1398/03/20

راز موفقیت آمازون و گوگل در درآمدزایی چیست؟ همه پاسخ را می دانند: داده ها.

دلیل عظمت امپراتوری رسانه های اجتماعی مانند فیسبوک و ..  در چیست؟ داده ها.
 

اوج بگیرید: همه این شرکت های بزرگ، توانسته اند با استفاده از اطلاعات انبوهی که از کاربران خود دریافت می کنند- مانند شناسایی علایق و ترجیحات آن ها در جستجوی مرورگرها، پست هایی که با دیگران به اشتراک می گذارند؛ موسیقی که می شنوند و ...- به جریان پیوسته و بی نظیری از درآمدزایی دست یابند. این شرکت های بزرگ نه تنها به این داده ها دسترسی دارند، بلکه به خوبی قادرند آن را مدیریت کرده و نیازهای کاربران خود را درک کنند و محصولی مطابق با سلایق و نیازهای آن ها به بازار عرضه دهند. همه این کارها به لطف "هوش مصنوعی" یا به بیان دقیق تر "یادگیری عمیق" میسر شده است.

البته قطعا برای این که شما نیز بتوانید از داده ها به عنوان یک مزیت رقابتی بهره ببرید، حتما نیازی نیست که یک شرکت بزرگ مانند آمازون و یا گوگل باشید. هوش مصنوعی، این امکان را برای هر کسب و کار کوچک و بزرگی فراهم اورده است که بتواند بهتر به درک مشتریان و بازار خود بپردازد و بر اساس داده ها، استراتژی های صحیح تری برای خود بچیند.

بر اساس نظر جِرِمی فِین (Jeremy Fain) - پیشگام علم فناوری شبکه عصبی- دلیل اصلی تمایز شما از دیگر رقبای تان، داشتن داده های بهتر است و نه داده های بیش تر! منظور از داده های بهتر، داده هایی است که رقبای شما آن را در اختیار ندارند. در واقع، هر برندی قادر است که داده های منحصربه فرد و متمایز خود را توسعه دهد، چرا که هر برندی مشتریان مخصوص به خود را دارد که از ایدئولوژی و سبک نگرش خاص خود پیروی می کنند. بنابراین هر مشتری، اطلاعاتی هرچند اندک اما خاص خود را به کسب و کار مورد علاقه خود ارائه می دهد که می توان از آن در جهت طراحی تبلیغاتی موثر و یا یک استراتژی مناسب برای آن کسب و کار سود جست. 

برای این که از این داده ها به موثرترین نحو ممکن، استفاده کنید؛ اول باید درباره این که "هدف کسب و کار شما چیست" به خوبی بیاندیشید. آیا در پی فروش بیشتر هستید؟ آیا می خواهید از حجم فیزیکی مشتریان در فروشگاه کم کنید و آن ها را به خرید اینترنتی علاقمند نمایید؟ یا هدف شما این است که بازار را از محصول خود آگاه کنید؟ وقتی که درباره هدف کار خود تصمیم گیری کردید، حالا زمان آن فرا رسیده است که به داده های خود نظری بیاندازید تا ببینید آیا برای قرار گرفتن صحیح در قالب یادگیری عمیق آماده اند یا خیر. برای این منظور، داده ها باید پراکنده باشند- به این معنا که از منابع مختلفی جمع آوری شده باشند تا استنتاج عمیق تر و صحیح تری بر آن اساس، بتوان ارائه داد. برای مثال، شما نیازی به دانستن تعداد افرادی که از فروشگاه شما بازدید کرده اند، ندارید؛ بلکه در عوض زمان دقیق بازدید هر یک از این افراد را باید بدانید، دیگر نیازی نیست که بدانید چه تعدادی فروش داشته اید، بلکه باید به طور دقیق آگاه باشید که هر یک از فروش های شما چه بوده است و به چه کسی فروخته شده است. حتا می توانید پا را از این حد، فراتر بگذارید و قبل از هر گونه تعامل مشتری با شما، بفهمید که با یک مشتری خاص- پیش از این که مشتری شما شود- چگونه و از چه طریقی اثرگذار بوده اید. برای مثال این مشتری، چه تبلیغاتی درباره شما دیده و یا شنیده است؟ و هر یک از آن تبلیغات، در چه زمان و مکانی رخ داده اند؟
 

آیا هنوز به این داده ها، دسترسی ندارید؟ پس اولین تکلیف شما، همین است.
 

شما باید داده های بیشتری را ذخیره و از آن ها استفاده کنید، خبر خوب این است که ذخیره سازی ارزان است. به علاوه، بدون این اطلاعات، از قدرت "یادگیری عمیق" نمی توانید استفاده کنید و از عرصه رقابت در دنیای مدرن، باز خواهید ماند.

مجله فورچون در سال 2016 ، تحقیقی بر روی 1000 مدیر اجرایی انجام داد، نتایج نشان داد که تنها 48.4% از این افراد در کار خود با داده های خام به ارائه نتایجی قابل اندازه گیری پاییند بودند، این در حالی است که 80.7%  از همین عده اندک، بیان کرده بودند که این تعهد به موفقیت آن ها منجر شده است.

غالبا از جریان داده های خام، یک عنصر ساده جا می افتد: "یادگیری عمیق".  طبق تعریف فِین؛ یادگیری عمیق "یک نوع پیشرفته تر از یادگیری ماشین است که قادر است بینش انسانی را برای ماشین ها شبیه سازی کند." توانایی یادگیری عمیق برای دستیابی به نتایج از داده های بزرگ ، به دلیل رقابت فشرده امروزی در دنیای کسب و کارها، امری ضروری است. متاسفانه، 39.3٪ از کسانی که در این تحقیق مورد بررسی قرار گرفتند؛ بیان کرده بودند که سازمان های آن ها هم چنان فاقد یک استراتژی منسجم در رابطه با داده های بزرگ است و یا این که اساسا این مفهوم هنوز برای آن ها ناشناخته است. چنین شرکت هایی، مسیری بس طولانی برای صعود به قله موفقیت در پیش رو دارند. در حقیقت، اکثر متخصصان اطلاعات، مسیری بسیار سخت را پیش روی ما گذاشته اند، اما این مسیر قطعا ارزش تلاش را دارد. یک مدیر برنامه ریزی رسانه در مصاحبه ای با آژانس جهانی رسانه می گوید: "بخشی از این چالش، به این دلیل است که صنایع ما؛ حول همین داده های نابالغ و خام رشد یافته است. ما به 15 سال گذشته در صنعت نگاه می کنیم و این که چطور با آزمون و خطا به جایگاه امروزی رسیده ایم، می نگریم و با خود می گوییم: " خیلی بامزه بود! "".

داده های بزرگ، تجزیه و تحلیل داده ها و هوش مصنوعی بسیار به هم وابسته اند. هوش مصنوعی - و به تعبیری دیگر، یادگیری عمیق - نیاز به داده ها، رام کردن آن ها و بهره گرفتن از آن ها دارد. تنها راه برای این که یادگیری عمیق، برای سازمان شما موثر واقع شود این است که شما با یک جریان مستمر از اطلاعات، همواره آن را تغذیه کنید. مسلح شدن سازمان شما به این اطلاعات، یادگیری عمیق و شبکه های عصبی می توانند یک الگوریتم و استراتژی منحصر به فرد برای سازمان و برند شما ایجاد کند. - همانطور که فِین اشاره می کند، امروزه توانایی سازمان ها در توصیف کامل و درک صحیح رفتار مصرف کننده، بیش از هر زمان دیگری است و این نوع داده ها، ابزارهای بازاریابی هوش مصنوعی را طی چندین سال آینده، موثرتر خواهدکرد.

امروزه همه برندها نیاز دارند تا نسبت به طراحی و اجرای یک استراتژی قوی در ارتباط با داده ها متعهد شوند. برای مثال نگاهی به برندهایی مانند Macy's و J.C.Penny بیاندازید که در نتیجه رویکرد داده محور خود، قادر شده اند تا با غول های تجارت الکترونیک مانند آمازون و eBay رقابت کنند. فراهم آوردن ابزاری مناسب برای به حداکثر رساندن داده ها و نیز داشتن استراتژی مناسبی که از این ابزار حمایت به عمل آورد؛ به حفظ شرکت شما در دنیای رقابت کمک کرده و موفقیت شما را تضمین می نماید.

منابعinc
تگ ها
تجزیه و تحلیل صحیح داده ها

این مقاله را به اشتراک بگذارید

Alternate Text

مقالات مشابه

1398/03/20

شما زیر ذره بین مشتریان تان هستید

بسیاری از صاحبان کسب ‌وکار هنوز هم به مفهوم "خدمات مشتریان" به عنوان یک فرآیند کاری پس از فروش برای رفع مشکلات مشتریانی که خرید خود را تکمیل