Tag: machine learning

[:pt]Antecipar o que o consumidor quer, esse é o novo desafio da Era da Assistência [:]

por Marketing Pmwebem Vendas

[:pt]

Se você trabalha com propaganda e marketing, já deve ter usado os sinais de intenção do consumidor nas suas estratégias. Eles servem para entender as vontades das pessoas e saber como entregar experiências relevantes a elas. Mas é possível ir além e antecipar o que o público ainda vai querer? É isso que as novas tecnologias de marketing permitem.
A jornada do consumidor é bem dinâmica, e é cada vez mais difícil para os profissionais entenderem os sinais de intenção que as pessoas deixam por aí. Isso porque, enquanto procuram o que precisam, as pessoas alternam entre vários canais e aparelhos. Elas podem começar no search e terminar vendo um vídeo, por exemplo. Foi isso que a Hawaiian Airlines descobriu usando o YouTube para estimular as compras das pessoas – e viu as reservas de voos decolarem 185%.
As marcas precisam fazer malabarismos ao trabalhar com dados digitais, além de usar modelos de probabilidade e remarketing. Mas todo esse trabalho manual não é suficiente. Os consumidores esperam mais: eles querem assistência em todas as etapas da compra. Por isso, os profissionais precisam estar sempre à frente: é hora de prever as necessidades das pessoas em todos os passos da jornada.
Por meio das buscas, é possível ter insights reais, e em escala, para entender a intenção do consumidor. Assim, em vez de fazer planejamentos fragmentados e correr atrás do que as pessoas querem, as marcas podem construir um mecanismo para prever as suas necessidades ao longo de toda a jornada.
Para isso, é preciso focar em três ações:

  1. Alinhar o marketing aos resultados da empresa;
  2. Explorar o customer lifetime value (valor do ciclo de vida do usuário, ou CLV);
  3. Fazer o mecanismo funcionar à base de automação e machine learning.

O resultado disso é uma experiência útil para os clientes e que traz novas oportunidades para os negócios.

Otimize a mídia para ter resultados

Tudo começa quando a sua empresa prioriza resultados em vez das métricas de mídia. Pense nisso: 89% dos profissionais de marketing usam métricas estratégicas – como receita bruta, share de mercado ou CLV – para mensurar a eficácia de suas campanhas.1
Por exemplo, a HomeAway, um site para alugar casas de temporada, está no ramo do turismo, no qual os clientes têm expectativas altas e baixa tolerância a erros. Assim, a empresa sabia que precisava estabelecer metas agressivas para crescer e continuar competitiva. Mas ela também percebeu que a abordagem tradicional de mídia não estava funcionando. Não dava para continuar com métricas de curto prazo e resultados isolados.

Por isso, em 2017 a HomeAway decidiu otimizar sua mídia, especificamente o search, de olho nas mesmas métricas usadas nos objetivos gerais da empresa. A estratégia anterior só mensurava conversões de último clique e que vinham de um único dispositivo. Agora a HomeAway trabalha para estimular lucros e usa atribuições data-driven para ajudar as equipes de marketing a entender a intenção, as interações e os sinais do consumidor que possam estimular o crescimento de longo prazo.

Use o customer lifetime value (CLV)

A segmentação nunca vai ser perfeita. Mas, quando a empresa começa a enxergar a segmentação com base no seu valor, ela vai estar disposta a gastar mais para alcançar (e conquistar) os melhores clientes.
Por isso, é preciso entender o valor total de um cliente, para estabelecer o preço do bidding e construir públicos. O CLV é o valor de todas as interações de uma pessoa com a empresa ao longo do tempo – e não só uma. Quando focam no CLV, as marcas atraem mais clientes importantes, estimulam o engajamento contínuo e até aumentam a retenção do público.
Por exemplo, a rede americana de papelarias Papyrus mergulhou no CLV e reconheceu que os integrantes do seu plano de fidelidade têm 66% mais valor que os outros clientes. Quando alinhou esse insight à otimização de mídia, os lucros da Papyrus aumentaram 10 vezes em apenas três meses.

“O que vemos é que nossos clientes especiais gastam mais e compram com mais frequência”, disse Dominique Schurman, CEO da Papyrus. “Outro benefício enorme de estar no programa é que podemos segmentar. A gente pode tentar conversar com os membros que se afastaram, talvez usando outro tom de voz ou uma perspectiva diferente” (você também pode conferir o case completo, em inglês, aqui).

Automação, automação, automação

Quer um jeito eficiente de antecipar a intenção do consumidor sem ter que fazer tudo isso na mão? Já é possível identificar e construir esses padrões com machine learning.
Quem usa ferramentas de automatização para unir todos os processos do marketing tem maiores chances de sucesso. A maioria dos profissionais de marketing acha que é mais fácil atingir os KPIs com um maior investimento em automação e tecnologias de machine learning.3 Os líderes do setor, porém, já estão promovendo mudanças mais abrangentes.
Segundo uma pesquisa feita pelo Google, em conjunto com o MIT Sloan Management Review, os profissionais líderes em mensuração têm uma percepção até duas vezes mais apurada sobre os investimentos feitos pelas suas empresas em automação e machine learning do que seus colegas não tão bem posicionados nessa área.4
E a HomeAway? Para eles, há um número infinito de atributos que embasam os bids relacionados a viagens para anúncios de search. Adotar a atribuição data-driven e bidding automático foi essencial para o seu sucesso. Em 2017, a HomeAway viu seu número bruto de reservas aumentar em 46% em relação ao ano anterior, e sua receita cresceu 115%.

Preveja intenção e estimule o crescimento

Agora fica mais fácil entender porque a concorrência mudou tanto. As pessoas esperam que as marcas saibam o que elas querem e estejam dispostas a ajudá-las. E as marcas que conseguem fazer isso vencem no final.
Ser capaz de entender o consumidor e descobrir suas intenções reais muda o jogo para os anunciantes. É melhor começar a construir um mecanismo que entrega o que importa: antecipar a intenção para estimular resultados que ajudam sua empresa a crescer.
Fonte: Think with Google

[:]

[:pt]Melhore a experiência do viajante com inteligência artificial[:en]The future of travel[:es]El futuro de los viajes: el nuevo comportamiento del consumidor y la tecnología que le da vuelo[:]

por Marketing Pmwebem Vendas

[:pt]

Conforme a influência da tecnologia sobre o comportamento do consumidor cresce, a operação das marcas do setor também precisa evoluir. Para as indústrias de travel e hotelaria, isso significa atender à expectativa crescente dos viajantes por uma assistência que reduza a fricção em todos os pontos da jornada de compra. E o machine learning pode ser a diferença entre uma experiência comum e uma excelente.
Os viajantes de hoje estão cada vez mais impulsivos e querem acesso rápido à informação. Um estudo recente realizado pela Phocuswright sugere que mais de 60% dos viajantes americanos considerariam uma viagem de última hora para aproveitar uma oferta de hotel ou voo. Esta é outra tendência que percebemos nos dados da pesquisa do Google: vimos que as buscas relacionadas à viagem para “hoje” e “hoje à noite” via mobile nos EUA aumentaram em 150% nos últimos dois anos. Novos hábitos são catalizadores de novas oportunidades.
“As pessoas não querem apenas acesso mais rápido à informação – eles querem experiências melhores e mais personalizadas”, disse Oliver Heckmann, vice-presidente de engenharia da Google para viagens e compras. “Se eu procurar por um hotel ou restaurante próximo pelo celular, quero que os resultados da busca sejam baseados na minha localização, na hora do dia ou até mesmo em interesses antigos”, disse ele.
Os números mostram que Heckmann está certo: 57% dos viajantes dos EUA acreditam que as marcas devem adaptar suas ofertas com base em preferências pessoais ou comportamentos dos clientes. Além disso, 36% dos viajantes estariam dispostos a pagar mais por uma experiência de viagem baseada nas suas preferências pessoais ou comportamento passado. Ele acrescentou: “Não só existe um forte desejo por experiências mais personalizadas e relevantes, mas há uma oportunidade valiosa para empresas de viagens fazerem mais e melhor”.
E aqui é que o machine learning e a inteligência artificial (IA) entram na história. À medida que migramos para uma nova era da computação – tão importante quanto a transição dos desktops para dispositivos móveis – o machine learning possibilita novos insights e oportunidades para as empresas de viagens oferecerem experiências melhores – e mais significativas do que nunca.
A automação de campanhas de marketing usando sinais de intenção do consumidor, como histórico de compras e relevância contextual, juntamente com a personalização dessas experiências, é apenas um exemplo de como as empresas poderão usar o machine learning de forma mais impactante no futuro.
“Travel e hospitalidade sempre tiveram por objetivo assistir o viajante e antecipar suas necessidades. Ainda estamos explorando muito superficialmente o potencial desta tecnologia no que refere a simplificar e otimizar toda a jornada do consumidor”, disse Heckmann. “Como uma indústria, estamos chegando a um ponto onde podemos ajudar os viajantes a obter qualquer informação que eles precisem sobre um novo destino, voo, hotel ou atividade com a maior rapidez e facilidade possível, com recomendações mais inteligentes que aprendem e evoluem conforme seu banco de dados aumenta”.
Heckmann também apontou para o uso de machine learning para tornar os recursos existentes ainda melhores, como o Google Tradutor. “Quando passamos a maior parte do tráfego do tradutor para um sistema baseado em IA, tivemos ganhos imediatos em qualidade equivalentes ao que o sistema anterior acumulou em toda a sua existência. Nós ainda temos um longo caminho a percorrer, mas a fricção nas experiências de viagem é uma oportunidade perfeita para inovação”, disse ele.
Além dos robôs de room sevice presente nos hotéis Aloft, Holiday Inn e Crown Plaza no Vale do Silício, a gigante Hilton não está de braços cruzados: a concierge robô Connie está personalizando a experiência dos hóspedes, atendendo suas solicitações, dando informações sobre o hotel e fornecendo dicas de turismo local durante sua estada.
Quanto mais os hóspedes interagem com Connie, mais ela aprende, adapta e melhora suas recomendações. O hotel também tem acesso a um registro das perguntas feitas e das respostas dadas por Connie, que podem permitir melhorias nas experiências dos hóspedes antes, durante e após a hospedagem.
 
A vez dos assistentes de voz
Outra oportunidade interessante em travel é a utilização de assistentes de voz e digitais, visto que as pessoas estão usando cada vez mais pesquisas de voz para encontrar informações. Na verdade, quase 70% do que buscamos no assistente do Google é expresso em linguagem natural, o que significa que as pessoas ficam confortáveis ​​conversando com computadores, diferente do que se imagina. Mais especificamente para viagens, Heckmann observou que mais de 1 em cada 3 viajantes em todos os países estão interessados ​​em usar assistentes digitais para pesquisar ou reservar viagens e já têm procurado desde hotéis até vôos através destes recursos.
“É chegado o momento de simplificarmos e racionalizarmos a viagem do cliente com novas tecnologias.  Essas mudanças enfatizam o quão importante é manter o foco no indivíduo por trás da busca e não nos dispositivos que eles estão usando”, disse Heckmann. “A otimização para o viajante será ainda mais importante, já que as pessoas começam a usar mais assistentes digitais como Siri e Alexa”.
Para acompanhar a mudança, Heckmann disse que as empresas de viagens podem adiantar-se pensando primeiro no usuário, abraçando oportunidades de marketing ao automatizar e experimentar novas plataformas. O machine learning já está ajudando as empresas a alcançar novos insights, a antecipar as necessidades dos clientes e a oferecer experiências mais relevantes em escala.
“Nosso objetivo é garantir que os viajantes tenham uma excelente UX quando procurarem o assistente do Google. Vejo nosso papel no ecossistema de viagens como um meio que ajuda a conectar os usuários aos parceiros. Podemos fornecer dados e informações muito ricas sobre intenção, identidade e contexto do viajante”, disse ele. “No fim das contas é uma questão de facilitar a vida das pessoas e o machine learning possibilita todas essas oportunidades para atender e engajar os viajantes no momento certo, no lugar certo”.
Artigo original aqui.

[:en]

With its early use of online booking, the travel industry stands as one of the first successful adopters of digital marketing. But as tech’s effect on consumer behavior continues to evolve, so must the playbook by which companies operate. For travel companies, that means meeting customers’ rising expectations for assistance at every point of the purchase journey.
Today’s travelers are increasingly impulsive and want information quickly. A recent study that we conducted with Phocuswright suggests that more than 60% of U.S. travelers would consider an impulse trip based on a good hotel or flight deal.1 We see this trend reflected in our search data too. In the U.S., we’ve seen that travel-related searches for “today” and “tonight” on mobile have increased by 150% over the past two years.
“People don’t just want faster access to information—they want better, more personalized experiences,” said Oliver Heckmann, Google’s VP of engineering for travel and shopping. “If I were to pull out my phone and search for a nearby hotel or restaurant, I’d expect the information I find to be tailored to me based on my location, time of day, and maybe even past interests,” he said.
The numbers show Heckmann is right: 57% of U.S. travelers feel that brands should tailor their information based on personal preferences or past behaviors. Furthermore, if a travel brand tailored its information and overall trip experience based on personal preferences or past behavior, 36% (over 1 in 3) would be likely to pay more for their services.2 He added: “Not only is there a strong appetite for more customized, meaningful experiences, but there’s a business case for travel companies to do more here.”
And here’s where machine learning and artificial intelligence (AI) factor into the picture. As we transition to a new era of computing with machine intelligence—equally significant to last decade’s move from desktops to mobile devices—machine learning unlocks new insights and opportunities for travel companies to deliver better, more useful experiences for users than ever before.
Automating marketing campaigns with consumer-intent signals such as purchase history and contextual relevance, coupled with customizing those experiences on the fly, is just one example of how companies will be able to use machine learning in more impactful ways moving forward.
“Travel and hospitality have always been about assisting and anticipating needs, and we’re barely scratching the surface in terms of how this technology can be used to simplify and streamline the entire consumer journey,” Heckmann said. “As an industry, we’re getting to a place where we can help travelers get whatever information they need about a new destination, flight, hotel or activity as quickly and easily as possible, with smarter recommendations that learn and evolve over time.”
Heckmann also pointed to the use of machine learning to make existing applications even better, like with Google Translate. “When we converted most of the Translate traffic to an AI-based system, we saw overnight gains in quality roughly equal to what the previous system had accrued in its entire lifetime. We still have a long way to go, but the friction in travel experiences makes it ripe for innovation and AI,” he said.

Voice and digital assistants will increase in importance

Other big topics in travel are voice and digital assistants, with our data informing that people are using their voice to find and discover information. In fact, almost 70% of requests that we see to the Google Assistant are expressed in natural language, meaning that people are getting more comfortable having conversations with computers. More specifically for travel, Heckmann noted that over 1 in 3 travelers across countries are interested in using digital assistants to research or book travel,3 and they’re already searching for everything from hotels to flights, and things to do in-destination.
“There is a tremendous opportunity for all of us to simplify and streamline the traveler journey with new technology. There’s a tendency for companies to chase (and build for) the next big thing, but I’d argue that these shifts emphasize how important it is to stay focused on the person behind the search, not the individual devices that they’re using,” Heckmann said. “Optimizing for the traveler will be even more important as people start to use more digital assistants across surfaces and speak in natural language.”

To keep up with the change, Heckmann said travel companies can get ahead by thinking user-first, embracing automated marketing opportunities, and experimenting with new platforms. Machine learning is already helping companies unlock new insights, better predict customer needs, and deliver more relevant experiences at scale.
“Our goal is to make sure that travelers have a great user experience when they come to Google for answers, and I see our role in the travel ecosystem as one that helps connect users to partners. Where we can help is in providing data and insights around traveler intent, identity, and context,” he said. “At the end of the day, it’s all about making people’s lives easier, and machine learning accelerates all of these opportunities to engage travelers at the right time and place.”
Original article here

[:es]Con su uso temprano de reservas online, la industria de viajes se erige como uno de los primeros adoptantes exitosos de marketing digital. Pero a medida que el efecto de la tecnología sobre el comportamiento del consumidor continúa evolucionando, también lo hace el libro de jugadas con el que operan las compañías. Para las compañías de viajes, eso significa satisfacer las crecientes expectativas de asistencia de los clientes en cada punto del viaje de compra.
Los viajeros de hoy son cada vez más impulsivos y desean información rápidamente. Un estudio reciente que realizamos con Phocuswright sugiere que más del 60% de los viajeros estadounidenses consideraría un viaje impulsivo basado en una buena oferta de hotel o vuelo.1 Vemos esta tendencia reflejada también en nuestros datos de búsqueda. En los EE. UU., Hemos visto que las búsquedas relacionadas con viajes para “hoy” y “esta noche” en dispositivos móviles han aumentado en un 150% en los últimos dos años.
“La gente no solo quiere un acceso más rápido a la información: quiere experiencias mejores y más personalizadas”, dijo Oliver Heckmann, vicepresidente de ingeniería de viajes y compras de Google. “Si tuviera que sacar mi teléfono y buscar un hotel o restaurante cercano, esperaría que la información que encuentro se adapte a mí en función de mi ubicación, la hora del día y tal vez incluso los intereses del pasado”, dijo.
Las cifras muestran que Heckmann tiene razón: el 57% de los viajeros de EE. UU. Sienten que las marcas deben adaptar su información según sus preferencias personales o comportamientos pasados. Además, si una marca de viajes adaptó su información y su experiencia de viaje en general según las preferencias personales o el comportamiento anterior, es probable que el 36% (más de 1 en 3) pague más por sus servicios.2 Agregó: “No solo hay un fuerte apetito por experiencias más personalizadas y significativas, pero hay un caso de negocios para que las compañías de viajes hagan más aquí “.
Y aquí es donde el aprendizaje automático y la inteligencia artificial (AI) son un factor en la imagen. A medida que pasamos a una nueva era de informática con inteligencia artificial-igualmente importante para la década pasada que pasó de los escritorios a los dispositivos móviles-el aprendizaje automático abre nuevas perspectivas y oportunidades para que las compañías de viajes ofrezcan experiencias mejores y más útiles para los usuarios que nunca antes.
Automatizar las campañas de marketing con señales de intención del consumidor, como el historial de compras y la relevancia contextual, junto con la personalización de esas experiencias sobre la marcha, es solo un ejemplo de cómo las empresas podrán utilizar el aprendizaje automático de maneras más impactantes para seguir adelante.
“Los viajes y la hospitalidad siempre han tenido que ver con ayudar y anticipar las necesidades, y estamos apenas arañando la superficie en términos de cómo se puede utilizar esta tecnología para simplificar y agilizar todo el recorrido del consumidor”, dijo Heckmann. “Como industria, estamos llegando a un lugar donde podemos ayudar a los viajeros a obtener la información que necesitan sobre un nuevo destino, vuelo, hotel o actividad lo más rápida y fácilmente posible, con recomendaciones más inteligentes que aprenden y evolucionan con el tiempo”.
Heckmann también apuntó al uso del aprendizaje automático para mejorar aún más las aplicaciones existentes, como con Google Translate. “Cuando convertimos la mayor parte del tráfico de traducción a un sistema basado en inteligencia artificial, vimos ganancias durante la noche en calidad aproximadamente iguales a lo que el sistema anterior había acumulado en toda su vida. Todavía tenemos un largo camino por recorrer, pero la fricción en las experiencias de viaje lo hace maduro para la innovación y la IA “, dijo.

Los asistentes de voz y digitales aumentarán en importancia

Otros temas importantes en los viajes son los asistentes de voz y digitales, con nuestros datos que informan que las personas están usando su voz para buscar y descubrir información. De hecho, casi el 70% de las solicitudes que vemos al Asistente de Google se expresan en lenguaje natural, lo que significa que las personas se sienten más cómodas al tener conversaciones con computadoras. Más específicamente para viajes, Heckmann señaló que más de 1 de cada 3 viajeros de todos los países están interesados ​​en utilizar asistentes digitales para investigar o reservar viajes, 3 y ya están buscando todo, desde hoteles hasta vuelos, y cosas que hacer en el destino.
“Existe una tremenda oportunidad para todos nosotros de simplificar y agilizar el viaje del viajero con nueva tecnología. Las empresas tienden a perseguir (y construir) la próxima gran novedad, pero yo diría que estos cambios enfatizan la importancia de mantenerse enfocados en la persona detrás de la búsqueda, no en los dispositivos individuales que están usando, “Heckmann dijo. “La optimización para el viajero será aún más importante a medida que las personas comiencen a utilizar más asistentes digitales en las superficies y hablen en un lenguaje natural”.
Para mantenerse al día con el cambio, Heckmann dijo que las empresas de viajes pueden avanzar pensando en el usuario primero, adoptando oportunidades de marketing automatizado y experimentando con nuevas plataformas. El aprendizaje automático ya está ayudando a las empresas a descubrir nuevos conocimientos, predecir mejor las necesidades de los clientes y ofrecer experiencias más relevantes a gran escala.
“Nuestro objetivo es asegurarnos de que los viajeros tengan una excelente experiencia de usuario cuando acudan a Google en busca de respuestas, y veo nuestro papel en el ecosistema de viajes como uno que ayuda a conectar a los usuarios con los socios. Donde podemos ayudar es en proporcionar datos e ideas sobre la intención, la identidad y el contexto del viajero “, dijo. “Al final del día, se trata de facilitar las vidas de las personas, y el aprendizaje automático acelera todas estas oportunidades para atraer a los viajeros en el momento y lugar adecuados”.[:]

App marketing: virando o jogo com ajuda de machine learning

por Marketing Pmwebem Marketing

[:pt]Empresas inovadoras já usam ferramentas de machine learning para incrementar as estratégias e aproveitam a capacidade que essa tecnologia tem de racionalizar dados e revelar insights para criar um diálogo mais relevante com seus usuários. Segundo o estudo do The Boston Consulting Group, 85% dos executivos acreditam que a inteligência artificial ajudará suas empresas a obter ou manter vantagens competitivas.

Fonte: The Boston Consulting Group, “Is Your Business Ready for Artificial Intelligence,” Setembro. 2017.

Empresas que desenvolvem e comercializam apps já estão usando machine learning, com sucesso, para romper com o modelo de negócios tradicional, redefinir categorias e desafiar a forma como ainda pensamos o marketing.

Garimpando montanhas de dados

Hoje, as pessoas utilizam as mais variadas plataformas digitais em diversos aparelhos eletrônicos, e os aplicativos mobile, ao mesmo tempo que ajudam o usuário nas suas tarefas do dia a dia, permitem que as marcas tenham uma relação mais próxima com os consumidores.
O problema é que os profissionais de marketing ainda têm que analisar pilhas de dados para responder perguntas mais urgentes, como: “Quais são os nossos usuários mais valiosos?”, “De onde eles vêm?”, “O que posso fazer para que eles continuem voltando?” e “O que preciso fazer para que eles comprem mais e com mais frequência?”.
Com esse enorme volume de informações – e tantas formas diferentes de consolidá-las – saber exatamente como obter o melhor retorno sobre o investimento vira um desafio. Segundo a McKinsey & Company, analisando todas as profissões existentes nos EUA, um terço do tempo que as pessoas passam no local de trabalho é usado para atividades de coleta e processamento de dados.2

Fonte: McKinsey & Company, “Where Machines Could Replace Humans—and Where They Can’t (Yet),” Julho 2016.

Investir tanto tempo e recursos na classificação dos dados significa dedicar menos tempo à tarefas mais importantes, como refinar a estratégia de marketing ou melhorar a experiência do usuário com o produto.
Com a capacidade de analisar milhões de dados em tempo real e tomar decisões eficazes para incrementar o desempenho, as ferramentas de machine learning oferecem escalabilidade aos profissionais de marketing, liberando tempo livre para tarefas estratégicas.
O segredo é simplificar processos: você determina o objetivo de negócios que quer atingir, define uma audiência qualificada – por exemplo, gamers próximos de atingir o nível 10 do seu jogo ou clientes com tendência a gastar mais de $50 por mês no seu app – e então deixa o sistema descobrir onde e como impactar e engajar potenciais novos usuários.

Otimização com foco no valor permanente dos clientes

Como profissional de marketing, um dos seus principais desafios é descobrir quem gosta da sua marca o suficiente para continuar voltando. Porém, ainda mais importante do que isso, é encontrar aqueles usuários com potencial de gerar rentabilidade. O machine learning torna mais fácil encontrar e engajar os clientes mais valiosos para o seu negócio, pois permite que você procure em lugares que você normalmente não exploraria.
Em vez de segmentar simplesmente por “mulheres de 35 a 54 anos”, trabalhando com machine learning podemos utilizar um universo muito mais abrangente definido com base nos resultados de negócio que você busca – sejam eles vendas, compras via app, níveis finalizados no jogo etc. Com isso, o robô analisa milhões de sinais para encontrar pessoas inclinadas a completar essas ações, e tudo isso em escala.
O primeiro passo é analisar as pessoas que você já conhece: os seus usuários mais valiosos ou rentáveis. Em seguida, o sistema procura por perfis similares aos deles. Por exemplo, se você desenvolveu um app de viagens, o sistema pode procurar por pessoas que tenham feito compras em outros apps de viagem, assistido online a vídeos sobre turismo, ou que estejam procurando por hotéis e passagens em promoção.

Storytelling inteligente

A tecnologia de machine learning não apenas encontra usuários altamente qualificados, mas também é capaz de descobrir o jeito mais eficiente de engajar eles. Ela faz isso combinando a mensagem mais eficaz com a arte correta, e depois exibindo o anúncio para a pessoa certa na hora em que ela está mais inclinada a assimilar a mensagem. Pesquisas mostram que 81% dos principais executivos de marketing concordam que o machine learning será essencial para oferecer experiências personalizadas durante a jornada do consumidor. 3

Fonte: Econsultancy and Google, Marketing and Measurement Survey, n=514, marketing and measurement executives at North American companies with over $250M in revenue, Março 2017.

A empresa de jogos mobile Pocket Gems, usa anúncios em vídeo veiculados dentro de aplicativos para atrair sua audiência. Eles combinam os usuários de seu aplicativo de storytelling Episode com grupos de alta afinidade (por exemplo, fashionistas, especialistas em beleza ou fãs de filmes românticos e dramas). Essa união de mensagem, arte e públicos corretos resultou em um customer lifetime value 50% maior para as pessoas que assistiram ao anúncio no YouTube.

Novos controles para marcas e agências

Ainda que o machine learning esteja simplificando os processos do marketing, as pessoas ainda têm um papel essencial, afinal ele só funciona bem quando alimentado com as informações corretas. Cabe às marcas e suas agências obterem esses dados, identificar os objetivos de negócio mais urgentes – como valor permanente do usuário, por exemplo – e, continuamente, otimizar a jornada do consumidor de ponta a ponta. Isso inclui melhorar a página de download do seu aplicativo na app store, a homepage do app, a navegação e os eventos in-app.
A agência digital norte-americana Incipia, usa o machine learning para ajudar seus clientes a incrementar os negócios. Eles ajudaram a WordScapes, empresa de jogos mobile, a superar a meta de retenção em 60%. A estratégia utilizada foi otimizar os lances com foco em usuários altamente qualificados e desenvolver versões de seus anúncios em vídeo.
Empresas como a Incipia entendem que, sim, o crescimento é um desafio para os times de marketing e de produto, mas é também uma oportunidade para gerar negócios. Por isso, cada vez mais empresas com foco em apps estão usando a tecnologia para tomar decisões baseadas em dados, encontrar e engajar usuários rentáveis e criar campanhas mais eficientes.
As marcas que investem em crescimento inteligente estão construindo a base para seu sucesso na nova era do marketing.
Artigo original aqui.[:]

[:pt]Pesquisa revela que CIOs tem adotado progressivamente machine learning para resolver desafios no do dia-a-dia[:]

por Marketing Pmwebem Vendas

[:pt]A ServiceNow divulgou nesta quarta-feira, 25,  uma pesquisa realizada recentemente com 500 Diretores de Tecnologia (CIOs) de todo o mundo, que revelou que o machine learning chegou de vez às empresas e tem feito contribuições efetivas nas tarefas diárias. De acordo com o estudo, para tirar total proveito desse recurso, os executivos precisam encontrar talentos qualificados para trabalhar lado a lado com as máquinas, além de redesenhar os processos das suas organizações.
Para a pesquisa “O ponto de vista global do CIO” (The Global CIO Point of View), a ServiceNow consultou CIOs de 11 países em 25 indústrias para descobrir os benefícios competitivos de adotar o machine learning e conferir quais resultados eles estão obtendo. Segundo a IDC, líder em inteligência de mercado, serviços de consultoria e conferências com as indústrias de Tecnologia da Informação e Telecomunicações, o investimento em machine learning deve dobrar até 2020*. Além disso, uma análise recente aponta que o cargo de especialista em aprendizagem por máquina está entre as profissões em ascensão na área de TI**.
Máquinas inteligentes para trazer precisão, velocidade e crescimento dos negócios
A pesquisa mostra uma crescente confiança entre os executivos sêniores de que o machine learning ajudará a tomar decisões mais rápidas e precisas, uma vez que suas soluções possuem a capacidade de analisar e melhorar o próprio desempenho sem a intervenção humana direta, permitindo-lhes tomar decisões cada vez mais complexas ao longo do tempo:

  • Mais de metade (52%) dos entrevistados diz que, além das tarefas de rotina, está estendendo o uso de automação para ações como alertas de segurança e automação de decisões complexas – como responder a alertas
  • 87% dizem que obteriam retorno financeiro com a precisão das decisões
  • 69% afirmam que as decisões tomadas pelo machine learning serão mais precisas do que as feitas por humanos
  • 57% disseram que a tomada de decisões de rotina ocupa uma quantidade significativa de tempo de funcionários e executivos, de modo que o valor potencial da automação seja alto
  • Os CIOs esperam que a automação das decisões contribua para o crescimento da linha superior de sua organização (69%)

“Vemos três tipos de processos como alvos para o machine learning: qualquer coisa que exija avaliação, classificação ou previsão”, afirma Katia Ortiz, Diretora Geral da ServiceNow no Brasil. “O trabalho diário, assim como a atribuição de solicitações de TI e a priorização de leads de vendas já estão dando resultados. já faz algum tempo que o machine learning deixou de ser algo apenas desejado, hoje ele é uma realidade”.
Sozinhos, especialistas em aprendizagem por máquina não são garantia de sucesso
Quase três quartos (72%) dos CIOs entrevistados disseram que lideram os esforços de digitalização em suas empresas. Além disso, mais de metade (52%) concorda que o machine learning desempenha um papel crítico. Cerca de metade (49%) dos CIOs consultados diz que suas empresas estão usando o machine learning e 40% está planejando adotar a tecnologia em algum momento.
Entretanto, existem áreas-chave de talento, organização e processos que devem ser abordadas para que as empresas aproveitem plenamente a tecnologia de machine learning:

  • Apenas 27% dos CIOs contrataram funcionários com habilidades para trabalhar com aprendizagem por máquina
  • Menos de metade (40%) dos CIOs atualizou as descrições de cargos e funções para se concentrar no trabalho com machine learning, 41% citam falta de habilidades para gerenciar essa atividade e cerca de metade (47%) diz que não tem orçamento para o desenvolvimento de novas habilidades
  • Os CIOs citam a qualidade dos dados (51%) e os processos desatualizados (48%) como barreiras à adoção
  • Menos da metade (45%) desenvolveu métodos para monitorar erros cometidos pelas máquinas

“O machine learning permite que as empresas inovem de formas que não eram possíveis antes”, afirma Katia. “Para utilizar todo o potencial dessa tecnologia, os CIOs devem incorporar seu papel de líderes transformadores que influenciam a forma como nossas organizações projetam processos de negócios, alavancam dados, contratam e capacitam talentos”, defende.
CIOs que saem na frente
Um grupo seleto de CIOs entrevistados (menos de 10%) está correndo à frente de seus pares no uso de machine learning. Pioneiros, eles ajudaram a montar um modelo para ajudar outros CIOs a utilizar melhor a aprendizagem por máquina.

  • Quase 90% desses CIOs esperam que a automação de tomadas de decisão dê suporte para o crescimento de suas empresas contra 67% dos demais entrevistados
  • Aproximadamente 80% desenvolveram métodos para monitorar erros feitos na máquina contra 41% do outro grupo
  • Mais de 75% criaram atribuições e atualizaram as descrições de cargos e funções de trabalho que focam em máquinas inteligentes, em comparação com 35% dos outros
  • Mais de 70% desenvolveram um roteiro para futuras mudanças nos processos de negócios, em comparação com apenas 33% dos demais

“Esses CIOs que estão na dianteira e que combinam o machine learning com novos processos e habilidades de negócios apoiarão melhor o crescimento de suas empresas”, ressalta Katia. “Eles relatam níveis mais altos de maturidade no uso dessas plataformas, o que lhes permite se concentrar na inovação, como a automação de decisões complexas, que imediatamente impacta a base de seu negócio”.
Serviço financeiro lidera, indústria de saúde fica pra trás
A pesquisa destaca importantes pontos de vista dos CIOs dos setores de serviços financeiros e de saúde frente aos executivos de outra áreas.

  • Os CIOs da área de serviços financeiros são mais propensos a dizerem que suas empresas estão passando da automação de decisões simples para a automação de decisões cada vez mais complexas (68%, contra 52% de outras)
  • É mais provável que tenham feito mudanças organizacionais para acomodar o trabalho digital, incluindo a redefinição das descrições de cargos para se concentrar no trabalho com máquinas inteligentes (62% versus36%), desenvolvendo um roteiro para futuras mudanças de processo (52% contra 35%) e recrutando funcionários com novos conjuntos de habilidades (42% vs. 25%)
  • Os CIOs no setor de saúde continuam cautelosos. Eles são menos propensos a usar o machine learningem toda a organização e menos propensos a dizer que a tecnologia terá um impacto positivo no crescimento, competitividade ou redução de risco do negócio
  • Eles  também são menos propensos a esperar obter retorno da automação de decisão em várias áreas funcionais, incluindo segurança (70% x 80%), operações (46% x 58%), risco e conformidade (36% x 58%).

Cinco passos para obter retorno com machine learning
Confira cinco recomendações da ServiceNow de como os CIOs podem começar sua jornada para a transformação digital com a aprendizagem por máquina.
1)     Construa uma base e melhore a qualidade dos dados – Uma das principais barreiras à adoção do machine learning é a qualidade dos dados. Se as máquinas tomam decisões com base em dados ruins, os resultados não fornecerão valor e poderão aumentar o risco. Os CIOs devem utilizar tecnologias que simplifiquem a manutenção de dados e a transição para o machine learning.
2)    Priorize com base na realização de valores – Ao construir um roteiro (roadmap), concentre-se nos serviços mais utilizados, pois a automação desses serviços oferecerá os maiores benefícios empresariais. Em geral, quais são os padrões de trabalho mais desestruturados que se beneficiariam com a automação? Comprometa-se a redefinir todos os serviços de engenharia e os processos como parte dessa transformação e não apenas atualizar os processos atuais para um novo modelo.
3)    Construa uma excepcional experiência do cliente – Um dos principais benefícios de aumentar a velocidade e a precisão da tomada de decisões reside na criação de uma excepcional experiência interna e externa do cliente. Ao criar um roteiro para implementar capacidades de machine learning, imagine a experiência ideal do cliente e priorize o investimento para obter esses objetivos.
4)    Incentive novas habilidades e construa uma cultura – Os CIOs devem identificar os papéis do futuro e antecipar como os funcionários se envolverão com as máquinas – e começar a contratação e treinamento com antecedência. Os CIOs devem também construir uma cultura que abrace esse novo modelo de trabalho e habilidades. Isso significa estabelecer diretrizes para executivos, engenheiros e operários de primeira linha sobre suas atribuições com máquinas inteligentes e o futuro da integração entre homem e máquina.
5)    Foque em métricas e reporte – Os benefícios do machine learning podem ser claros para os CIOs, mas talvez nem tanto para outros executivos, o que demanda um trabalho mais educativo com eles. Os CIOs devem estabelecer expectativas, desenvolver métricas de sucesso antes da implementação e criar um sólido business case para adquirir e manter o financiamento necessário. Eles também devem considerar a criação de benchmarks automatizados comparando com pares em sua indústria e outras empresas de tamanho similar.
 
Texto original aqui.[:]