در دنیای امروز فناوری، اخبار و مقالههای پیرامون یادگیری ماشین، بیش از همیشه ما را احاطه کردهاند. تقریبا هر صنعتی از این فناوری صحبت میکند. اکثر متخصصان و کارشناسان نیز تلاش میکنند تا از مزایای یادگیری ماشین، برای بهبود وضعیت خود در بازارها استفاده کنند.
پیش از پیادهسازی هر نوعی از فناوری مذکور، ابتدا باید از خود بپرسیم که یادگیری ماشین چیست؟ طبق تعریف Hewlett Packard:
یادگیری ماشین به فرایندی اشاره میکند که کامپیوترها، شناسایی الگویی را فرا میگیرند. بهعلاوه، کسب توانایی توسط آنها برای یادگیری مستمر و ارائهی پیشبینی براساس داده نیز در این تعریف قرار میگیرد. ماشینها در ادامهی یادگیری، تعدیل و اصلاح پیشبینیها و بیانات خود را نیز بدون نیاز به برنامهنویسی اختصاصی برای آن موضوع انجام میدهند.
بهبیان سادهتر، یادگیری یعنی ماشینها تحلیل و اقدام براساس حجمهای بالای اطلاعات را انجام داده و همچنین، به یادگیری و بهبود عملکرد خود در طول زمان ادامه دهند.
بهعنوان نمونهای از کاربردهای عملی یادگیری ماشین، میتوان فناوری تشخیص چهره را مثال زد. همهی ما میدانیم که این فناوری، روزبهروز پیشرفتهتر میشود. امروز، کاربران گوشیهای آیفون، قفل گجتهای خود را با شناسایی چهره باز میکنند. بهعلاوه، مقامات قانونی نیز از فناوری تشخیص چهره برای شناسایی رفتارهای خلافکارانه و دستگیری مجرمان بهره میبرند. در مقالی دیگر، گوگل فوتوز و سرویسهای مشابه، به کاربران امکان میدهند که تصاویر را براساس افراد حاضر در آنها دستهبندی کنند. الگوریتمهای گفتهشده در گذشته دقت بالایی نداشتند، اما بهمرور، حرفهایتر و دقیقتر شدند و تبحر خود را مرهون یادگیری ماشینی هستند.
یادگیری و هوشی که در بالا شرح دادیم، با هوش انسانی تفاوت دارد. میتوان آن را یادگیری برنامهنویسیشده هم نامید که قطعا کاربردهایش فراتر از تشخیص چهره است و در تمامی صنایع نفوذ مییابد. بهعنوان مثال، میتوان بازاریابی را بیان کرد. بازاریابهای امروزی، همهی تلاش خود را بهکار میگیرند تا پیام و تصویری مناسب هر مخاطب به او ارائه کنند. قطعا انسانها نمیتوانند در مقیاسهای بزرگ با تکتک مخاطبان ارتباط برقرار کنند، اما ماشینها این توانایی را دارند. شاید تصور پیادهسازی آن روشها روشن نباشد، اما در ادامهی این مقالهی زومیت، روشهای برای استفادهی کاربردی از یادگیری ماشین در حوزهی بازاریابی را شرح میدهیم.
پیشنهاد محتوا و محصول مرتبط، از دیرباز بهعنوان ابزاری کاربردی در دست بازاریابان شناخته میشود. در گذشته و اکنون، پیشنهادها توسط نیرو و تفکر انسانی آماده میشدند و از ۱۰ سال گذشته، الگوریتمهای سادهای برای پیشنهادهای تقریبا اتوماتیک به کار گرفته شدهاند. الگوریتمهایی که پیشنهادها را تنها براساس خریدهای دیگر مشتریان به مشتری دیگر ارائه میدهند.
یادگیری ماشین، میتواند در بهینهسازی الگوریتمهای کنونی پیشنهاد محصول و محتوای مرتبط، کمک شایانی ارائه دهد. با استفاده از این فناوری میتوان تمامی اطلاعاتی که از یک شخص داریم، مانند سابقهی خرید، فعالیت کنونی در وب، ارتباطات ایمیلی، موقعیت، صنعت فعالیت، ویژگیهای سنی و جنسیتی و موارد مشابه را با هم ترکیب کند و بهترین و نزدیکترین محصول و محتوا را به او پیشنهاد دهد. یادگیری ماشین، دستهبندی، قیمت و مشخصات مختلف محصول را با علاقهمندیها و سوابق فرد مورد نظر ترکیب کرده و بهترین پیشنهاد را به او میدهد. بههمین دلیل، پیشنهادها هم روزبهروز بهتر میشوند.
پیشنهادهای براساس یادگیری ماشین، به محصول و محتوا خلاصه نمیشوند. شما با بهکارگیری فناوری میتوانید حتی برند، دستهبندی محصول، مشخصات فنی، موضوع، نویسنده و انواع دیگر موارد را به کاربر پیشنهاد دهید. درنهایت، بهکارگیری یادگیری ماشین به شما امکان میدهد که تجربهای جذاب را در وبسایت یا ایمیلهای تبلیغاتی خود ایجاد کنید که مخاطب، بتواند بهکمک آنها، موارد مورد علاقهی خود را بهتر پیدا کند.
با وجود آنکه یادگیری ماشین، پیشنهادها مرتبط خوبی را به مشتریان ارائه میکند، شناسایی دستهبندیهای مهم آنها براساس تفاوتهای بسیار افراد، هنوز مسئلهای حیاتی برای بازاریابها است. آنها باید گروهی که بیش از همه به خرید محصولات راغب میشوند را زودتر از رقبا شناسایی کنند و آنها را هدف قرار دهند. تشخیص تفاوتهای مشهود مشتریان همچون مشتری جدید یا وفادار، برای انسانها بهراحتی انجام میشود، اما بسیاری از تفاوتها هستند که در حجم بالای دادهی مرتبط با مشتری، از دید ما پنهان میمانند.
یادگیری ماشین به بازاریاب کمک میکند که دستهبندیهای جدیدی را در میان مشتریها کشف کند که قبلا به آنها توجه نمیکرد. بهعلاوه، میتوان از آن اطلاعات استفاده کرده و پیشنهادانت مرتبطتری به مشتریان ارائه کرد.
بهعنوان مثال، یادگیری ماشین تشخیص میدهد که نسل جوانی که قصد نوسازی خانهی خود را دارند، رفتارهای مشخصی از خود نشان میدهند. با آن اطلاعات، میتوان پیامهای بهینهتری را برای آن دسته از مشتریان آماده و ارسال کرد. میتوان زبان صحبت با آنها را متفاوت از افراد دیگر در نظر گرفت. بهعلاوه، به محض نشان دادن رفتارهای مشابه از سوی مشتریان دیگر نیز میتوان آنها را به این دستهبندی اضافه کرد.
کمپینهای بازاریابی، دادههای زیادی تولید میکنند. مثلا، ایمیلهایی که روزانه توسط یک شرکت بزرگ ارسال میشود را در نظر بگیرید. میتوان تعداد کاربران وبسایت را نیز بهعنوان نمادی از دادههای عظیم در نظر گرفت. تمامی آن ارتباطها، داده تولید میکنند که قطعا هیچ انسانی نمیتواند همهی آنها را مشاهده و تحلیل کند. بهعلاوه، مشکلات احتمالی و چالشهای عملکردی نیز قابل تشخیص نیستند. یادگیری ماشین میتواند مشکلات را پیشبینی کند و پیش از وقوع، به شما اطلاع دهد.
بهعنوان مثالی کاربردی، تصور کنید کمپینی ایمیلی برای افزایش فروش یک فروشگاه اینترنتی پیادهسازی کردهاید. در ایمیلیهای ارسالی، یک لینک اشتباه قرار دارد که به صفحهی مورد نظر از سایت شما منتقل نمیشود. یادگیری ماشینی با بررسی ورودیها از لینکهای ایمیلی، متوجه پایین بودن نرخ آنها بسته به ارسال میشود و شما را مطلع میکند. درنهایت، شما با اطلاع از مشکل، پیش از اوج گرفتن بحران در کمپین ایمیلی، رویکردهای اصلاحی را انجام میدهید.
از اوایل دههی ۱۹۹۰ و همزمان با ظهور بازاریابی B2B در سطح بینالمللی، یکی از مشکلات مهم کارشناسان کسبوکار این بود که برای مالکان شرکتها توضیح دهند چرا برای بازاریابی مصرفکننده به استراتژی و تکنیکهای متفاوتی نیاز دارند. بااینحال در ۲۰ سال گذشته، بازاریابی B2B بهصورت رشتهای مستقل و مجزا پذیرفته شده و ضرورت برنامهریزی و اجرای راهبردهای آن بر کسی پوشیده نیست.
برای پاسخ به این پرسش، ابتدا باید بدانیم بازارهای B2B چه بازارهایی هستند. میتوانیم زنجیرهی ارزش را بررسی کنیم که با تقاضای مصرفکننده آغاز میشود و متوجه شویم در این مسیر، دهها محصول و خدمات دیگر نیز وجود دارند که مستقیما بهدست مصرفکنندهی نهایی نمیرسند؛ اما کسبوکارهای عرضهکننده و تولیدی به آنها نیاز دارند. بهعنوان مثال، به پیراهن سادهای فکر کنید که از خُردهفروشی میخرید. زنجیرهی ارزش پیراهن مسیر پیچیدهای طی میکند که از پنبه یا فیبرهای دیگر آغاز میشود. الیاف به پارچه تبدیل و لباسها بستهبندی میشوند و حمل و در سطوح مختلف توزیع میشوند تا سرانجام آنها را در قفسههای فروشگاه ببینیم. این مسیر «زنجیرهی تقاضای مشتقشده» نام دارد؛ زیرا همهی اتفاقها و الزامهای آن، ناشی از تقاضای محصولی نهایی (در اینجا پیراهن) است. هر بنگاه یا کسبوکاری که در این مسیر قرار دارند، محصول یا خدمت دریافتی خود را نه با هدف عرضهی مستقیم به مصرفکننده، بلکه با این هدف میفروشد که ارزشافزودهای به آن اضافه و حرکت محصول را در طول زنجیره معنادار کند تا زمانیکه محصول نهایی بهدست ما، یعنی عموم مردم میرسد.
پس، بازاریابی B2B رفع نیازهای سایر شرکتها را هدف قرار میدهد؛ اما مقصد اصلی محصول نهایی کسبوکارهای B2C مصرفکنندگان هستند.
در اغلب خانوارها، تصمیمگیری دربارهی اقلام مصرفی، مثل پوشاکی که برای خودمان میخریم، معمولا به یک نفر یا در برخی اقلام، مثل مواد خوراکی که اعضای خانواده دربارهی آن نظر میدهند، به چند نفر محدود میشود. باوجوداین در بازارهای B2B، واحد تصمیمگیری (DMU) بسیار پیچیدهتر است یا دستِکم ظرفیت پیچیدهبودن را دارد. شاید سفارش محصولاتی که از ارزش و خطر کمتری برخوردار هستند، مانند دستمال توالت و اقلامی که همهجا یافت میشود، به عهدهی کارمندی جوان گذاشته شود. بااینحال، خرید آیتمهایی که حیات کسبوکار به آنها بستگی دارد، احتمالا برعهدهی تیمی بزرگ خواهد بود که تصمیمهای خود را در طول زمان اتخاذ میکنند. بهعبارتِدیگر، گرچه کارشناسان و متخصصان مختلفی در DMU نقش دارند، DMU وابسته به مقام خاص سازمانی نیست و اگر در این مدت یک یا دو کارمند شرکت را ترک کنند، تصمیمهای واحد خانوار خود را متأثر نمیکنند.
این پیچیدگی و پویایی بر بازارهای B2B نیز تأثیر میگذارد. مخاطبان ارتباطات B2B از فرم و ساختار منظم مصرفکنندگان نهایی برخوردار نیستند؛ بلکه گروههایی را شامل میشوند که دائما درحالتغییرند و منافع و انگیزههای متفاوتی دنبال میکنند. بهعنوان مثال، خریداران بهدنبال معاملهی مالی دندانگیری هستند. مدیران تولید میخواهند تولید درخورتوجهی داشته باشند. مدیران بهداشت و ایمنی خطر کمتری میخواهند و این تنها نیازهای ساده و کاربردی آنها است. درواقع، هرکسی که در DMU نقش ایفا میکند، براساس نیازها و تفکرهای خاصی ایدهپردازی میکند و این امر انتخاب محصولات و عرضهکنندگان را با بیثباتی دائمی مواجه میکند.
اختلاف بازارهای B2B و بازارهای مصرفکننده به پیچیدگی فرایند تصمیمگیری محدود نمیشود. بهعنوان مثال:
همانطورکه گفتیم، در حوزهی بازاریابی بازارهای مصرفکننده و B2B با یکدیگر کاملا متفاوتاند؛ بنابراین، شما باید از رویکرد دیگری برای شناسایی بازار خود استفاده کنید. شما محصول یا خدمات خاص را ارائه میکنید و باید بفهمید چه شرکتهایی به هر دلیلی به آن نیاز دارند. برای نمونه، فرض کنیم موادشیمیایی تمیزکنندهی خشکشوییهای تجاری را تولید میکنید. شاید فکر کنید هر شرکت ارائهدهندهی خدمات خشکشویی در کشور یا منطقه در بازار هدف شما جای میگیرد. این درحالی است که ممکن است فرض اولیهی درستی باشد؛ ولی لزوما کمک نمیکند خریداران خود را تعریف کنید.
امروزه، بیش از هر زمان دیگری اهمیت خلاقیت و نوآوری در کسبوکارها به چشم میخورد. خلاقیت، دیگر تنها بهمعنای عنصری در هنر محسوب نمیشود. بهبیاندیگر، هر بخش کسبوکار، از مدیریت عامل تا بازاریابی و حتی علوم داده، برای پیشرفت نیاز به خلاقیت دارند. شرکتها امروز بیش از هر زمان به افرادی نیاز دارند که نوآوری داشته باشند، در حل مسائل حرفهای عمل کنند و راهکارهای بهینه توسعه دهند. همهی آن موارد، خلاقیت را در صدر مهارتهای مورد نیاز قرار میدهد.
در نتیجهی افزایش شدید نیاز به خلاقیت، این عنصر، امروز بیش از همیشه به ابزارها، دادهها و سیستمهای صحیح وابسته شده است. بهعلاوه، ماجراجویی در دنیای خلاقیت، نیاز به ذهنیتی آرام دارد که در شرایط کمبود ابزارها، قابل دسترسی نیست. از مجموعه ابزارهای مهمی که توسط اکثر طراحان، افراد خلاق و تولیدکنندههای محتوا مورد استفاده قرار میگیرد، میتوان به Adobe Creative Cloud اشاره کرد که ابزارهای مورد نیاز را بهصورت یکجا به آنها ارائه میکند. مجموعهی ارائهشده، نمونهای بارز از قابلیتهای مورد نیاز برای ارائهی بهترین تجربهی کاربری به مشتریان است.
ادوبی سالها در تولید ابزارهای خلاقانه و مخصوص طراحی، فعالیت کرده است. در دوران کنونی نیز که تولید محتوا به ترکیبی از داده و روش نمایش خلاقانهی آن تعبیر میشود، این شرکت تلاش میکند تا سهم خود را از بازار، افزایش دهد. آنها با راهکارهای جدید، تلاش میکنند تا فضایی مناسب را برای تولید، عرضه و اشتراک محتوا (خصوصا در تبلیغات) در اختیار شرکتها و افراد قرار دهند.
بههرحال، استفاده از ابزارهای ادوبی برای تولید و اشتراک محتوای تبلیغاتی، راهکار مشترک بسیاری از شرکتهای کوچک و بزرگ جهان است؛ البته، در برخی مناطق، دسترسی آسان به آن ابزارها امکانپذیر نیست و شاید سرمایهی مورد نیاز نیز در اختیار سازمان نباشد. به هرحال، هدف از مثال زدن ادوبی و ابزارها آن بود که شرکتها و افراد، باید ابزارهایی مناسب را برای فعالیتهای تبلیغاتی در دنیای امروز انتخاب کنند که در ادامه، به شرایط و دلایل آن میپردازیم.
همکاری شرکتهای مایکروسافت، SAP و ادوبی، سرویسی بهنام Open Data Initiative را ایجاد کرده است که کاربران با استفاده از آن، میتوانند دادههای خود را در پلتفرمهای مختلف آن شرکتها به اشتراک بگذارند. همین رویکرد ساده، تا چند وقت پیش یکی از چالشهای اصلی شرکتها در تولید محتوا بود. بن اشنایدر، مدیر محصول بخش IT شرکت آندر آرمور، دربارهی استفاده از ابزارهای هماهنگ در بازاریابی و تولید محتوا میگوید:
ما به منبعی ثابت و واحد برای دادهها و اطلاعات نیاز داشتیم. هدف آن بود که محلی مشترک ایجاد شود تا هر فرد، به نیاز مورد نظر خود بهراحتی دست پیدا کند. استفاده از Adobe Experience Manager، مقدار زیادی در زمان مورد نیاز تیمها برای بارگذاری فایلها و موارد دیگر، صرفهجویی کرد.
شرکت سیلزفورس نیز سرمایهگذاری روی مدیریت محتوا را شروع کرده است. آنها سرمایهگذاری و دستاوردهای موفقی در حوزهی CRM داشتهاند و امروز، تصمیم به تغییر جهت گرفتهاند. بههرحال، CRM نیز در دنیای فناوری دوران خاص خود را داشت که بهمرور رو به پایان میرود.
استفاده از ابزارهای بهینه برای افزایش اتوماسیون و هوشمندی فرایندها در کسبوکار، نقطهی قوت مهم دیگر کسبوکارها محسوب میشود. امروزه، فرایندهای بسیاری حتی در بحثهای بازاریابی نیاز به خودکارسازی دارند که ابزارهای متنوع و کاربردی زیادی نیز برای آنها عرضه شده است. فرایندهای محتوایی، از تولید و مشارکت نیروها گرفته تا عرضه و بهینهسازی، نیاز به مدیریت و بعضا اتوماسیون دارند. محتوای تولید و مدیریت شده، تجربهی کاربری یکپارچهای را در تمامی حوزهها و موقعیتها برای کاربران ایجاد میکند.
سیلزفورس قصد دارد تا با همکاری Sitescore، مدیریت دستی کنونی را بهبود ببخشد و هرچه بیشتر، به راهکارهای ادوبی نزدیک شود. بههرحال، همهی شرکتهای بزرگ تلاش میکنند تا فرایندهای مدیریت و اتوماسیون داده و محتوا را بهبود ببخشند. امروزه همه میدانیم که محتوا بدون داده، تنها ظاهری جذاب دارد و داده، بدون (طراحی) محتوا، تنها تعدادی عدد بیمعنی میشود.
هر زمان که تغییری اساسی در نحوهی تولید محتوا، تبلیغات، هدفگیری و ارتباط با مشتریان در بازار رخ دهد، فرصتهای مناسبی برای کسب درآمد و حتی راهاندازی کسبوکار نیز ایجاد میشود؛ البته، قطعا نمیتوان با تأسیس استارتاپ یا گروههای کوچک، بهسرعت با شرکتهای بزرگی همچون ادوبی و سیلزفورس رقابت کرد. بههرحال، صنعت تبلیغات هم مانند سئو که ۲۵ سال پیش ظهور پیدا کرد، تغییرات چشمگیری را پیش رو دارد و میتوان با درنظرگرفتن آنها، فرصتهای آتی را شکار کرد.
مایکروسافت در صدد آن است در نسخهی آتی ویندوز ۱۰، ویژگیهای جدیدی را به برنامهی نوتپد اضافه کند. برای مدت طولانی، این برنامه علیرغم انتشار بهروزرسانیهای جدید برای ویندوز، هرگز رنگ ویژگیهای نو و کارآمد را بهخود ندید. حال طبق گفتهی ردموندیها، بهروزرسانی بعدی ویندوز ۱۰ ویژگیهای جدیدی را برای این برنامه به ارمغان خواهد آورد. غول نرمافزاری با گوشدادن به درخواست کاربران، اکنون نوتپد را برای کدنویسیهای ساده و ویرایش متن آماده کرده است.
بهزودی کاربران علاوه بر اینکه میتوانند با جستجوی یک کلمه، به جایگزینی آن با کلمهای دیگر اقدام کنند، این امکان را نیز خواهند داشت تا اندازهی متن را با بزرگنمایی افزایش دهند؛ همچنین این برنامه از پایانبندی خطوط لینوکس و یونیکس (LF) و مکینتاش (CR) پشتیبانی خواهد کرد. نوار استاتوس نیز از این پس بهطور پیشفرض فعال خواهد بود و این بخش امکان نمایش تعداد سطر و ستون را فراهم میکند.
پشتیبانی از کلیدهای ترکیبی CTRL + Backspace که برای پاککردن کامل کلمهی پیشین از آنها استفاده میشود، به نسخهی بعدی نوتپد اضافه خواهد شد؛ همچنین فایلهای حجیم به عملکرد بهتر در نوتپد مجهز میشوند. اگر قصد جستجوی کلمهی خاصی را از درون فایل متنیتان داشته باشید، به راحتی میتوان با کلیک راست روی کلمهی موردنظر، گزینهی جستجو در بینگ را انتخاب کنید. ویژگیهای اشارهشده به دنبال بهروزرسانی جدیدی اضافه خواهند شد که بهواسطهی آن قرار است بخش ویندوز کنسول برای نخستینبار در طی ۲۰ سال گذشته دستخوش تغییر شود و پشتیبانی از دستورات لینوکس به این قسمت راه یابد.