jim-sterne-machine-learning-marketing-tips

Wir fühlen uns geehrt, dass Jim Sterne, der Mitbegründer und Präsident des DAA bei unserem aktuellen Digital Analytics Forum Event in Paris mit dabei war. Er hielt eine fesselnde Rede über Machine Learning im Bereich Marketing, ein Thema, über das er vor kurzem ein Buch veröffentlicht hat.  

Während seines Vortrags (den sie weiter unten ansehen können), nahm uns Jim mit durch die Geschichte, wie KI erfolgreich und Machine Learning eine Hilfe für Werbetreibende wurde. Er unterstrich aber auch, warum das menschliche Gehirn und seine Erfahrung immer als Ergänzung für die Computer notwendig bleiben werden. Und weil Machine Learning ein paar Eigenheiten hat, an die man denken sollte, ließ uns Jim auch an seinen Tipps teilhaben, wie man es erfolgreich in die eigene Organisation integriert … auch diese Tipps sind weiter unten zu finden! 

 

Die 3 Arten von Machine Learning 

Bevor Sie aktiv werden, sollten Sie unbedingt verstehen, was Machine Learning ist und wie es angewendet werden kann. Jim fasste 3 verschiedene Typen von Machine Learning und  was sie können, zusammen: 

Erstens gibt es überwachtes Machine Learning, bei dem der Computer für sein Training eine massive Menge an gelabelten Daten bekommt, mit Statistiken Ergebnisse erstellt sowie Feedback und Korrekturen bekommt (deshalb „überwacht“). Jim fasst beaufsichtigtes Lernen folgendermaßen zusammen: „Ich kenne die Antwort und ich unterrichte die Maschine. Ich gebe ihr jede Menge gelabelte Daten und viele Beispiele. Ich erkläre und sie hört zu.“ Nehmen Sie zum Beispiel die Klassifizierung von Bildern. Dabei hat der Computer tausende von Bildern „gesehen“, etwa von Hunden und so „gelernt“ welche Merkmale einen Hund ausmachen.  

Als nächstes gibt es unüberwachtes Lernen. Wie das überwachte Lernen stehen uns jede Menge an Daten zur Verfügung aber wir haben nicht die Antworten, mit denen wir dem Computer beibringen könnten, was richtig und was falsch ist. Also geben wir alle Daten ein und bitten das System: „Zeig mir ein Muster, irgendwas, das interessant ist, einen Zusammenhang oder eine Anomalie.“ Die Maschine erfüllt uns unseren Wunsch, unterstreicht seltsame Verbindungen und Beziehungen zwischen den Daten. Wie diese Erkenntnis: „Die Onlinekäufe nehmen zu, wenn es schneit.“ Beim unüberwachtem Lernen muss man sich davor hüten Zusammenhänge zu sehen, wo keine existieren. (Ist Speiseeis dafür verantwortlich, dass Menschen ertrinken? Sehen Sie sich den Vortrag von Jim an um es herauszufinden …)  

Zuletzt gibt es bestärkendes Lernen, wobei es keine absoluten Antworten gibt – nur positive Ergebnisse. Wir können bestimmte Ergebnisse bestärken und der Maschine so bei der Optimierung helfen. „Wenn das Ergebnis besser ist, bekommt die Maschine eine numerische Belohnung. Wenn das Ergebnis schlechter ist, bekommt die Maschine eine numerische Bestrafung.“, erklärt Jim. Er unterstreicht, dass eine Maschine 3 Dinge braucht um die Ergebnisse erfolgreich zu optimieren: 

 

– immense Datenmengen 

– ein klares Ziel, das erreicht werden soll 

– die Fähigkeit das eigene Verhalten anzupassen, wenn neue Daten verfügbar sind 

 

Nehmen Sie sich einen Moment Zeit um sich das unbegrenzte Potenzial eines unglaublich leistungsstarken Computergehirns vorzustellen, das mit einer unbegrenzten Zahl von Dimensionen, Kombinationen und Möglichkeiten umgehen kann, die für uns Menschen unvorstellbar sind. Wer wäre da nicht begeistert Machine Learning in die eigene Marketing-Strategie mit aufzunehmen? 

 

Jim Sternes Tipps für Machine Learning im Marketing 

Die Zusammenarbeit von Mensch und Maschine kann zu großartigen Ergebnissen führen, aber es gibt ein paar wichtige Dinge, die man im Hinterkopf behalten muss, wenn man Machine Learning zu einem Bestandteil des Marketing macht. Die Tipps von Jim werden Ihnen nicht nur helfen bessere Ergebnisse zu bekommen, sondern auch sicherstellen, dass Ihre Aktionen im Bereich Machine Learning von allen in Ihrer Organisation unterstützt und anerkannt werden.  

 

Setzen Sie klare, spezifische Ziele 

Vergessen Sie „die Aufmerksamkeit steigern“ oder „Stammkunden halten“ – Sie müssen Ihre Ziele sehr spezifisch und klar definieren, damit Machine Learning zu einem Ergebnis führt. Gute Beispiele für Ziele wären „die Zahl der Klicks auf mein Werbebanner steigern“ oder „die Zahl der E-Mail-Öffnungen erhöhen“. Werfen Sie einen Blick auf das, was Sie interessiert und teilen Sie es in mehrere konkrete Maßnahmen auf, bei deren Umsetzung Ihnen Machine Learning helfen kann. 

 

Halten Sie die Erwartungen des Managements realistisch 

Wie oben dargestellt, haben auch Maschinen eine Lernkurve. Ihre Geschäftsleitung sollte also nicht erwarten, dass es sofort unglaubliche Ergebnisse gibt. Die Maschine startet ohne jegliches Wissen, hat dann eine ziemlich steile und spektakuläre Lernkurve, die ihren Spitzenwert erreicht, wenn die Ergebnisse optimiert wurden.  

„Achtung!“, sagt Jim „Erst ist sie dumm wie Brot, dann geradezu brillant und dann durchschnittlich. Was ist also zu tun? Geben Sie ihr eine neue Aufgabe oder neue Daten. Dann bleibt sie ein erstaunliches, leistungsstarkes System.“ Stellen Sie sicher, dass die internen Erwartungen richtig sind, um nicht die Unterstützung für Ihre Machine-Learning-Projekte zu verlieren, wenn die Ergebnisse an einem bestimmten Punkt nicht gut genug zu sein scheinen. Und denken Sie immer darüber nach, wie Sie an Ihrem bestehenden Projekt weiterarbeiten, damit sich Ihre Machine-Learning-Systeme beständig weiterentwickeln.  

 

Die Qualität der Daten ist entscheidend 

Wenn Sie genaue und verlässliche Ergebnisse von Ihren Machine-Learning-Projekten erwarten, müssen Sie Ihre Maschinen mit Daten füttern, die ebenso vollständig wie vertrauenswürdig sind.  

„Wenn Ihr Datenstrom in einen Data Lake mündet, dann ist das der Zeitpunkt an dem es spannend wird.“, sagt Jim. „Wenn alles sauber, konsistent und zuverlässig läuft, kann Machine Learning dazukommen und dabei helfen interessante Dinge in Ihrem Data Lake zu finden.“ 

Aber damit es interessant werden kann, „brauchen Sie einen Wächter über die Daten, der ein Auge auf jeden Datenstrom hat.“ So stellen Sie sicher, dass beim Tagging alles glatt läuft und es keine Probleme bei der Datensammlung gibt. Machine Learning kann in der Tat Unglaubliches mit qualitativ hochwertigen Daten leisten, aber jemand anderes muss die Qualität der Daten überwachen, die verwendet werden – man braucht menschliches Köpfchen um sicherzustellen, dass sie sauber, genau, komplett, aktuell, konsistent und ohne Verzerrungen sind. (Als Kunde von AT Internet sind Sie da schon gut versorgt, denn Ihr Data Lake wird von einer leistungsstarken Kombination von qualitativ hochwertigen Analytics-Daten und Data Flow gespeist.) 

 

Beginnen Sie mit den richtigen Aufgaben  

Ihnen schweben wahrscheinlich schon viele Projektideen vor, die auf Machine Learning aufbauen. Aber bestimmte Aufgaben eignen sich besser für Ihre Computer als andere – Jim empfiehlt die Aufgaben zu bevorzugen, die von Natur aus repetitiv sind und ein geringes Risiko haben. Sie sollten große Datenmengen beinhalten, zum Beispiel für Ranking, Sortierung, Segmentierung, Clustering, Korrelationen und das Aufspüren von Anomalien – diese Aufgaben können wunderbar von Machine Learning übernommen werden.  

Alles, was ein Analyst hinterher noch tun muss, ist die Ergebnisse einzuordnen, zu bestimmen, was nützlich aussieht und die Untersuchung fortzusetzen. (Nehmen Sie die zum Beispiel die neue Funktion von Explorer, mit der Sie Anomalien aufspüren können. Angetrieben durch Machine Learning benachrichtigt Sie diese Funktion über verdächtige Fluktuationen, die Sie dann im Detail untersuchen können.) Indem Sie Mensch und Maschine die richtigen Aufgaben zuweisen, können beide ihre Talente da einsetzen, wo sie am meisten Mehrwert bringen. 

 

Nutzen Sie Ihre Vorzüge als Mensch 

Jims abschließender Rat an uns ist es das zu nutzen, was uns von Computern unterscheidet – und was uns menschlich macht: unser gesunder Menschenverstand, Vernunft, Emotionen, Empathie und Vorstellungsvermögen. 

Sie müssen entscheiden, welches Problem Sie lösen wollen. Sie müssen entscheiden, welche Daten untersucht werden sollen. Und Sie müssen entscheiden, ob die Ergebnisse der Maschine sinnvoll sind.“, sagt er. Er fügt hinzu, dass wir dank unseres gesunden Menschenverstands einen unaufwändigen „Geruchstest“ machen können – wir werfen einen Blick darauf und wissen, dass es nicht funktioniert, kaputtgegangen ist oder eine schlechte Idee war. Computer sind in anderen Bereichen brillant, aber so etwas können sie niemals lernen.  

„Was zwischen Ihren Ohren passiert, ist unglaublich. Das sollten Sie so gut wie möglich nutzen.“, ruft er uns ins Gedächtnis.

„Computer sind unglaublich schnell und genau … aber dumm. Menschen sind langsam und ungenau … aber wir sind brillant.“ – Jim Sterne

Mit den bahnbrechenden Entwicklungen, die Künstliche Intelligenz mit sich bringt, wird es wichtiger denn je die Intelligenz von Menschen und Computern zu verbinden um Marken aufzubauen und Systeme zu erschaffen, die mit anderen Systemen interagieren können (zum Beispiel Sprachassistenten). „Bereiten Sie sich darauf vor, dass sich im Marketing einiges ändern wird.“, sagt er. „Es wird ziemlich wild werden!“ 

 

Schauen Sie sich den kompletten Vortrag von Jim über Marketing und Machine Learning hier an: 

Author

Ashleys Heimat ist das Silicon Valley. Sie verfügt über 10 Jahre Erfahrung als Marketing Writer und hat zuletzt bei Google im digitalen B2B-Marketing gearbeitet. 2014 ist sie zu AT Internet gekommen um unsere internationale Kommunikation in 6 Sprachen auf- und auszubauen. Ihr Ansporn ist es, die Inhalte aus dem komplexen, sich unablässig verändernden digitalen Universum in klare, ansprechende und verlässliche Botschaften zu übersetzen – mit nichts als den richtigen Worten.

Comments are closed.