. \ O mundo ficou entusiasmado com o big data e a análise avançada não só porque a informação é grandes, mas também porque o potencial para o impacto é grande. Os nossos colegas do McKinsey Global Institute (MGI) chamaram a atenção de muitas pessoas há vários anos, quando estimaram que os retalhistas que explorassem a análise de dados à escala nas suas organizações poderiam aumentar as suas margens operacionais em mais de 60% e que o sector da saúde dos EUA poderia reduzir os custos em 8 por cento através de melhorias na eficiência e qualidade da análise de dados. 1 Infelizmente, revelou-se difícil alcançar o nível de impacto previsto pela MGI. É verdade que existem exemplos bem-sucedidos de empresas como a Amazon e a Google, onde a análise de dados pode ser a base da empresa. Mas, para a maioria das empresas legadas, o sucesso da análise de dados tem sido limitado a alguns testes ou a fatias estreitas do negócio. Muito poucos conseguiram aquilo a que poderíamos chamar de “grande impacto através de big data,”Ou impacto à escala. Por exemplo, reunimos recentemente um grupo de líderes de análise de grandes empresas que estão bastante empenhados em concretizar o potencial dos dados massivos e da análise avançada. Quando lhes perguntámos que grau de melhoria de receitas ou custos tinham conseguido através da utilização destas técnicas, três quartos afirmaram que tinha sido apenas 1%. Em artigos anteriores, mostrámos como captar o potencial da análise do conhecimento requer os alicerces de qualquer boa transformação estratégica: começa com uma ideia, exige a criação de uma nova capacidade de gestão sénior para se focar realmente nos dados e, talvez mais importante, aborda os desafios culturais e de desenvolvimento de competências necessários para que a linha da frente (não apenas a equipa de análise) adote a mudança.

Biografia:

Santosh é cofundador e diretor de produtos da SSN Solutions Limited. Na SSN, a sua função é definir o roadmap de produtos e tecnologia. Antes da SSN, foi Diretor Sénior de Engenharia na ARRIS (Índia). Na ARRIS, geriu uma grande equipa de engenheiros espalhada por vários países. Ocupou também vários cargos de nível sénior, como Diretor de Gestão de Produtos na Cisco Video Technologies, Vice-Presidente de Gestão de Produtos na NDS Services Pay-TV Technology Pvt. Ltd., cofundador e vice-presidente de engenharia de aplicações Sensact e cofundador e arquiteto da Metabyte Networks. Possui um certificado do Executive General Management Program (EGMP) do IIM Bangalore, MS em Ciência da Computação pelo IIT, Madras e BE em Ciência da Computação, MS pela Universidade de Baroda.