Kann ich es maschinell lernen? (Video)

Nur an Benutzer schreiben, die auf der Website aktiv sind, verbessert die Konversionsraten drastisch.

image

Episode 1: Das Problem der regelbasierten Segmentierung

Wenn Sie schon mit Segmentierung gearbeitet haben, hatten Sie wahrscheinlich großen Erfolg damit. Und das aus gutem Grund - verglichen mit dem Schreiben einer E-Mail an jeden auf Ihrer Mailingliste, macht es einen großen Unterschied, nur an Benutzer zu schreiben, die auf der Website aktiv sind. Es verbessert Ihre Konversionsraten drastisch, um 100% oder mehr.

Aber ein regelbasiertes System ist immer noch ein sehr einfaches Instrument. Indem wir personae definieren und die Regeln um sie herum entwickeln, tun wir so, als wären diese Benutzertypen mehr als das, was sie in Wirklichkeit sind: Vermutungen. Kein Mensch aus Fleisch und Blut passt zu unserer Persona - das Verhalten eines Menschen ist viel nuancierter, als es eine Persona vermuten lässt. Das bedeutet, Sie verpassen Targeting-Möglichkeiten.

Maschinelles Lernen ist der einzige Weg, um genug von dem potenziellen Nutzerverhalten zu kodieren und dadurch jeden Benutzer als Individuum zu behandeln, auf der Grundlage seiner ganz eigenen Kombination von Handlungen.

Das Problem mit den Regeln

Regeln haben klare Grenzen. Entweder eine Regel trifft auf Sie zu, oder eben nicht, es gibt keine Grauzone dazwischen. Maschinelles Lernen gibt Ihnen durchlässigere Grenzen, so dass Sie mit Wahrscheinlichkeiten arbeiten können - wenn es darum geht, einzelne Benutzer für eine Marketingkampagne auszuwählen, können Sie dies mit unübertroffener Genauigkeit tun. Sie können sehr effizient eine Konversionsrate auswählen und nur die Benutzer nehmen, die dazu passen.

Das Subjektivitätsproblem

Von Menschen entwickelte Regeln sind oft voreingenommen, weil sie auf Vorurteilen und Meinungen basieren, selbst wenn es sich um Expertenmeinungen handelt. Das maschinelle Lernen eliminiert Subjektivität, indem es jedes Datenstück objektiv betrachtet. Es findet die Muster, die eine subjektive menschliche Analyse übersehen würde.

Das Problem mit der Evolution

Regelbasierte Segmentierung ist einfach zu erklären und zu verstehen. Der Übergang von der regelbasierten Segmentierung zum maschinellen Lernen kann dagegen schwierig sein, da man den Prozess nicht so einfach visualisieren kann. Manche Leute bezeichnen maschinelles Lernen als eine Blackbox, weil es schwer zu kommunizieren ist, was im Inneren vor sich geht. Es werden einfach zu viele detaillierte Muster gespeichert. Aber genau das ist auch der Vorteil des maschinellen Lernens.

Was ist, wenn ich bereits eine regelbasierte Segmentierung habe?

Maschinelles Lernen ist Segmentierung plus. Statt nach einem künstlichen Benutzertyp oder einfachen Regeln zu segmentieren, wird direkt auf die Daten zurückgegriffen. Und anstatt nur ein paar Regeln zu haben, gibt es Tausende von Regeln. Diese leistungsstarke Kombination wird Ihnen einen weiteren enormen Schub bei der Konversion geben, ähnlich Ihrer positiven Erfahrung, als Sie von der nicht zielgerichteten zur regelbasierten Segmentierung übergingen.

Wollen Sie noch einmal so einen Schub haben? Wir können Ihnen helfen. Kontaktieren Sie uns für weitere Informationen.

Brauchen Sie Hilfe bei einem Machine Learning Projekt?

Telefontermin buchen

ODER sende mir eine Beschreibung an: m.schmitt@datarevenue.de