2021 年机器学习和数字营销全解

从程序化竞价到聊天机器人，借助机器学习的力量，移动营销生态已经实现了多方面的改善和增强。用户也越来越熟悉机器学习，与日常生活无缝衔接，流畅使用，即使有时他们自己并未意识到这一点。例如，97% 的移动用户正在使用 AI (人工智能) 驱动的语音助手。到 2025 年，全球 AI 市场价值预计将增长至 1916 亿美元，AI 也定会成为我们日常工作和生活中的重要部分。在这篇指南中，我们将介绍机器学习对营销人员的日常工作、他们如何触及目标受众以及如何为客户提供服务。

机器学习是什么？

机器学习会使用人工智能 (AI) 创建能够自动学习并改进工作成果的系统。机器学习要依靠 AI 访问数据并做出数据分析决策，向特定的目标推进，在此过程中逐步提升完成所需任务的能力。例如，企业可以使用机器学习自动处理耗时过多或根本无法通过人工完成的任务。

机器学习为何对移动营销很重要？

移动营销人员可用多种方式使用机器学习，提高定向精准度，找到并触及最有价值的用户，为新老客户提供优质的服务。例如，使用机器学习技术，您可以提供全天候用户支持，帮助用户向漏斗下游移动，最终产生收入。充分借助机器学习工具获得优势，这比以往任何时候都更重要。众所周知，机器可以完成那些复杂艰巨或人力根本无法完成的工作，而机器学习就常常被用来自动处理这些工作。如果没有这些工具，营销人员将很难在目标市场中保持竞争优势、扩大业务规模。

在使用机器学习优化营销策略时，您必须仔细甄别可以自动化处理的工作和依旧需要人工的工作。FiveChannels 的创始人兼首席执行官 Jason Hall 曾为福布斯撰文，他在文中提醒读者："AI 程序可以仅靠数据生成报告，(但) 真正与客户产生联系，人与人之间的温度仍是必不可少的。人类的同情、共情和叙事能力都是机器无法模拟的——起码现在无法模拟。"

机器学习与数字营销：AI 科技改变营销人员工作的 9 种方式

1. 用个性化提升用户体验

个性化是一个强大的工具，能够帮助您实现最远大的目标。近四分之三 (71%) 的消费者会因为非个性化的购物体验而受挫， 91% 的消费者在购物时购物更愿意选择能提供相关推荐和个性化优惠的品牌。机器学习能帮助营销人员打造独一无二的用户体验，增加销售量，提高品牌忠诚度，改善生命周期价值 (LTV)。例如，电商类应用可以借助机器学习，根据用户之前的购买情况和购物车中的产品提供购买推荐。Netflix、Amazon Prime Video 之类的娱乐类应用可以根据用户的观看历史提供推荐。

机器学习能够分析问题，找到优化办法。个性化可以用于多种类型的营销活动。例如，您可以利用机器学习的力量优选应用内和网站上的内容，打造个性化电子邮件来增加交互，或向用户投放最符合其兴趣的广告。

2. 用聊天机器人提供优质的客户服务

机器学习可通过多种方式改善用户体验。例如，您可以使用聊天机器人提供全天候客户支持，让客户不再需要等待。聊天机器人是一种软件，会利用指定的规则和/或机器学习识别人类需要，提供实用信息。SMS、网站聊天窗口和社交媒体业务页面等渠道都可以使用这种技术。

聊天机器人的具体使用方式要视应用性质而定。除了上述优势外，聊天机器人还能帮您：

• 自动化处理多种工作，为团队节省时间、精力和金钱。
• 提升多个营销渠道的点击转化率
• 生成高质量营销线索，安排会议
• 处理大量客服请求，减少用户流失
• 向客户发送跟进信息，辅助推播式营销 (outbound marketing)
• 公布新产品信息，分享折扣优惠，增加交互

请注意：并非所有聊天机器人都使用机器学习技术。实时聊天机器人会发送自动化消息，基于规则的聊天机器人只能提供程序中设置的回应，而使用 AI 的聊天机器人可以逐步学习和改善。能学习人类行为的聊天机器人只需要精简的要点信息就能回答复杂的问题。

3. 利用机器学习研发产品和服务

借助 AI，您能够为目标受众和现有客户量身打造新产品和服务。举例来说，在语音搜索设备用户中，有 72% 的人称这些设备已经成为他们日常生活的一部分。到 2022 年，语音电子商务的价值预计将高达 400 亿美元。各公司可以抓住其中的机遇，了解客户需要，提高品牌知名度，增加销量。基于 AI 的语音助手可持续学习用户行为，提供实现高度个性化所需的数据。您也可以使用 AI 驱动的语音数据分析技术，找到其他需要优化的方面，例如 UX 设计和客户服务等。

4. 优化网站设计和 UX

要实现营销目标，研发和优化 UX 及网站设计至关重要。机器学习可以生成热图和其他分析数据等实用参考，帮助营销人员立足数据制定策略，优化网站设计。机器学习也可用来开展 A/B 测试，持续不断地优化 UX。

5. 利用营销自动化

借助机器学习和营销自动化，您能够节省完成繁复工作所需的时间，将精力集中在战略性推广活动管理上。营销人员可以使用软件自动化各类流程，例如电子邮件营销、社交媒体管理和营销推广活动等。Adjust Automate 就是一款强大的自动化工具，能轻松生成跨应用、跨合作伙伴和跨渠道的报告，将不同营销推广活动、不同国家 / 地区和渠道的所有数据集中在同一个控制面板中，省时省力地分析最重要的 KPI。用户可以即时访问这些数据，实时调整竞价和预算，在单一控制面板中优化多个跨平台推广活动。您也可以设置规则，自动调整未能达到基准要求的指标，充分利用自动化技术的力量。

利用自动化技术和机器学习优化广告定向

移动营销人员需要了解该选择哪些渠道，如何分配广告支出，在哪里开展推广活动，以及推广活动持续的时间。在机器学习的辅助下，他们可以更轻松地管理这些工作。例如，您可以使用 Facebook 类似受众或其他工具定向相似受众，获取更多高价值用户，以此触及与现有受众特性类似的潜在用户群体。您也可以在单个推广活动中同时采用多个受众，向任意相似受众中的用户投放广告。

Adjust 客户可以使用受众分群工具，利用 Adjust 的数据自动将符合条件的用户分为一组，节省宝贵的时间和精力，转而专心于提升收入。该工具会实时更新所有受众，用户无需添加受众，也不必移除不再符合条件的受众。我们还直接集成了多个大型合作伙伴，如 Facebook、Snapchat 等，此外也有便捷易用的动态 webhook，供任意广告渠道连接。受众分群工具可以将受众划分为子群组，创建对照样本，灵活便捷地开展 A/B 测试。

6. 程序化媒体投放

程序化媒体购买是指通过交易平台自动买卖广告位的流程。这一流程可利用机器学习提高效率，随时间推移为广告主做出更好的决策。在使用机器学习进行程序化营销时，算法可以分析来自多个来源的大量数据。也就是说，机器学习可以帮助您预测、计划并优化媒体策略。企业依旧需要安排经验丰富的媒体投放人员坐镇，但借助 AI 的力量，投放人员能够节省花在繁复工作上的时间，将更多的精力用在策略上。

7. 自动化电子邮件营销

通过机器学习驱动电子邮件营销，您可以打造个性化的邮件，增加交互，达成营销目标，也可以使用这种技术进行受众分群，编辑并优选内容库，收集数据进行优化。这些做法都有助于打造高度个性化的电子邮件，实现用户交互，打造长期品牌忠诚度。

MailChimp、Moosend 和 SendinBlue 等软件公司都面向客户提供机器学习功能。除了优选内容外，机器学习也能帮忙找到发送邮件的最佳相应时间，优化发件域的声誉，确保邮件被成功递送。

8. 通过机器学习开展大规模 SEO 分析

机器学习能帮助营销人员开展大规模的 SEO 分析。SEMrush 和 WordTracker 等工具能提供搜索引擎排名方面的洞见，提供需要采用的术语和关键词。借助这些工具，您也可以找到网站上需要优化的版本和页面链接。SEO 分析能快速给出报告，为增长和知名度提升做出宝贵的贡献。

机器学习也可用来为个性化的用户旅程打造内容，例如针对站内优化 (on-site SEO) 创建内容等。

9. 抵御广告欺诈和应用内机器人作弊

广告欺诈是移动营销生态中普遍存在的问题。我们的研究表明，在移动广告生态中，虚假用户依旧是最为常见的作弊类型，占全世界所有作弊活动的 54.6%。2019 年 8 月至 2020 年，全球范围内，游戏领域的作弊率增长了 172.95%，美国地区同期更是激增 310.29%。如果没有妥善的防范办法，作弊活动会盗取广告主资金，让广告主血本无归。AI 与机器学习，例如 Unbotify等产品,能够了解用户行为，区分真实用户与机器人，抵御广告欺诈。

此外，也欢迎您查看电子邮件营销和小众应用社交媒体指南相关资源。

---