机器学习营销算法需要大量可靠的数据
发布时间：2021-05-13 17:33:04 所属栏目：大数据 来源：互联网
导读：许多数字营销平台使客户更容易利用机器学习的好处，他们通常要求广告客户实时跟踪其转化，或者进行人工上传。 Propel Media公司是使用机器学习来帮助广告商获得最高投资回报率的公司之一。许多广告客户表示，他们开始使用依赖机器学习技术的每次动作成本(CPA
|
许多数字营销平台使客户更容易利用机器学习的好处，他们通常要求广告客户实时跟踪其转化，或者进行人工上传。
Propel Media公司是使用机器学习来帮助广告商获得最高投资回报率的公司之一。许多广告客户表示，他们开始使用依赖机器学习技术的每次动作成本(CPA)优化器后，便注意到广告效果显著提高。
不过，熟悉这种技术的人士警告说，不要试图将其用于少量转换数据。Propel Media公司的一家媒体广告商说，企业通常需要至少50次转换才能从中获得一些价值，当超过100个转换时，广告定位的质量要高得多。
机器学习算法可以从转换中得到一些非常有用的观察结果，他们可以推断现有的转换数据，以显著提高广告效果。问题在于，这些推广的质量与已上传的转化次数高度相关。
其他大多数广告平台也具有类似的技术。企业使用自己的内部机器学习平台来自动化和优化营销策略也会发现同样的问题。
当企业营销人员尝试将转换数据用于其机器学习算法时，将会面临一些挑战。他们需要最低级别的转换数据点，才能创建有效的机器学习策略。他们还将会发现转换数据的质量取决于指数衰减因子。这意味着，随着导入新数据，添加更多转化的增量收益将继续减少。
这意味着什么?营销人员可能会发现，将首次转化添加到其数据集中的边际收益将是巨大的。第二次转换的价值将是可观的，但其强度却不及第一次转换。营销人员可能需要添加五个或六个转换数据点，才能使他们从添加到数据库的第一次转换中获得的数据质量提高一倍。为了使数据质量再次翻倍，他们可能需要再添加20个或25个数据点，并且可能需要添加100个到150个数据点才能再次将质量提高一倍。
这意味着营销人员可能需要大量数据才能获得有意义的见解。他们所需的转换次数有所不同，具体取决于他们试图优化或自动化的过程的复杂性。
例如，营销人员可能只需要来自20次或30次转化的数据即可确定他们使用的效果最好的广告。机器学习算法可能使用这样的数据量以95%的置信区间识别最好的广告。
然而，营销人员还需要更多的数据来确定最佳的人口统计数据。他们试图使用机器学习来细分或消除人口统计数据，但可能需要几百次以上的转换。
 （编辑：大同站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
