深度学习和 “超个性化” 是营销自动化的未来

营销自动化已经走了很长一段路 -- 从仅仅是营销人员自动化重复性任务的工具，到成为理解当今高要求客户的财富球。这一领域的技术进步使营销人员能够利用客户数据挖掘有价值的见解，并创造高度个性化的营销沟通，在正确的时间和正确的频道发送。wonderit计划成为55亿美元的行业2019年。

以下是营销自动化中的深度学习如何使营销人员的生活更轻松的三个示例。

1.识别数据中的更深层次模式以实现超个性化

“个性化” 是一个广泛使用的术语，但它的意义已经开始下降。不要误会我的意思; 我并不是建议您停止个性化您的在线购物体验和营销信息。我的建议是专注于超个性化。

通过机器学习 (ML) 进行营销自动化，您可以根据客户的互动历史，例如购买习惯，行为特征和数字偏好，个性化客户体验。但这并没有考虑到客户的意图。

另一方面，深度学习技术将不仅依赖于客户的互动历史，还将考虑他们的意图。例如，一位顾客来到你的网站买了一件衣服。在第二次访问期间，同一位客户开始检查鞋类。在这种情况下，等式不会依赖于事务和交互数据来个性化体验，而是会考虑意图。

深度学习比其他ML和AItechniques更好地理解客户想要什么，因为它有可能在模式中找到模式。根据Michio Kaku的说法，AI只是像 “被切除的，智障的蟑螂一样聪明。”深度学习技术可以识别和分析模式，从而可以预测现实生活中的结果。但是该技术仍处于起步阶段，其能力尚待观察。

2.使用深度学习来推动客户保留。

每个企业都知道，留住客户的成本比收购客户的成本要低。而且，客户保留可以通过流形增加公司利润。根据tobiin and Co. 的说法，客户保留率提高5% 可以使公司的盈利能力提高75%。在提高客户保留率方面，深度倾斜可以有所帮助。如何？通过在需要时为客户提供所需的东西。根据Trendspotter的报告，有82% 的人可能会在为他们提供个性化服务的零售商处购物。

人工智能驱动的营销自动化通过确保正确的信息在正确的时间获得信息来完成同样的事情。但是深度学习可以使它更高。它考虑了客户的品味，个人偏好，支出模式甚至微观偏好以及外部因素 (例如天气)，以向客户发送高度定制和更相关的建议。

3.客户行为是一门科学: 大数据分析和深度学习。

规定性分析是另一种技术，它使用从客户数据中进行深度学习来预测未来的趋势和行为模式。营销自动化平台已经变得强大到足以预测预测 -- 比如客户下一次购买的时间，客户的LTV是什么，谁是最有价值的客户，客户最有可能在什么时间购买，以及向客户群提供什么合适的折扣。

深度学习已经被用于广告行业，以使活动效率提高50%。这就是为什么许多营销人员对此感到非常兴奋的原因。但是，深度学习并不像听起来那么容易。作为一名营销人员，重要的是要知道它是如何工作的，以及你如何利用它来发挥自己的优势。努力与消费者相关的营销人员需要关注这项技术。