Skip to main content

Pemodelan Robot untuk Kampanye Pemasaran

Pemodelan otomatis sudah menjadi fokus oleh praktisi. Namun, aplikasi untuk kampanye pemasaran memerlukan upaya yang signifikan dalam persiapan data untuk pemodelan. Untuk mengatasi kemacetan ini, pemodel robot mengintegrasikan lapisan depan, yang secara otomatis menggulung semua kampanye yang dieksekusi dan menyiapkan data yang siap untuk pemodelan, dengan mesin pembelajaran mesin.

Ini memungkinkan untuk siklus pemodelan backend kampanye otomatis sepenuhnya, menghasilkan kode penilaian, dan menghasilkan dokumentasi yang mendukung. Kerangka pemodel robotik mendukung pembelajaran menyeluruh dalam merakit target dan fitur bisnis. Menjalankan pembuat model robot secara sistematis memberikan manfaat tambahan seperti melihat pentingnya fitur masukan dari berbagai kampanye atau memperkirakan efek lintas-kampanye. Ini memberdayakan "hyper-learning" yang berasal dari pemodelan kampanye.


Pemodelan Robot untuk Kampanye Pemasaran

Bisnis menjalankan sejumlah besar kampanye pemasaran yang mencoba mendorong kinerja yang berkelanjutan dan untuk meningkatkan kepuasan dan kesetiaan pelanggan. Dalam lingkungan yang sangat kompetitif, sangat penting untuk tidak hanya mengukur hasil pasca kampanye, tetapi juga untuk memperoleh tingkat wawasan tertinggi yang mungkin untuk mendukung keputusan kampanye yang dioptimalkan di masa depan. Yang terbaru dapat dilakukan dengan menerapkan pemodelan prediktif yang diawasi, seperti regresi tradisional atau pohon keputusan, atau teknik pembelajaran mesin yang lebih canggih termasuk pembelajaran mendalam.

Untuk membuat model backend dari kampanye yang dieksekusi, hal-hal berikut diperlukan:

  1. Tentukan variabel target yang sesuai, seperti label yang mengidentifikasi responden atau angka pendapatan.
  2. Pilih sumber untuk variabel prediktif potensial dan untuk merekayasa fitur masukan untuk pemodelan.
  3. Buat proses pemodelan, yang mencakup mekanisme validasi, pelatihan paralel dari model yang bersaing, dan pemilihan yang terbaik.
  4. Fit model, mengevaluasi fitur input sehubungan dengan kepentingannya, dan hitung statistik model yang sesuai.
  5. Menghasilkan dokumentasi yang mendukung menggambarkan data yang digunakan untuk pemodelan, proses, dan hasil yang diperoleh.
  6. Hasilkan kode penilaian.
  7. Mempertimbangkan volume tinggi dari kampanye yang dieksekusi, pendekatan standar dan otomatis adalah satu-satunya cara yang efisien untuk menangani tantangan bisnis mengenai pemodelan kampanye.

Pemodelan otomatis sudah menjadi fokus oleh praktisi. Misalnya, menyediakan data yang siap untuk pemodelan, " Pemodelan Prediktif Cepat untuk Intelijen Pelanggan " menciptakan model bersaing untuk mendukung kampanye yang ditargetkan. Pendekatan ini dapat mengatasi semua persyaratan yang disebutkan di atas kecuali untuk dua yang pertama. Namun, aplikasi berorientasi bisnis, terutama untuk tujuan pemasaran, memerlukan upaya yang sangat signifikan untuk menyiapkan file data untuk pemodelan. Itu biasanya kemacetan.

Gambar 1. Kerangka Pemodel Robot
Gambar 1. Kerangka Pemodel Robot
Dalam kasus kami, kami meningkatkan pendekatan yang dijelaskan dalam Pemodelan Prediktif Cepat untuk Intelijen Pelanggan , dengan membuat lapisan otomatis depan untuk menyiapkan data yang siap untuk pemodelan (Gambar 1). Lapisan ini secara otomatis menggulung semua kampanye yang dieksekusi, memilih yang memenuhi syarat, dan kemudian menyiapkan data siap untuk pemodelan. Yang terakhir adalah hasil dari menggabungkan variabel target dan fitur masukan yang sesuai untuk kampanye tertentu yang memenuhi syarat untuk pemodelan.

Sebagian besar kampanye pemasaran menargetkan akuisisi, pengurangan, penjualan (penjualan silang, penjualan lebih tinggi), atau rangsangan pelanggan. Daripada mendefinisikan dan mengisi variabel target untuk setiap kampanye, yang biasanya membutuhkan upaya yang signifikan, adalah mungkin untuk membuat proses berseragam yang mengumpulkan semua peristiwa yang menarik. Ini akan memberikan pendekatan standar yang mengidentifikasi variabel target dan akan mendukung otomatisasi pengukuran dan pemodelan kampanye di masa mendatang. Secara logis, baik jenis kampanye dan periode peluncurannya akan mendorong pemilihan acara yang sesuai minat.

Variabel yang berpotensi prediktif untuk kampanye pemasaran biasanya mencakup informasi dan perilaku pelanggan, info produk, dan tindakan manajemen portofolio sebelum pelaksanaan kampanye. Selain itu, faktor desain eksperimen kampanye harus dimasukkan sebagai variabel prediktif juga. Semua variabel prediktif ini diekstrak dan fitur direkayasa, kemudian prosesnya dapat digunakan kembali untuk populasi dan titik waktu yang berbeda.

Integrasi lapisan depan yang dideskripsikan dengan mesin pembelajaran mesin memungkinkan daur otomatis sepenuhnya dari pemodelan backend kampanye, yang meliputi menyiapkan data yang siap untuk pemodelan, membuat dan menjalankan proses pemodelan dan validasi, membandingkan model yang bersaing dan memilih yang terbaik, menghasilkan kode penilaian , dan menghasilkan dokumentasi yang mendukung. Selain itu, hasil dari setiap kampanye yang dimodelkan, seperti proses pemodelan, kode penilaian, dan dokumentasi, disimpan dengan pengidentifikasi unik yang terkait dengan kampanye tertentu.

Menjalankan pemodel robot secara sistematis memberikan manfaat tambahan seperti mengamati pentingnya fitur masukan dari berbagai kampanye, jenis model terbaik yang dipilih, atau memperkirakan efek dari kampanye silang. Ini memungkinkan "hyper-learning" yang berasal dari pemodelan kampanye. Selanjutnya, kerangka pemodel robotik mendukung pembelajaran menyeluruh dalam merakit target dan fitur bisnis. Mengumpulkan informasi dari pembelajaran ini pada akhirnya akan mendukung pergeseran dari eksekusi kampanye yang terisolasi menuju solusi optimal yang diintegrasikan.

Pengembangan model sendiri merupakan tahap interim untuk meningkatkan kinerja bisnis dan kepuasan pelanggan dan kesetiaan. Ini diikuti oleh kode penilaian yang dihasilkan yang akan digunakan untuk memprediksi hasil dan mengoptimalkan keputusan kampanye masa depan. Selain itu, di seluruh proses, pemantauan diperlukan untuk memastikan bahwa kinerja model yang dikembangkan masih dapat diterima. Baik kegiatan penilaian dan pemantauan dapat didukung oleh pembuat model robot dengan cara otomatis (lihat Gambar 1).

Mengintegrasikan lapisan persiapan data otomatis dengan mesin pemodelan otomatis mengarah pada kinerja pembuat model robot yang luar biasa. Hal ini memungkinkan untuk puluhan, jika tidak ratusan, kampanye pemasaran yang berjalan bulanan dan secara otomatis melatih, memvalidasi, dan memilih model dalam beberapa jam jika bukan menit. Tentu saja, pengawasan ilmuwan data masih diperlukan untuk menilai hasil yang diperoleh sebelum membawanya ke dalam produksi, dan untuk campur tangan, jika perlu. Tetapi bahkan jika yang terakhir adalah kasus, itu berarti beralih dari tugas-tugas manual rutin mempersiapkan data dan menyusun proses pemodelan untuk pekerjaan yang lebih cerdas meningkatkan beberapa fitur input dan tuning hyper-parameter untuk meningkatkan hasil pembelajaran mesin yang sudah diperoleh.

Ingin mendapatkan pemberitahuan posting terbaru dari blog ini? cukup klik link subscribe blog Dafi Deff ini (daftarkan email Anda) maka Anda akan mendapatkan pemberitahuan setiap kali blog ini di-update. Follow saya di Twitter @dafideff dan Instagram @dafideff. Atau subscribe channel Youtube saya Channel Youtube Dafi Deff dan add saya di lingkaran Google+ Dafi Deff.

Comments

Popular posts from this blog

Manfaat dan Cara Menggunakan Nature Republic Aloe Vera Untuk Wajah dan Kulit

Nature Republic Aloe Vera adalah produk Moisture dan Shoothing Gel yang mengandung 92% ekstrak lidah buaya yang diproduksi di Korea. Produk ini booming di pasaran karena manfaatnya yang banyak dan produknya terbuat dari bahan-bahan alami.

Dengan kadar aloe vera sebesar 92%, bahan utama produk ini diambil langsung dari perkebunan aloe vera di California. Produk ini juga memiliki sertifikat California Certified Organic Farmes (CCOF) yang menunjukan bahwa aloe vera gel ini terbuat dari bahan-bahan organik.

Aloe vera gel dari Nature Republic dapat digunakan oleh semua tipe kulit dan punya banyak manfaat loh. Kamu bisa menggunakannya untuk berbagai macam perawatan mulai dari ujung kepala hingga ujung kaki.


Manfaat Nature Republic Aloe Vera

Meralaksasi mataBase muka yang memberi efek lembabMelembabkan BibirSebagai hair treatmentSebagai solusi kulit terbakarPelembab di seluruh area tubuhAfter shave lotionMakanan kukuMoisture cream or pack yang melembabkan kulit dengan cepatMasker kulit yang …

Cara Mengaktifkan Output Module Format H.264 di After Effects

Pada saat anda menyelesaikan project anda di After Effects, hal yang akan anda lakukan yaitu menyimpan project anda atau juga mengekspor project anda ke dalam bentuk video. Sebelum melakukan ekspor project ke dalam bentuk video atau dengan istilah lain rendering, anda harus melakukan setting output terlebih dahulu. Salah satu setting yang terpenting yang harus anda lakukan yaitu menentukan format file ekspor anda.

Jika anda ingin mengkespor file project After Effects anda ke format video MP4, maka anda harus memilih setting format H.264 pada jendela Output Module. Banyak pengguna After Effects, terutama Adobe After Effects CC, tidak menemukan format H.264 pada setting format di jendela output module. Berikut ini cara untuk mengaktifkan atau memunculkan setting format H.264 pada output module di After Effects, agar project bisa diekspor ke dalam format video MP4:

Baca Juga:

Tempat Terbaik Untuk Menemukan Inspirasi Motion Graphics
Ini Modal Yang Diperlukan Jika Anda Ingin Menjadi Seorang …

Pengertian Motion Graphics dan Cara Membuatnya

Motion Graphics, sebagai posting awal dari blog ini saya ingin berbagi pengertian tentang hal ini, kenapa? Karena rencananya kedepannya nanti (meniru janji-janji yang pernah saya alami), blog ini akan saya isi dengan postingan-postingan tentang Motion Graphics. Mungkin sebelum jauh saya berbagi tentang Motion Graphics, alangkah baiknya saya mengenalkan sedikit tentang apa itu Motion Graphics.

Secara awam saya ingin mendefinisikan sendiri tentang Motion Graphics. Untuk diketahui, saya hanya seorang pecinta dan penikmat Motion Graphics yang bermimpi untuk sekolah tentang hal ini, tapi tidak kesampaian. Bertahun-tahun saya menikmati dan mencoba menyelaminya, pada akhirnya saya menarik sebuah kesimpulan pribadi.

Motion Graphics adalah percabangan dari Seni Desain Graphics yang merupakan penggabungan dari, Ilustrasi, Tipografi, Fotografi dan Videografi dengan menggunakan teknik Animasi. Motion Graphics terdiri dari dua kata, Motion yang berarti Gerak dan Graphics atau yang sering kita ken…

Panduan Lengkap Bermain Empowr dan Menghasilkan Banyak Dollar dari Empowr

Empowr adalah sebuah situs jejaring sosial layaknya Facebook, Twitter, Tumbr dan sosial media lainnya, namun Empowr lebih unik dari jejaring sosial media yang ada. Di Empowr, selain penggunanya bisa membangun jaringan sosial dengan semua orang yang ada di belahan dunia manapun, pengguna Empowr juga bisa memperoleh penghasilan uang dollar secara online.

Empowr mengusung sebuah misi untuk memberdayakan setiap pengguna Empowr memperoleh pengaruh, harapan dan penghasilan. Hal ini dikarenakan komitmen dari Empowr untuk membantu stengah manusia yang ada di bumi ini agar pada tahun 2025 nantinya, setiap orang mempunyai penghasilan rata-rata $ 25 per hari.

Cara Bermain Empowr agar Menghasilkan Uang Dollar
Sebelum kamu memutuskan untuk memulai bermain Empowr, pastikan dalam diri kamu sebuah tekat untuk bersosial media. Hindari dulu pemikiran tentang mendapatkan uang. Agar nanti kamu bisa beraktifitas di Empowr dengan sepenuh hati.

Setelah kamu yakin tentang itu, kini saatnya kamu melangkah ke p…

Perbedaan Antara Color Correction dan Color Grading

Dalam dunia analog, "color timing" adalah proses panjang kimiawi foto yang berlangsung di laboratorium foto. Sekarang pengolahan warna dilakukan secara digital; profil warna gambar dan rekaman dapat benar-benar berubah hanya dengan beberapa klik mouse.

Ada dua jenis utama dari manipulasi warna, dan nama-nama mereka sering (keliru) digunakan. Color Correction dan Color Grading, serupa dalam proses tetapi berbeda dalam bagaimana dan kapan mereka digunakan.


Color Correction Color Correction atau Koreksi Warna adalah proses tunggal yang melibatkan penyesuaian gambar untuk "memperbaiki" setiap penyimpangan dari penampilan standar. Color Correction atau Koreksi Warna ini meliputi:
ExposureWhite BalanceISO NoiseContrast

Color Correction dapat digunakan untuk menutupi kesalahan yang terjadi pada saat pengaturan kamera serta untuk menarik lebih banyak informasi dari flat-profiles. Kamu harus memperbaiki warna rekaman Kamu bila memungkinkan, karena menciptakan kohesi antara s…