AI如何分析理解人類的思維和行為模式

人工智能在市場營銷領(lǐng)域取得的成功，揭示了人類的一些思維和行為模式，這些模式可以轉(zhuǎn)化為其他應(yīng)用程序。

以人性化語音助手（包括蘋果的Siri、亞馬遜的Alexa以及谷歌的Home）為例，可以看出，正是這些把控并顛覆了市場營銷行業(yè)的科技公司引領(lǐng)了AI的發(fā)展。市場營銷業(yè)已成為AI創(chuàng)新的試水之地，尤其是在人類行為建模和AI與人類交互探究層面更具實驗價值。

決策算法

隨著人工智能開始逐漸滲透到日常生活的各個方面，人們越來越需要機器像人類一樣“思考”。人們開始更加關(guān)注AI背后的倫理和道德，專家們對自動駕駛汽車、預(yù)測性警務(wù)和自動武器等的決策算法的認(rèn)識也不斷提高。

因為歷史數(shù)據(jù)可能存在較大偏差，這些模型的訓(xùn)練難度極大。為了避免出現(xiàn)嚴(yán)重事故，這些算法必須充分理解人類的認(rèn)知，以做出有道德良知的正常人類在類似情況下會做出的選擇。

人類和機器都依賴模式進(jìn)行認(rèn)知，但對AI持批判態(tài)度的人擔(dān)心機器無法真正理解人類的思想。目前AI的局限性阻礙了機器使用溯因推理或創(chuàng)造性思維的能力。然而，機器學(xué)習(xí)模型在再現(xiàn)人類行為模式方面已經(jīng)取得了巨大的進(jìn)步，其中許多前沿研究都來自數(shù)字營銷。

機器學(xué)習(xí)在市場營銷首戰(zhàn)告捷

AI已在市場營銷行業(yè)掀起了變革，并將繼續(xù)推動新的發(fā)展。超過60%的美國公司將AI應(yīng)用在現(xiàn)有的營銷方案之中，其中最常見做法是用機器學(xué)習(xí)來預(yù)測客戶需求、推薦產(chǎn)品、優(yōu)化廣告投放和自動化客戶服務(wù)。

監(jiān)督機器學(xué)習(xí)（Supervised Machine Learning）

作為最常見的機器學(xué)習(xí)方法，有監(jiān)督機器學(xué)習(xí)的應(yīng)用領(lǐng)域十分廣泛，從訓(xùn)練聊天機器人（chatbot）到進(jìn)行圖像分類不一而足。這些模型可以有效地分析變量以確定結(jié)果，并且能夠成功地模擬人類行為的模式。然而，這種方法在很大程度上依賴于具有既定正確結(jié)果的高質(zhì)量數(shù)據(jù)集作為訓(xùn)練材料。

無監(jiān)督機器學(xué)習(xí)（Unsupervised Machine Learning）

有監(jiān)督學(xué)習(xí)期望從數(shù)據(jù)中獲得特定的結(jié)果，而無監(jiān)督學(xué)習(xí)則側(cè)重于檢查數(shù)據(jù)本身，因而不需要預(yù)先標(biāo)記的訓(xùn)練數(shù)據(jù)。聚類等算法尋找數(shù)據(jù)集背后的關(guān)聯(lián)，可被用于細(xì)分客戶與市場、分類和檢測異常值。無監(jiān)督機器學(xué)習(xí)與引入新的觀察者或獨立的顧問類似，可用來發(fā)現(xiàn)全新的或出人意料的聯(lián)系。

強化機器學(xué)習(xí)（Reinforcement Machine Learning）

當(dāng)歷史數(shù)據(jù)集不可用時，可以使用強化學(xué)習(xí)來實時評估傳入數(shù)據(jù)。該算法可以幾乎實時地主動學(xué)習(xí)并作出調(diào)整。就像人類的試錯過程一樣，這種方法依賴于快速的行動和即時的反饋。對于新版本的個性化推薦系統(tǒng)、調(diào)整新的廣告活動來說，因為它們都通過社交媒體來傳播，所以強化機器學(xué)習(xí)是理想選擇。

基于AI的商務(wù)的前沿創(chuàng)新成果

麥肯錫（McKinsey）估計，到2020年12月，美國客戶85%的品牌關(guān)系都將在無人工干預(yù)的情況下進(jìn)行管理。雖然許多公司在基于機器學(xué)習(xí)的市場營銷上投入巨資，但只有6%的公司正采用更先進(jìn)的AI，如個性化活動、協(xié)同過濾和預(yù)測模型。

傳統(tǒng)上，人們認(rèn)為AI無法進(jìn)行管理與戰(zhàn)略決策——管理者應(yīng)當(dāng)能夠平衡效率與公平，而這一點很難量化。然而，鑒于機器學(xué)習(xí)在其他以人為中心的商業(yè)領(lǐng)域（例如市場營銷）取得了不可否認(rèn)的成功，研究人員開始探索如何將AI引入管理和營銷戰(zhàn)略中。

在短期內(nèi)，一個可行的方法是使用模糊邏輯來擬定一個預(yù)期方案與結(jié)果的清單，再由一個人工操作員負(fù)責(zé)作出最后的決定。隨著計算能力的增加和數(shù)據(jù)集的不斷完善，最終這些模型可以實現(xiàn)完全自動化。

在推薦系統(tǒng)、數(shù)字廣告和動態(tài)定價算法方面，自動化決策的試點項目已經(jīng)啟動。為數(shù)不多的在基于AI的戰(zhàn)略營銷方面取得進(jìn)展的公司對其工作高度保密，他們的工作價值顯著，甚至對業(yè)內(nèi)先驅(qū)來說，其重要性也不容小覷。

到2025年，AI驅(qū)動的市場營銷有望創(chuàng)造400億美元的收入，這將推動大筆資金投向跨行業(yè)的AI研究。在數(shù)字營銷領(lǐng)域內(nèi)外，用于預(yù)測性分析、人類-AI交互、自動化和認(rèn)知的新算法與方法論層出不窮。

基于市場營銷的研究有助于理解人類行為，這將推動技術(shù)領(lǐng)導(dǎo)者和創(chuàng)新人士研發(fā)自動化系統(tǒng)，使其能夠像人類一樣做出選擇。未來有一天，也許這些系統(tǒng)能夠超越人類，幫助企業(yè)做出優(yōu)于人工的決策。
責(zé)編AJX