Intelligence artificielle (IA) pour le marketing 101


De nos jours, la communauté marketing parle beaucoup de l’utilisation de l’intelligence artificielle (IA) et de l’apprentissage automatique (ML) dans le marketing.

Dans cet article, je couvrirai certaines bases de l’IA que vous devez connaître avant de pouvoir explorer comment l’IA et le ML peuvent vous aider dans vos efforts de marketing.

Qu’est-ce que l’Intelligence Artificielle ?

Il existe plusieurs définitions de l’Intelligence Artificielle ou IA. Le plus simple à comprendre vient de Oracle.com: “L’intelligence artificielle (IA) fait référence à des systèmes ou des machines qui imitent l’intelligence humaine pour effectuer des tâches et peuvent s’améliorer de manière itérative en fonction des informations qu’ils collectent.”

Donc, en un mot, l’IA fait référence à la machine, qui peut apprendre et devenir intelligente comme les humains.

L’IA est un terme générique qui comprend des algorithmes, des concepts, des outils, des technologies, etc. qui exécutent ces tâches humaines complexes.

L’apprentissage automatique est l’un de ces concepts largement utilisés dans l’IA. Gardez à l’esprit que tout l’apprentissage automatique est de l’IA, mais que toute l’IA n’est pas de l’apprentissage automatique, car l’IA comprend bien plus que le simple apprentissage automatique (ML).

Qu’est-ce que l’apprentissage automatique (ML) ?

L’apprentissage automatique consiste à utiliser des statistiques pour analyser une grande quantité de données (structurées et non structurées), y trouver des modèles, en tirer des leçons, puis faire une détermination ou une prédiction sur quelque chose dans le monde. Ainsi, plutôt que de coder à la main des routines logicielles avec un ensemble spécifique d’instructions pour accomplir une tâche particulière, la machine est “formée” à l’aide de grandes quantités de données et d’algorithmes qui lui permettent d’apprendre à effectuer la tâche. (définition modifiée et reprise de : Nvidia).

L’apprentissage automatique construit un modèle mathématique basé sur des données d’échantillon, appelées “données d’entraînement”, afin de faire des prédictions ou des décisions sans être explicitement programmé pour effectuer la tâche. (source: https://en.wikipedia.org/wiki/Machine_learning)

Il existe trois principaux types d’apprentissage utilisés pour former ces modèles : l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage par renforcement.

Enseignement supervisé

En apprentissage supervisé, l’algorithme construit un modèle mathématique à partir d’un ensemble de données qui contient à la fois les entrées et les sorties souhaitées.
(source: https://en.wikipedia.org/wiki/Machine_learning)

Exemple : prédire la propension au désabonnement d’un client.
Vous pouvez fournir des données de formation contenant les données d’achat des clients, les données de comportement passées (entrée), puis chaque client est étiqueté s’il s’est retourné ou non. Sur la base de ces données, le modèle apprend quelles données d’achat et de comportement feront que tous les clients seront étiquetés comme “risque de désabonnement” ou “pas de risque de désabonnement”.

Apprentissage non supervisé

Dans l’apprentissage non supervisé, l’algorithme construit un modèle mathématique à partir d’un ensemble de données qui ne contient que des entrées et aucune étiquette de sortie souhaitée. Des algorithmes d’apprentissage non supervisés sont utilisés pour trouver une structure dans les données, comme le regroupement ou le regroupement de points de données. L’apprentissage non supervisé peut découvrir des modèles dans les données et peut regrouper les entrées en catégories. (source: https://en.wikipedia.org/wiki/Machine_learning)

Exemple : découvrir des segments de clientèle.
L’apprentissage non supervisé peut aider à trouver divers segments de clientèle dans vos données clients en utilisant les attributs des clients, les ventes, le comportement sur site, etc. Cela peut ensuite être utilisé pour améliorer l’engagement des clients et les performances marketing.

Apprentissage par renforcement

Dans l’apprentissage par renforcement, l’agent (également appelé Machine, modèle ou IA) se voit confier un problème à résoudre et se trouve face à une situation de type jeu. Il reçoit des récompenses pour un comportement positif et est puni pour un comportement négatif alors qu’il tente de résoudre le problème. Ces récompenses sont fournies par le développeur de l’IA. La machine utilise des essais et des erreurs pour trouver une solution au problème. Le développeur ne fournit pas au modèle d’indices ou de suggestions sur la façon de résoudre le jeu. C’est au modèle de trouver comment résoudre le problème et maximiser la récompense. L’objectif final est de faire en sorte que le modèle apprenne le comportement souhaité qui maximise la récompense totale.

Exemple : Fournissez des produits recommandés aux clients.
L’apprentissage du renforcement peut être utilisé pour développer un moteur de recommandation de produits en ligne.

Autres termes que vous devez connaître


Données structurées

Données pouvant être organisées en lignes et en colonnes telles que les données démographiques des clients, les données de vente, les données de comportement sur site, etc.

Données non structurées

Données de forme libre telles que documents Word, scripts d’appel, pdf, images, etc. Tout ce qui n’est pas structuré est classé comme données non structurées.

Utilisations marketing de l’IA

Il existe plusieurs façons d’utiliser l’IA dans le marketing. Voici quelques exemples, ceci n’est pas une liste complète. J’ajouterai d’autres articles à l’avenir pour couvrir plusieurs cas d’utilisation.

  • Segmentation de la clientèle
  • Répartition du budget publicitaire entre les canaux ou par canal
  • Création de contenu
  • Chatbots – Qui comprend les questions des humains et répond ensuite avec une réponse appropriée.
  • Prédiction de taux de désabonnement/fidélisation des clients
  • Moteur de recommandation de produits

Espérons que cet article clarifie la confusion autour de l’IA dans le marketing.

Ton tour maintenant. Utilisez-vous l’IA pour le marketing ? Si oui, comment ? Si non, pourquoi pas ? Quels sont les défis. Parlons.

————————————————– ————————————————– ——



Vous pouvez trouver cet article en anglais sur webanalysis.blogspot.comhttp://webanalysis.blogspot.com/2019/10/artificial-intelligence-ai-for.html

Leave a Reply

Your email address will not be published. Required fields are marked *