Искусственный интеллект для контент-маркетинга


01 Mar
01Mar

Хотя нет сомнений в том, что искусственный интеллект (ИИ) помог маркетинговым командам повысить свою производительность, поскольку большинство брендов тратят от 25 до 43% своего маркетингового бюджета на контент , важно понимать, как ИИ может влиять на этот конкретный отдел.

Использование контент-маркетинга в масштабе

Правда в том, что искусственный интеллект на протяжении многих лет активно присутствует в индустрии контент-маркетинга. Различные платформы Martech используют элементы AI, чтобы помочь ориентированным на контент организациям строить планы контента, планировать ключевые слова, анализировать конкурентов, создавать стенограммы видео и персонализировать контент в масштабе. Некоторые организации даже использовали ИИ для написания простых, основанных на фактах статей. Например, The Washington Post использует своего AI-бота Heliograf для информирования общественности о спортивных событиях и обновлениях в Конгрессе. Гелиограф даже сообщил об Олимпиаде в Рио еще в 2016 году.

Организации в различных отраслях, таких как технологии, товары народного потребления, производство и здравоохранение, сделали значительные инвестиции в свои контент-стратегии, создав мощные механизмы производства контента. Для многих компаний объем создаваемого контента, видео и ресурсов можно измерять в терабайтах.

Масштабное управление большими объемами контента в нескольких подразделениях и компаниях может становиться все более сложным. Одним из приложений ИИ, которое появляется в качестве решения, является автоматическая пометка, позволяющая легко находить контент по ключевым словам, темам или другим атрибутам. Это процесс, который обрабатывался вручную годами, занимая часы административной работы, чтобы пометить созданный контент в контенте организации или в системе управления цифровыми активами.

Теперь, благодаря машинному обучению , модели искусственного интеллекта могут автоматически помечать, используя общие термины, такие как цвет, общие объекты и распознавание текста, и могут обучаться распознаванию, маркировке или индексированию элементов содержимого, уникальных для конкретных бизнес-случаев.

Начало работы с AI для контент-маркетинга

Ведущие организации, такие как Microsoft, Google и Amazon, теперь предлагают технологию машинного обучения как услуга (MLaaS), которая позволяет пользователям включать автоматическую пометку своих цифровых носителей, экономя бесчисленное количество часов. Благодаря машинному обучению организации могут распознавать и автоматически маркировать:

  • Черты лица, такие как пол, возраст и эмоции,
  • Объекты, сцены и действия,
  • Текст в изображениях,
  • Знаменитости,
  • Логотипы компании,
  • И др.

Уровни настройки AI

Есть 3 основных уровня настройки AI на выбор. Выбор того, что подходит именно вам, зависит от вашего варианта использования, опыта машинного обучения и бюджета.

Упакованное MLaaS
Упакованное машинное обучение как услуга - самый низкий уровень настроек MLaaS. На этом уровне провайдер предоставляет вам упакованную, готовую к использованию модель с предопределенным набором параметров искусственного интеллекта, таких как распознавание лиц, обнаружение объектов и извлечение текста. Это самое простое мероприятие, так как поставщик ИИ на 100% отвечает за предоставление данных, обучение, тестирование и развертывание, поэтому вам не нужны навыки машинного обучения для его использования. После подключения к вашей библиотеке вы можете сразу начать использовать модель для маркировки визуального содержимого. Упакованный MLaaS используется, когда организация имеет относительно базовый сценарий использования AI, где для их бизнеса приемлемы более общие термины автоматической пометки.

Пример: туристическая компания загружает тысячи фотографий из отпуска в свою медиатеку каждую неделю. У них нет ни времени, ни рабочей силы, чтобы самим отмечать фотографии вручную, поэтому они подключают модель Packaged MLaaS к своей библиотеке, чтобы автоматически пометить их. Теперь, когда им нужно изображение для веб-страницы для молодоженов, они могут искать «Пара», «Пляж» и «Закат», и библиотека будет показывать фотографии, которые были автоматически помечены моделью Packaged MLaaS.

Пакетные параметры MLaaS: Microsoft Azure Computer Vision, Google Cloud Vision, Amazon Rekognition

Управляемое машинное
обучение как услуга MLaaS является более сложным и используется для решения конкретных бизнес-задач. С этим уровнем настройки поставщик машинного обучения предоставляет вам пространство, где вы можете классифицировать свои собственные носители, добавлять изображения и маркировать их соответствующим образом, чтобы обучить модель, пока вы не будете удовлетворены ее уровнем достоверности. Поскольку вы будете проводить обучение и тестирование, вам необходимо понимать базовую статистику и уровни точности, чтобы вы могли оценить, находится ли машина на должном уровне достоверности. Обучение модели занимает некоторое время - например, Microsoft предлагает около 30 изображений на каждый тег, чтобы получить приемлемый уровень достоверности. Эта форма MLaaS используется, если есть экономическое обоснование, которое не может быть удовлетворено с помощью общих авто-тегов.

Пример: у телекоммуникационной компании есть библиотека для хранения изображений телефонов, которые они предлагают. Поскольку они продают телефоны разных марок и поколений, автоматическая метка «Сотовый телефон» слишком универсальна, чтобы сделать их визуальный поиск легким для поиска. Они решили внедрить модель Guided MLaaS, чтобы научить модель различать разные бренды и поколения (например, iPhone 8 или Samsung Galaxy S9). После доведения модели до уровня достоверности 99% они связывают ее со своей библиотекой, чтобы она могла автоматически помечать новые загруженные изображения соответствующими телефонными метками.

Управляемые параметры MLaaS: настраиваемое видение Microsoft Azure, Google AutoML, визуальное распознавание IBM Watson

Специализированный MLaaS
Специализированное машинное обучение как услуга - это модель, которая обеспечивает наибольшую гибкость в отношении инструментальных средств, платформ и инфраструктуры, но также требует полного понимания моделей машинного обучения и системных интеграций. Используя Specialized MLaaS, поставщик предоставляет вам виртуальную машину, которая предварительно укомплектована стандартным программным обеспечением для машинного обучения и надстройками, чтобы внутренняя ИТ-команда или сторонние разработчики могли кодировать, обучать, упаковывать и развертывать модель. В этом случае вам понадобится специалист по данным и разработчик или технический интегратор для предоставления данных, обучения, тестирования и развертывания. Специализированный MLaaS используется только для очень специфических сценариев использования и требует наибольшего вложения ресурсов из всех моделей MLaaS.

Пример: фармацевтическая компания проводит научный эксперимент, который требует идентификации и мечения различных штаммов бактерий. Поскольку различия между бактериями настолько незначительны, что для их выявления требуются глубокие знания, сценарий использования компании слишком сложен, чтобы его можно было использовать с помощью Guided MLaaS. Они нанимают специалиста по данным и программиста для создания полностью настраиваемой модели AI с помощью службы машинного обучения Azure . После разработки, обучения и тестирования модели они могут начать автоматическую пометку каждого конкретного штамма бактерий.

Специализированные примеры MLaaS: Служба машинного обучения Azure, Google Cloud ML Engine, Amazon Sagemaker

Будущее контент-маркетинга

Независимо от уровня MLaaS, подходящего для вашей организации, предоставление вашей команде искусственного интеллекта и автоматической пометки позволит им подготовиться к будущему контент-маркетинга.


Об авторе

Карли Хилл

В партнерстве с технологическим партнером Microsoft Canada этот блог был опубликован Карли Хилл, менеджером по контент-маркетингу в MediaValet; находится в Ванкувере, Британская Колумбия.

Комментарии
* Адрес электронной почты не будет отображаться на сайте.