杭州包裝設計公司的《外部營銷：使用大數(shù)據(jù)指導您的內(nèi)容營銷》一書的主要漏洞是缺乏有關營銷人工智能（AI）的信息。我們談論的是如何轉(zhuǎn)變您的營銷組織以利用大數(shù)據(jù)，但我們并未滿足CMO和營銷分析師將AI納入其營銷技術堆棧的迫切需求。

也許我們可以為此疏忽而原諒。杭州包裝設計公司在市場營銷技術領域累積的50年經(jīng)驗包括AI專業(yè)知識。尤其是Mike，在文本分析方面擁有深厚的專業(yè)知識。我的團隊構(gòu)建了首個由Watson支持的關鍵字研究工具。但是，我們與客戶之間最大的挑戰(zhàn)是更根本的：說服市場營銷專業(yè)人員首先采用數(shù)據(jù)驅(qū)動的方法。那是這本書的任務。有鑒于此，對于我們的目標受眾來說，人工智能似乎太前沿了。 

自從本書出版以來，對于許多CMO來說，人工智能已經(jīng)從前沿發(fā)展到了桌面。這反映在我的工作中。杭州包裝設計公司團隊的幾乎所有工作都是通過AI轉(zhuǎn)變IBM的營銷體系。因此，我認為現(xiàn)在是時候分享一些這項工作了。也許在本書的未來版本中，我們可以包括有關營銷AI轉(zhuǎn)型的一章。現(xiàn)在，考慮一下這是一個偷窺。

1.標記

衡量是數(shù)據(jù)驅(qū)動型營銷的核心，幾乎是每一項營銷技術的核心。但是它有很多共同的缺陷：標記。假設您想像Netflix一樣根據(jù)觀眾的興趣向其提供內(nèi)容。您在Netflix上消費的電影越多，為您推薦其他電影就越好。

Netflix如何做到？顯然，它記錄了您的選擇并使用一種算法來選擇與您所觀看的電影相似的電影。但是，如何“知道”兩部標題和描述截然不同的電影是相似的呢？標記。集合中的每個視頻都針對類型，主題，目標受眾和其他屬性進行了標記。

Netflix錯了怎么辦？這不是算法，而是標記。如果影片帶有錯誤標記，它將以錯誤的流派或主題等出現(xiàn)。但是，它們在標記方面做得很好，大部分時間都正確，這是一項了不起的壯舉。

如果您想向受眾群體提供更相關的個性化內(nèi)容，則需要豐富而準確的標記。問題是，內(nèi)容制作者在標簽方面比在工作中的任何其他方面都更加掙扎。例如，在IBM中，杭州包裝設計公司所有頁面的標簽都稱為Subject標簽。我們最近審核了主題頁，發(fā)現(xiàn)所有頁面的70％具有“空”主題值。為什么？因為內(nèi)容生產(chǎn)者無法從一長串選項中找出最相關的Subject標簽。按下時間，他們將字段留空。如果您的絕大多數(shù)頁面沒有為屬性標記，則該屬性將無用。

AI通過自動標記重要屬性的營銷頁面和資產(chǎn)來解決此問題。在IBM中，我們使用Watson Knowledge Studio構(gòu)建了一個自動標記系統(tǒng)，該系統(tǒng)為主題頁面標記。當我們對系統(tǒng)進行擴展時，不僅所有頁面都將使用該屬性進行標記，而且在85％的時間內(nèi)（如果我們對初始測試進行擴展）將準確無誤，這足以完成工作。

如果我們可以為所有最重要的屬性使用自動標記功能，則可以在他們需要的受眾群體中為他們提供正確的內(nèi)容時變得越來越好。我們可以將其與潛在客戶和銷售等跨國指標相關聯(lián)。而且杭州包裝設計公司可以隨著時間的推移對系統(tǒng)進行端到端的調(diào)整。人工智能是實現(xiàn)這一目標的巨大推動力。

2.關鍵字

關鍵字是營銷企業(yè)的生命。關鍵字研究可讓您了解客戶的聲音并為他們調(diào)整營銷信息。但是大多數(shù)營銷組織都在努力為其團隊找到合適的關鍵字。這些詞必須與杭州包裝設計公司的業(yè)務相關并且要有足夠的查詢量，以表明目標受眾對該主題有足夠的興趣。

在IBM，我們建立了一個關鍵字本體，這是一組與我們的目標受眾最常在搜索查詢中使用的關鍵字相關的分類法的名稱。我們從Google那里獲取關鍵字數(shù)據(jù)，并將其組織到主題分類中。我們還可以按業(yè)務部門，品牌和產(chǎn)品排列關鍵字。當您將所有這些屬性與一個本體相關時，使用它們來管理內(nèi)容的方式就沒有止境了。

例如，杭州包裝設計公司有一個稱為網(wǎng)段分類法的東西。它控制著我們形成網(wǎng)頁URL的方式等。因為它基于關鍵字本體，所以我們可以確保使用URL中客戶的語言來構(gòu)建新頁面。然后，杭州包裝設計公司可以將URL語義與導航標簽，內(nèi)部多面搜索標簽，面包屑，主題標簽，社交標簽和頁面標題對齊。您可以排列的信號越多，受眾越容易通過搜索和導航找到站點上的相關內(nèi)容。

結(jié)論

關鍵字本體和主題分類法基于在TopBraid EDG上使用Watson Knowledge Studio構(gòu)建的AI分類系統(tǒng)。您不需要使用這些工具來構(gòu)建類似的東西。但是您確實需要了解如何使用自然語言處理來提取數(shù)據(jù)并對其進行分類，以及如何使用機器學習來測試和改進模型。