作为营销人员的未来产生重大影响。然而，除了科技巨头（谷歌、Facebook、亚马逊、微软）之外，很少有公司利用人工智能和机器学习从自己的网站或 CRM 数据中获得附加值。未来，这将成为你获得竞争优势的关键点。
我想向您展示作为营销人员如何使用机器学习从第一方数据中获得附加值。
第一方和第三方数据
我们使用从各种 cookie 获得的信息来管理我们的营销活动。您自己网站上的 Cookie 是第一方数据的一种形式。通过 Facebook cookie 跟踪您网站上的用户是第三方数据的一种形式。这两种 cookie越来越多地被 Safari 和 Firefox 等知名浏览器禁止。
如果谷歌浏览器明年也开始允许更少的 cookie并缩短 cookie 的寿命，那么您将越来越多地分配到自己的第一方数据。这就是为什么我想在这篇文章中告诉您如何利用它做更多事情。
机器学习
迈向人工智能的第一步是机器学习。机器学习是在人工智能(AI)的探索中兴起的，如果您想使用自己的数据集，目前更容易使用机器学习。本文的重点是将数学模型应用于数据集，即机器学习。谷歌也将机器学习应用于营销领域，例如，优化Google Ads 中的智能竞价 策略。
机器学习需要大量数据集来进行预测。您可能已经拥有的数据集。一旦你训练了一个数学模型 WhatsApp 数据 来处理这个数据集，预测就成为可能，而且这比你（可能）想象的更容易/更容易实现。
什么是大型、有用的数据集？
对于大型数据集，您应该考虑一个包含数十列（例如数百行）的表。不可能说数据集需要有多大才能用 它来训练模型。这取决于“问题”的复杂性和模型的复杂性。
机器学习示例：谁将在泰坦尼克号灾难中幸存？
例如，可以根据泰坦尼克号的乘客名单来预测哪些乘客在灾难中生还的机会更大。
该数据集包含输入变量和我们想要做出的预期预测，即人们能否在灾难中幸存。绿色列是“输入变量”。他们是否幸存是“期望的结果”。
示例数据集：泰坦尼克号乘客
当您的数据集足够大时，您可以向模型显示 70% 的数据，包括所 争激烈的商业房地产市 需的结果。我们称之为训练集。这使得您使用的模型能够了解哪些变量对生存机会影响最大。
在上表中，纵轴上的绿色行是训练集。如果您现在将数据集的剩余 30%（蓝色行）“馈送到”您的模型，它可以根据输入变量进行预测。例如，我们可以找出罗斯和杰克的生存机会。
监督学习
我们将这种学习方式称为 监督学习。这类似于婴儿向您展示图片。如果你经常告诉他们牛的照片就是牛，婴儿最终会认出这一点。
但是如何将监督学习用于营销活动呢？我将使用 4 个示例案例向您展示如何通过机器学习丰富数据集。除了目标群体之外，结果还可以提供其他有价值的见解。
下面的四个实际示例涵盖以下主题：
- 基于电子商务数据预测转化概率
- 基于电商和CRM数据的客户集群
- 根据应用程序数据预测流失率（SaaS 公司）
- 基于电子商务数据预测客户终身价值
利用机器学习根据电商数据预测转化概率
必需：包括唯一访客 ID 的电子商务数据集。
如果您正确组织了电子商务数据
则可以据此做出预测。如果您的访问者可以通过唯一代码进行单独识别，您可以查看用户在您的网站上执行了哪些操作。然后，您还可以查看过去一段时间哪些用户在网站上进行过交易。
