现代营销人员可以使用的是大量的数字工具，从分析系统到复杂的编程平台以及各种云解决方案，无所不包。 另一方面，用户生成的数据量正像雪崩般增长。 它们的来源是数字世界中网络和用户通信中的行为因素。 为了导航这种信息流，营销人员需要专门的解决方案，这些解决方案可以收集用户数据，进行处理并以便于分析的形式呈现。 这是人工智能和机器学习帮助营销人员的地方。 机器学习（ML）是人工智能的一个子部分，它使用可以独立训练的算法，即，对于特定任务，无需对其进行特殊编程。
根据《 MIT技术评论》，60％的公司以一种或另一种形式在其业务中使用ML。据分析师称，2017年是ML在业务中密集开发和实施的一年。 该技术现在处于Gartner
技术成熟度曲线的最高峰-这意味着在不久的将来ML将得到密集发展，并且公司将在这些技术上进行投资。 《计算机世界》杂志将ML
列为员工
最有价值的技能之首 。 营销人员主要对ML算法可以提供的个性化用户参与机会感兴趣。 它们使您可以做三件事：
- 与大数据合作，对受众进行高级细分；
- 对客户行为进行预测分析；
- 提供有关实时调整操作的建议。
推荐建议Netflix使用预测分析来改善对网站访问者的建议，从而使他们更积极地使用该服务。 如果您曾经使用过Netflix网站，那么您可能在那儿看到了一部分推荐的电视节目。 所有建议均使用机器学习算法提供给网站访问者，该算法可分析您的偏好并“了解”您最喜欢的电影类别。 e-Bay上的产品推荐系统的工作原理与此类似。
来自美国
IdealSeat的初创公司 ，使用ML和深度学习来创造比赛中最舒适的观众体验。 该服务分析了观众在订购门票时可以选择的许多参数：您可以决定要坐在哪里：在阴凉处或在阳光下，在风扇或家庭区域等。
预测分析借助ML，公司可以预测客户何时以及为何与他们联系。 这使您可以个性化与客户的沟通，并计划维护支持服务的成本。 例如，一家公司可以分析一个人的音乐喜好，形成其消费者行为模式，并计算其商店中平均支票的价值。 原则上，您甚至可以确定购买哪种产品以及甲壳虫乐队的粉丝会赚多少钱，以及ABBA粉丝的平均支票金额。
Sberbank专家已经学会了如何识别和预测持卡人的行为模式。 例如，银行可以区分持卡人的不同活动，并将其简化为三种主要模式：购买汽车，购买家具或维修和治疗费用。 以此为基础，向您的客户提供适当的程序。
大数据和灵活的定价机器学习技术根据商品数量，销售趋势和其他因素优化价格。 如今，有63％的用户期望根据公司网站（尤其是在线商店）以前的操作进行个性化设置。 例如，请记住Booking.com上的个性化机制。
借助大数据分析算法，营销人员可以使用历史数据和统计数据进行预测。 诸如
Amazon Mobile Analytic或
Google Cloud Machine Learning之类的移动分析服务已经成功使用了此功能。
广告细分和定位使用ML，您可以根据外部因素预测转化，并根据情况自动调整出价。 现在，该开发已经接受了强化培训：初始模型没有放在上下文广告系统中。 她开始与环境互动并收到反馈。 系统根据自己的反馈质量评估来纠正其行为。 例如，如果在银行产品领域启动了上下文广告，那么银行报价的客户可能会对这样的参数感兴趣。
领导资格机器学习算法可以识别准备好以最高概率购买的有前途的用户。 为此，销售专家和营销人员应共同制定自己的标准，以评估联系人的“预期”。 例如，一种算法分析语言模式，选择增加互动度和点击率的单词。 然后，您可以列出触发词，营销人员将使用这些触发词来撰写广告。
世界瞬息万变，当今的消费者正在等待独特的服务，他认为一切都会立即发生，个性化并以他方便的任何方式发生。 ML对于营销人员来说是一个很大的帮助，也是一个强大的工具。 但是，为了使一切正常工作，仅购买和安装专用软件是不够的。 为了在组织中实施AI或ML，有必要创建新的流程或对现有流程进行重新格式化：首先，处理传入数据的物流并实时制定通用标准以进行处理。
实际上，有两大类用户数据：公司本身可以收集的信息（平均检查，购买类型等）和直接来自联系渠道的信息（兴趣，年龄和用户社交活动的其他数据）。 在一起，所有这些数据将给出用户的完整肖像和他的偏好的图片。 这一系列信息将成为ML算法的“食物”。
收集，处理和分析数据后该怎么办？ 使用机器学习算法的第二个最重要的阶段是在实践中使用获得的预测，绘制出购买者，购买者，购买地点，购买时间和购买方式的详细地图。
未来机器学习
从理论上讲，机器学习和人工智能可以成为非常自治和拟人化的实体：它们将成为天网或《黑镜》系列的英雄。 让我们回顾一下聊天机器人最近的一些案例。 首先，当Facebook团队开发的漫游器经过简短的交流后，发明了自己的语言。 那些无法理解这种新异教语言的创作者
决定紧急关闭该项目。 第二种情况有些陈旧：微软在Twitter上发布的聊天机器人最终成为强硬的种族主义者。 发布后第二天，微软
删除了该机器人最具挑衅性的言论。
但是，实际情况表明，国内企业不应该担心肆虐的AI。 他将学会熟练地开展内容相关的广告活动并创建用户友好的网站。
当然，将开发ML算法及其在营销和业务中的使用方法。 我们为这些技术确定了以下增长点：
改善收集和准备客户数据的机制。 如今，在业务中使用ML的主要限制之一是数据质量低下。 信息通常是零散的和零散的：例如，一组用户知道年龄，而另一组用户知道消费者的偏好。 改善数据质量意味着提高ML算法的效率。
提高ML在业务中的有效性。 现在，使用AI仅对非常大的公司有用。 根据各种估计，使用ML带来的业务效率仅提高2-3％。 这为营销人员和开发人员今后的共同努力开辟了广阔的空间。
开发用于收集客户数据的系统。 在开始使用分析和预测进行ML之前，您需要积累大量信息以进行分析，为此，需要对其进行收集，清理和分段。 这为收集客户数据及其各种协作的系统打开了很大的范围。
AI会自己做所有事情吗？
无论营销人员如何通过单一的“救助”按钮实现超级服务梦想，都不太可能成为现实。 算法和计算永远不会取代营销人员本人。 ML只是一种工具，尽管功能强大，但您需要能够正确使用。 在我们可预见的将来，机器将无法理解客户并形成其对产品或服务的需求。
使用AI和ML获得的数据最终由居住专家解释。 他的专业知识是能够正确识别影响结果的关键变量，并确定ML算法应用的最终效果。