Wie Deep Learning das Spiel für Werbetreibende und Verbraucher verändert

KI hat die digitale Werbung für immer verändert. Als Vermarkter können wir bereits heute wie nie zuvor entscheiden, wie wir potenzielle Kunden und Märkte am besten ansprechen.

Aber es gibt Raum zum Wachsen. Deep-Learning-Tools sind der nächste große Bereich der KI-basierten Forschung und werden eine Welle zukünftiger Innovationen in jeder Branche auslösen – und eine neue Ära des Marketings einleiten, von der sowohl Werbetreibende als auch Endbenutzer profitieren werden.

Unsere Schnittstellen haben sich bereits an die persönlichen Interessen eines Benutzers angepasst, indem sie Brancheneinblicke und -verhalten mit Display-Werbung – oder Personalisierung – abgleichen. Aber Deep-Learning-Algorithmen werden noch mehr erreichen.

Deep Learning verändert unser Denken über Effektivität. Dies ist das vielversprechendste Feld der KI-basierten Forschung, das in Google Translate, Tesla Driving Cars oder Yahoos Imagine-Erkennungsmechanismus zu finden ist. Es wird auch auf futuristischere Weise verwendet.

Die DeepMind-KI von Google kann TV-Sendungen besser von den Lippen ablesen als ein Profi (ein menschlicher Experte hat nur 12,4% der Wörter ohne Fehler kommentiert, gegenüber KI bei 46,8%). Diese Algorithmen haben gegen die weltbesten Pokerspieler gewonnen und können sogar selbst bei einem Film Regie führen – kürzlich von Saatchi & Saatchi beim Cannes Lions International Festival of Creativity gezeigt.

Und natürlich wird die Werbebranche Deep-Learning-Anwendungen erleben. Eine kürzlich von Coca-Cola angekündigte Ankündigung zeigt, dass sie KI-Bots verwenden möchten, um Musik für Anzeigen zu erstellen, Skripte zu schreiben, einen Spot in sozialen Medien zu veröffentlichen und Medien zu kaufen – was impliziert, dass die Revolution der Deep-Learning-Anzeigen der Realität näher denn je erscheint.

Aus Sicht des Werbetreibenden: Selbstlernende Algorithmen, die intelligent auf unerwartete Situationen reagieren

Laut einer neuen Studie von Adlucent sehnen sich Verbraucher nach einem personalisierten Werbeerlebnis, und 71 % der Befragten bevorzugen Anzeigen, die auf ihre Interessen und Einkaufsgewohnheiten zugeschnitten sind. Die Studie zeigte auch, dass Menschen mit einer fast doppelt so hohen Wahrscheinlichkeit auf eine Anzeige mit einer unbekannten Marke klicken, wenn die Anzeige auf ihre Vorlieben zugeschnitten ist.

Angesichts des zunehmenden Zugangs zu Daten und des schnelllebigen Wettbewerbs war es für Vermarkter noch nie so wichtig, den Lärm um die Benutzer zu verstehen – aber es war auch nie einfacher. Ein typisches Personalisierungsmodell kann ohne hochentwickelte Algorithmen erstellt werden, aber wir wissen, dass diese Grenze bereits erreicht ist. Neue Deep-Learning-Algorithmen können jedoch unerwartete Situationen und verborgenes Potenzial erkennen.

Stellen Sie sich zum Beispiel vor, Sie haben den Geburtstag Ihres Freundes vergessen. Mit nur noch zwei Tagen bleibt nicht viel Zeit, um nach einem Produkt zu suchen, aber immer noch genug, um nach etwas Besonderem zu suchen. In diesen Fällen kann eine hochpräzise Personalisierung den Unterschied machen und Deep-Learning-Modelle erkennen, dass Sie mit Begeisterung nach etwas suchen.

Sei es durch eine plötzliche Verhaltensänderung oder einen scheinbar dringenden Einkaufsbummel, ein typisches Modell wäre für diese Datenpunkte blind, aber Deep Learning kann die Verbindungen herstellen.

Ein tiefes Verständnis des Einkaufsverhaltens von Verbrauchern ist für E-Commerce-Player noch nicht allgemein verfügbar, aber für Marketer ist es von entscheidender Bedeutung. So lassen sich beispielsweise ganz einfach Muster in der Entscheidungsfindung für typische, vorhersehbare Umsatzspitzen wie den Black Friday oder den Women's Day finden. Komplizierter wird es, wenn es darum geht, einzelne Ereignisse mit einem ganz bestimmten Kontext zu identifizieren (wie der Geburtstag eines Freundes in Kürze oder ein plötzlicher Anlass).

Hier löst Deep Learning traditionelle Methoden ab. Inspiriert von den biologischen Neuronen in unserem Gehirn, kommt Deep Learning ins Spiel und ermöglicht zuverlässigere, reichhaltigere, maschinell interpretierbare Benutzerbeschreibungen des Kaufpotenzials der Kunden ohne menschliches Fachwissen.

Im Gegensatz zum traditionellen Ansatz des maschinellen Lernens ist Deep Learning in der Lage, einen Benutzer in einer Online-Crowd herauszuheben, eine Person, die zunächst wie ein chaotisch handelnder Benutzer aussieht, aber tatsächlich das größte Potenzial hat, einen Kauf abzuschließen.

Dies ist möglich, weil selbstlernende Algorithmen jeden potentiellen Kunden, der nach einem Produkt sucht, etwas anders als übliche Modelle definieren. Es bezieht sich auf die Geschichte und sieht, dass die Person ihr Verhalten dynamisch geändert hat. Es liefert dann extrem genaue Konversionswahrscheinlichkeiten und lernt nicht nur von einem Benutzer, sondern von jedem Benutzer im Netzwerk.

Wenn das Geburtstagsgeschenk beispielsweise „neue Kopfhörer“ war, würde der Benutzer beim Deep-Learning-basierten Retargeting schnell 10 verschiedene Modelle durchsuchen, Spezifikationen überprüfen und auf eine Preisspanne eingrenzen. Es würde es als ungewöhnliche, dringende Situation definieren, während traditionelle Algorithmen es nur als unentschlossenes und unberechenbares Verhalten ansehen würden – oder es überhaupt nicht bemerken.

Mit dem Wissen, dass die Person dringend etwas kaufen muss, kann der E-Shop den Verbraucher automatisch dazu bringen, den Kauf in seinem spezifischen E-Shop abzuschließen.

Aus Nutzersicht: Deep-Learning-Algorithmen, die Ihre Wünsche vorhersagen

Wenn künstliche Intelligenz auf den Vertrieb von kommerziellen Produkten oder Dienstleistungen angewendet wird, wird sie zu einer einzigartigen Erweiterung dessen, was wir sind. Es funktioniert phänomenal im Empfehlungssystem von Netflix, und viele Filme, die auf Netflix gesehen werden, stammen aus den Deep-Learning-verstärkten Vorschlägen des Unternehmens.

Auch Amazon vertraut auf selbstlernende Algorithmen. Das patentierte algorithmusbasierte „Vorausschauende Versand“-System des Unternehmens kann das Kaufverhalten der Kunden ultrapräzise definieren und die Marke, Preisspanne und das Produkt, das gekauft wird, vorhersagen. Auf dieser Grundlage kann Amazon Produkte an Distributionszentren versenden, noch bevor eine Bestellung aufgegeben wird – und revolutioniert damit die E-Commerce-Branche.

KI, insbesondere Deep Learning, ist das perfekte Werkzeug, um die Wünsche eines Nutzers in der Werbebranche vorherzusagen. Die Technologie vereinfacht unser tägliches Benutzererlebnis, indem sie zielgerichtete Anzeigen liefert, die nicht nur Produkte enthalten, die wir eher kaufen, sondern auch solche, die wir noch nicht gesehen haben oder an die wir noch nicht einmal gedacht haben.

Stellen Sie sich vor, Sie haben gerade eine neue Kamera gekauft. Deep-Learning-Algorithmen analysieren jeden Teil Ihrer Aktivitäten: Kaufdatum und Kaufdatum, Kameraspezifikationen, Verlauf, Verhalten usw. Algorithmen können Produktempfehlungen entwickeln, die auf Ihre persönlichen Bedürfnisse zugeschnitten sind und über typische Vorschläge hinausgehen.

Kompatible Objektive oder zusätzliche Speicherkarten oder ein Kamerastativ können gute Empfehlungen sein, während eine vorgeschlagene Videoanzeige mit einer Kamera-Drohne Ihnen etwas zeigt, an das Sie noch nicht einmal gedacht hatten – aber jetzt unbewusst wollen.

Verwandte Produktempfehlungen von Amazon helfen Benutzern, weitere Käufe zu tätigen

Der Grund, warum Deep Learning so wirkungsvoll ist, ist, dass es auf die gleiche Weise lernt wie Menschen, nur viel, viel schneller. Es geht individuell auf die Wünsche jedes Menschen ein, berücksichtigt dabei auch Daten von Millionen anderer und liefert Ergebnisse in Echtzeit. Dies ist eine Leistung, die kein Mensch jemals erreichen kann.

Deep-Learning-Tools für Werbetreibende werden zu Veränderungen in der Art und Weise führen, wie wir Produkte empfehlen, den Wert eines potenziellen Käufers sorgfältig abwägen, die Konversionswahrscheinlichkeit vorhersagen und vor allem mehr über seine Wünsche erfahren. Selbstlernende Algorithmen helfen dabei, eine supergenaue Nutzeranalyse zu erreichen und machen dadurch Werbung um ca. 40% effizienter.

In naher Zukunft werden Werbetreibende und Nutzer die Entwicklung der Werbung erleben. Obwohl es ein bisschen Science-Fiction erscheinen mag, ist diese Technologie eine natürliche Weiterentwicklung, um Online-Aktivitäten effizienter als je zuvor zu machen.