顶级公司关于如何使用机器学习的5种策略

机器学习正朝着大幅增长的方向发展。根据Research and Markets的最新报告，在2016年突破10亿美元大关后，到2025年，机器学习市场预计将达到399.8亿美元。所有的增长将来自何处?到处!机器学习诞生于1959年，它是由计算机科学家Arthur Samuel创造的，但是直到最近，大型企业界才开始了解它的价值。在接下来的几年中，它将被《财富》 500强公司和妈妈装商店的所有人所采用。

当然，机器学习的第一个挑战是识别用例。不知道从哪里开始?要充分利用这种爆炸性技术，请考虑当今从零售到硬件再到媒体等行业的顶级公司如何使用它：

1.目标：从现在开始学习以投资未来。

零售巨头Target发现，机器学习不仅可以用来预测购买行为，而且可以用来预测怀孕。实际上，塔吉特(Target)的模型是如此精确，以至于它可以根据所购买的东西可靠地推测出孕妇处于哪个孕期。在父亲通过塔吉特公司的持续晋升发现他的16岁女儿怀孕之后，塔吉特公司实际上不得不通过掺入不太具体的广告来调动其主动权。

大多数公司的促销活动都是由季节或假期决定的。雪铲将于7月开始销售，防晒霜将于6月开始销售。但是消费者也要经历自己的季节。例如，向某人出售汽车的最差时间是刚买车之后。但是，这可能是向该人推销汽车保险的最佳时机。机器学习可以顺应这些节奏，帮助公司在适当时机向客户推荐其产品。

我公司已使用机器学习来刺激忠诚度购买。我们发现，如果客户正在经历生活中的事件(例如毕业或结婚)，那么与其他时间相比，他更有可能改变自己的行为。例如，一个知道20%的用户每年五月离开的教育公司，可能会使用机器学习将可能的应届毕业生转介给公司合作伙伴或赞助商。

2. Twitter：创建完美的预览。

当某人将照片发布到Twitter时，她希望人们看到它。但是，如果缩略图是90%的地板或墙壁，则没人会单击它。Twitter似乎已经通过使用神经网络解决了这个问题。这家社交媒体公司以一种可扩展且具有成本效益的方式，使用机器学习将用户的照片裁剪为引人注目的低分辨率预览图像。结果是门把手的缩略图越来越少，而门把手上方的搞笑标志越来越多。

在下一个市场营销活动中尝试使用Twitter的缩略图优化。上载与品牌对齐的，用户生成的照片，并让Twitter确定每个图像的哪些元素可最大程度地提高参与度。然后，为下一个Twitter活动使用效果最好的照片裁剪。谁不喜欢自由市场研究?

我们使用机器学习来调整图像以进行对话。面临的挑战是确保快速加载丰富的图像以跟上实时对话。发送问题或搜索请求的用户会立即收到图像或GIF形式的答复。使用机器学习，我们可以在几秒钟内大规模交付适当的响应。

3.苹果：拥抱合奏体验。

任何拥有一种以上苹果产品的人都知道这些设备彼此之间的性能如何。现在，这家科技巨头正在使用机器学习来创建更加无缝的客户体验。苹果公司最近申请了一项专利，该专利以非技术性的方式暗示着它正在优先考虑跨设备的个性化。例如，在不久的将来，用户的Apple Watch可能会建议一个iTunes播放列表来匹配他在另一个应用程序中的心跳目标。

在2017年戛纳电影节上，我们做了类似的事情(尽管专利申请可能较少)。我们将自然语言处理系统连接到Foursquare，Google Maps和本地知识库，以帮助用户导航旅游目的地和会议。结果是一种对话式体验，可以综合来自多个来源的数据以提供快速答案。

任何使用智能设备的公司(例如物联网初创公司)都可以做到这一点。将多个模型与同一组训练数据连接起来可以提高所提供的见解的质量，从而提高客户的体验。集成在一起的设备就像棒球投手和接球手那样相互协作：由于它们使用的是相同的数据集，因此它们能够共同决定如何从相反的方向进行任务。

4.阿里巴巴：定制客户旅程。

与 零售业巨头阿里巴巴(Alibaba)的购物人数高达5亿，超过了美国的全部人口。这些客户中的每一个都经历了从搜索到购买的不同过程。阿里巴巴如何跟踪和调整这5亿次旅程中的每一次旅程?当然，有了机器学习。

阿里巴巴的人工智能应该使每个电子零售商都嫉妒。它的虚拟店面是针对每个购物者定制的。搜索结果成为理想的产品。对话型机器人Ali Xiaomi处理大多数口头和书面客户服务查询。阿里巴巴业务的每个要素都像是为与之互动的购物者而建，并且购物者所采取的每一项行动都向机器传达了有关购物者想要的更多信息。

5. Spotify：提供个性化媒体。

在2017年收购了两家机器学习初创公司之后，我曾经与之合作的Spotify正在悄悄地为其粉丝最喜欢的音乐推荐服务测试新功能。

去年12月，一位Mashable作家在“发现每周”供稿中注意到“喜欢”和“不喜欢”按钮。虽然Spotify在2017年3月收购视频推荐初创公司MightyTV和音乐个性化初创公司Niland的意图上一直tight之以鼻，但它可能这样做是为了完善其AI堆栈并使其智能服务超越其他音乐服务。

Spotify在“发现周刊”上的赌注可以说是通过创新性地使用机器学习使消费者对个性化设置感到满意的优质音乐。甚至Spotify都对Discover Weekly的成功感到惊讶，Discover Weekly的成功并不在音乐流媒体公司于2007年推出时提供的产品中。Apple的New Music Mix等Copycat服务在Discover Weekly于2015年首次亮相后迅速出现，但他们一直在努力使听众惊讶并提供类似Spotify服务的建议。

当然，机器无法了解有关企业或其客户的所有信息。但是像苹果，Spotify和阿里巴巴这样的公司正在将这一界限推得越来越远。现在，借助机器学习，比以往任何时候都更容易进行破坏性创新，这取决于企业家向大孩子们展示它是如何完成的。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！