Makine öğrenimiyle işinizi daha hızlı büyütün: 1. Bölüm

Temel olarak makine öğrenimi, sorun çözmenin yeni bir yoludur. Belirli sorulara yanıt vermek amacıyla bilgisayarları manuel olarak kodlamak için yüzlerce saat harcamak yerine bilgisayarlara kendi kendilerine öğrenmelerini öğreterek zamandan tasarruf edebiliriz.

413
413

Yeni yıl başlarken, daha sağlıklı beslenmeden açık havada daha çok zaman geçirmeye kadar birçok konuda plan yaparak geleceğimizi düşünürüz. Bu hafta Consumer Electronics Show‘da benzer şekilde teknolojinin geleceğine odaklanıyoruz. Akıllı telefon ve sesle etkinleştirilen hoparlör gibi yenilikler sayesinde artık çok daha güçlü olan tüketiciler favori markalarından daha fazla şey bekliyor. Bu, tüketici deneyimini yeniden tanımlamak ve pazarlamacılardan beklenenleri yeniden şekillendirmek anlamına geliyor.

Artan tüketici beklentilerini karşılamanıza yardımcı olmak için önümüzdeki üç hafta boyunca, içinde bulunduğumuz “destek çağında” makine öğreniminden yararlanarak yeni fırsatlar sunan markalardan elde edilen analizleri ve en iyi uygulamaları paylaşacağız.

Sorunları makine öğrenimiyle çözmek

Temel olarak makine öğrenimi, sorun çözmenin yeni bir yoludur. Belirli sorulara yanıt vermek amacıyla bilgisayarları manuel olarak kodlamak için yüzlerce saat harcamak yerine bilgisayarlara kendi kendilerine öğrenmelerini öğreterek zamandan tasarruf edebiliriz. Bunun için bilgisayara örnekler sunar ve bilgisayar bu örneklerden öğrenmeye, başka bir ifadeyle, kedi ile köpek arasındaki farkı belirlemek gibi kalıpları birbirinden ayırmayı öğrenmeye başlayana kadar buna devam ederiz.

İlgili Haber  Makine öğrenmesinde en yenilikçi 10 şirket

Makine öğreniminin dünyadaki en karmaşık sorunlardan bazılarının çözülmesine nasıl yardımcı olabileceğini göstermek için tıp alanındaki en son ilerlemeleri ele alalım. ABD’de doktorlar erken teşhis sayesinde cilt kanserinde iyileşme oranlarının çarpıcı şekilde arttığını biliyor.1 Bu nedenle, Stanford Üniversitesi’ndeki araştırmacılar kanserli cilt dokularını sağlıklı olanlardan %91 oranında doğrulukla (21 kurul onaylı hekimle aynı düzeyde) tanımlayabilen bir modeli eğitmek için Google’ın makine öğrenimi platformu olan TensorFlow‘u kullandı.

Büyümeyi hızlandırabilecek yeni fırsatlar

Pazarlamacı olarak amacınız tabii ki hayat kurtarmak değildir. Ancak biz de kendimize farklı bir soru sorarız: İşimi nasıl daha hızlı büyütebilirim? Google’ın makine öğrenimi teknolojisi bu noktada yardımcı olabilir.

Reklamlarımızın gösterileceği yeri seçmenin ve teklifleri manuel olarak ayarlamanın zaman aldığını ve en son trendleri yakalamak ya da yeni pazarlara girmek gibi stratejik görevler için daha az zaman kaldığını biliyoruz. Google’ın makine öğrenimi, mobil ekranlardaki renk ve ton tercihinden işlem geçmişi, cihaz ve konuma kadar çeşitli konularda her gün milyarlarca tüketici verisini değerlendiriyor. Evrensel Uygulama Kampanyaları ve Akıllı Teklif gibi ürünler sayesinde, müşterilerinize göre özelleştirilmiş milyonlarca reklam yayınlamaya ve her reklam için gerçek zamanlı olarak doğru teklifi ayarlamaya yardımcı olması için bu verileri kullanmak artık mümkün.

İlgili Haber  AI Radyologların Yerini Alacak Mı?

Bu AdWords yeniliklerini kullanmıyor olsanız bile makine öğreniminin yararlarını mutlaka görüyorsunuz. Google bir kullanıcının reklamınızı tıklayıp tıklamayacağını tahmin etmek için arama sorguları, geçmiş reklam performansı ve makine öğrenimiyle birleştirilmiş diğer içerik sinyalleri hakkındaki bilgileri kullanır. Bu tahmini tıklama oranı reklamlarınızın seçiminin, sıralamasının ve fiyatının belirlenmesine yardımcı olur, başka bir ifadeyle, makine öğrenimi doğru reklamı doğru müşteriye göstermek için zaten çalışmaktadır.

Önümüzdeki üç hafta boyunca, pazarlama hedeflerinize ulaşmak ve işletmenizi daha hızlı şekilde büyütmek için makine öğrenimini nasıl kullanabileceğinizi araştırmaya devam edeceğiz. Bu seriyle ilgili en son güncellemeler için Inside AdWords blogunu takip edin veya En İyi Uygulamalar bültenimize kaydolun.

Kaynak: Matt Lawson, Performans Reklamı Pazarlama Direktörü

1 Stanford News, 2017

Bu yazıda olan etiketler

Yorumlar