人工智能在市場營銷領域取得的成功，揭示了人類的一些思維和行為模式，這些模式可以轉化為其他應用程序。

以人性化語音助手（包括蘋果的Siri、亞馬遜的Alexa以及谷歌的Home）為例，可以看出，正是這些把控并顛覆了市場營銷行業的科技公司引領了AI的發展。市場營銷業已成為AI創新的試水之地，尤其是在人類行為建模和AI與人類交互探究層面更具實驗價值。

決策算法

隨著人工智能開始逐漸滲透到日常生活的各個方面，人們越來越需要機器像人類一樣“思考”。人們開始更加關注AI背后的倫理和道德，專家們對自動駕駛汽車、預測性警務和自動武器等的決策算法的認識也不斷提高。

因為歷史數據可能存在較大偏差，這些模型的訓練難度極大。為了避免出現嚴重事故，這些算法必須充分理解人類的認知，以做出有道德良知的正常人類在類似情況下會做出的選擇。

人類和機器都依賴模式進行認知，但對AI持批判態度的人擔心機器無法真正理解人類的思想。目前AI的局限性阻礙了機器使用溯因推理或創造性思維的能力。然而，機器學習模型在再現人類行為模式方面已經取得了巨大的進步，其中許多前沿研究都來自數字營銷。

機器學習在市場營銷首戰告捷

AI已在市場營銷行業掀起了變革，并將繼續推動新的發展。超過60%的美國公司將AI應用在現有的營銷方案之中，其中最常見做法是用機器學習來預測客戶需求、推薦產品、優化廣告投放和自動化客戶服務。

監督機器學習（Supervised Machine Learning）

作為最常見的機器學習方法，有監督機器學習的應用領域十分廣泛，從訓練聊天機器人（chatbot）到進行圖像分類不一而足。這些模型可以有效地分析變量以確定結果，并且能夠成功地模擬人類行為的模式。然而，這種方法在很大程度上依賴于具有既定正確結果的高質量數據集作為訓練材料。

無監督機器學習（Unsupervised Machine Learning）

有監督學習期望從數據中獲得特定的結果，而無監督學習則側重于檢查數據本身，因而不需要預先標記的訓練數據。聚類等算法尋找數據集背后的關聯，可被用于細分客戶與市場、分類和檢測異常值。無監督機器學習與引入新的觀察者或獨立的顧問類似，可用來發現全新的或出人意料的聯系。

強化機器學習（Reinforcement Machine Learning）

當歷史數據集不可用時，可以使用強化學習來實時評估傳入數據。該算法可以幾乎實時地主動學習并作出調整。就像人類的試錯過程一樣，這種方法依賴于快速的行動和即時的反饋。對于新版本的個性化推薦系統、調整新的廣告活動來說，因為它們都通過社交媒體來傳播，所以強化機器學習是理想選擇。

基于AI的商務的前沿創新成果

麥肯錫（McKinsey）估計，到2020年12月，美國客戶85%的品牌關系都將在無人工干預的情況下進行管理。雖然許多公司在基于機器學習的市場營銷上投入巨資，但只有6%的公司正采用更先進的AI，如個性化活動、協同過濾和預測模型。

傳統上，人們認為AI無法進行管理與戰略決策——管理者應當能夠平衡效率與公平，而這一點很難量化。然而，鑒于機器學習在其他以人為中心的商業領域（例如市場營銷）取得了不可否認的成功，研究人員開始探索如何將AI引入管理和營銷戰略中。

在短期內，一個可行的方法是使用模糊邏輯來擬定一個預期方案與結果的清單，再由一個人工操作員負責作出最后的決定。隨著計算能力的增加和數據集的不斷完善，最終這些模型可以實現完全自動化。

在推薦系統、數字廣告和動態定價算法方面，自動化決策的試點項目已經啟動。為數不多的在基于AI的戰略營銷方面取得進展的公司對其工作高度保密，他們的工作價值顯著，甚至對業內先驅來說，其重要性也不容小覷。

到2025年，AI驅動的市場營銷有望創造400億美元的收入，這將推動大筆資金投向跨行業的AI研究。在數字營銷領域內外，用于預測性分析、人類-AI交互、自動化和認知的新算法與方法論層出不窮。

基于市場營銷的研究有助于理解人類行為，這將推動技術領導者和創新人士研發自動化系統，使其能夠像人類一樣做出選擇。未來有一天，也許這些系統能夠超越人類，幫助企業做出優于人工的決策。
責編AJX